ESTRATEGIAS DE TRADUCCIÓN APLICADAS A
TEXTOS TÉCNICOS Y CIENTÍFICOS: ANÁLISIS DE
LA LITERATURA DESDE LA PERSPECTIVA
FORMATIVA UNIVERSITARIA
TRANSLATION STRATEGIES APPLIED TO TECHNICAL AND
SCIENTIFIC TEXTS: A LITERATURE REVIEW FROM THE
UNIVERSITY FORMATIVE PERSPECTIVE
Ana Gabriela Córdova Alcudia
Universidad Juárez Autónoma de Tabasco, México
Rodolfo Hernández Gómez
Universidad Juárez Autónoma de Tabasco, México
pág. 209
DOI: https://doi.org/10.37811/cl_rcm.v10i2.23052
Estrategias de Traducción Aplicadas a Textos Técnicos y Científicos:
Análisis de la Literatura desde la Perspectiva Formativa Universitaria
Ana Gabriela Córdova Alcudia1
anagabrielacordovalc02@gmail.com
https://orcid.org/0009-0003-9110-4664
Universidad Juárez Autónoma de Tabasco
México
Rodolfo Hernández Gómez
juniorhg@hotmail.com
Universidad Juárez Autónoma de Tabasco
México
RESUMEN
El presente artículo de revisión tiene como objetivo analizar las estrategias de traducción aplicadas a
textos técnicos y científicos desde la perspectiva formativa universitaria, integrando la lectura crítica y
el uso de inteligencia artificial (IA) para fortalecer la comprensión y la producción textual. La
investigación se desarrolló mediante una revisión sistemática de la literatura, siguiendo la metodología
PRISMA, lo que permitió identificar, seleccionar, evaluar y sintetizar estudios relevantes publicados en
libros, artículos científicos y revisiones académicas entre 2006 y 2025. Los criterios de inclusión
consideraron investigaciones centradas en estrategias de traducción, comprensión crítica, formación
universitaria y herramientas tecnológicas aplicadas a la traducción. Los principales hallazgos indican
que la aplicación combinada de estrategias de traducción, la integración de la lectura crítica y el uso
supervisado de IA contribuyen significativamente a mejorar la precisión, coherencia y fidelidad
conceptual en traducciones técnico-científicas. Además, la formación universitaria juega un papel
central al proporcionar un entorno estructurado, interdisciplinario y con retroalimentación activa, lo que
favorece el desarrollo de competencias metacognitivas y autónomas. Los resultados resaltan la
necesidad de programas educativos que integren estrategias cognitivas, habilidades críticas y
herramientas tecnológicas para formar traductores capaces de enfrentar los desafíos de la comunicación
académica y científica en contextos globalizados
Palabras clave: traducción, textos técnicos, formativa universitaria
1 Autor principal
Correspondencia: https://orcid.org/0009-0003-9110-4664
DOI: https://doi.org/10.37811/cl_rcm.v10i2.23052
Estrategias de Traducción Aplicadas a Textos Técnicos y Científicos:
Análisis de la Literatura desde la Perspectiva Formativa Universitaria
Ana Gabriela Córdova Alcudia1
anagabrielacordovalc02@gmail.com
https://orcid.org/0009-0003-9110-4664
Universidad Juárez Autónoma de Tabasco
México
Rodolfo Hernández Gómez
juniorhg@hotmail.com
Universidad Juárez Autónoma de Tabasco
México
RESUMEN
El presente artículo de revisión tiene como objetivo analizar las estrategias de traducción aplicadas a
textos técnicos y científicos desde la perspectiva formativa universitaria, integrando la lectura crítica y
el uso de inteligencia artificial (IA) para fortalecer la comprensión y la producción textual. La
investigación se desarrolló mediante una revisión sistemática de la literatura, siguiendo la metodología
PRISMA, lo que permitió identificar, seleccionar, evaluar y sintetizar estudios relevantes publicados en
libros, artículos científicos y revisiones académicas entre 2006 y 2025. Los criterios de inclusión
consideraron investigaciones centradas en estrategias de traducción, comprensión crítica, formación
universitaria y herramientas tecnológicas aplicadas a la traducción. Los principales hallazgos indican
que la aplicación combinada de estrategias de traducción, la integración de la lectura crítica y el uso
supervisado de IA contribuyen significativamente a mejorar la precisión, coherencia y fidelidad
conceptual en traducciones técnico-científicas. Además, la formación universitaria juega un papel
central al proporcionar un entorno estructurado, interdisciplinario y con retroalimentación activa, lo que
favorece el desarrollo de competencias metacognitivas y autónomas. Los resultados resaltan la
necesidad de programas educativos que integren estrategias cognitivas, habilidades críticas y
herramientas tecnológicas para formar traductores capaces de enfrentar los desafíos de la comunicación
académica y científica en contextos globalizados
Palabras clave: traducción, textos técnicos, formativa universitaria
1 Autor principal
Correspondencia: https://orcid.org/0009-0003-9110-4664
pág. 210
Translation Strategies Applied to Technical and Scientific Texts: A
Literature Review from the University Formative Perspective
ABSTRACT
This review article aims to analyze translation strategies applied to technical and scientific texts from a
university formative perspective, integrating critical reading and the use of artificial intelligence (AI)
to strengthen text comprehension and production. The research was conducted through a systematic
literature review following the PRISMA methodology, which allowed the identification, selection,
evaluation, and synthesis of relevant studies published in books, scientific articles, and academic
reviews between 2006 and 2025. Inclusion criteria focused on studies addressing translation strategies,
critical comprehension, university education, and technological tools applied to translation. The main
findings indicate that the combined application of translation strategies, integration of critical reading,
and supervised use of AI significantly contribute to improving accuracy, coherence, and conceptual
fidelity in technical-scientific translations. Furthermore, university education plays a central role by
providing a structured, interdisciplinary environment with active feedback, fostering the development
of metacognitive and autonomous competencies. The results highlight the need for educational
programs that integrate cognitive strategies, critical skills, and technological tools to train translators
capable of addressing the challenges of academic and scientific communication in globalized contexts
Keywords: translation, technical texts, university formative perspective
Artículo recibido 20 febrero 2026
Aceptado para publicación: 27 marzo 2026
Translation Strategies Applied to Technical and Scientific Texts: A
Literature Review from the University Formative Perspective
ABSTRACT
This review article aims to analyze translation strategies applied to technical and scientific texts from a
university formative perspective, integrating critical reading and the use of artificial intelligence (AI)
to strengthen text comprehension and production. The research was conducted through a systematic
literature review following the PRISMA methodology, which allowed the identification, selection,
evaluation, and synthesis of relevant studies published in books, scientific articles, and academic
reviews between 2006 and 2025. Inclusion criteria focused on studies addressing translation strategies,
critical comprehension, university education, and technological tools applied to translation. The main
findings indicate that the combined application of translation strategies, integration of critical reading,
and supervised use of AI significantly contribute to improving accuracy, coherence, and conceptual
fidelity in technical-scientific translations. Furthermore, university education plays a central role by
providing a structured, interdisciplinary environment with active feedback, fostering the development
of metacognitive and autonomous competencies. The results highlight the need for educational
programs that integrate cognitive strategies, critical skills, and technological tools to train translators
capable of addressing the challenges of academic and scientific communication in globalized contexts
Keywords: translation, technical texts, university formative perspective
Artículo recibido 20 febrero 2026
Aceptado para publicación: 27 marzo 2026
pág. 211
INTRODUCCIÓN
La globalización de la producción científica y técnica ha generado una demanda creciente por
competencias avanzadas en traducción de textos especializados, especialmente en contextos
universitarios, donde las publicaciones, conferencias y discusiones académicas requieren acceso
completo a información en varios idiomas (Dejica, 2020). En este marco, la traducción no se concibe
únicamente como una transferencia lingüística, sino como un proceso complejo que exige comprensión
profunda del contenido, análisis crítico del discurso y la capacidad de interpretar significados
disciplinares específicos para recontextualizarlos en la lengua meta (Snell-Hornby, 2006). Esta
complejidad se torna más evidente en textos técnicos y científicos, donde predomina la terminología
especializada, las estructuras sintácticas complejas y las convenciones discursivas propias de cada
campo disciplinar. Más allá de la competencia lingüística, el ejercicio de la traducción técnica y
científica involucra una lectura crítica que requiere no solo decodificar la información, sino evaluar,
contrastar y sintetizar conceptos de alto nivel de abstracción. Esta dimensión crítica se ha convertido en
un componente clave de la formación universitaria, puesto que los estudiantes y futuros profesionales
deben interactuar con textos que contienen conocimiento especializado, evidencias empíricas,
construcciones argumentativas y estructuras retóricas complejas (Smith & Kendeou, 2024). El reto no
es solo trasladar las palabras de una lengua a otra, sino comprender cómo y porqué se articula el
contenido en el texto fuente para poder recrear esa lógica argumentativa en el texto meta, preservando
su valor epistemológico y funcional en la comunidad científica.
En el campo de la traductología educativa, las estrategias de traducción se han conceptualizado como
procedimientos cognitivos y metacognitivos que permiten al traductor —ya sea principiante o experto—
planificar, monitorear, evaluar e implementar decisiones traductoras que garanticen fidelidad semántica,
coherencia textual y adecuación contextual (Vega & Abreus, 2019). Estas estrategias no surgen
espontáneamente, sino que pueden ser desarrolladas a través de una formación especializada que
favorezca tanto la competencia lingüística como la comprensión crítica de la estructura y el propósito
comunicativo de los textos técnicos y científicos.
INTRODUCCIÓN
La globalización de la producción científica y técnica ha generado una demanda creciente por
competencias avanzadas en traducción de textos especializados, especialmente en contextos
universitarios, donde las publicaciones, conferencias y discusiones académicas requieren acceso
completo a información en varios idiomas (Dejica, 2020). En este marco, la traducción no se concibe
únicamente como una transferencia lingüística, sino como un proceso complejo que exige comprensión
profunda del contenido, análisis crítico del discurso y la capacidad de interpretar significados
disciplinares específicos para recontextualizarlos en la lengua meta (Snell-Hornby, 2006). Esta
complejidad se torna más evidente en textos técnicos y científicos, donde predomina la terminología
especializada, las estructuras sintácticas complejas y las convenciones discursivas propias de cada
campo disciplinar. Más allá de la competencia lingüística, el ejercicio de la traducción técnica y
científica involucra una lectura crítica que requiere no solo decodificar la información, sino evaluar,
contrastar y sintetizar conceptos de alto nivel de abstracción. Esta dimensión crítica se ha convertido en
un componente clave de la formación universitaria, puesto que los estudiantes y futuros profesionales
deben interactuar con textos que contienen conocimiento especializado, evidencias empíricas,
construcciones argumentativas y estructuras retóricas complejas (Smith & Kendeou, 2024). El reto no
es solo trasladar las palabras de una lengua a otra, sino comprender cómo y porqué se articula el
contenido en el texto fuente para poder recrear esa lógica argumentativa en el texto meta, preservando
su valor epistemológico y funcional en la comunidad científica.
En el campo de la traductología educativa, las estrategias de traducción se han conceptualizado como
procedimientos cognitivos y metacognitivos que permiten al traductor —ya sea principiante o experto—
planificar, monitorear, evaluar e implementar decisiones traductoras que garanticen fidelidad semántica,
coherencia textual y adecuación contextual (Vega & Abreus, 2019). Estas estrategias no surgen
espontáneamente, sino que pueden ser desarrolladas a través de una formación especializada que
favorezca tanto la competencia lingüística como la comprensión crítica de la estructura y el propósito
comunicativo de los textos técnicos y científicos.
pág. 212
En consecuencia, la formación universitaria debe integrar la enseñanza de técnicas de traducción con
estrategias de lectura crítica que impulsen un procesamiento cognitivo profundo de la información y
promuevan habilidades analíticas que trasciendan el simple traslado formal de signos lingüísticos.
La traducción de textos técnicos y científicos: un desafío multicomplejo
La traducción de textos técnicos y científicos se caracteriza por su densidad terminológica, precisión
referencial y presencia de convenciones disciplinarias rígidas. A diferencia de textos literarios o
periodísticos, estos géneros exigen un dominio especializado de los términos técnicos, comprensión del
contexto disciplinar y la capacidad de reconfigurar ideas complejas de modo que conserven su
funcionalidad y precisión en la lengua meta (D. Dejica, 2020). Esta especificidad demanda un enfoque
didáctico que vaya más allá de métodos tradicionales de traducción literal o intuitiva, incorporando
análisis de género, interpretación de proposiciones científicas y conciencia de las prácticas discursivas
de la ciencia y la tecnología. Autores especializados han propuesto marcos que abordan esta realidad
desde distintos ángulos. Por ejemplo, la teoría del escopo, fundamental en traductología, sostiene que
la acción de traducir está guiada por el propósito comunicativo del texto meta, lo que obliga a considerar
no solo la equivalencia semántica, sino también la función que debe cumplir el texto traducido en su
contexto receptor (Teoría del escopo, s.f.). De esta manera, las decisiones traductoras no se limitan a
correspondencias léxicas, sino que implican un análisis crítico del rol que el texto desempeñará en el
nuevo entorno discursivo. Además de la función comunicativa, otros enfoques señalan que la traducción
de textos técnico-científicos requiere integrar competencia lingüística, conocimiento extralingüístico y
habilidades estratégicas de comprensión lectora (Trybisz, 2019). Estos elementos se combinan para
formar lo que se denomina competencia traductora, entendida como la capacidad total del sujeto para
resolver problemas de traducción en contextos especializados, aplicando tanto conocimientos explícitos
como procedimientos estratégicos que regulan la toma de decisiones durante el ejercicio traductor.
Estrategias de traducción y lectura crítica
Las estrategias de traducción aplicadas a textos técnicos y científicos pueden conceptualizarse como
operaciones cognitivas orientadas a gestionar la información contenida en el texto fuente, identificar
equivalencias funcionales en la lengua meta y garantizar la coherencia y adecuación contextual del texto
traducido.
En consecuencia, la formación universitaria debe integrar la enseñanza de técnicas de traducción con
estrategias de lectura crítica que impulsen un procesamiento cognitivo profundo de la información y
promuevan habilidades analíticas que trasciendan el simple traslado formal de signos lingüísticos.
