ISLAS, 68 (213): e1618; enero-abril, 2026.

Recepción: 15/04/2026 Aceptación: 12/08/2026

Artículo científico

DeepL frente al traductor humano: traducir elementos culturales del alemán al español en obras literarias

_________________________________________________

DeepL vs. Human Translators: Translating Cultural Elements from German into Spanish in Literary Works

Pino Valero Cuadra

Universidad de Alicante, Alicante, España

ORCID: https://orcid.org/0000-0001-9749-8332

Correo electrónico: pino.valero@ua.es

RESUMEN

Introducción: En este trabajo se realiza una comparación entre la traducción humana de los elementos culturales que recorren un bestseller literario alemán con la traducción de los mismos, que arroja el motor de traducción automática DeepL. El objetivo es demostrar la supremacía de la traducción humana frente a la traducción automática, cuya calidad ha sido reciente objeto de múltiples estudios.

Metodología: Se realiza una comparación entre la traducción humana y la traducción automática de los elementos culturales que existen en un bestseller alemán fuertemente recorrido por dichos elementos culturales. Se trata de un análisis descriptivo de tipo cualitativo de las primeras 50 páginas del libro que parte de un trabajo previo y se apoya en diversos estudios sobre la traducción de culturemas y la calidad de los motores neuronales de TA.

Resultados: Las soluciones traductoras que arrojan la traducción humana y la TA al verter al español los elementos culturales que recorren la novela estudiada difieren de forma notable y confirman la hipótesis de partida: que la TA no consigue alcanzar un nivel de calidad equiparable al de la traducción humana en la traslación de culturemas en obras literarias, especialmente en el caso de una obra con una fuerte carga humorística.

Conclusiones: La fuerte carga humorística y cultural de la obra analizada requiere una serie de estrategias traslativas para resolver adecuadamente la mayor parte de los problemas traductológicos planteados que la máquina no posee, como se demuestra en la comparación de resultados en cada una de las categorías culturales examinadas.

PALABRAS CLAVE: traducción alemán-español; traducción creativa; elementos culturales; humor; traducción humana; traducción automática

ABSTRACT

Introduction: This paper compares human translations of the cultural elements found in a German literary bestseller with the translations produced by the DeepL machine translation engine. The aim is to demonstrate the superiority of human translation over machine translation, the quality of which has recently been the subject of numerous studies.

Methods: This study compares human translation with machine translation of the cultural elements found in a German bestseller that is heavily infused with these cultural references. It is a qualitative descriptive analysis of the first 50 pages of the book, building on previous research and drawing on various studies on the translation of cultural elements and the quality of neural machine translation engines.

Results: The results produced by human translation and machine translation when rendering the cultural elements found throughout the novel under study differ significantly and confirm the initial hypothesis that machine translation fails to achieve a level of quality comparable to that of human translation when conveying cultural elements in literary works, especially in the case of a work with a deep humorous tone.

Conclusions: The strong humorous and cultural elements present on the work under analysis require a series of interpretive strategies to adequately address most of the translation challenges it presents—strategies that machine translation lacks, as demonstrated by a close comparison of results across each of the cultural categories examined.

KEYWORDS: German-Spanish Translation; Creative Translation, Cultural Elements; Humor; Human Translation; Machine Translation

CONTRIBUCIÓN DE AUTORÍA

INTRODUCCIÓN

En este trabajo se analiza la traducción española de la primera obra de la trilogía sobre Miss Merkel del autor de bestseller alemán David Safier, Miss Merkel: Mord in der Uckermark, de 2021, que lleva por título Miss Merkel. El caso de la canciller jubilada en la versión española de M.ª José Díez Pérez, la traductora de las últimas novelas del autor y que fue publicada en 2022.

Como todas las novelas de este prolífico autor, se trata de una obra de corte humorístico que se encuentra plagada de elementos culturales con multitud de referencias a películas, novelas o canciones famosas, la mayoría relacionadas con la cultura alemana y otras de carácter más universal. Esta característica constituye el principal problema de traducción de la novela, por lo que, tras haber analizado en un trabajo anterior (Valero, 2023) la traducción de los culturemas que recorren la novela citada, el objetivo que se pretende con este estudio es comparar la traducción humana (TH) de dichos elementos culturales (EC) —es decir, la que llevó a cabo la traductora de la obra— con la traducción automática (TA) de esos EC que realiza el motor neuronal DeepL. La hipótesis de partida es que la TH sigue siendo imprescindible para garantizar la calidad y la adecuación creativa en la traducción de textos literarios, especialmente cuando la obra está fuertemente recorrida por culturemas que, además, son utilizados por el autor para crear un importante efecto humorístico.

De esta forma, tras presentar al autor y a la traductora de la novela estudiada, así como la novela objeto de estudio en el contexto del conjunto de la obra del autor, se desarrollará un análisis de la traducción humana de los elementos culturales de la novela a partir de una tipología de técnicas de traducción (Hurtado Albir, 2013), la clasificación de elementos culturales (Paula Igareda, 2011) y la división de problemas culturales de Albaladejo Martínez (2024) que permitan abordar su comparación con la traducción automática realizada por DeepL. Esto conducirá a constatar las deficiencias del motor neuronal en la traducción de esos marcadores culturales frente a la labor realizada por la traductora humana de la obra, por ello se fundamenta asimismo en diversos estudios acerca de la calidad del motor DeepL, objeto de recientes estudios por parte de Hidalgo-Ternero (2020) y Roiss/Zimmermann (2021) sobre textos no especializados, también sobre su aplicabilidad para la didáctica de la traducción, y de Noriega-Santiáñez (2020) y Ferragud (2023) para el caso de la traducción de EC en obras literarias, una calidad que debe ser el principal objetivo de cualquier proceso de traducción, como analiza Rico Pérez (2024).

