Resumen de Machine Interpreting to Achieve Social and Economic SDGs? A Use Case for Refugee Communication in Switzerland.

Alice Delorme Benites, Romina Schaub Torsello, Daniela Sager, Mattia Turra

• español

  Este proyecto explora cómo las aplicaciones de interpretación automática pueden facilitar la comunicación entre personal institucional y personas refugiadas en Suiza. Con la llegada anual de unas 15 000 personas, las barreras lingüísticas plantean importantes retos. Los servicios de interpretación son costosos y escasean personas voluntarias que trabajen con lenguas minoritarias. El estudio evalúa el potencial y los problemas de mantener una conversación entre una persona migrante y el personal de respuesta utilizando Microsoft Translator. Se realizaron entrevistas para determinar necesidades y expectativas del personal institucional, y simulaciones para evaluar la viabilidad y los efectos de la interpretación automática en la conversación. Pese a que se detectaron problemas de precisión, las personas migrantes se sintieron empoderadas y tenían mejor control de la conversación. Sin embargo, aspectos no verbales apuntan al advenimiento de nuevas prácticas de toma de turnos en conversaciones con interpretación automática, lo cual debería investigarse más a fondo.

• English

  This project explores how machine interpreting apps can aid communication between employees of institutions and refugees in Switzerland. With around 15,000 refugees arriving annually to the country, language barriers pose significant challenges. Interpreting services are costly, and volunteers for less common languages are scarce. The study assesses the potential and problems of conducting a full conversation between a migrant and a response worker using only Microsoft Translator. We conducted semi-guided interviews to map the needs and expectations of institution employees and used case simulations to evaluate the practicability and the impact of machine interpreting on the conversation. Despite accuracy issues, migrants felt empowered and had a better conversation control. Yet nonverbal aspects hint towards new emerging turn-taking practices for machine interpreted conversations. This latter point should be further investigated.