La traducción de textos técnicos y científicos: un desafío multicomplejo
La traducción de textos técnicos y científicos se caracteriza por su densidad terminológica, precisión
referencial y presencia de convenciones disciplinarias rígidas. A diferencia de textos literarios o
periodísticos, estos géneros exigen un dominio especializado de los términos técnicos, comprensión del
contexto disciplinar y la capacidad de reconfigurar ideas complejas de modo que conserven su
funcionalidad y precisión en la lengua meta (D. Dejica, 2020). Esta especificidad demanda un enfoque
didáctico que vaya más allá de métodos tradicionales de traducción literal o intuitiva, incorporando
análisis de género, interpretación de proposiciones científicas y conciencia de las prácticas discursivas
de la ciencia y la tecnología. Autores especializados han propuesto marcos que abordan esta realidad
desde distintos ángulos. Por ejemplo, la teoría del escopo, fundamental en traductología, sostiene que
la acción de traducir está guiada por el propósito comunicativo del texto meta, lo que obliga a considerar
no solo la equivalencia semántica, sino también la función que debe cumplir el texto traducido en su
contexto receptor (Teoría del escopo, s.f.). De esta manera, las decisiones traductoras no se limitan a
correspondencias léxicas, sino que implican un análisis crítico del rol que el texto desempeñará en el
nuevo entorno discursivo. Además de la función comunicativa, otros enfoques señalan que la traducción
de textos técnico-científicos requiere integrar competencia lingüística, conocimiento extralingüístico y
habilidades estratégicas de comprensión lectora (Trybisz, 2019). Estos elementos se combinan para
formar lo que se denomina competencia traductora, entendida como la capacidad total del sujeto para
resolver problemas de traducción en contextos especializados, aplicando tanto conocimientos explícitos
como procedimientos estratégicos que regulan la toma de decisiones durante el ejercicio traductor.
Estrategias de traducción y lectura crítica
Las estrategias de traducción aplicadas a textos técnicos y científicos pueden conceptualizarse como
operaciones cognitivas orientadas a gestionar la información contenida en el texto fuente, identificar
equivalencias funcionales en la lengua meta y garantizar la coherencia y adecuación contextual del texto
traducido.
pág. 213
Estas estrategias comprenden desde procesos inferenciales, como la elaboración de hipótesis semánticas
frente a terminología compleja, hasta mecanismos metacognitivos que permiten evaluar la fidelidad y
funcionalidad de las opciones traductoras seleccionadas.
En la literatura sobre formación de traductores se destaca que la relación entre lectura estratégica y
traducción es crucial: solo cuando el traductor comprende profundamente el contenido del texto fuente
—no solo en términos lingüísticos sino también conceptuales— puede elegir estrategias traductoras
apropiadas (Mora & Rojas, 2016). Esta perspectiva implica que la propia traducción funciona como una
actividad de lectura profunda, donde el traductor toma decisiones constantes sobre qué elementos
traducir literalmente, qué términos adaptar culturalmente y cómo reorganizar la información para
mantener la lógica argumentativa del texto original.
Por su parte, la investigación en educación superior subraya que el desarrollo de habilidades de lectura
crítica es fundamental para que los estudiantes sean capaces de evaluar críticamente supuestos,
argumentos y evidencias presentados en textos técnicos y científicos (Smith & Kendeou, 2024). En este
sentido, la lectura crítica trasciende la decodificación de signos y se orienta hacia la evaluación y
reconstrucción de significado en contextos especializados. Cuando las estrategias de traducción se
combinan con la lectura crítica, los estudiantes no solo reproducen contenido en otra lengua, sino que
analizan la estructura argumentativa, evalúan la solidez de las proposiciones y revisan la coherencia
interna del discurso científico.
En la práctica educativa, esta convergencia entre estrategias traductoras y lectura crítica requiere una
estructuración pedagógica que propicie actividades que fomenten el pensamiento reflexivo, la
comparación analítica entre múltiples fuentes, la identificación de patrones de argumentación científica
y la redefinición de conceptos especializados en términos accesibles para comunidades receptoras
diversas. El reto formativo consiste en enseñar no solo procedimientos técnicos de traducción, sino en
habilitar a los estudiantes como lectores activos y críticos de textos complejos.
Inteligencia artificial y traducción crítica en el contexto universitario
En los últimos años, la incorporación de herramientas de Inteligencia Artificial (IA) ha transformado
profundamente los enfoques en traducción y comprensión de textos especializados. Las tecnologías
basadas en modelos de lenguaje han demostrado capacidades avanzadas para traducir textos científicos
Estas estrategias comprenden desde procesos inferenciales, como la elaboración de hipótesis semánticas
frente a terminología compleja, hasta mecanismos metacognitivos que permiten evaluar la fidelidad y
funcionalidad de las opciones traductoras seleccionadas.
En la literatura sobre formación de traductores se destaca que la relación entre lectura estratégica y
traducción es crucial: solo cuando el traductor comprende profundamente el contenido del texto fuente
—no solo en términos lingüísticos sino también conceptuales— puede elegir estrategias traductoras
apropiadas (Mora & Rojas, 2016). Esta perspectiva implica que la propia traducción funciona como una
actividad de lectura profunda, donde el traductor toma decisiones constantes sobre qué elementos
traducir literalmente, qué términos adaptar culturalmente y cómo reorganizar la información para
mantener la lógica argumentativa del texto original.
Por su parte, la investigación en educación superior subraya que el desarrollo de habilidades de lectura
crítica es fundamental para que los estudiantes sean capaces de evaluar críticamente supuestos,
argumentos y evidencias presentados en textos técnicos y científicos (Smith & Kendeou, 2024). En este
sentido, la lectura crítica trasciende la decodificación de signos y se orienta hacia la evaluación y
reconstrucción de significado en contextos especializados. Cuando las estrategias de traducción se
combinan con la lectura crítica, los estudiantes no solo reproducen contenido en otra lengua, sino que
analizan la estructura argumentativa, evalúan la solidez de las proposiciones y revisan la coherencia
interna del discurso científico.
En la práctica educativa, esta convergencia entre estrategias traductoras y lectura crítica requiere una
estructuración pedagógica que propicie actividades que fomenten el pensamiento reflexivo, la
comparación analítica entre múltiples fuentes, la identificación de patrones de argumentación científica
y la redefinición de conceptos especializados en términos accesibles para comunidades receptoras
diversas. El reto formativo consiste en enseñar no solo procedimientos técnicos de traducción, sino en
habilitar a los estudiantes como lectores activos y críticos de textos complejos.
Inteligencia artificial y traducción crítica en el contexto universitario
En los últimos años, la incorporación de herramientas de Inteligencia Artificial (IA) ha transformado
profundamente los enfoques en traducción y comprensión de textos especializados. Las tecnologías
basadas en modelos de lenguaje han demostrado capacidades avanzadas para traducir textos científicos
pág. 214
y técnicos manteniendo un alto nivel de precisión terminológica y coherencia conceptual (Calzi
Kleidermacher & Zou, 2025). Estos desarrollos implican un replanteamiento de la formación
universitaria: ya no se trata solo de enseñar estrategias de traducción tradicionales, sino de integrar
herramientas de IA que potencien la comprensión crítica de textos y faciliten la toma de decisiones
traductoras basadas en evidencia lingüística y contextual.
Sin embargo, aunque la IA ha mostrado resultados prometedores, también plantea desafíos
metodológicos y pedagógicos. Por ejemplo, en la traducción científica automatizada, es común
encontrar fenómenos de sobratraducción (overtranslation) o la transferencia literal de terminología que
puede no ser adecuada en la lengua meta (Calzi Kleidermacher & Zou, 2025). Este tipo de sesgos obliga
a formar traductores universitarios que no solo sepan utilizar herramientas de IA, sino que desarrollen
competencias críticas para evaluar, corregir y adaptar las traducciones generadas por estos sistemas,
asegurando que cumplan con criterios de fidelidad epistemológica y funcionalidad comunicativa.
La IA también ha posibilitado la generación automática de preguntas de comprensión y evaluaciones
de traducción que permiten medir con mayor precisión si la información clave del texto fuente ha sido
correctamente trasladada al texto meta (Calzi Kleidermacher & Zou, 2025). Estas técnicas representan
una convergencia entre estrategias de lectura crítica, análisis semántico profundo y procesos
automatizados que apoyan la formación de traductores capaces de interactuar con textos complejos
mediante herramientas digitales avanzadas.
Relevancia formativa de la lectura crítica y la traducción
La integración de estrategias de traducción con prácticas de lectura crítica en la formación universitaria
supone un cambio paradigmático en la enseñanza de lenguas y traducción. En lugar de concebir la
traducción como una transferencia superficial de significados, se propone una visión donde la
competencia estratégica de lectura y traducción se desarrolla de manera conjunta, permitiendo a los
estudiantes decodificar, analizar y reconstruir textos técnicos y científicos con rigor conceptual y
adaptabilidad funcional.
Diversas investigaciones han señalado la importancia de desarrollar pensamiento crítico y competencias
estratégicas en estudiantes de traducción, mostrando que programas formativos diseñados con enfoque
crítico incrementan significativamente la capacidad de análisis de problemas, evaluación de opciones
y técnicos manteniendo un alto nivel de precisión terminológica y coherencia conceptual (Calzi
Kleidermacher & Zou, 2025). Estos desarrollos implican un replanteamiento de la formación
universitaria: ya no se trata solo de enseñar estrategias de traducción tradicionales, sino de integrar
herramientas de IA que potencien la comprensión crítica de textos y faciliten la toma de decisiones
traductoras basadas en evidencia lingüística y contextual.
Sin embargo, aunque la IA ha mostrado resultados prometedores, también plantea desafíos
metodológicos y pedagógicos. Por ejemplo, en la traducción científica automatizada, es común
encontrar fenómenos de sobratraducción (overtranslation) o la transferencia literal de terminología que
puede no ser adecuada en la lengua meta (Calzi Kleidermacher & Zou, 2025). Este tipo de sesgos obliga
a formar traductores universitarios que no solo sepan utilizar herramientas de IA, sino que desarrollen
competencias críticas para evaluar, corregir y adaptar las traducciones generadas por estos sistemas,
asegurando que cumplan con criterios de fidelidad epistemológica y funcionalidad comunicativa.
La IA también ha posibilitado la generación automática de preguntas de comprensión y evaluaciones
de traducción que permiten medir con mayor precisión si la información clave del texto fuente ha sido
correctamente trasladada al texto meta (Calzi Kleidermacher & Zou, 2025). Estas técnicas representan
una convergencia entre estrategias de lectura crítica, análisis semántico profundo y procesos
automatizados que apoyan la formación de traductores capaces de interactuar con textos complejos
mediante herramientas digitales avanzadas.
Relevancia formativa de la lectura crítica y la traducción
La integración de estrategias de traducción con prácticas de lectura crítica en la formación universitaria
supone un cambio paradigmático en la enseñanza de lenguas y traducción. En lugar de concebir la
traducción como una transferencia superficial de significados, se propone una visión donde la
competencia estratégica de lectura y traducción se desarrolla de manera conjunta, permitiendo a los
estudiantes decodificar, analizar y reconstruir textos técnicos y científicos con rigor conceptual y
adaptabilidad funcional.
Diversas investigaciones han señalado la importancia de desarrollar pensamiento crítico y competencias
estratégicas en estudiantes de traducción, mostrando que programas formativos diseñados con enfoque
crítico incrementan significativamente la capacidad de análisis de problemas, evaluación de opciones
pág. 215
traductoras y autoevaluación de traducciones propias (Estratégico y pensamiento crítico, 2020). Estos
hallazgos refuerzan la necesidad de que los currículos universitarios reestructuren sus propuestas
pedagógicas para enfatizar no solo habilidades lingüísticas, sino también procesos cognitivos elevados
que impulsen el pensamiento reflexivo, la evaluación crítica y la toma de decisiones informadas durante
la traducción.
En este sentido, la literatura educativa sugiere que las estrategias de lectura crítica pueden mejorar la
comprensión de textos complejos cuando se enseñan de forma explícita, haciendo hincapié en la
evaluación del propósito del autor, la identificación de supuestos implícitos y el análisis de argumentos,
habilidades que son directamente transferibles a la traducción de textos científico-técnicos (Smith &
Kendeou, 2024). La enseñanza de lectura crítica, combinada con actividades de análisis traductor,
fomenta un aprendizaje significativo que fortalece tanto la comprensión conceptual como la
competencia discursiva en contextos multilingües.
Conclusión de la introducción
La traducción de textos técnicos y científicos en la formación universitaria exige una conjunción de
estrategias avanzadas de traducción y habilidades de lectura crítica que permitan a los estudiantes
interactuar con contenido complejo, evaluarlo, reinterpretarlo y recrearlo en una lengua meta con
fidelidad epistemológica y funcional. El desarrollo de estas competencias no puede entenderse
aisladamente como un ejercicio lingüístico, sino como una práctica pedagógica que articula
conocimiento disciplinar, capacidades cognitivas superiores y herramientas tecnológicas emergentes
como la IA para potenciar la comprensión y la producción textual especializada.
Esta revisión propone examinar las estrategias de traducción aplicadas a textos técnicos y científicos
desde la perspectiva de la formación universitaria, considerando la lectura crítica como un eje central y
explorando el papel que la inteligencia artificial juega en este proceso formativo. A través del análisis
de la literatura existente, se pretende ofrecer una síntesis crítica de los enfoques teóricos y
metodológicos que han guiado la enseñanza y aplicación de estas estrategias, identificar brechas en la
investigación actual y proponer direcciones futuras para la integración efectiva de la traducción, la
lectura crítica y la IA en la educación superior.
traductoras y autoevaluación de traducciones propias (Estratégico y pensamiento crítico, 2020). Estos
hallazgos refuerzan la necesidad de que los currículos universitarios reestructuren sus propuestas
pedagógicas para enfatizar no solo habilidades lingüísticas, sino también procesos cognitivos elevados
que impulsen el pensamiento reflexivo, la evaluación crítica y la toma de decisiones informadas durante
la traducción.
En este sentido, la literatura educativa sugiere que las estrategias de lectura crítica pueden mejorar la
comprensión de textos complejos cuando se enseñan de forma explícita, haciendo hincapié en la
evaluación del propósito del autor, la identificación de supuestos implícitos y el análisis de argumentos,
habilidades que son directamente transferibles a la traducción de textos científico-técnicos (Smith &
Kendeou, 2024). La enseñanza de lectura crítica, combinada con actividades de análisis traductor,
fomenta un aprendizaje significativo que fortalece tanto la comprensión conceptual como la
competencia discursiva en contextos multilingües.
