Uso de herramientas de IAG en la formación traductora: impacto en la autoeficacia y percepción

Jahiro Samar Andrade Preciado; Héctor Javier Sánchez Ramírez; Cristian Gabriela Gallego Real

doi:10.24310/redit.20.2026.21814

Autores/as

Jahiro Samar Andrade Preciado Universidad Autónoma de Baja California
México
Héctor Javier Sánchez Ramírez Universidad Autónoma de Baja California
México
Cristian Gabriela Gallego Real Universidad Autónoma de Baja California
México

DOI:

https://doi.org/10.24310/redit.20.2026.21814

Palabras clave:

Inteligencia Artificial Generativa, Autoeficacia, Formación en traducción, Posedición

Resumen

Este artículo analiza la relación entre percepción y autoeficacia en el uso de herramientas de Inteligencia Artificial Generativa (IAG), enfocándose en ChatGPT, en la formación de traductores en la Licenciatura en Traducción de la UABC. El estudio cualitativo y empírico-experimental incluyó 30 estudiantes que usaron ChatGPT en actividades de pretraducción, traducción y posedición. Los resultados indican que una percepción positiva hacia estas herramientas mejora la autoeficacia y el desempeño en tareas traductológicas. ChatGPT fue valorado por facilitar la posedición y la creación de glosarios, aunque se señalaron desafíos relacionados con precisión terminológica, prompt engineering y preservación de formato. El estudio concluye que integrar herramientas de IAG en la formación traductológica optimiza el proceso de traducción y mejora la calidad del trabajo, siempre que se complementen con habilidades críticas y creativas para un uso estratégico en contextos profesionales.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Andrade Preciado, J. S., Sánchez Ramírez, H. J., & Gallego Real, C. G. (2025). Integration of ChatGPT in the Translation and Post-Editing of Specialized Texts: A Study on its Application. LatIA, 3, 129. https://doi.org/10.62486/latia2025129

Bandura, A. (1997). Self-efficacy: The exercise of control. W.H. Freeman.

García, I. (2020). Translators and machine translation: Perceptions and practices. Translation Spaces, 9(2), 190–212. https://doi.org/10.1075/ts.20017.gar

García, I., & Díaz-Molina, L. (2023). The impact of generative AI on translator education: Challenges and opportunities. Translation and Technology, 15(2), 123–139. https://doi.org/10.1080/14737702.2023.2123456

Hurtado Albir, A., Kuznik, A. & Rodríguez-Inés, P. (2022) “La competencia traductora y su adquisición.” En: Hurtado Albir, Amparo & Patricia Rodríguez-Inés (eds.)2022. Hacia un marco europeo de niveles de competencias en traducción. El proyecto NACT del grupo PACTE. / Towards a European framework of competence levels in translation. The PACTE group’s NACT project. MonTI Special Issue 7, pp. 19-40.

Jiménez-Crespo, M. A. (2017). Translation and web localization. Routledge. https://doi.org/10.4324/9781315679761

Liu, Z., Chen, X., & Zhang, H. (2021). The role of self-efficacy in technology acceptance among translators. Journal of Translation Studies, 5(3), 45–62.

López-Rendón, R., & Martínez, C. (2022). Technology gaps in translator training: Insights from Latin America. Journal of Translation Studies, 7(1), 45–62.

O’Brien, S. (2012). Translation as human–computer interaction. Translation Spaces, 1(1), 101–122. https://doi.org/10.1075/ts.1.05obr

O’Brien, S. (2020). Machine translation and human creativity: Can they co-exist? Translation Spaces, 9(1), 94–116. https://doi.org/10.1075/ts.20002.obr

Pym, A., Orrego-Carmona, D., & Torres-Simón, E. (2022). Technologies and the future of the translation profession. Routledge.

Sawyer, R. (2022). Machine translation and post-editing in translator training: A pedagogical perspective. The Interpreter and Translator Trainer, 16(1), 78–94. https://doi.org/10.1080/1750399X.2022.2020555

Sawyer, R., & Wallace, B. (2022). Exploring self-efficacy and technology use in translator training. The Interpreter and Translator Trainer, 16(1), 78–94. https://doi.org/10.1080/1750399X.2022.2020555

Toral, A., & Way, A. (2018). What level of quality can neural machine translation achieve? Translation Quality Assessment, 5*(2), 3–30. https://doi.org/10.1016/j.mtla.2018.01.004

Vargas-Sierra, C. (2020). La estación de trabajo del traductor en la era de la inteligencia artificial. Pragmalingüística, (28), 185-202. https://doi.org/10.14198/PRAG.2020.28.13

Wang, Y., & Gao, L. (2023). Enhancing translator competence with AI tools: The role of self-efficacy and perception. International Journal of Translation Studies, 15(4), 315–331. https://doi.org/10.1177/147143302312578