El autor, su obra y dos traductoras

El autor de la obra, David Safier, es un novelista y guionista alemán, de gran éxito internacional, cuyas novelas han sido traducidas a varios idiomas y con millones de libros vendidos en todo el mundo, aunque formado profesionalmente en la radio y la televisión. Se han vendido cinco millones de ejemplares de sus obras en Alemania, y están publicadas en más de treinta países. Debido a su éxito en España por la obra Maldito karma, en 2011 obtuvo la Pluma de Plata de la Feria del Libro de Bilbao.

Su obra comprende las siguientes catorce obras, publicadas entre 2007 y 2024 y todas ellas traducidas al español y publicadas en la editorial Seix Barral entre 2008 y 2025. La última de ellas, la tercera novela de la trilogía sobre Miss Merkel, vio la luz en enero de este mismo año. Se trata de novelas con una fuerte carga cultural y humorística que permiten realizar interesantes estudios traductológicos:

Tabla 1. Listado de obras del autor de bestseller alemán David Safier

Fuente: Elaboración propia

Las versiones españolas son obra de dos traductoras diferentes: Lidia Delgado Grifoll, autora de las versiones españolas de las cuatro primeras novelas del autor y María José Díez Pérez, responsable de la versión española de las diez obras restantes. Esta última es la traductora de la novela objeto de estudio, reconocida además de por ser la responsable de las versiones en español de las últimas novelas de David Safier, por haber traducido del inglés, junto con Claudia Conde, obras tan relevantes como El código Da Vinci, de Dan Brown.

La obra estudiada

La novela estudiada, la primera de una trilogía que ha continuado en 2022 y 2023 con Miss Merkel: Mord auf dem Friedhof y Miss Merkel: Mord auf hoher See, está dedicada a la excanciller alemana Angela Merkel, ya retirada de la vida política de su país y un personaje que, a pesar de su fama como «canciller de hierro», también era conocida por su afabilidad. En la novela encarna a una provecta detective que decide resolver un misterioso caso de asesinato con el fin de no aburrirse tras su reciente jubilación. Para ello contará con la ayuda de dos fieles compañeros: su marido, Achim, y su mascota, el sabueso Putin, un nombre que, cuatro años después de publicarse la novela en alemán, ya ha dejado de despertar simpatías.

Esta primera novela de la trilogía sobre Miss Merkel detective, publicada en 2021 tras la jubilación de Angela Merkel, lleva por título Miss Merkel: Mord in der Uckermark. En su portada ya se destaca el gran éxito comercial de la obra —fue número uno en ventas en el ranking de Der Spiegel— y se observa una simpática imagen tipo cómic de la famosa ex canciller y el sabueso que la acompaña en la novela durante sus pesquisas: un perro carlino con nombre de dirigente ruso.

La traducción española, que vio la luz en 2022, lleva por título Miss Merkel. El caso de la canciller jubilada, título que hace hincapié en el hecho de que la protagonista sea la famosa política alemana jubilada, aunque en la portada se destaca claramente la figura del dulce perro carlino, también gran protagonista de la novela (aunque la imagen no se corresponde con la raza, como sí sucede en la portada alemana: perro con orejas, nariz y ojos negros):

Ilustración 1. Portada del original alemán	Ilustración 2. Portada de la traducción española
Fuente: Rowohlt E-book (2021)	Fuente: Seix Barral (2022)

METODOLOGÍA

Un bestseller alemán traducido al español: Miss Merkel: Mord in der Uckermark (2021)

Se presenta a continuación el marco teórico-metodológico utilizado para la comparación entre la traducción de los elementos culturales, por parte de la traductora de la obra, y el motor de traducción automática neuronal DeepL.

La traducción de elementos culturales

La traducción de los elementos culturales constituye uno de los aspectos más importantes del ámbito de la traductología, aplicados en este caso a una obra literaria de corte humorístico. En este estudio de Valero (2023) se analiza cómo, tras el impulso de Nida (1975) y, posteriormente, del funcionalismo (Nord, 1994), en los años 2000 volvió a revitalizarse el estudio de los culturemas. Se trata de marcadores que nunca encontramos fuera de contexto, sino que surgen en el seno de una transferencia entre dos culturas concretas y en ese sentido, no deben plantearse como elementos propios de una única cultura, habitualmente, la cultura de origen, sino como la consecuencia de ese trasvase cultural (Luque Nadal, 2009).