Conclusión de la introducción
La traducción de textos técnicos y científicos en la formación universitaria exige una conjunción de
estrategias avanzadas de traducción y habilidades de lectura crítica que permitan a los estudiantes
interactuar con contenido complejo, evaluarlo, reinterpretarlo y recrearlo en una lengua meta con
fidelidad epistemológica y funcional. El desarrollo de estas competencias no puede entenderse
aisladamente como un ejercicio lingüístico, sino como una práctica pedagógica que articula
conocimiento disciplinar, capacidades cognitivas superiores y herramientas tecnológicas emergentes
como la IA para potenciar la comprensión y la producción textual especializada.
Esta revisión propone examinar las estrategias de traducción aplicadas a textos técnicos y científicos
desde la perspectiva de la formación universitaria, considerando la lectura crítica como un eje central y
explorando el papel que la inteligencia artificial juega en este proceso formativo. A través del análisis
de la literatura existente, se pretende ofrecer una síntesis crítica de los enfoques teóricos y
metodológicos que han guiado la enseñanza y aplicación de estas estrategias, identificar brechas en la
investigación actual y proponer direcciones futuras para la integración efectiva de la traducción, la
lectura crítica y la IA en la educación superior.
pág. 216
Contexto y Relevancia del Estudio
La globalización del conocimiento científico y técnico ha generado una creciente necesidad de acceder
a información en múltiples lenguas, lo que ha transformado la traducción en una competencia
estratégica para los estudiantes universitarios y profesionales en formación (Dejica, 2020). En el ámbito
académico, los textos técnico-científicos contienen terminología especializada, estructuras discursivas
complejas y evidencia empírica que requiere comprensión profunda y análisis crítico, superando la mera
transferencia lingüística (Snell-Hornby, 2006). Esto evidencia que la traducción es un instrumento no
solo comunicativo, sino formativo, que contribuye al desarrollo de habilidades cognitivas superiores en
la educación superior.
El contexto universitario ofrece un espacio privilegiado para implementar estrategias de traducción
integradas con la lectura crítica y la comprensión profunda de los textos fuente, favoreciendo la
adquisición de competencias multilingües y analíticas (Mora & Rojas, 2016). Además, la incorporación
de herramientas de inteligencia artificial (IA) en la traducción académica ha permitido automatizar
procesos de análisis y producción textual, optimizando la eficiencia y precisión terminológica, pero
también plantea la necesidad de desarrollar habilidades críticas que permitan evaluar y adaptar las
traducciones generadas por la tecnología (Calzi Kleidermacher & Zou, 2025).
El estudio de las estrategias de traducción en este contexto es relevante porque permite identificar
prácticas pedagógicas efectivas para la formación de traductores universitarios competentes, capaces
de manejar información compleja y aplicarla de manera funcional en la lengua meta. Asimismo, aporta
a la literatura educativa evidencia sobre cómo la lectura crítica y las herramientas digitales pueden
integrarse en la enseñanza de traducción técnica y científica, fortaleciendo la capacidad de los
estudiantes para comprender, analizar y comunicar conocimiento especializado (Smith & Kendeou,
2024). Dado el aumento de la producción científica multilingüe y la presencia creciente de herramientas
de IA en procesos académicos, resulta crucial investigar cómo las estrategias de traducción contribuyen
al desarrollo de competencias cognitivas y comunicativas en el ámbito universitario. Este estudio busca,
por tanto, ofrecer un marco conceptual y práctico para docentes y estudiantes, fomentando la
apropiación de métodos de traducción crítica y responsable, capaces de responder a los desafíos del
acceso y producción de conocimiento técnico y científico en contextos globalizados.
Contexto y Relevancia del Estudio
La globalización del conocimiento científico y técnico ha generado una creciente necesidad de acceder
a información en múltiples lenguas, lo que ha transformado la traducción en una competencia
estratégica para los estudiantes universitarios y profesionales en formación (Dejica, 2020). En el ámbito
académico, los textos técnico-científicos contienen terminología especializada, estructuras discursivas
complejas y evidencia empírica que requiere comprensión profunda y análisis crítico, superando la mera
transferencia lingüística (Snell-Hornby, 2006). Esto evidencia que la traducción es un instrumento no
solo comunicativo, sino formativo, que contribuye al desarrollo de habilidades cognitivas superiores en
la educación superior.
El contexto universitario ofrece un espacio privilegiado para implementar estrategias de traducción
integradas con la lectura crítica y la comprensión profunda de los textos fuente, favoreciendo la
adquisición de competencias multilingües y analíticas (Mora & Rojas, 2016). Además, la incorporación
de herramientas de inteligencia artificial (IA) en la traducción académica ha permitido automatizar
procesos de análisis y producción textual, optimizando la eficiencia y precisión terminológica, pero
también plantea la necesidad de desarrollar habilidades críticas que permitan evaluar y adaptar las
traducciones generadas por la tecnología (Calzi Kleidermacher & Zou, 2025).
El estudio de las estrategias de traducción en este contexto es relevante porque permite identificar
prácticas pedagógicas efectivas para la formación de traductores universitarios competentes, capaces
de manejar información compleja y aplicarla de manera funcional en la lengua meta. Asimismo, aporta
a la literatura educativa evidencia sobre cómo la lectura crítica y las herramientas digitales pueden
integrarse en la enseñanza de traducción técnica y científica, fortaleciendo la capacidad de los
estudiantes para comprender, analizar y comunicar conocimiento especializado (Smith & Kendeou,
2024). Dado el aumento de la producción científica multilingüe y la presencia creciente de herramientas
de IA en procesos académicos, resulta crucial investigar cómo las estrategias de traducción contribuyen
al desarrollo de competencias cognitivas y comunicativas en el ámbito universitario. Este estudio busca,
por tanto, ofrecer un marco conceptual y práctico para docentes y estudiantes, fomentando la
apropiación de métodos de traducción crítica y responsable, capaces de responder a los desafíos del
acceso y producción de conocimiento técnico y científico en contextos globalizados.
pág. 217
Fundamentación Teórica
La traducción de textos técnicos y científicos es un campo interdisciplinario que combina lingüística,
terminología especializada, teoría del conocimiento y estrategias cognitivas. Desde la perspectiva
traductológica, se concibe la traducción como un proceso que involucra decodificación semántica,
análisis discursivo y reconstrucción textual (Snell-Hornby, 2006). Esto significa que no basta con
trasladar palabras de una lengua a otra; se requiere una comprensión profunda del contexto disciplinar,
de los objetivos comunicativos y de la estructura argumentativa del texto fuente.
Las estrategias de traducción han sido conceptualizadas como procedimientos sistemáticos que
permiten al traductor planificar, monitorear y evaluar las decisiones traductoras (Vega & Abreus, 2019).
Entre las principales estrategias destacan la traducción literal, la adaptación cultural, la simplificación
terminológica, la reestructuración sintáctica y la inferencia conceptual. Cada una de estas estrategias
busca garantizar la fidelidad epistemológica y la coherencia discursiva, aspectos fundamentales en
textos científicos y técnicos donde la precisión es crucial.
La lectura crítica se integra como un eje central en la formación de traductores, ya que permite evaluar
la validez, relevancia y claridad del contenido antes de producir la traducción (Smith & Kendeou, 2024).
Esta práctica involucra identificar supuestos implícitos, analizar la estructura argumentativa y contrastar
información entre múltiples fuentes. La combinación de lectura crítica con estrategias de traducción
asegura que los estudiantes no solo reproduzcan el contenido, sino que comprendan y puedan comunicar
conceptos complejos con exactitud y coherencia.
En el contexto de la educación superior, la fundamentación teórica también debe considerar el impacto
de la inteligencia artificial (IA) en la traducción. Herramientas basadas en IA, como los sistemas de
traducción automática neuronales, han demostrado capacidad para generar traducciones de alta calidad
en textos técnicos, pero requieren supervisión crítica del usuario para garantizar precisión terminológica
y coherencia conceptual (Calzi Kleidermacher & Zou, 2025). Por ello, la formación universitaria debe
incluir competencias digitales que permitan evaluar, corregir y adaptar los resultados generados por
estas herramientas.
Asimismo, la literatura destaca la necesidad de competencias metacognitivas, que implican la capacidad
de planificar, reflexionar y ajustar estrategias de traducción según la complejidad del texto y las
Fundamentación Teórica
La traducción de textos técnicos y científicos es un campo interdisciplinario que combina lingüística,
terminología especializada, teoría del conocimiento y estrategias cognitivas. Desde la perspectiva
traductológica, se concibe la traducción como un proceso que involucra decodificación semántica,
análisis discursivo y reconstrucción textual (Snell-Hornby, 2006). Esto significa que no basta con
trasladar palabras de una lengua a otra; se requiere una comprensión profunda del contexto disciplinar,
de los objetivos comunicativos y de la estructura argumentativa del texto fuente.
Las estrategias de traducción han sido conceptualizadas como procedimientos sistemáticos que
permiten al traductor planificar, monitorear y evaluar las decisiones traductoras (Vega & Abreus, 2019).
Entre las principales estrategias destacan la traducción literal, la adaptación cultural, la simplificación
terminológica, la reestructuración sintáctica y la inferencia conceptual. Cada una de estas estrategias
busca garantizar la fidelidad epistemológica y la coherencia discursiva, aspectos fundamentales en
textos científicos y técnicos donde la precisión es crucial.
La lectura crítica se integra como un eje central en la formación de traductores, ya que permite evaluar
la validez, relevancia y claridad del contenido antes de producir la traducción (Smith & Kendeou, 2024).
Esta práctica involucra identificar supuestos implícitos, analizar la estructura argumentativa y contrastar
información entre múltiples fuentes. La combinación de lectura crítica con estrategias de traducción
asegura que los estudiantes no solo reproduzcan el contenido, sino que comprendan y puedan comunicar
conceptos complejos con exactitud y coherencia.
En el contexto de la educación superior, la fundamentación teórica también debe considerar el impacto
de la inteligencia artificial (IA) en la traducción. Herramientas basadas en IA, como los sistemas de
traducción automática neuronales, han demostrado capacidad para generar traducciones de alta calidad
en textos técnicos, pero requieren supervisión crítica del usuario para garantizar precisión terminológica
y coherencia conceptual (Calzi Kleidermacher & Zou, 2025). Por ello, la formación universitaria debe
incluir competencias digitales que permitan evaluar, corregir y adaptar los resultados generados por
estas herramientas.
Asimismo, la literatura destaca la necesidad de competencias metacognitivas, que implican la capacidad
de planificar, reflexionar y ajustar estrategias de traducción según la complejidad del texto y las
pág. 218
necesidades del público receptor (Trybisz, 2019). Estas competencias, combinadas con la lectura crítica,
fortalecen el pensamiento analítico y la resolución de problemas, competencias esenciales para la
producción académica de calidad.
La fundamentación teórica subraya que la traducción no es solo una actividad lingüística, sino un
proceso cognitivo y pedagógico que articula conocimiento disciplinar, habilidades de comprensión y
herramientas tecnológicas. La integración de estrategias de traducción, lectura crítica y tecnologías de
IA ofrece un marco formativo robusto que potencia la comprensión profunda, la comunicación efectiva
y la autonomía del estudiante universitario en contextos multilingües y altamente especializados.
Problemática
La traducción de textos técnicos y científicos en contextos universitarios enfrenta múltiples desafíos
que se derivan tanto de la complejidad del contenido como de las demandas cognitivas y pedagógicas
que implica su manejo. En primer lugar, los estudiantes suelen encontrarse con terminología altamente
especializada y estructuras sintácticas complejas que dificultan la comprensión profunda del texto
fuente (D. Dejica, 2020). La traducción literal o mecánica de estos textos frecuentemente resulta en
pérdidas semánticas, errores conceptuales o incoherencias discursivas, lo que evidencia la necesidad de
formar competencias analíticas y críticas que trasciendan la mera transferencia lingüística
(Snell-Hornby, 2006).
En segundo lugar, la integración de herramientas de Inteligencia Artificial (IA) en procesos de
traducción plantea un doble desafío: si bien estas tecnologías facilitan la producción rápida de textos
traducidos, también generan riesgos relacionados con la fidelidad terminológica, la coherencia
conceptual y la adecuación contextual (Calzi Kleidermacher & Zou, 2025). Los estudiantes pueden
depender excesivamente de sistemas automáticos, disminuyendo su capacidad de evaluación crítica y
limitando el desarrollo de estrategias cognitivas propias. Esta dependencia tecnológica requiere que los
programas universitarios incluyan formación en competencias digitales y metacognitivas que permitan
supervisar, corregir y contextualizar los resultados generados por la IA. Un tercer desafío relevante es
la escasa integración de la lectura crítica en la enseñanza de traducción técnica y científica. La literatura
evidencia que muchos programas de formación universitaria priorizan la competencia lingüística sobre
las habilidades de análisis y evaluación de contenido, lo que limita la capacidad del estudiante para
necesidades del público receptor (Trybisz, 2019). Estas competencias, combinadas con la lectura crítica,
fortalecen el pensamiento analítico y la resolución de problemas, competencias esenciales para la
producción académica de calidad.
La fundamentación teórica subraya que la traducción no es solo una actividad lingüística, sino un
proceso cognitivo y pedagógico que articula conocimiento disciplinar, habilidades de comprensión y
herramientas tecnológicas. La integración de estrategias de traducción, lectura crítica y tecnologías de
IA ofrece un marco formativo robusto que potencia la comprensión profunda, la comunicación efectiva
y la autonomía del estudiante universitario en contextos multilingües y altamente especializados.
Problemática
La traducción de textos técnicos y científicos en contextos universitarios enfrenta múltiples desafíos
que se derivan tanto de la complejidad del contenido como de las demandas cognitivas y pedagógicas
que implica su manejo. En primer lugar, los estudiantes suelen encontrarse con terminología altamente
especializada y estructuras sintácticas complejas que dificultan la comprensión profunda del texto
fuente (D. Dejica, 2020). La traducción literal o mecánica de estos textos frecuentemente resulta en
pérdidas semánticas, errores conceptuales o incoherencias discursivas, lo que evidencia la necesidad de
formar competencias analíticas y críticas que trasciendan la mera transferencia lingüística
(Snell-Hornby, 2006).
