Evaluación de calidad

MQM: Hacer explícitos los juicios sobre la calidad de traducción

Multidimensional Quality Metrics, o MQM, es un marco de evaluación analítica de traducciones. Sus directrices publicadas combinan tipología de errores y enfoques de puntuación para configurar la evaluación según requisitos acordados. Puede aplicarse a traducción humana, automática y generada por IA. Directrices de puntuación MQM.

Un marco, no una puntuación universal

El nombre MQM no explica por sí solo cómo se obtuvo un resultado. Una descripción útil incluye categorías, reglas de gravedad, modelo de puntuación y condiciones de aceptación. También importan contenido y público.

Desde nuestra perspectiva editorial, la ventaja práctica es la explicabilidad. «Hay una omisión en esta instrucción» permite una comprobación más directa que «La traducción parece floja». Aun así, hacen falta pruebas y decidir si realmente existe un error.

Ejemplo de discusión de un error

Original
«Puedes cancelar hasta el viernes».
Sentido de la traducción
«Debes cancelar el viernes».

El ejemplo cambia permiso, plazo y expectativas. Un evaluador puede señalarlo y explicar por qué contradice el original y el encargo. Otro debería poder examinar las mismas pruebas.

Compare una traducción fiel al sentido pero más formal de lo esperado. Que sea un error depende de los requisitos acordados. El ejercicio muestra por qué no se deben mezclar precisión semántica y preferencias sin explicarlo.

Son ilustraciones originales, no casos formativos oficiales de MQM.

Relación con LISA y DQF

La historia documentada identifica la influencia de LISA QA Model y describe un enfoque más modular. También registra la tipología armonizada DQF-MQM y su sustitución por MQM Core. Es una relación conceptual documentada, no una sucesión organizativa. Historia de MQM.

Utilizar IA sin ocultar la configuración

Recomendamos mantener provisionales los hallazgos automáticos hasta conocer su fiabilidad. Conserve original, traducción, instrucciones y configuración del evaluador. Antes de decisiones con consecuencias importantes, personas deberían resolver una muestra representativa de hallazgos y errores omitidos.

Calcular determinísticamente una ficha aprobada difiere de pedir a un modelo que decida qué errores existen. Lo primero puede ser repetible mientras lo segundo sigue siendo incierto. La confianza del modelo no debe convertirse inadvertidamente en gravedad del error.

Interpretar resultados

Pregunte qué justifica el resultado: una corrección, un perfil diagnóstico, una aceptación o una comparación. No suponga comparabilidad directa entre dos informes por utilizar el nombre MQM.

Registro de [MQM Council](https://www.themqm.org/), [directrices de puntuación](https://www.themqm.org/mqm-pillars/the-mqm-scoring-models/) e [historia](https://www.themqm.org/what-is-mqm/mqm-history/). El artículo explica el marco y ofrece recomendaciones editoriales; no afirma contar con su aval.

El material MQM se atribuye a MQM Council bajo CC BY 4.0; véase el aviso de licencia. Las explicaciones se han parafraseado y abreviado; ejemplos y consejos de aplicación son aportaciones originales. No se implica respaldo.

Relacionado: ISO 5060, DQF-MQM, LISA QA.

Volver al inicioVolver al catálogo de normas