Dado que este trabajo se centra en el análisis de la traslación de los problemas culturales que presenta el texto original estudiado, será necesario distinguir entre aquellos culturemas que sean de naturaleza (intra)lingüística y los considerados extralingüísticos, pues ambos plantean tipos de soluciones distintas en su trasvase a la cultura meta, como señala Albaladejo Martínez (2024, p. 59):

Conviene señalar que se pueden diferenciar dos tipos de culturemas: aquellos que aluden a la realidad extralingüística (el entorno físico o sociocultural) y aquellos que son producto de una configuración lingüística particular (por ejemplo, los fraseologismos). Existen, pues, problemas (intra)lingüísticos (por diferencias sistemáticas del par de lenguas) y extralingüísticos. (Leppihalme, 2011, p. 126)

Además, para analizar la traducción de los elementos culturales de la novela se eligió el modelo de Newmark (Hurtado Albir, 2013, p. 613), según el cual existen doce técnicas recomendables para el uso de un traductor al efectuar una transferencia cultural de una lengua a otra: el préstamo —se integra una palabra o expresión de otra lengua—; el equivalente cultural; la neutralización —la explicación del referente (Hurtado Albir, 2013)—; la traducción literal; la naturalización —la adaptación a la pronunciación y ortografía de la lengua de llegada—; el análisis componencial o explicitación de los rasgos del referente cultural; la supresión; el doblete —la combinación de dos o más técnicas—; la traducción estándar aceptada y las paráfrasis, glosas y notas (Hurtado Albir, 2013, p. 269). Aquí las reduciremos a seis categorías, las cuales se renombran e incluyen la posibilidad del doblete:

• Conservación

• Neutralización/Explicación

• Adaptación

• Traducción literal

• Equivalente acuñado

• Omisión

Por último, para la distribución de los culturemas en categorías analíticas se utiliza una clasificación propia que parte de la propuesta de clasificación de Paula Igareda (2011, p. 10-12), que facilita su análisis desde un punto de vista traductológico. Además, se utilizan las subcategorías asociadas a ellas para clasificar los problemas culturales de traducción que se encuentran en este texto y elaborar así una tipología propia que se adapte a la naturaleza del propio fragmento (Valero, 2021; 2023, p. 65). Asimismo, se subdividen los EC en problemas lingüísticos y extralingüísticos, como plantea Albaladejo (2023), para terminar de elaborar el esquema general que seguirá este análisis en cuanto a la clasificación de los elementos culturales estudiados, que son exclusivamente los que se encuentran en el fragmento estudiado y que aparecen citados según el orden de aparición en el texto original. Hemos eliminado de esta categorización la ortotipografía (cursivas, comillas, etc.), que también es un elemento cultural, de tipo lingüístico, pero no aparece marcado en la traducción del motor neuronal DeepL, a excepción de las mayúsculas, que serán comentadas en cada caso concreto:

Extralingüísticos:

• Nombres propios: antropónimos y topónimos

• Instituciones y monumentos

• Gastronomía

• Películas, series, óperas y canciones

• Aspectos socioeconómicos

Lingüísticos:

• Juegos de palabras y humorísticos

• Neologismos

La calidad de la TA en la traducción de obras literarias

Antes de abordar el análisis comparativo de los elementos culturales traducidos por TH y TA, a partir de las categorizaciones arriba descritas, se mencionan a continuación algunos de los estudios que profundizan en una cuestión tan candente como es la capacidad de la IA para traducir con calidad suficiente los EC, también en obras literarias, que no parece haber alcanzado un nivel de adecuación suficiente ni siquiera tras la irrupción de la TA neuronal, como bien expresa Rico-Pérez (2024, p. 98):

El campo de la traducción automática de referentes culturales es un área aún carente de estudios, quizá porque hasta la llegada de los sistemas basados en inteligencia artificial no se habían conseguido resultados con suficiente calidad que justificaran debidamente su estudio. Estos nuevos desarrollos artificiales son capaces de generar traducciones que el propio ser humano interpreta como un acto comunicativo válido. […] El problema reside en que la máquina no tiene ninguna intención comunicativa por sí misma y que el hecho de que genere textos que se lean de manera fluida no garantiza, a priori, que la traducción se corresponda con el texto original.

Son varios los estudios recientes que han analizado la calidad de DeepL como motor de TA; es el caso de los realizados por Hidalgo-Ternero (2020) o Roiss/Zimmermann (2021) para los textos no especializados o los de Noriega-Santiáñez/Corpas (2023) y Ferragud (2023), que se centran en los textos creativos, también en lo referente a su aplicabilidad para la didáctica de la traducción, que se apoyan asimismo en los estudios pioneros de Antonio Tovar (2015, 2018) sobre la capacidad de la TA para traducir textos literarios.

Así, mientras Hidalgo-Ternero demostraba la eficacia de DeepL, entre otros motores neuronales, para traducir unidades fraseológicas, en su opinión, «the NMT systems Google Translate and DeepL have proved to deliver an overall high-quality performance in the detection and establishment of equivalences for idioms with high normalised frequencies» (2020, p. 173), Roiss y Zimmermann aplican su estudio a la enseñanza de la traducción inversa y concluyen que el programa de TA DeepL aunque una herramienta valiosa para la actividad traductora, «no es y nunca podrá ser el sustituto del trabajo realizado por la mente humana […]» (2021, p. 379-380), y que «mediante los objetivos concretos relacionados con el uso seguro de DeepL, el alumno ha ido profundizando en su capacidad de análisis crítico y ha llegado a la conclusión de que es precisamente esta capacidad la que distingue al traductor profesional humano de la máquina». Noriega-Santiáñez/Corpas (2023), por su parte, estudian la traducción de unidades fraseológicas en obras literarias, mientras que Ferragud (2023) compara la traducción automática de un texto literario con la traducción humana realizada por estudiantes de traducción y estas, posteriormente, con la TH publicada, pues parte del supuesto de que «la TA y las traducciones de textos literarios realizadas por alumnos divergen, de manera sustancial y compartida, de las traducciones humanas publicadas» (2023, p. 206-207). Con estas palabras expresa Farragud (2023, p. 185) la escasez de estudios sobre la calidad de la TA para traducir obras literarias:

Nos hallamos ante una línea de investigación incipiente, pues durante bastantes años se pensó que una de las fronteras de la TA era precisamente la literatura, puesto que los textos literarios son creativos y su traducción, idealmente, debe reproducir la experiencia lectora del original [aunque] la aparición del nuevo paradigma de TA, los motores neuronales, que han logrado traducciones más fluidas y menos literales que los paradigmas anteriores (los motores basados en reglas y los estadísticos), ha llevado a los investigadores a preguntarse hasta qué punto la tecnología actual de TA podría ser útil para asistir a los profesionales de la traducción literaria.

Eso mismo es lo que se va a comprobar a continuación a través del análisis de la traducción de los elementos culturales que recorren las primeras 50 páginas del bestseller alemán en la traducción española publicada en 2022.

RESULTADOS

La traducción al español de los elementos culturales en Miss Merkel. El caso de la canciller jubilada (2022): un análisis comparativo de TH y TA

Para realizar este análisis comparativo se muestra y analiza, a través de ocho tablas comentadas de cada una de las categorías de EC lingüísticos y extralingüísticos instituidas anteriormente (nombres propios; instituciones y monumentos; gastronomía; películas, series, óperas y canciones; aspectos socioeconómicos; juegos de palabras y humorísticos y neologismos), la calidad de la TH y la TA al traducir los elementos culturales que recorren la obra estudiada, siempre a partir de la propuesta de la traductora humana. Para ello la autora se apoyó en las técnicas de traducción derivadas de las constituidas por Hurtado Albir (2013) también establecidas anteriormente: conservación, neutralización/explicación, adaptación (también la ortográfica), traducción literal, equivalente acuñado y omisión. Además, cuando el motor los presente, se mostrarán las distintas alternativas de traducción que sugiere DeepL con el fin de valorar si mejoran o empeoran las primeras opciones que propone la máquina.

Nombres propios: antropónimos

Tabla 2. Tabla comparativa de la traducción con TH y TA de los antropónimos

Fuente: Elaboración propia

Nombres propios: topónimos

Tabla 3. Tabla comparativa de la traducción con TH y TA de los topónimos

Fuente: Elaboración propia

Instituciones y monumentos

Tabla 4. Tabla comparativa de la traducción con TH y TA de instituciones y monumentos

Fuente: Elaboración propia

Gastronomía

A partir de lo planteado por Rodríguez Abella (2008):

Tabla 5. Tabla comparativa de la traducción con TH y TA de gastronomía

Fuente: Elaboración propia

Películas, series, óperas y canciones

Tabla 6. Tabla comparativa de la traducción con TH y TA de películas, series, óperas y canciones

Fuente: Elaboración propia

Aspectos socioeconómicos

Tabla 7. Tabla comparativa de la traducción con TH y TA de aspectos socioeconómicos

Fuente: Elaboración propia

Juegos de palabras y humor

Tabla 8. Tabla comparativa de la traducción con TH y TA de juegos de palabras y humor

Fuente: Elaboración propia

Neologismos

El motor DeepL traduce los neologismos con más frecuencia que la traductora humana, como también analizan Noriega-Santiáñez y Corpas Pastor (2023).

Tabla 9. Tabla comparativa de la traducción con TH y TA de neologismos

Fuente: Elaboración propia

DISCUSIÓN

Como se ha podido comprobar, la TH y la TA difieren de forma notable en sus estrategias para traducir los elementos culturales que recorren la novela estudiada y sus soluciones traductoras confirman la hipótesis de partida: que la TA no consigue alcanzar un nivel de calidad equiparable al de la TH en la translación de esos numerosos culturemas, muchos de ellos con una fuerte carga humorística. Dicha carga y la fuerte especificidad cultural requieren un importante proceso de documentación para la resolución de los problemas de traducción que plantean, lo que impide a la máquina resolver adecuadamente la mayor parte de los casos descritos en el análisis práctico.

Se muestra a continuación el análisis de los resultados sobre dichas divergencias en cada una de las categorías culturales analizadas en el análisis práctico. Aunque la muestra no es amplia, permite deducir los errores en los que incurre la TA al traducir los EC.

Antropónimos (Tabla 2)

En el caso de los antropónimos, se encuentran dos estrategias traductológicas por parte de la TH: la conservación de los antropónimos alemanes, un recurso habitual en el caso de los nombres propios de personajes no históricos y que llevan a cabo correctamente tanto la TA como la TH —aunque la TA conserva de forma errónea la mayúscula del título nobiliario (‘barón’) y el cargo militar (‘general’)—, y la adaptación ortográfica de los nombres propios: el nombre del dalai lama, que la TA escribe incorrectamente con mayúsculas, el nombre de Putin, ya transcrito en alemán del ruso y del personaje literario universal del Arlequín, que tanto la TH como la TA adaptan correctamente en español. Ambas mantienen, sin embargo, el nombre de la figura de El Quijote, a pesar de que en alemán existe la adaptación ortográfica Don Quichotte. Por lo demás, llama la atención el caso de la futbolista estadounidense Alexa Morgen, que la TH conserva, pero la TA traduce al inglés e incluso propone traducir, como segunda propuesta, de forma absurda, como Alexia Mañana.