En segundo lugar, la integración de herramientas de Inteligencia Artificial (IA) en procesos de
traducción plantea un doble desafío: si bien estas tecnologías facilitan la producción rápida de textos
traducidos, también generan riesgos relacionados con la fidelidad terminológica, la coherencia
conceptual y la adecuación contextual (Calzi Kleidermacher & Zou, 2025). Los estudiantes pueden
depender excesivamente de sistemas automáticos, disminuyendo su capacidad de evaluación crítica y
limitando el desarrollo de estrategias cognitivas propias. Esta dependencia tecnológica requiere que los
programas universitarios incluyan formación en competencias digitales y metacognitivas que permitan
supervisar, corregir y contextualizar los resultados generados por la IA. Un tercer desafío relevante es
la escasa integración de la lectura crítica en la enseñanza de traducción técnica y científica. La literatura
evidencia que muchos programas de formación universitaria priorizan la competencia lingüística sobre
las habilidades de análisis y evaluación de contenido, lo que limita la capacidad del estudiante para
pág. 219
interpretar textos complejos y tomar decisiones traductoras fundamentadas (Mora & Rojas, 2016). Sin
un enfoque crítico, la traducción se reduce a un proceso mecánico, incapaz de asegurar precisión
conceptual ni coherencia discursiva, especialmente en contextos donde el conocimiento especializado
requiere interpretación cuidadosa de resultados, hipótesis y metodologías.
Además, la formación universitaria enfrenta la problemática de la heterogeneidad en los niveles de
competencia lingüística y disciplinar de los estudiantes. Algunos alumnos poseen dominio avanzado
del idioma meta, pero carecen de conocimientos técnicos suficientes; otros conocen la disciplina, pero
tienen dificultades lingüísticas. Esta variabilidad dificulta la implementación de estrategias de
traducción uniformes y exige enfoques pedagógicos diferenciados que integren la lectura crítica, el
conocimiento disciplinar y la práctica traductora (Trybisz, 2019).
Se identifica una brecha entre la teoría y la práctica: aunque existen modelos y estrategias de traducción
documentados en la literatura, su implementación efectiva en contextos universitarios sigue siendo
limitada. La falta de recursos didácticos específicos, la escasa formación docente en traducción crítica
y la ausencia de metodologías integradas con IA contribuyen a que los estudiantes no desarrollen
plenamente competencias de traducción técnico-científica que incluyan análisis crítico, toma de
decisiones estratégicas y apropiación de herramientas digitales avanzadas (Smith & Kendeou, 2024).
La problemática central radica en la necesidad de formar traductores universitarios capaces de manejar
textos técnicos y científicos complejos, combinando estrategias de traducción, lectura crítica y
herramientas de IA, en un contexto educativo que actualmente presenta limitaciones en la integración
de estas dimensiones formativas. Superar estas barreras es esencial para garantizar que la traducción se
convierta en un instrumento de aprendizaje profundo y comunicación efectiva del conocimiento
especializado.
Objetivos y Preguntas de Investigación
Objetivo General
Analizar las estrategias de traducción aplicadas a textos técnicos y científicos desde la perspectiva
formativa universitaria, evaluando cómo la integración de la lectura crítica y la inteligencia artificial
contribuye al desarrollo de competencias cognitivas, lingüísticas y metacognitivas en estudiantes
universitarios.
interpretar textos complejos y tomar decisiones traductoras fundamentadas (Mora & Rojas, 2016). Sin
un enfoque crítico, la traducción se reduce a un proceso mecánico, incapaz de asegurar precisión
conceptual ni coherencia discursiva, especialmente en contextos donde el conocimiento especializado
requiere interpretación cuidadosa de resultados, hipótesis y metodologías.
Además, la formación universitaria enfrenta la problemática de la heterogeneidad en los niveles de
competencia lingüística y disciplinar de los estudiantes. Algunos alumnos poseen dominio avanzado
del idioma meta, pero carecen de conocimientos técnicos suficientes; otros conocen la disciplina, pero
tienen dificultades lingüísticas. Esta variabilidad dificulta la implementación de estrategias de
traducción uniformes y exige enfoques pedagógicos diferenciados que integren la lectura crítica, el
conocimiento disciplinar y la práctica traductora (Trybisz, 2019).
Se identifica una brecha entre la teoría y la práctica: aunque existen modelos y estrategias de traducción
documentados en la literatura, su implementación efectiva en contextos universitarios sigue siendo
limitada. La falta de recursos didácticos específicos, la escasa formación docente en traducción crítica
y la ausencia de metodologías integradas con IA contribuyen a que los estudiantes no desarrollen
plenamente competencias de traducción técnico-científica que incluyan análisis crítico, toma de
decisiones estratégicas y apropiación de herramientas digitales avanzadas (Smith & Kendeou, 2024).
La problemática central radica en la necesidad de formar traductores universitarios capaces de manejar
textos técnicos y científicos complejos, combinando estrategias de traducción, lectura crítica y
herramientas de IA, en un contexto educativo que actualmente presenta limitaciones en la integración
de estas dimensiones formativas. Superar estas barreras es esencial para garantizar que la traducción se
convierta en un instrumento de aprendizaje profundo y comunicación efectiva del conocimiento
especializado.
Objetivos y Preguntas de Investigación
Objetivo General
Analizar las estrategias de traducción aplicadas a textos técnicos y científicos desde la perspectiva
formativa universitaria, evaluando cómo la integración de la lectura crítica y la inteligencia artificial
contribuye al desarrollo de competencias cognitivas, lingüísticas y metacognitivas en estudiantes
universitarios.
pág. 220
Objetivos Específicos
1. Identificar las principales estrategias de traducción utilizadas en textos técnicos y científicos en
contextos universitarios.
2. Examinar la relación entre la lectura crítica y la eficacia de las estrategias de traducción aplicadas a
textos especializados.
3. Evaluar el papel de la inteligencia artificial como herramienta de apoyo en la traducción y su impacto
en la comprensión profunda y la fidelidad conceptual de los textos.
4. Proponer un marco formativo que integre estrategias de traducción, lectura crítica y herramientas
digitales para optimizar el aprendizaje de la traducción técnico-científica.
Preguntas de Investigación
1. ¿Cuáles son las estrategias de traducción más utilizadas en textos técnicos y científicos en contextos
universitarios?
2. ¿De qué manera la lectura crítica influye en la eficacia de la traducción de textos especializados?
3. ¿Qué beneficios y limitaciones presentan las herramientas de inteligencia artificial en la traducción
técnica y científica?
4. ¿Cómo puede integrarse de manera efectiva la traducción, la lectura crítica y la IA en la formación
universitaria para desarrollar competencias cognitivas y lingüísticas avanzadas?
METODOLOGÍA
El presente estudio se enmarca dentro de una revisión sistemática de la literatura, adoptando la
metodología PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) para
garantizar transparencia, rigor y replicabilidad en la identificación, selección y análisis de estudios
relevantes sobre estrategias de traducción aplicadas a textos técnicos y científicos en contextos
universitarios. La metodología PRISMA permite estructurar de manera sistemática el proceso de
revisión, asegurando que los resultados puedan ser reproducidos y evaluados por otros investigadores
(Moher et al., 2009).
Criterios de Búsqueda
La búsqueda bibliográfica se realizó en las bases de datos académicas Scopus, Web of Science (WOS),
ERIC y Google Scholar, utilizando combinaciones de palabras clave en inglés y español:
Objetivos Específicos
1. Identificar las principales estrategias de traducción utilizadas en textos técnicos y científicos en
contextos universitarios.
2. Examinar la relación entre la lectura crítica y la eficacia de las estrategias de traducción aplicadas a
textos especializados.
3. Evaluar el papel de la inteligencia artificial como herramienta de apoyo en la traducción y su impacto
en la comprensión profunda y la fidelidad conceptual de los textos.
4. Proponer un marco formativo que integre estrategias de traducción, lectura crítica y herramientas
digitales para optimizar el aprendizaje de la traducción técnico-científica.
Preguntas de Investigación
1. ¿Cuáles son las estrategias de traducción más utilizadas en textos técnicos y científicos en contextos
universitarios?
2. ¿De qué manera la lectura crítica influye en la eficacia de la traducción de textos especializados?
3. ¿Qué beneficios y limitaciones presentan las herramientas de inteligencia artificial en la traducción
técnica y científica?
4. ¿Cómo puede integrarse de manera efectiva la traducción, la lectura crítica y la IA en la formación
universitaria para desarrollar competencias cognitivas y lingüísticas avanzadas?
METODOLOGÍA
El presente estudio se enmarca dentro de una revisión sistemática de la literatura, adoptando la
metodología PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) para
garantizar transparencia, rigor y replicabilidad en la identificación, selección y análisis de estudios
relevantes sobre estrategias de traducción aplicadas a textos técnicos y científicos en contextos
universitarios. La metodología PRISMA permite estructurar de manera sistemática el proceso de
revisión, asegurando que los resultados puedan ser reproducidos y evaluados por otros investigadores
(Moher et al., 2009).
Criterios de Búsqueda
La búsqueda bibliográfica se realizó en las bases de datos académicas Scopus, Web of Science (WOS),
ERIC y Google Scholar, utilizando combinaciones de palabras clave en inglés y español:
pág. 221
• "Technical translation strategies"
• "Scientific translation"
• "Translation teaching in higher education"
• "Critical reading and translation"
• "Artificial intelligence in translation"
• "Estrategias de traducción técnica y científica"
• "Lectura crítica en traducción universitaria"
Se aplicaron filtros de publicación entre 2010 y 2025, estudios en idiomas español e inglés, y artículos
revisados por pares para asegurar la validez académica de los contenidos. La búsqueda inicial produjo
un total de 452 artículos potencialmente relevantes.
Proceso de Selección
Siguiendo el esquema PRISMA, el proceso de selección se dividió en cuatro fases:
1. Identificación: Se registraron todos los estudios obtenidos mediante la búsqueda en bases de datos y
literatura gris.
2. Cribado: Se eliminaron duplicados y se revisaron los títulos y resúmenes para descartar artículos que
no abordaran la traducción de textos técnicos o científicos en contextos universitarios. Esta fase redujo
la muestra a 196 artículos.
3. Elegibilidad: Se analizaron los textos completos de los artículos seleccionados, verificando la
relevancia, calidad metodológica y relación directa con estrategias de traducción, lectura crítica o uso
de IA en la educación superior. Se excluyeron estudios de traducción literaria, traducción general sin
enfoque universitario, y artículos sin evidencia empírica o conceptual clara. La muestra final incluyó
87 artículos.
4. Inclusión: Los estudios seleccionados fueron categorizados y codificados para el análisis temático y
comparativo, asegurando que la información extraída respondiera a los objetivos de la revisión (Moher
et al., 2009).
Extracción y Análisis de Datos
Para garantizar la sistematización de los datos, se elaboró una tabla de extracción que incluyó las
siguientes variables:
• "Technical translation strategies"
• "Scientific translation"
• "Translation teaching in higher education"
• "Critical reading and translation"
• "Artificial intelligence in translation"
• "Estrategias de traducción técnica y científica"
• "Lectura crítica en traducción universitaria"
Se aplicaron filtros de publicación entre 2010 y 2025, estudios en idiomas español e inglés, y artículos
revisados por pares para asegurar la validez académica de los contenidos. La búsqueda inicial produjo
un total de 452 artículos potencialmente relevantes.
Proceso de Selección
Siguiendo el esquema PRISMA, el proceso de selección se dividió en cuatro fases:
1. Identificación: Se registraron todos los estudios obtenidos mediante la búsqueda en bases de datos y
literatura gris.
2. Cribado: Se eliminaron duplicados y se revisaron los títulos y resúmenes para descartar artículos que
no abordaran la traducción de textos técnicos o científicos en contextos universitarios. Esta fase redujo
la muestra a 196 artículos.
3. Elegibilidad: Se analizaron los textos completos de los artículos seleccionados, verificando la
relevancia, calidad metodológica y relación directa con estrategias de traducción, lectura crítica o uso
de IA en la educación superior. Se excluyeron estudios de traducción literaria, traducción general sin
enfoque universitario, y artículos sin evidencia empírica o conceptual clara. La muestra final incluyó
87 artículos.
4. Inclusión: Los estudios seleccionados fueron categorizados y codificados para el análisis temático y
comparativo, asegurando que la información extraída respondiera a los objetivos de la revisión (Moher
et al., 2009).
Extracción y Análisis de Datos
Para garantizar la sistematización de los datos, se elaboró una tabla de extracción que incluyó las
siguientes variables:
pág. 222
• Autor y año de publicación
• País o contexto del estudio
• Tipo de texto traducido (técnico, científico)
• Estrategias de traducción aplicadas
• Integración de lectura crítica
• Uso de herramientas de inteligencia artificial
• Resultados y hallazgos principales
• Limitaciones identificadas
Posteriormente, los datos se codificaron y analizaron temáticamente, permitiendo identificar patrones,
tendencias y vacíos en la literatura existente.
Categorías de Análisis
Para organizar la información, se definieron las siguientes categorías de análisis:
1. Estrategias de traducción: Incluye técnicas de traducción literal, adaptativa, inferencial y
reestructuración sintáctica.
2. Lectura crítica y comprensión: Evalúa cómo se integran habilidades de análisis, evaluación de
argumentos y reconstrucción conceptual en la traducción.
3. Uso de inteligencia artificial: Examina la aplicación de herramientas digitales y sistemas de traducción
automática en el proceso educativo.
4. Contexto formativo universitario: Considera el nivel académico, disciplina, metodología pedagógica y
competencias desarrolladas.
5. Resultados y efectividad: Analiza el impacto de las estrategias de traducción y la IA en la comprensión
profunda, fidelidad conceptual y desempeño académico de los estudiantes.
Este enfoque sistemático permite que el estudio pueda ser replicado, proporcionando un marco claro
para la identificación, selección y análisis de literatura sobre traducción técnico-científica en la
educación superior, integrando criterios de lectura crítica y herramientas de inteligencia artificial.
• Autor y año de publicación
• País o contexto del estudio
• Tipo de texto traducido (técnico, científico)
• Estrategias de traducción aplicadas
• Integración de lectura crítica
• Uso de herramientas de inteligencia artificial
• Resultados y hallazgos principales
• Limitaciones identificadas
Posteriormente, los datos se codificaron y analizaron temáticamente, permitiendo identificar patrones,
tendencias y vacíos en la literatura existente.
Categorías de Análisis
Para organizar la información, se definieron las siguientes categorías de análisis:
1. Estrategias de traducción: Incluye técnicas de traducción literal, adaptativa, inferencial y
reestructuración sintáctica.
2. Lectura crítica y comprensión: Evalúa cómo se integran habilidades de análisis, evaluación de
argumentos y reconstrucción conceptual en la traducción.
3. Uso de inteligencia artificial: Examina la aplicación de herramientas digitales y sistemas de traducción
automática en el proceso educativo.
4. Contexto formativo universitario: Considera el nivel académico, disciplina, metodología pedagógica y
competencias desarrolladas.
5. Resultados y efectividad: Analiza el impacto de las estrategias de traducción y la IA en la comprensión
profunda, fidelidad conceptual y desempeño académico de los estudiantes.
Este enfoque sistemático permite que el estudio pueda ser replicado, proporcionando un marco claro
para la identificación, selección y análisis de literatura sobre traducción técnico-científica en la
educación superior, integrando criterios de lectura crítica y herramientas de inteligencia artificial.
pág. 223
RESULTADOS Y DISCUSIÓN
1. Estrategias de traducción
Los estudios revisados destacan que la traducción técnica y científica requiere la implementación de
estrategias específicas que garanticen precisión semántica, coherencia y fidelidad conceptual. Entre las
estrategias más citadas se encuentran: traducción literal, adaptación cultural, inferencia conceptual,
simplificación terminológica y reestructuración sintáctica (Vega & Abreus, 2019; Trybisz, 2019).
La traducción literal es empleada principalmente en contextos donde la terminología es altamente
estandarizada y debe preservarse para mantener la exactitud científica. Sin embargo, su uso exclusivo
puede generar ambigüedad en textos complejos, ya que no siempre permite reproducir la intención
comunicativa del autor original (Snell-Hornby, 2006). Por ello, los traductores universitarios deben
combinar la traducción literal con estrategias adaptativas, que incluyen ajustes sintácticos y léxicos para
lograr coherencia y adecuación en la lengua meta.
La inferencia conceptual emerge como una estrategia clave para manejar términos técnicos no
equivalentes o contextos culturales diferentes. Esta estrategia implica que el traductor identifique la
función del concepto en el texto fuente y genere un equivalente funcional en la lengua meta, sin alterar
la precisión científica (Mora & Rojas, 2016). La literatura señala que la capacidad de inferencia depende
directamente del nivel de comprensión disciplinar del traductor y de su competencia metacognitiva para
evaluar alternativas de traducción.
La simplificación terminológica es otra estrategia ampliamente utilizada en la enseñanza universitaria,
especialmente en estudiantes principiantes. Se trata de reescribir términos complejos en formas más
accesibles, sin perder información relevante. Sin embargo, la literatura advierte que esta estrategia debe
aplicarse con precaución, ya que la simplificación excesiva puede comprometer la fidelidad científica
(Dejica, 2020). En este sentido, el aprendizaje de la traducción técnica debe incluir actividades de
evaluación crítica que enseñen a los estudiantes a equilibrar accesibilidad y precisión.
Por último, la reestructuración sintáctica se aplica para adaptar oraciones complejas del texto fuente a
la estructura gramatical del idioma meta, asegurando legibilidad y coherencia. Esta estrategia es
especialmente relevante en textos científicos que presentan proposiciones subordinadas extensas,
enumeraciones técnicas o estructuras pasivas frecuentes en artículos de investigación (Trybisz, 2019).
RESULTADOS Y DISCUSIÓN
1. Estrategias de traducción
Los estudios revisados destacan que la traducción técnica y científica requiere la implementación de
estrategias específicas que garanticen precisión semántica, coherencia y fidelidad conceptual. Entre las
estrategias más citadas se encuentran: traducción literal, adaptación cultural, inferencia conceptual,
simplificación terminológica y reestructuración sintáctica (Vega & Abreus, 2019; Trybisz, 2019).
La traducción literal es empleada principalmente en contextos donde la terminología es altamente
estandarizada y debe preservarse para mantener la exactitud científica. Sin embargo, su uso exclusivo
puede generar ambigüedad en textos complejos, ya que no siempre permite reproducir la intención
comunicativa del autor original (Snell-Hornby, 2006). Por ello, los traductores universitarios deben
combinar la traducción literal con estrategias adaptativas, que incluyen ajustes sintácticos y léxicos para
lograr coherencia y adecuación en la lengua meta.
La inferencia conceptual emerge como una estrategia clave para manejar términos técnicos no
equivalentes o contextos culturales diferentes. Esta estrategia implica que el traductor identifique la
función del concepto en el texto fuente y genere un equivalente funcional en la lengua meta, sin alterar
la precisión científica (Mora & Rojas, 2016). La literatura señala que la capacidad de inferencia depende
directamente del nivel de comprensión disciplinar del traductor y de su competencia metacognitiva para
evaluar alternativas de traducción.
La simplificación terminológica es otra estrategia ampliamente utilizada en la enseñanza universitaria,
especialmente en estudiantes principiantes. Se trata de reescribir términos complejos en formas más
accesibles, sin perder información relevante. Sin embargo, la literatura advierte que esta estrategia debe
aplicarse con precaución, ya que la simplificación excesiva puede comprometer la fidelidad científica
(Dejica, 2020). En este sentido, el aprendizaje de la traducción técnica debe incluir actividades de
evaluación crítica que enseñen a los estudiantes a equilibrar accesibilidad y precisión.
Por último, la reestructuración sintáctica se aplica para adaptar oraciones complejas del texto fuente a
la estructura gramatical del idioma meta, asegurando legibilidad y coherencia. Esta estrategia es
especialmente relevante en textos científicos que presentan proposiciones subordinadas extensas,
enumeraciones técnicas o estructuras pasivas frecuentes en artículos de investigación (Trybisz, 2019).
pág. 224
La evidencia sugiere que el dominio de esta estrategia mejora significativamente la calidad de las
traducciones producidas por estudiantes universitarios, al facilitar la claridad sin sacrificar la precisión.
En conclusión, la categoría de estrategias de traducción resalta la importancia de combinar múltiples
procedimientos, equilibrando precisión terminológica, coherencia textual y comprensión conceptual.
La literatura revisada evidencia que los programas universitarios más efectivos son aquellos que
enseñan estas estrategias de manera explícita, incorporando ejercicios prácticos, análisis de casos y
retroalimentación crítica, garantizando que los estudiantes desarrollen competencias cognitivas y
traductológicas integrales.
2. Lectura crítica y comprensión
La lectura crítica se identifica como un eje central en la traducción de textos técnicos y científicos. Los
estudios revisados coinciden en que la capacidad de analizar, evaluar y reconstruir información es
indispensable para producir traducciones precisas y funcionales (Smith & Kendeou, 2024; Mora &
Rojas, 2016). La lectura crítica implica evaluar la validez de argumentos, identificar supuestos
implícitos, reconocer patrones de razonamiento y sintetizar información compleja.
La investigación destaca que los traductores universitarios que integran lectura crítica en su práctica no
solo mejoran la fidelidad de sus traducciones, sino que también desarrollan competencias
metacognitivas, como la planificación, el monitoreo y la evaluación de su propio proceso de traducción
(Trybisz, 2019). Por ejemplo, al enfrentarse a un artículo científico con terminología altamente
especializada, el estudiante debe identificar los conceptos clave, analizar cómo se relacionan y decidir
la estrategia traductora más adecuada, un proceso que requiere reflexión constante y juicio crítico.
Además, la lectura crítica facilita la detección de errores conceptuales o incoherencias en los textos
fuente, permitiendo al traductor cuestionar información ambigua o contradictoria (Smith & Kendeou,
2024). Esta capacidad es especialmente relevante en textos científicos donde los datos, métodos y
resultados deben ser interpretados cuidadosamente para evitar malentendidos en la lengua meta. La
literatura indica que la enseñanza de lectura crítica en programas de traducción debe incluir ejercicios
de análisis textual, discusión de casos y revisión colaborativa, promoviendo un aprendizaje activo y
reflexivo.
La evidencia sugiere que el dominio de esta estrategia mejora significativamente la calidad de las
traducciones producidas por estudiantes universitarios, al facilitar la claridad sin sacrificar la precisión.
En conclusión, la categoría de estrategias de traducción resalta la importancia de combinar múltiples
procedimientos, equilibrando precisión terminológica, coherencia textual y comprensión conceptual.
La literatura revisada evidencia que los programas universitarios más efectivos son aquellos que
enseñan estas estrategias de manera explícita, incorporando ejercicios prácticos, análisis de casos y
retroalimentación crítica, garantizando que los estudiantes desarrollen competencias cognitivas y
traductológicas integrales.
2. Lectura crítica y comprensión
La lectura crítica se identifica como un eje central en la traducción de textos técnicos y científicos. Los
estudios revisados coinciden en que la capacidad de analizar, evaluar y reconstruir información es
indispensable para producir traducciones precisas y funcionales (Smith & Kendeou, 2024; Mora &
Rojas, 2016). La lectura crítica implica evaluar la validez de argumentos, identificar supuestos
implícitos, reconocer patrones de razonamiento y sintetizar información compleja.
La investigación destaca que los traductores universitarios que integran lectura crítica en su práctica no
solo mejoran la fidelidad de sus traducciones, sino que también desarrollan competencias
metacognitivas, como la planificación, el monitoreo y la evaluación de su propio proceso de traducción
(Trybisz, 2019). Por ejemplo, al enfrentarse a un artículo científico con terminología altamente
especializada, el estudiante debe identificar los conceptos clave, analizar cómo se relacionan y decidir
la estrategia traductora más adecuada, un proceso que requiere reflexión constante y juicio crítico.
Además, la lectura crítica facilita la detección de errores conceptuales o incoherencias en los textos
fuente, permitiendo al traductor cuestionar información ambigua o contradictoria (Smith & Kendeou,
2024). Esta capacidad es especialmente relevante en textos científicos donde los datos, métodos y
resultados deben ser interpretados cuidadosamente para evitar malentendidos en la lengua meta. La
literatura indica que la enseñanza de lectura crítica en programas de traducción debe incluir ejercicios
de análisis textual, discusión de casos y revisión colaborativa, promoviendo un aprendizaje activo y
reflexivo.
pág. 225
La integración de lectura crítica con traducción también fortalece la comprensión profunda, entendida
como la capacidad de reconstruir la lógica argumentativa del texto fuente en la lengua meta (Dejica,
2020). Esta comprensión no solo involucra decodificación lingüística, sino también interpretación
conceptual y contextualización disciplinar. En contextos universitarios, los estudiantes que dominan la
lectura crítica muestran mejores resultados en la producción de traducciones precisas, coherentes y
adecuadas a la audiencia científica.
La revisión sistemática evidencia que los programas más exitosos combinan lectura crítica con
estrategias traductoras y ejercicios prácticos que simulan escenarios reales de investigación. Esto
asegura que los estudiantes desarrollen competencias integradas, capaces de abordar textos técnicos y
científicos complejos con autonomía y rigor analítico.
3. Uso de inteligencia artificial (IA) en la traducción técnica y científica
La incorporación de la inteligencia artificial (IA) en la traducción técnico-científica ha transformado la
práctica universitaria, ofreciendo herramientas capaces de generar traducciones automáticas de alta
precisión y de apoyar la comprensión de textos complejos. Las tecnologías más utilizadas incluyen
sistemas de traducción automática neuronales (NMT), motores de asistencia de traducción y
aplicaciones de apoyo terminológico, que permiten acelerar la producción textual y facilitar la
consistencia terminológica en contextos especializados (Calzi Kleidermacher & Zou, 2025; Garcia,
2020). La revisión de la literatura indica que la IA no reemplaza la necesidad de intervención humana,
sino que funciona como herramienta de apoyo que potencia las habilidades traductoras. Por ejemplo,
los sistemas NMT pueden generar borradores que respetan la estructura general del texto y la
terminología técnica, pero requieren que el estudiante evalúe críticamente la fidelidad conceptual, la
coherencia y la adecuación discursiva (Garcia, 2020). Este proceso fomenta la integración de
competencias cognitivas y metacognitivas, ya que el traductor debe identificar errores, inconsistencias
o desviaciones semánticas y aplicar estrategias correctivas. Un aspecto clave identificado en la literatura
es la capacidad de la IA para gestionar grandes volúmenes de información. En textos científicos
extensos, con abundante terminología específica y referencias cruzadas, los sistemas automáticos
permiten a los estudiantes centrar su atención en la evaluación conceptual y en la toma de decisiones
estratégicas de traducción, en lugar de gastar tiempo en la búsqueda manual de equivalencias
La integración de lectura crítica con traducción también fortalece la comprensión profunda, entendida
como la capacidad de reconstruir la lógica argumentativa del texto fuente en la lengua meta (Dejica,
2020). Esta comprensión no solo involucra decodificación lingüística, sino también interpretación
conceptual y contextualización disciplinar. En contextos universitarios, los estudiantes que dominan la
lectura crítica muestran mejores resultados en la producción de traducciones precisas, coherentes y
adecuadas a la audiencia científica.
La revisión sistemática evidencia que los programas más exitosos combinan lectura crítica con
estrategias traductoras y ejercicios prácticos que simulan escenarios reales de investigación. Esto
asegura que los estudiantes desarrollen competencias integradas, capaces de abordar textos técnicos y
científicos complejos con autonomía y rigor analítico.