Este es el reparto de técnicas de traducción utilizadas en este apartado:

Gráfico 1. Gráfico sobre los resultados de la comparación TH/TA de la categoría antropónimos

—Traducción humana: 6 conservación 2 adaptación —Traducción automática 5 conservación 2 adaptación 1 traducción literal

Fuente: Elaboración propia

En el caso de esta categoría, en la que la TA apenas suele realizar errores, solo incurre en una traducción literal de un nombre que no reconoce y del que, como se comentó, ofrece varias alternativas erróneas.

Topónimos (Tabla 3)

Por lo que se refiere a los topónimos, se encontraron tres estrategias diferentes por parte de la TH para trasladarlos al español: la conservación de los topónimos alemanes por ser nombres propios (con la adaptación ortográfica de la tilde de Berlín), la adaptación de otros topónimos generales (Mozambique, Johannesburgo) y la conservación con una glosa intratextual explicativa en el caso de los nombres de accidentes geográficos que han sido inventados ad hoc para la novela, como es el caso del lago Dumpfsee o la pequeña ciudad de Klein-Freundenstadt. En este caso, la traductora humana podría haber contemplado la posibilidad de traducir los topónimos, dado que se trata de lugares inventados y con un significado humorístico en el seno de la novela. De hecho, es lo que hace DeepL al proponer traducir el lago Dumpfsee como Mar Apagado, aunque la máquina no haya podido hacer esa reflexión y su propuesta se pueda considerar más bien una traducción literal errónea del término. Es llamativo como error de TA el caso del topónimo Templin, en una segunda y tercera alternativas de traducción, DeepL propone traducir por ‘plantilla’ o incluso, ‘temple’, lo que sí constituye un flagrante error.

Este es el reparto de técnicas de traducción utilizadas en este apartado:

Gráfico 2. Gráfico sobre los resultados de la comparación TH/TA de la categoría topónimos

—Traducción humana: 2 conservación 3 conservación + glosa intratextual 3 adaptación —Traducción automática 2 conservación 2 conservación + traducción literal 3 adaptación 1 traducción literal

Fuente: Elaboración propia

En esta categoría, son nuevamente dos traducciones literales no realizadas por la traductora humana las que marcan la diferencia, quedando claro cómo son las glosas intratextuales las que indican que hay una mano humana que ve la necesidad de aclarar un término, algo a lo que no llega la máquina.

Instituciones y monumentos (Tabla 4)

En el caso de la traducción de las instituciones y monumentos, la estrategia de la traductora humana ha consistido en conservar los nombres originales de las instituciones, en el caso de la Ópera Metropolitana de Nueva York, por estar en inglés en la obra original y por tratarse de monumentos históricos en el caso de la iglesia de Saint Petri y el castillo de Baugenwitz. Por otro lado, la TA propone de forma incoherente adaptar totalmente la Iglesia de San Pedro y mantener en alemán Schloβ Baugenwitz, mientras que la TH explica la naturaleza de esos monumentos con sendas glosas intratextuales, una estrategia que no es capaz de llevar a cabo la máquina.

Este es el reparto de técnicas de traducción utilizadas en este apartado:

Gráfico 3. Gráfico sobre los resultados de la comparación TH/TA de la categoría instituciones y monumentos

—Traducción humana: 2 conservación 1 conservación + glosa intratextual —Traducción automática 1 conservación 2 adaptación

Fuente: Elaboración propia

En esta categoría, se observa cómo la TA prefiere adaptar los nombres de los monumentos siguiendo la tradición anterior, mientras que la TH sigue la tendencia actual a conservar los nombres propios y no adaptarlos.

Gastronomía (Tabla 5)

En lo que respecta al apartado de la gastronomía, uno de los más importantes elementos culturales de un texto, literario o no, aparecen dos estrategias por parte de la TH y que, en este caso, coinciden con las de la TA: la traducción literal para mantener el EC en una clara estrategia extranjerizante en caso de la tarta de manzana, los bizcochos de mantequilla y las salchichas de jabalí, frente a los buñuelos de requesón, una clara adaptación cultural que la TA mantiene con traducciones como ‘bolas de Quark’ o ‘Quark Bolas’. Con ello demuestra no conocer el significado de Quark (‘requesón’).

Este es el reparto de técnicas de traducción utilizadas en este apartado:

Gráfico 4. Gráfico sobre los resultados de la comparación TH/TA de la categoría gastronomía

—Traducción humana: 3 traducción literal 1 adaptación —Traducción automática 4 traducción literal

Fuente: Elaboración propia

En esta categoría se explicita que las comidas suelen traducirse literalmente para que le quede claro al lector en qué consisten, pero a menudo son necesarias las adaptaciones para que no terminen siendo términos opacos, estrategia en la que coinciden TH y TA.