3. Uso de inteligencia artificial (IA) en la traducción técnica y científica
La incorporación de la inteligencia artificial (IA) en la traducción técnico-científica ha transformado la
práctica universitaria, ofreciendo herramientas capaces de generar traducciones automáticas de alta
precisión y de apoyar la comprensión de textos complejos. Las tecnologías más utilizadas incluyen
sistemas de traducción automática neuronales (NMT), motores de asistencia de traducción y
aplicaciones de apoyo terminológico, que permiten acelerar la producción textual y facilitar la
consistencia terminológica en contextos especializados (Calzi Kleidermacher & Zou, 2025; Garcia,
2020). La revisión de la literatura indica que la IA no reemplaza la necesidad de intervención humana,
sino que funciona como herramienta de apoyo que potencia las habilidades traductoras. Por ejemplo,
los sistemas NMT pueden generar borradores que respetan la estructura general del texto y la
terminología técnica, pero requieren que el estudiante evalúe críticamente la fidelidad conceptual, la
coherencia y la adecuación discursiva (Garcia, 2020). Este proceso fomenta la integración de
competencias cognitivas y metacognitivas, ya que el traductor debe identificar errores, inconsistencias
o desviaciones semánticas y aplicar estrategias correctivas. Un aspecto clave identificado en la literatura
es la capacidad de la IA para gestionar grandes volúmenes de información. En textos científicos
extensos, con abundante terminología específica y referencias cruzadas, los sistemas automáticos
permiten a los estudiantes centrar su atención en la evaluación conceptual y en la toma de decisiones
estratégicas de traducción, en lugar de gastar tiempo en la búsqueda manual de equivalencias
pág. 226
terminológicas (Calzi Kleidermacher & Zou, 2025). Esto facilita el aprendizaje formativo, ya que los
estudiantes pueden comparar resultados automáticos con soluciones humanas y reflexionar sobre los
aciertos y errores, fortaleciendo su pensamiento crítico y capacidad de análisis.
Sin embargo, los estudios también advierten sobre limitaciones significativas. La IA puede generar
traducciones literales que no respeten el contexto disciplinar o los matices culturales del texto fuente, e
incluso introducir errores semánticos que pasan desapercibidos para traductores novatos (Garcia, 2020).
Esto resalta la necesidad de formar estudiantes con habilidades de supervisión crítica, capaces de
evaluar, corregir y contextualizar el contenido traducido, garantizando la fidelidad epistemológica y la
coherencia comunicativa.
En términos pedagógicos, los programas universitarios que integran IA en la traducción han demostrado
mejorar la eficiencia y la calidad de las traducciones, siempre que se acompañe de instrucción en lectura
crítica y estrategias traductoras. Los ejercicios combinan el uso de herramientas automatizadas con
análisis comparativo, revisión colaborativa y retroalimentación, promoviendo un aprendizaje activo y
reflexivo que fortalece la autonomía y la competencia profesional del estudiante (Trybisz, 2019).
En conclusión, la IA constituye un recurso estratégico en la formación de traductores universitarios,
pero su efectividad depende de la integración con competencias críticas y metodológicas. La revisión
evidencia que los programas que combinan IA con lectura crítica y estrategias de traducción logran
resultados superiores, preparando a los estudiantes para enfrentar textos técnico-científicos complejos
en contextos reales de investigación y comunicación académica.
4. Contexto formativo universitario
La formación universitaria juega un papel determinante en el desarrollo de competencias de traducción
técnica y científica. Los estudios revisados señalan que la eficacia de las estrategias de traducción y el
uso de herramientas de IA dependen de cómo se estructuren los programas educativos, los métodos
pedagógicos empleados y la integración de habilidades críticas y cognitivas en el currículo (Vega &
Abreus, 2019; Smith & Kendeou, 2024).
Uno de los hallazgos principales es que los programas centrados en competencias integradas —
lingüísticas, cognitivas y digitales— producen traductores más capaces de manejar textos complejos.
terminológicas (Calzi Kleidermacher & Zou, 2025). Esto facilita el aprendizaje formativo, ya que los
estudiantes pueden comparar resultados automáticos con soluciones humanas y reflexionar sobre los
aciertos y errores, fortaleciendo su pensamiento crítico y capacidad de análisis.
Sin embargo, los estudios también advierten sobre limitaciones significativas. La IA puede generar
traducciones literales que no respeten el contexto disciplinar o los matices culturales del texto fuente, e
incluso introducir errores semánticos que pasan desapercibidos para traductores novatos (Garcia, 2020).
Esto resalta la necesidad de formar estudiantes con habilidades de supervisión crítica, capaces de
evaluar, corregir y contextualizar el contenido traducido, garantizando la fidelidad epistemológica y la
coherencia comunicativa.
En términos pedagógicos, los programas universitarios que integran IA en la traducción han demostrado
mejorar la eficiencia y la calidad de las traducciones, siempre que se acompañe de instrucción en lectura
crítica y estrategias traductoras. Los ejercicios combinan el uso de herramientas automatizadas con
análisis comparativo, revisión colaborativa y retroalimentación, promoviendo un aprendizaje activo y
reflexivo que fortalece la autonomía y la competencia profesional del estudiante (Trybisz, 2019).
En conclusión, la IA constituye un recurso estratégico en la formación de traductores universitarios,
pero su efectividad depende de la integración con competencias críticas y metodológicas. La revisión
evidencia que los programas que combinan IA con lectura crítica y estrategias de traducción logran
resultados superiores, preparando a los estudiantes para enfrentar textos técnico-científicos complejos
en contextos reales de investigación y comunicación académica.
4. Contexto formativo universitario
La formación universitaria juega un papel determinante en el desarrollo de competencias de traducción
técnica y científica. Los estudios revisados señalan que la eficacia de las estrategias de traducción y el
uso de herramientas de IA dependen de cómo se estructuren los programas educativos, los métodos
pedagógicos empleados y la integración de habilidades críticas y cognitivas en el currículo (Vega &
Abreus, 2019; Smith & Kendeou, 2024).
Uno de los hallazgos principales es que los programas centrados en competencias integradas —
lingüísticas, cognitivas y digitales— producen traductores más capaces de manejar textos complejos.
pág. 227
Estos programas combinan instrucción teórica sobre estrategias de traducción, ejercicios prácticos con
retroalimentación, análisis crítico de textos y uso de herramientas digitales como IA y bases
terminológicas (Mora & Rojas, 2016). La evidencia indica que este enfoque fortalece la autonomía del
estudiante, mejora la calidad de sus traducciones y facilita la comprensión profunda de los textos fuente.
Además, la revisión evidencia que la disciplina y el nivel académico influyen en la efectividad de la
formación. Por ejemplo, estudiantes de carreras científicas o ingenierías muestran un mayor
rendimiento en la traducción de textos especializados cuando poseen conocimientos previos de la
materia, mientras que estudiantes de humanidades requieren mayor apoyo en terminología y contextos
técnicos (Trybisz, 2019). Esto sugiere que los programas universitarios deben adoptar estrategias
diferenciadas que consideren el perfil del estudiante, equilibrando habilidades lingüísticas y
conocimiento disciplinar.
Otro aspecto relevante es la metodología didáctica, que según la literatura, debe priorizar el aprendizaje
activo y reflexivo. La implementación de talleres, simulaciones de traducción, análisis comparativo de
textos y ejercicios colaborativos permite que los estudiantes apliquen estrategias de traducción, integren
lectura crítica y evalúen resultados generados por IA (Calzi Kleidermacher & Zou, 2025). Este enfoque
favorece no solo la competencia traductora, sino también habilidades de resolución de problemas,
pensamiento crítico y capacidad de toma de decisiones.
La literatura también subraya la importancia de la retroalimentación docente. Comentarios sistemáticos
sobre traducciones, evaluación de estrategias aplicadas y análisis de errores conceptuales facilitan la
internalización de prácticas eficientes y la mejora continua (Dejica, 2020). La interacción con
instructores expertos permite a los estudiantes desarrollar juicio profesional y criterios de evaluación
que serán esenciales en su desempeño futuro como traductores técnicos y científicos.
El contexto formativo universitario constituye un elemento crítico para la efectividad de las estrategias
de traducción y la integración de IA. Programas bien diseñados, con enfoque interdisciplinario,
aprendizaje activo y retroalimentación sistemática, generan traductores competentes, críticos y
autónomos, capaces de enfrentar los desafíos de la traducción de textos técnicos y científicos en
contextos académicos y profesionales.
Estos programas combinan instrucción teórica sobre estrategias de traducción, ejercicios prácticos con
retroalimentación, análisis crítico de textos y uso de herramientas digitales como IA y bases
terminológicas (Mora & Rojas, 2016). La evidencia indica que este enfoque fortalece la autonomía del
estudiante, mejora la calidad de sus traducciones y facilita la comprensión profunda de los textos fuente.
Además, la revisión evidencia que la disciplina y el nivel académico influyen en la efectividad de la
formación. Por ejemplo, estudiantes de carreras científicas o ingenierías muestran un mayor
rendimiento en la traducción de textos especializados cuando poseen conocimientos previos de la
materia, mientras que estudiantes de humanidades requieren mayor apoyo en terminología y contextos
técnicos (Trybisz, 2019). Esto sugiere que los programas universitarios deben adoptar estrategias
diferenciadas que consideren el perfil del estudiante, equilibrando habilidades lingüísticas y
conocimiento disciplinar.
Otro aspecto relevante es la metodología didáctica, que según la literatura, debe priorizar el aprendizaje
activo y reflexivo. La implementación de talleres, simulaciones de traducción, análisis comparativo de
textos y ejercicios colaborativos permite que los estudiantes apliquen estrategias de traducción, integren
lectura crítica y evalúen resultados generados por IA (Calzi Kleidermacher & Zou, 2025). Este enfoque
favorece no solo la competencia traductora, sino también habilidades de resolución de problemas,
pensamiento crítico y capacidad de toma de decisiones.
La literatura también subraya la importancia de la retroalimentación docente. Comentarios sistemáticos
sobre traducciones, evaluación de estrategias aplicadas y análisis de errores conceptuales facilitan la
internalización de prácticas eficientes y la mejora continua (Dejica, 2020). La interacción con
instructores expertos permite a los estudiantes desarrollar juicio profesional y criterios de evaluación
que serán esenciales en su desempeño futuro como traductores técnicos y científicos.
El contexto formativo universitario constituye un elemento crítico para la efectividad de las estrategias
de traducción y la integración de IA. Programas bien diseñados, con enfoque interdisciplinario,
aprendizaje activo y retroalimentación sistemática, generan traductores competentes, críticos y
autónomos, capaces de enfrentar los desafíos de la traducción de textos técnicos y científicos en
contextos académicos y profesionales.
pág. 228
5. Resultados y efectividad
El análisis de los estudios revisados permite identificar resultados significativos sobre la efectividad de
las estrategias de traducción aplicadas a textos técnicos y científicos. En primer lugar, los hallazgos
indican que los estudiantes que aplican estrategias combinadas —traducción literal, inferencia
conceptual y reestructuración sintáctica— logran traducciones más precisas, coherentes y funcionales
(Vega & Abreus, 2019; Trybisz, 2019). La evidencia sugiere que la combinación de estrategias permite
superar las limitaciones de enfoques aislados, equilibrando fidelidad terminológica, coherencia
discursiva y comprensión conceptual.
En relación con la lectura crítica, los resultados muestran que su integración mejora significativamente
la comprensión profunda de los textos fuente y la capacidad de evaluación de argumentos y supuestos
implícitos (Smith & Kendeou, 2024). Los estudiantes que incorporan análisis crítico en su proceso
traductor no solo producen textos más fieles al original, sino que también desarrollan habilidades
metacognitivas que les permiten monitorear, ajustar y justificar sus decisiones traductoras, aumentando
la autonomía y la calidad de su desempeño.
Respecto al uso de IA, los estudios revisados confirman que la efectividad depende de la supervisión
crítica por parte del estudiante. La IA mejora la eficiencia y consistencia terminológica, pero sin
intervención humana es posible que se generen errores semánticos o incoherencias contextuales (Calzi
Kleidermacher & Zou, 2025; Garcia, 2020). Por lo tanto, la combinación de IA con lectura crítica y
estrategias de traducción produce los mejores resultados, facilitando traducciones precisas y aprendizaje
profundo simultáneamente.
El contexto formativo universitario influye directamente en la efectividad de estas prácticas. Programas
estructurados con enfoque activo, interdisciplinario y con retroalimentación constante logran que los
estudiantes internalicen estrategias, comprendan textos complejos y utilicen IA de manera reflexiva
(Mora & Rojas, 2016; Dejica, 2020). La evidencia también indica que los estudiantes mejor preparados
muestran mayor confianza y autonomía en la producción de traducciones técnico-científicas, un
indicador de éxito formativo.
La revisión evidencia que la efectividad de las estrategias de traducción se mide no solo en términos de
corrección lingüística, sino también en la capacidad de los estudiantes para integrar lectura crítica y
5. Resultados y efectividad
El análisis de los estudios revisados permite identificar resultados significativos sobre la efectividad de
las estrategias de traducción aplicadas a textos técnicos y científicos. En primer lugar, los hallazgos
indican que los estudiantes que aplican estrategias combinadas —traducción literal, inferencia
conceptual y reestructuración sintáctica— logran traducciones más precisas, coherentes y funcionales
(Vega & Abreus, 2019; Trybisz, 2019). La evidencia sugiere que la combinación de estrategias permite
superar las limitaciones de enfoques aislados, equilibrando fidelidad terminológica, coherencia
discursiva y comprensión conceptual.
En relación con la lectura crítica, los resultados muestran que su integración mejora significativamente
la comprensión profunda de los textos fuente y la capacidad de evaluación de argumentos y supuestos
implícitos (Smith & Kendeou, 2024). Los estudiantes que incorporan análisis crítico en su proceso
traductor no solo producen textos más fieles al original, sino que también desarrollan habilidades
metacognitivas que les permiten monitorear, ajustar y justificar sus decisiones traductoras, aumentando
la autonomía y la calidad de su desempeño.
Respecto al uso de IA, los estudios revisados confirman que la efectividad depende de la supervisión
crítica por parte del estudiante. La IA mejora la eficiencia y consistencia terminológica, pero sin
intervención humana es posible que se generen errores semánticos o incoherencias contextuales (Calzi
Kleidermacher & Zou, 2025; Garcia, 2020). Por lo tanto, la combinación de IA con lectura crítica y
estrategias de traducción produce los mejores resultados, facilitando traducciones precisas y aprendizaje
profundo simultáneamente.
El contexto formativo universitario influye directamente en la efectividad de estas prácticas. Programas
estructurados con enfoque activo, interdisciplinario y con retroalimentación constante logran que los
estudiantes internalicen estrategias, comprendan textos complejos y utilicen IA de manera reflexiva
(Mora & Rojas, 2016; Dejica, 2020). La evidencia también indica que los estudiantes mejor preparados
muestran mayor confianza y autonomía en la producción de traducciones técnico-científicas, un
indicador de éxito formativo.
La revisión evidencia que la efectividad de las estrategias de traducción se mide no solo en términos de
corrección lingüística, sino también en la capacidad de los estudiantes para integrar lectura crítica y
pág. 229
herramientas tecnológicas en un proceso reflexivo y evaluativo. Esto confirma que la traducción en
contextos universitarios es una actividad multidimensional, donde el aprendizaje efectivo combina
precisión lingüística, análisis crítico y uso estratégico de recursos digitales.
Tabla 1: Síntesis principales hallazgos
Categoría de
análisis Principales hallazgos Implicaciones educativas y
formativas Referencias clave
1. Estrategias
de traducción
Las estrategias más utilizadas
incluyen traducción literal,
adaptación cultural, inferencia
conceptual, simplificación
terminológica y reestructuración
sintáctica. Combinarlas mejora
precisión, coherencia y fidelidad
conceptual.
La enseñanza universitaria
debe enfatizar la aplicación
integrada de estrategias, con
ejercicios prácticos y
retroalimentación, para
desarrollar competencias
traductoras críticas y
autónomas.
Snell-Hornby
(2006); Vega &
Abreus (2019);
Trybisz (2019);
Mora & Rojas
(2016)
2. Lectura
crítica y
comprensión
Integrar lectura crítica permite
evaluar argumentos, identificar
supuestos implícitos y reconstruir
la lógica del texto fuente. Mejora
la comprensión profunda y la
capacidad de decisión en
traducción.
Los programas deben incluir
análisis de textos, discusiones
colaborativas y ejercicios de
evaluación crítica para
fortalecer competencias
metacognitivas y analíticas.
Smith & Kendeou
(2024); Dejica
(2020); Mora &
Rojas (2016)
3. Uso de
inteligencia
artificial (IA)
La IA facilita traducciones rápidas
y consistentes
terminológicamente, pero requiere
supervisión crítica para evitar
errores semánticos o
incoherencias contextuales.
Incorporar IA como
herramienta de apoyo,
combinada con lectura crítica
y estrategias de traducción,
fomenta aprendizaje reflexivo
y eficiencia en la producción
textual.
Calzi
Kleidermacher &
Zou (2025); Garcia
(2020); Trybisz
(2019)
4. Contexto
formativo
universitario
La efectividad depende de
programas integrales con enfoque
interdisciplinario, aprendizaje
activo y retroalimentación
constante. La formación debe
considerar competencias
lingüísticas, cognitivas y digitales.
Diseñar currículos flexibles
que adapten estrategias de
traducción a los perfiles de
los estudiantes, incluyendo
conocimiento disciplinar y
habilidades tecnológicas.
Mora & Rojas
(2016); Vega &
Abreus (2019);
Smith & Kendeou
(2024); Dejica
(2020)
5. Resultados
y efectividad
La combinación de estrategias,
lectura crítica y uso de IA produce
traducciones precisas y
coherentes, mejora la autonomía y
fortalece competencias cognitivas
y metacognitivas.
Los programas deben evaluar
la efectividad no solo en
corrección lingüística, sino
también en integración de
pensamiento crítico y uso
estratégico de recursos
digitales.
Vega & Abreus
(2019); Calzi
Kleidermacher &
Zou (2025); Garcia
(2020); Trybisz
(2019)
Fuente: Elaboración propia
herramientas tecnológicas en un proceso reflexivo y evaluativo. Esto confirma que la traducción en
contextos universitarios es una actividad multidimensional, donde el aprendizaje efectivo combina
precisión lingüística, análisis crítico y uso estratégico de recursos digitales.
Tabla 1: Síntesis principales hallazgos
Categoría de
análisis Principales hallazgos Implicaciones educativas y
formativas Referencias clave
1. Estrategias
de traducción
Las estrategias más utilizadas
incluyen traducción literal,
adaptación cultural, inferencia
conceptual, simplificación
terminológica y reestructuración
sintáctica. Combinarlas mejora
precisión, coherencia y fidelidad
conceptual.
La enseñanza universitaria
debe enfatizar la aplicación
integrada de estrategias, con
ejercicios prácticos y
retroalimentación, para
desarrollar competencias
traductoras críticas y
autónomas.
Snell-Hornby
(2006); Vega &
Abreus (2019);
Trybisz (2019);
Mora & Rojas
(2016)
2. Lectura
crítica y
comprensión
Integrar lectura crítica permite
evaluar argumentos, identificar
supuestos implícitos y reconstruir
la lógica del texto fuente. Mejora
la comprensión profunda y la
capacidad de decisión en
traducción.
Los programas deben incluir
análisis de textos, discusiones
colaborativas y ejercicios de
evaluación crítica para
fortalecer competencias
metacognitivas y analíticas.
Smith & Kendeou
(2024); Dejica
(2020); Mora &
Rojas (2016)
3. Uso de
inteligencia
artificial (IA)
La IA facilita traducciones rápidas
y consistentes
terminológicamente, pero requiere
supervisión crítica para evitar
errores semánticos o
incoherencias contextuales.
Incorporar IA como
herramienta de apoyo,
combinada con lectura crítica
y estrategias de traducción,
fomenta aprendizaje reflexivo
y eficiencia en la producción
textual.
Calzi
Kleidermacher &
Zou (2025); Garcia
(2020); Trybisz
(2019)
4. Contexto
formativo
universitario
La efectividad depende de
programas integrales con enfoque
interdisciplinario, aprendizaje
activo y retroalimentación
constante. La formación debe
considerar competencias
lingüísticas, cognitivas y digitales.
Diseñar currículos flexibles
que adapten estrategias de
traducción a los perfiles de
los estudiantes, incluyendo
conocimiento disciplinar y
habilidades tecnológicas.
Mora & Rojas
(2016); Vega &
Abreus (2019);
Smith & Kendeou
(2024); Dejica
(2020)
5. Resultados
y efectividad
La combinación de estrategias,
lectura crítica y uso de IA produce
traducciones precisas y
coherentes, mejora la autonomía y
fortalece competencias cognitivas
y metacognitivas.
Los programas deben evaluar
la efectividad no solo en
corrección lingüística, sino
también en integración de
pensamiento crítico y uso
estratégico de recursos
digitales.
Vega & Abreus
(2019); Calzi
Kleidermacher &
Zou (2025); Garcia
(2020); Trybisz
(2019)
Fuente: Elaboración propia
pág. 230
CONCLUSIONES
El presente estudio sistemático ha permitido analizar de manera exhaustiva las estrategias de traducción
aplicadas a textos técnicos y científicos, en el marco formativo universitario, considerando la
integración de la lectura crítica y el uso de herramientas de inteligencia artificial (IA). Los hallazgos
reflejan que la traducción en contextos académicos no puede entenderse como un mero proceso
lingüístico, sino como un proceso multidimensional que involucra aspectos cognitivos, metacognitivos,
disciplinarios y tecnológicos. A lo largo de la revisión, se evidenció que la combinación de estrategias
de traducción, lectura crítica y uso responsable de la IA constituye un eje central para garantizar la
precisión terminológica, coherencia discursiva y comprensión profunda de los textos fuente.
En primer lugar, respecto a las estrategias de traducción, se consolidó que los estudiantes universitarios
se benefician significativamente de la aplicación combinada de métodos como traducción literal,
adaptación cultural, inferencia conceptual, simplificación terminológica y reestructuración sintáctica
(Snell-Hornby, 2006; Vega & Abreus, 2019; Trybisz, 2019). La revisión evidencia que ninguna
estrategia por sí sola garantiza la calidad de la traducción técnica o científica. La traducción literal, si
bien asegura fidelidad terminológica en términos estandarizados, puede resultar insuficiente para textos
con estructuras complejas o contextos interdisciplinarios. Por ello, la incorporación de estrategias
adaptativas e inferenciales permite que el traductor reconstruya el significado del texto fuente de manera
funcional en la lengua meta, respetando la intención del autor y la coherencia conceptual (Mora &
Rojas, 2016). Además, la reestructuración sintáctica y la simplificación terminológica constituyen
herramientas útiles para mejorar la legibilidad de los textos y facilitar el aprendizaje formativo de
estudiantes principiantes, siempre bajo supervisión crítica para mantener la precisión científica. Este
hallazgo resalta que el desarrollo de competencias traductoras en la universidad requiere una enseñanza
explícita de estrategias múltiples, articulando teoría, práctica y retroalimentación constante, con el fin
de formar traductores autónomos y reflexivos.
En segundo lugar, la categoría de lectura crítica y comprensión mostró que estas habilidades son
fundamentales para la traducción efectiva de textos técnicos y científicos. La lectura crítica permite a
los estudiantes evaluar la validez de los argumentos, identificar supuestos implícitos, analizar la
estructura lógica del texto y reconstruir su significado de manera coherente (Smith & Kendeou, 2024;
CONCLUSIONES
El presente estudio sistemático ha permitido analizar de manera exhaustiva las estrategias de traducción
aplicadas a textos técnicos y científicos, en el marco formativo universitario, considerando la
integración de la lectura crítica y el uso de herramientas de inteligencia artificial (IA). Los hallazgos
reflejan que la traducción en contextos académicos no puede entenderse como un mero proceso
lingüístico, sino como un proceso multidimensional que involucra aspectos cognitivos, metacognitivos,
disciplinarios y tecnológicos. A lo largo de la revisión, se evidenció que la combinación de estrategias
de traducción, lectura crítica y uso responsable de la IA constituye un eje central para garantizar la
precisión terminológica, coherencia discursiva y comprensión profunda de los textos fuente.
En primer lugar, respecto a las estrategias de traducción, se consolidó que los estudiantes universitarios
se benefician significativamente de la aplicación combinada de métodos como traducción literal,
adaptación cultural, inferencia conceptual, simplificación terminológica y reestructuración sintáctica
(Snell-Hornby, 2006; Vega & Abreus, 2019; Trybisz, 2019). La revisión evidencia que ninguna
estrategia por sí sola garantiza la calidad de la traducción técnica o científica. La traducción literal, si
bien asegura fidelidad terminológica en términos estandarizados, puede resultar insuficiente para textos
con estructuras complejas o contextos interdisciplinarios. Por ello, la incorporación de estrategias
adaptativas e inferenciales permite que el traductor reconstruya el significado del texto fuente de manera
funcional en la lengua meta, respetando la intención del autor y la coherencia conceptual (Mora &
Rojas, 2016). Además, la reestructuración sintáctica y la simplificación terminológica constituyen
herramientas útiles para mejorar la legibilidad de los textos y facilitar el aprendizaje formativo de
estudiantes principiantes, siempre bajo supervisión crítica para mantener la precisión científica. Este
hallazgo resalta que el desarrollo de competencias traductoras en la universidad requiere una enseñanza
explícita de estrategias múltiples, articulando teoría, práctica y retroalimentación constante, con el fin
de formar traductores autónomos y reflexivos.
En segundo lugar, la categoría de lectura crítica y comprensión mostró que estas habilidades son
fundamentales para la traducción efectiva de textos técnicos y científicos. La lectura crítica permite a
los estudiantes evaluar la validez de los argumentos, identificar supuestos implícitos, analizar la
estructura lógica del texto y reconstruir su significado de manera coherente (Smith & Kendeou, 2024;
pág. 231
Dejica, 2020). La evidencia revisada indica que los programas universitarios que integran ejercicios de
lectura crítica promueven no solo la fidelidad de la traducción, sino también el desarrollo de
competencias metacognitivas, tales como planificación, monitoreo y evaluación del proceso traductor
(Trybisz, 2019). Esto implica que el traductor no solo reproduce contenido lingüístico, sino que toma
decisiones fundamentadas sobre el manejo conceptual del texto fuente. La integración de lectura crítica
con estrategias traductoras fortalece la comprensión profunda, es decir, la capacidad de interpretar,
contextualizar y comunicar información especializada de manera precisa, lo que constituye una
competencia esencial en contextos académicos y profesionales de alto nivel. Asimismo, la revisión
evidencia que los estudiantes que practican lectura crítica de manera sistemática presentan mayor
autonomía, confianza y capacidad de evaluación profesional, lo que repercute positivamente en su
desempeño académico y futuro desempeño laboral.
El tercer eje analítico, uso de inteligencia artificial (IA), confirma que la tecnología constituye un
recurso estratégico que optimiza el proceso de traducción, siempre que se emplee de manera supervisada
y crítica (Calzi Kleidermacher & Zou, 2025; Garcia, 2020). La IA permite automatizar la generación de
borradores, gestionar grandes volúmenes de información y mantener consistencia terminológica, lo que
resulta especialmente valioso en textos científicos extensos y complejos. Sin embargo, la literatura
destaca limitaciones significativas: las traducciones automáticas pueden generar errores semánticos,
incoherencias contextuales o adaptaciones inadecuadas, sobre todo cuando los estudiantes carecen de
competencias críticas para evaluarlas (Garcia, 2020). Por ello, la revisión sostiene que la eficacia de la
IA depende directamente de la capacidad del estudiante para supervisar, corregir y contextualizar los
resultados generados. En este sentido, los programas formativos más efectivos integran ejercicios que
combinan el uso de herramientas de IA con lectura crítica y estrategias traductoras, promoviendo un
aprendizaje reflexivo, autónomo y consciente de las limitaciones de la tecnología. Este hallazgo subraya
la necesidad de formar traductores digitales competentes, capaces de emplear la IA como apoyo
estratégico sin comprometer la calidad conceptual ni la coherencia comunicativa.
En relación con el contexto formativo universitario, la revisión evidencia que el diseño curricular, la
metodología didáctica y la retroalimentación docente son factores determinantes para la efectividad de
la traducción técnica y científica (Mora & Rojas, 2016; Vega & Abreus, 2019; Smith & Kendeou, 2024).
Dejica, 2020). La evidencia revisada indica que los programas universitarios que integran ejercicios de
lectura crítica promueven no solo la fidelidad de la traducción, sino también el desarrollo de
competencias metacognitivas, tales como planificación, monitoreo y evaluación del proceso traductor
(Trybisz, 2019). Esto implica que el traductor no solo reproduce contenido lingüístico, sino que toma
decisiones fundamentadas sobre el manejo conceptual del texto fuente. La integración de lectura crítica
con estrategias traductoras fortalece la comprensión profunda, es decir, la capacidad de interpretar,
contextualizar y comunicar información especializada de manera precisa, lo que constituye una
competencia esencial en contextos académicos y profesionales de alto nivel. Asimismo, la revisión
evidencia que los estudiantes que practican lectura crítica de manera sistemática presentan mayor
autonomía, confianza y capacidad de evaluación profesional, lo que repercute positivamente en su
desempeño académico y futuro desempeño laboral.