Películas, series, óperas y canciones (Tabla 6)

Por lo que respecta al variopinto y amplio apartado de películas, series, óperas y canciones, la TH lleva a cabo cuatro estrategias: (a) la adaptación a la traducción prefijada para el caso de personajes como el comandante Spok de Star Trek, los nombres de los hobbits y el título oficial de la tercera película de Indiana Jones, así como de la frase del doblaje original de «Amar significa no tener que decir nunca lo siento», de la película Love Story, traducciones canónicas que la TA, por el contrario, no consigue reconocer; (b) la conservación de los títulos de obras clásicas como la ópera La traviata o la citada película de Love Story, aunque la TA no reconoce esta última y la traduce de forma literal; (c) la traducción literal de series como Rosas rojas, una serie no conocida en España que se ha traducido de forma literal tanto por la TA como por la TH, en el caso de esta última porque más tarde explica lo que es, pero la TA no es capaz de llegar a esa estrategia; (d) la omisión de un grupo de rock alemán, Toten Hosen, que tampoco es conocido en España, o la sustitución de una canción no conocida por el público español por su explicación como ‘viejo éxito de los setenta’, una opacidad del original que, al contrario de la TH, la TA mantiene al conservar el título alemán.

Este es el reparto de técnicas de traducción utilizadas en este apartado:

Gráfico 5. Gráfico sobre los resultados de la comparación TH/TA de la categoría películas, series, óperas y canciones

—Traducción humana: 2 conservación 1 traducción literal 4 adaptación 1 omisión +compensación 1 neutralización —Traducción automática 2 conservación 6 traducción literal

Fuente: Elaboración propia

En este apartado se aprecia que la traductora humana ha tenido que recurrir a un gran número de técnicas que para la TA se ven reducidas a dos. Ello se debe fundamentalmente a que la máquina no es capaz de reconocer muchos EC estrechamente relacionados con la cultura de origen, como series, siglas o personajes populares, aunque tampoco reconoce referencias a películas conocidas.

Aspectos socioeconómicos (Tabla 7)

En este caso se encontraron varias técnicas diferentes: (a) la adaptación, que se lleva a cabo para sustituir aspectos socioeconómicos como las siglas de la antigua DDR, correctamente traducidas como RDA, o la crisis del coronavirus, Corona-krise, que la TA traduce erróneamente como Crisis de la Corona; (b) la conservación de juegos universales como el Scrabble; (c) la explicación de siglas de organismos propios, como la BKA (Oficina Federal de Investigación Criminal) o la prestación social llamada Hartz IV, que solo la TA mantiene por no poder interpretar la referencia, así como la explicitación de la alusión a un videojuego famoso y la omisión del nombre de un periódico local, que es sustituido por su explicación; (d) la traducción literal de un gesto universal como es cerrarse la boca como si fuera una cremallera; (e) el uso del equivalente acuñado de términos como wandern (‘senderismo’) o Fachwerkhäuschen (‘casitas con entramado de madera’).

Este es el reparto de técnicas de traducción utilizadas en este apartado:

Gráfico 6. Gráfico sobre los resultados de la comparación TH/TA de la categoría aspectos socio-económicos

—Traducción humana: 3 equivalente acuñado 3 adaptación 4 neutralización 1 traducción literal 1 adaptación 1 omisión + adaptación —Traducción automática 3 conservación 4 traducción literal 1 adaptación 3 equivalente acuñado 1 neutralización

Fuente: Elaboración propia

Al igual que en la anterior, en esta categoría se encuentran muchas más técnicas de traducción (también muchos más ejemplos), en las cuales nuevamente la diferencia entre la TH y la TA reside más en aquellas especificidades culturales alemanas más o menos conocidas, como la sigla de la DDR o algunas traducciones prefijadas que la máquina sí es capaz de reconocer y traducir correctamente frente a otras que mantiene opacas sin traducir.

Juegos de palabras y humorísticos (Tabla 8)

En lo que respecta a los juegos de palabras y el humor en el texto, en esta obra, los EC están al servicio del humor, por lo que las estrategias traductoras oscilan entre la adaptación y la traducción literal, es decir, la domesticación y la extranjerización, puesto que se mantienen aquellos juegos de palabras que funcionan y se adaptan aquellos que no lo hacen. Así, un ejemplo de adaptación serían las alusiones a anuncios publicitarios conocidos como el de la sonrisa Profident, el uso de unidades fraseológicas (‘ser la alegría de la huerta’) o juegos de palabras con efecto humorístico en los que intervienen, por ejemplo, diminutivos cariñosos (‘bizcochito’) o rimas (Horn/Korn-chorro/chorra), mientras que se han mantenido, traducidas de forma literal, rimas o juegos de palabras que funcionan igual tanto en la lengua original como en la lengua meta, como la traducción de Zweimetermann Mike como Mike Dos Metros. La TA, sin embargo, no reconoce este juego de palabras y lo traduce erróneamente como «Dos hombres Mike».

Este es el reparto de técnicas de traducción utilizadas en este apartado:

Gráfico 7. Gráfico sobre los resultados de la comparación TH/TA de la categoría juegos de palabras y humorísticos

—Traducción humana: 3 traducción literal 5 adaptación —Traducción automática 6 traducción literal 2 adaptación

Fuente: Elaboración propia

En esta categoría se evidencia la debilidad de la TA frente a la TH, pues apenas puede reconocer y menos aún reproducir los juegos de palabras presentes en el texto.