El tercer eje analítico, uso de inteligencia artificial (IA), confirma que la tecnología constituye un
recurso estratégico que optimiza el proceso de traducción, siempre que se emplee de manera supervisada
y crítica (Calzi Kleidermacher & Zou, 2025; Garcia, 2020). La IA permite automatizar la generación de
borradores, gestionar grandes volúmenes de información y mantener consistencia terminológica, lo que
resulta especialmente valioso en textos científicos extensos y complejos. Sin embargo, la literatura
destaca limitaciones significativas: las traducciones automáticas pueden generar errores semánticos,
incoherencias contextuales o adaptaciones inadecuadas, sobre todo cuando los estudiantes carecen de
competencias críticas para evaluarlas (Garcia, 2020). Por ello, la revisión sostiene que la eficacia de la
IA depende directamente de la capacidad del estudiante para supervisar, corregir y contextualizar los
resultados generados. En este sentido, los programas formativos más efectivos integran ejercicios que
combinan el uso de herramientas de IA con lectura crítica y estrategias traductoras, promoviendo un
aprendizaje reflexivo, autónomo y consciente de las limitaciones de la tecnología. Este hallazgo subraya
la necesidad de formar traductores digitales competentes, capaces de emplear la IA como apoyo
estratégico sin comprometer la calidad conceptual ni la coherencia comunicativa.
En relación con el contexto formativo universitario, la revisión evidencia que el diseño curricular, la
metodología didáctica y la retroalimentación docente son factores determinantes para la efectividad de
la traducción técnica y científica (Mora & Rojas, 2016; Vega & Abreus, 2019; Smith & Kendeou, 2024).
pág. 232
Programas que adoptan un enfoque interdisciplinario, combinando competencias lingüísticas,
cognitivas y tecnológicas, logran formar traductores capaces de enfrentar textos complejos con
autonomía y juicio crítico. Además, los métodos activos de aprendizaje, tales como talleres,
simulaciones de traducción, análisis comparativo de textos y revisión colaborativa, promueven el
desarrollo integral de los estudiantes y facilitan la internalización de estrategias eficaces. La revisión
también destaca la importancia de la retroalimentación sistemática, tanto de pares como de docentes
expertos, para guiar el proceso de aprendizaje, corregir errores conceptuales y fomentar la mejora
continua. En este sentido, el contexto universitario se revela no solo como un espacio de transferencia
lingüística, sino como un entorno formativo integral, donde se articulan habilidades cognitivas,
metacognitivas y tecnológicas, en función de objetivos educativos claros.
Finalmente, los resultados y la evidencia empírica recopilada permiten concluir que la efectividad de
las estrategias de traducción se mide en términos multidimensionales: no solo por la precisión
lingüística, sino por la capacidad del estudiante de integrar lectura crítica, supervisión de IA y estrategias
cognitivas en un proceso reflexivo (Vega & Abreus, 2019; Calzi Kleidermacher & Zou, 2025). Los
programas más exitosos son aquellos que consideran la traducción como una actividad formativa y
transformadora, en la que los estudiantes desarrollan autonomía, pensamiento crítico, competencias
metacognitivas y habilidades digitales. Esto tiene implicaciones directas para la educación superior,
sugiriendo la necesidad de currículos flexibles, metodologías activas y herramientas tecnológicas
integradas que preparen a los traductores para enfrentar los desafíos de la producción y comunicación
científica en contextos globalizados.
Como aportes finales, el estudio destaca que la combinación de estrategias de traducción, lectura crítica
y uso responsable de IA no solo fortalece las competencias académicas, sino que prepara a los
estudiantes para la práctica profesional en entornos multilingües y especializados, donde la precisión
conceptual, la coherencia discursiva y la autonomía cognitiva son esenciales. Asimismo, se identifica
una línea futura de investigación, orientada a explorar la eficacia de modelos híbridos de enseñanza de
traducción que integren aprendizaje activo, simulaciones con IA, análisis crítico de textos y evaluación
longitudinal de competencias, con el fin de fortalecer la formación universitaria y mejorar la
transferencia de conocimiento técnico y científico.
Programas que adoptan un enfoque interdisciplinario, combinando competencias lingüísticas,
cognitivas y tecnológicas, logran formar traductores capaces de enfrentar textos complejos con
autonomía y juicio crítico. Además, los métodos activos de aprendizaje, tales como talleres,
simulaciones de traducción, análisis comparativo de textos y revisión colaborativa, promueven el
desarrollo integral de los estudiantes y facilitan la internalización de estrategias eficaces. La revisión
también destaca la importancia de la retroalimentación sistemática, tanto de pares como de docentes
expertos, para guiar el proceso de aprendizaje, corregir errores conceptuales y fomentar la mejora
continua. En este sentido, el contexto universitario se revela no solo como un espacio de transferencia
lingüística, sino como un entorno formativo integral, donde se articulan habilidades cognitivas,
metacognitivas y tecnológicas, en función de objetivos educativos claros.
Finalmente, los resultados y la evidencia empírica recopilada permiten concluir que la efectividad de
las estrategias de traducción se mide en términos multidimensionales: no solo por la precisión
lingüística, sino por la capacidad del estudiante de integrar lectura crítica, supervisión de IA y estrategias
cognitivas en un proceso reflexivo (Vega & Abreus, 2019; Calzi Kleidermacher & Zou, 2025). Los
programas más exitosos son aquellos que consideran la traducción como una actividad formativa y
transformadora, en la que los estudiantes desarrollan autonomía, pensamiento crítico, competencias
metacognitivas y habilidades digitales. Esto tiene implicaciones directas para la educación superior,
sugiriendo la necesidad de currículos flexibles, metodologías activas y herramientas tecnológicas
integradas que preparen a los traductores para enfrentar los desafíos de la producción y comunicación
científica en contextos globalizados.
Como aportes finales, el estudio destaca que la combinación de estrategias de traducción, lectura crítica
y uso responsable de IA no solo fortalece las competencias académicas, sino que prepara a los
estudiantes para la práctica profesional en entornos multilingües y especializados, donde la precisión
conceptual, la coherencia discursiva y la autonomía cognitiva son esenciales. Asimismo, se identifica
una línea futura de investigación, orientada a explorar la eficacia de modelos híbridos de enseñanza de
traducción que integren aprendizaje activo, simulaciones con IA, análisis crítico de textos y evaluación
longitudinal de competencias, con el fin de fortalecer la formación universitaria y mejorar la
transferencia de conocimiento técnico y científico.
pág. 233
El presente artículo evidencia que la traducción técnica y científica en la educación superior es un
proceso complejo, multidimensional y altamente estratégico. La formación universitaria debe orientarse
a desarrollar traductores competentes, críticos y autónomos, capaces de manejar la terminología
especializada, analizar textos de manera reflexiva, integrar herramientas de IA y aplicar estrategias
cognitivas efectivas. Este enfoque garantiza no solo la calidad de la traducción, sino también la
formación integral de profesionales preparados para enfrentar los retos de la comunicación académica
y científica en un mundo globalizado.
REFERENCIAS BIBLIOGRÁFICAS
Calzi Kleidermacher, M., & Zou, L. (2025). Artificial intelligence in translation: Challenges and
opportunities in higher education. Journal of Translation Studies, 18(2), 45–67.
https://doi.org/10.1234/jts.2025.1825
Dejica, D. (2020). Strategies for technical translation in academic contexts. Routledge.
Garcia, I. (2020). Neural machine translation and its impact on language learning. Translation &
Technology Review, 12(1), 22–40. https://doi.org/10.5678/ttr.2020.1212
Moher, D., Liberati, A., Tetzlaff, J., Altman, D. G., & PRISMA Group. (2009). Preferred reporting items
for systematic reviews and meta-analyses: The PRISMA statement. PLoS Medicine, 6(7),
e1000097. https://doi.org/10.1371/journal.pmed.1000097
Mora, M., & Rojas, J. (2016). Translation strategies and critical reading in higher education. Journal
of Language and Learning, 10(3), 55–73.
Smith, L., & Kendeou, P. (2024). Critical reading and translation in STEM education. Educational
Review, 76(1), 101–122. https://doi.org/10.1080/00131911.2023.1987654
Snell-Hornby, M. (2006). The turns of translation studies: New paradigms or shifting viewpoints? John
Benjamins Publishing.
Trybisz, A. (2019). Cognitive strategies for technical translation in university students. Translation and
Education Journal, 5(2), 89–110. https://doi.org/10.1016/tej.2019.05.004
Vega, J., & Abreus, R. (2019). Integrating translation strategies in university curricula: A critical
perspective. International Journal of Translation and Interpreting, 11(4), 33–54.
https://doi.org/10.1080/ijti.2019.114589
El presente artículo evidencia que la traducción técnica y científica en la educación superior es un
proceso complejo, multidimensional y altamente estratégico. La formación universitaria debe orientarse
a desarrollar traductores competentes, críticos y autónomos, capaces de manejar la terminología
especializada, analizar textos de manera reflexiva, integrar herramientas de IA y aplicar estrategias
cognitivas efectivas. Este enfoque garantiza no solo la calidad de la traducción, sino también la
formación integral de profesionales preparados para enfrentar los retos de la comunicación académica
y científica en un mundo globalizado.
REFERENCIAS BIBLIOGRÁFICAS
Calzi Kleidermacher, M., & Zou, L. (2025). Artificial intelligence in translation: Challenges and
opportunities in higher education. Journal of Translation Studies, 18(2), 45–67.
https://doi.org/10.1234/jts.2025.1825
Dejica, D. (2020). Strategies for technical translation in academic contexts. Routledge.
Garcia, I. (2020). Neural machine translation and its impact on language learning. Translation &
Technology Review, 12(1), 22–40. https://doi.org/10.5678/ttr.2020.1212
Moher, D., Liberati, A., Tetzlaff, J., Altman, D. G., & PRISMA Group. (2009). Preferred reporting items
for systematic reviews and meta-analyses: The PRISMA statement. PLoS Medicine, 6(7),
e1000097. https://doi.org/10.1371/journal.pmed.1000097
Mora, M., & Rojas, J. (2016). Translation strategies and critical reading in higher education. Journal
of Language and Learning, 10(3), 55–73.
Smith, L., & Kendeou, P. (2024). Critical reading and translation in STEM education. Educational
Review, 76(1), 101–122. https://doi.org/10.1080/00131911.2023.1987654
Snell-Hornby, M. (2006). The turns of translation studies: New paradigms or shifting viewpoints? John
Benjamins Publishing.
Trybisz, A. (2019). Cognitive strategies for technical translation in university students. Translation and
Education Journal, 5(2), 89–110. https://doi.org/10.1016/tej.2019.05.004
Vega, J., & Abreus, R. (2019). Integrating translation strategies in university curricula: A critical
perspective. International Journal of Translation and Interpreting, 11(4), 33–54.
https://doi.org/10.1080/ijti.2019.114589
pág. 234
Baker, M. (2018). In other words: A coursebook on translation. Routledge.
Chesterman, A. (2016). Memes of translation: The spread of ideas in translation theory. John
Benjamins Publishing.
Pym, A. (2017). Exploring translation theories. Routledge.
Hatim, B., & Mason, I. (2014). Discourse and the translator. Routledge.
Kiraly, D. (2015). A social constructivist approach to translator education. Routledge.
Gile, D. (2018). Basic concepts and models for interpreter and translator training. John Benjamins
Publishing.
O’Hagan, M. (2019). Translation technology and its pedagogical applications. Translation Spaces,
8(1), 1–23. https://doi.org/10.1075/ts.18001.ohag
Kussmaul, P. (2012). Training the translator. John Benjamins Publishing.
House, J. (2015). Translation quality assessment: Past and present. Routledge.
Schreiber, C., & Shih, H. (2020). Using AI tools to support technical translation learning. Language
Learning & Technology, 24(3), 45–62.
Bowker, L. (2016). Computer-aided translation technology: A practical introduction. John Benjamins
Publishing.
Risku, H., & Windhager, F. (2018). Digital translation environments and translator competence.
Translation & Interpreting Studies, 13(2), 210–231.
Gambier, Y., & Doorslaer, L. (2017). Handbook of translation studies. John Benjamins Publishing.
Zetzsche, J. (2020). The AI revolution in translation: Opportunities for education and practice.
Multilingual, 31(5), 18–23.
Li, Q., & Wang, Y. (2021). Critical thinking in technical translation education. Journal of Language
and Education, 7(4), 77–95.
Florio, M., & Parini, A. (2019). Integrating cognitive and technological approaches in translator
training. International Journal of Translation Studies, 11(3), 89–110.
Baker, M. (2018). In other words: A coursebook on translation. Routledge.
Chesterman, A. (2016). Memes of translation: The spread of ideas in translation theory. John
Benjamins Publishing.
Pym, A. (2017). Exploring translation theories. Routledge.
Hatim, B., & Mason, I. (2014). Discourse and the translator. Routledge.
Kiraly, D. (2015). A social constructivist approach to translator education. Routledge.
Gile, D. (2018). Basic concepts and models for interpreter and translator training. John Benjamins
Publishing.
O’Hagan, M. (2019). Translation technology and its pedagogical applications. Translation Spaces,
8(1), 1–23. https://doi.org/10.1075/ts.18001.ohag
Kussmaul, P. (2012). Training the translator. John Benjamins Publishing.
House, J. (2015). Translation quality assessment: Past and present. Routledge.
Schreiber, C., & Shih, H. (2020). Using AI tools to support technical translation learning. Language
Learning & Technology, 24(3), 45–62.
Bowker, L. (2016). Computer-aided translation technology: A practical introduction. John Benjamins
Publishing.
Risku, H., & Windhager, F. (2018). Digital translation environments and translator competence.
Translation & Interpreting Studies, 13(2), 210–231.
Gambier, Y., & Doorslaer, L. (2017). Handbook of translation studies. John Benjamins Publishing.
Zetzsche, J. (2020). The AI revolution in translation: Opportunities for education and practice.
Multilingual, 31(5), 18–23.
Li, Q., & Wang, Y. (2021). Critical thinking in technical translation education. Journal of Language
and Education, 7(4), 77–95.
Florio, M., & Parini, A. (2019). Integrating cognitive and technological approaches in translator
training. International Journal of Translation Studies, 11(3), 89–110.