Neologismos (Tabla 9)

La mayoría de los neologismos se conservan tanto en la TA como en la TA (es el caso de selfie, influencer, chaise longue o risotto); aunque, la TA traduce streamming por ‘en directo’; también lo hace con bitch, para la que ofrece tres posibilidades bastante vulgares en castellano.

Este es el reparto de técnicas de traducción utilizadas en este apartado:

Gráfico 8. Gráfico sobre los resultados de la comparación TH/TA de la categoría neologismos

—Traducción humana: 6 conservación 1 equivalente acuñado —Traducción automática 5 conservación 2 equivalente acuñado

Fuente: Elaboración propia

En este apartado se aprecia cómo los neologismos se mantuvieron en mayor medida en el caso de la TH, pues la máquina tiende a traducirlo todo sin poder razonar si es necesario trasvasar o no determinados elementos que son nuevos en el idioma. Parece claro que la capacidad de razonar intrínseca al ser humano es aquí un aspecto insalvable.

CONCLUSIONES

La novela está plagada de elementos culturales y el hecho de que tenga un corte humorístico hace que el autor utilice dichos culturemas, en ocasiones de forma combinada con juegos de palabras o frases hechas conocidas, con el fin de crear un humor que sea fácilmente comprensible por el receptor inicial de la novela, lo cual supone una dificultad añadida para su traducción al español.

Al fuerte componente creativo del texto original se añade la importante carga cultural y humorística del texto, algo que ha llevado a analizar su traducción al castellano para determinar si la TA es capaz de alcanzar niveles de calidad equiparables a los de la TH, en el caso de los problemas específicos que una novela de esta naturaleza plantea y que aquí se ha estudiado a partir de una clasificación temática propia.

De esta manera, tras comparar la traducción de los elementos culturales realizada por el traductor humano con la realizada por el motor neuronal DeepL, cuya calidad, como constataban los estudios recientes citados, ha aumentado de forma importante en los últimos diez años, se han obtenido los siguientes resultados:

La TA traduce los EC con un nivel de calidad cercano a la TH cuando se trata de reconocer y trasladar a la cultura meta algunas de las referencias que constituyen marcadores culturales específicos de la cultura del texto original traducido, como serían:

• reconocer antropónimos, que la TA conserva o adapta ortográficamente, algo que no era habitual hace diez años, cuando se traducían algunos de ellos de forma literal;

• reconocer topónimos, que la TA adapta a la cultura meta, aunque no es capaz de introducir glosas explicativas sobre algunos de ellos, como los accidentes geográficos;

• reconocer y adaptar o conservar los nombres comunes o propios de instituciones oficiales del ámbito germano-hablante;

• reconocer los títulos de óperas, canciones famosas o referencias históricas alemanas suficientemente conocidas.

La TA no traduce con tanta calidad cuando se trata de traducir elementos culturales en las que nos encontramos con un componente creativo o un elemento cultural ajeno al ámbito cultural original, como, por ejemplo:

• comidas que no sean propias de dicha cultura original;

• juegos de palabras, chistes o frases hechas, cuyo carácter especialmente creativo dificulta la traducción por parte de una máquina;

• frases extraídas de algunas películas famosas, pero que la máquina no es capaz de reconocer;

• nombres de series o grupos musicales ajenos al ámbito germano-hablante;

• títulos oficiales en español de películas conocidas.

Por lo que se refiere a las técnicas de traducción utilizadas en el trasvase de los EC de una cultura a otra, como el trasfondo cultural alemán que recorre la novela no es habitualmente conocido por el lector meta, la traductora ha tenido que recurrir, en muchos casos, a diferentes técnicas de domesticación, siendo las más habituales la adaptación de esos culturemas, su neutralización a través del uso de glosas intra o extratextuales, así como la adaptación de dichos realia. Gracias a ello se ha conseguido que, en la versión humana en español, los abundantes EC que recorren la novela no constituyan para el lector meta una rémora en su lectura, lo que, sin embargo, no hubiera sido tan efectivo en el caso de una hipotética versión automática realizada por DeepL. Sí se han mantenido sin traducir todos aquellos EC de carácter más universal que son comprensibles para el lector meta, para lo que se ha utilizado la técnica de la conservación.

Este análisis confirma la hipótesis de inicial: la TH no va a poder ser sustituida por la TA en ámbitos como el de la traducción literaria, especialmente en obras de marcado carácter cultural y humorístico como la analizada, puesto que algunas de las soluciones traductológicas propuestas por la TA podrían plantear graves problemas de comprensión del texto meta. Por tanto, se puede afirmar que la TH va a continuar siendo imprescindible para la traducción de textos creativos pues, como se ha demostrado a lo largo de estas páginas, sin ella no sería posible interpretar de forma adecuada gran parte de los problemas culturales de traducción más complejos que plantean los textos de esta naturaleza.

Por último, es imprescindible destacar la relevancia de este tipo de estudios para la didáctica de la traducción por su aplicabilidad para la enseñanza de la traducción literaria.

REFERENCIAS

Albaladejo Martínez, J.A. (2024). Traducción de culturemas: diacronía como factor decisorio y glosas como criterio de clasificación. Hikma 23 (1), 59-86.

Ferragud Ferragud, M. (2023). La traducción automática literaria: análisis de errores de la traducción automática y las traducciones de estudiantes del mismo texto original. Revista Tradumàtica. Tecnologies de la Traducció 21, 184-232. https://doi.org/10.5565/rev/tradumatica.344

Hidalgo-Ternero, C. M. (2020). Google Translate vs. DeepL: analysing neural machine translation performance under the challenge of phraseological variation. Análisis multidisciplinar del fenómeno de la variación fraseológica en traducción e interpretación / Multidisciplinary Analysis of the Phenomenon of Phraseological Variation in Translation and Interpreting. Mogorrón Huerta, Pedro (ed.). MonTI Special Issue 6, 154-177.

Hurtado Albir, A. (2013). Traducción y traductología. Introducción a la traductología. Cátedra.

Igareda, P. (2011). Categorización temática del análisis cultural: una propuesta para la traducción, Íkala, revista de lenguaje y cultura. 16 (27), 2-23, en línea: http://aprendeenlinea.udea.edu.co/revistas/index.php/juan_vargas/article/viewArticle/10270/9 484

Luque Nadal, L. (2009). Los culturemas: ¿unidades lingüísticas, ideológicas o culturales? http://elies.rediris.es/Language_Design/LD11/LD11-05-Lucia.pdf

Martínez de Sousa, J. (2001). Neologismos en el Diccionario de la Academia. http://cvc.cervantes.es/lengua/esletra/pdf/01/014_martinez.pdf

Newmark, P. (1988). Translation and Culture I: A textbook of translation. Prentice Hall.

Nida, E. (1975). Language Structure and Translation. Stanford University Press.

Nord, Ch. (1994). Traduciendo funciones. Estudis sobre la traducció 1. Amparo Hurtado (ed.). Universitat Jaume I.

Noriega-Santiáñez, L. & Corpas Pastor, G. (2023). Traducción Automática vs. Traducción Humana de neologismos formales en la literatura: exploración de las herramientas electrónicas y la creatividad de los estudiantes. Tradumatica 21, 233-264.

Rico Pérez, C. (2024). La traducción automática de los referentes culturales: Propuesta de una metodología de evaluación aplicada a textos del ámbito migratorio. Hikma 23 (1), 87-109.

Rodríguez Abella, R. M. (2008). La traducción de los culturemas en el ámbito de la gastronomía, consultado en: aih_16_2_026.pdf

Roiss, S. y P. Zimmermann González. (2020). DeepL y su potencial para el desarrollo de la capacidad de análisis crítico en la clase de traducción inversa. Hermēneus. Revista de Traducción e Interpretación 22, 363-382. DOI: https://doi.org/10.24197/her.22.2020.363-382

Safier, D. (2021). Miss Merkel: Mord in der Uckermark (trad. por M.ª José Díaz como Miss Merkel. El caso de la canciller jubilada en 2023). Alfaguara.

Toral, A. & Way, A. (2015). Machine-Assisted Translation of Literary Text: A Case Study. Translation Spaces 4, 2, 240-267. DOI: https://doi.org/10.1075/ts.4.2.04tor

Toral, A. & Way, A. (2018). What level of quality can neural machine translation attain on literary text? Translation Quality Assessment: From Principles to Practice. Joos Moorkens; Sheila Castilho; Federico Gaspari; Stephen Doherty (eds.). Springer (MATRA, 1), 263-287.

Valero Cuadra, P. (2021). La traducción alemán-español de fraseologismos bíblicos en obras literarias: el caso de Muh!, de David Safier.

Valero Cuadra, P. (2023). La traducción automática y la posedición en el aula de traducción alemán-español: el caso de los textos económico-financieros. In Translation 10 (1), 41-61.

Valero Cuadra, P. (2023). La traducción de culturemas en la versión española de Miss Merkel: Mord in der Uckermark, del autor de bestsellers alemán David Safier. Estudios de Traducción 13, 61-72.

Datos del autor

Pino Valero Cuadra (1966, Alicante-España). Doctora en Filología Hispánica. Catedrática de Universidad en Traducción e Interpretación por la Universidad de Alicante. Miembro de ASETRAD (Asociación española de traductores, correctores e intérpretes) y UNICO (Unión de correctores de España). Líneas de investigación realizadas o actuales: didáctica de la traducción general y literaria alemán-español, la literatura intercultural turco-alemana y sus traducciones, la traducción de literatura intercultural femenina, la traducción de literatura misionera, la traducción de fraseologismos en obras literarias, la traducción de literatura infanto-juvenil alemán-español-alemán, la traducción de cómics y novela gráfica, la traducción de clásicos alemanes, españoles e hispanoamericanos del/al alemán, la traducción automática (literaria) alemán-español y la literatura posmigrante europea y sus traducciones.

CÓMO CITAR ESTE ARTÍCULO: Valero, P. (2026). DeepL frente al traductor humano: traducir elementos culturales del alemán al español en obras literarias. Islas, 68(213): e1618. En https://islas.uclv.edu.cu/index.php/islas/article/view/1618

_______________________________________________________________

ISSN: 0042-1547 (papel) ISSN: 1997-6720 (digital)

http: //islas.uclv.edu.cu