Resultados de la evaluación

Interpreta las puntuaciones de las mediciones, las tasas de aprobación y los recuentos de reglas y términos a partir de las respuestas y los denominadores en los que se basan.

Los informes de resultados de evaluación resumen las respuestas de las mediciones. El panel de puntuaciones de Radar → Descripción general muestra el mes actual; un informe de Explorar con la fuente Mediciones permite filtrar las respuestas por medición, idioma, motor o tipo de evento. Usa cualquiera de los dos para detectar un patrón y luego abre las respuestas individuales para entender el texto detrás de él.

La puntuación de la descripción general y los informes de Explorar resumen las respuestas de aprobación o rechazo y las de puntuación numérica, incluidos los resultados N/A cuando corresponde contarlos. Resultados muestra esas respuestas individuales con su texto y el razonamiento disponible. Las clasificaciones de patrones de edición quedan fuera de estos informes y listas de resultados. Indica siempre la medición y el tipo de evento: nombres similares pueden describir evidencias distintas.

Puntuación de la descripción general #

El panel muestra el mes como etiqueta y sus barras representan las puntuaciones promedio diarias. Cada día agrupa las respuestas de aprobación o rechazo y las de 0–100 de todas las mediciones de ese día: una aprobación cuenta como 1, un rechazo como 0 y una puntuación como su valor dividido entre 100. Las respuestas N/A se excluyen, al igual que las respuestas estructuradas, como los patrones de edición. El valor principal promedia los días que tienen una puntuación, sin ponderarlos por la cantidad de respuestas. La línea inferior compara lo que va del mes con los mismos días del mes anterior, en puntos.

Como el panel agrupa todas las mediciones, combina criterios cuyos valores apuntan en direcciones distintas. Una mayor distancia de edición significa que se modificó más texto, y una respuesta aprobada en la tasa de edición significa que el texto se editó. Toma un cambio en el panel como un motivo para abrir Explorar con una sola medición seleccionada, no como un veredicto sobre la calidad.

Puntuaciones #

En Datos, elige el campo y el cálculo para las respuestas de las mediciones que quieres examinar:

DatosCálculo
MediciónRecuento: respuestas de aprobación o rechazo y de puntuación numérica, incluidas las N/A. Valores únicos: cuántas mediciones distintas dieron una respuesta
PuntuaciónPromedio o Suma de las respuestas de 0 a 100 que no son N/A
Valor booleanoPromedio: cantidad de respuestas aprobadas de tipo aprobación o rechazo, dividida entre la cantidad de respuestas de ese tipo que no son N/A
Aprobadas, RechazadasRespuestas de tipo aprobación o rechazo que se aprobaron o rechazaron
No aplicableRespuestas N/A
Tipo de valor, Tipo de evento, Idioma de destino, Idioma de origen, Decidido por, Modelo evaluador, Motor, ProveedorRecuento de las respuestas que contienen el campo, o Valores únicos de ese campo

Antes de comparar puntuaciones, selecciona una Medición como filtro o desglose, o usa su configuración preestablecida como punto de partida. Sin esa selección, Puntuación combina criterios que no están relacionados. Usa Modelo evaluador, Tipo de valor, Decidido por, idiomas, motor o proveedor como desglose para examinar la población de respuestas.

Para obtener Valores únicos de un período completo, usa Tiempo → Total. Sumar los recuentos diarios de valores distintos puede hacer que una medición o un motor se cuente más de una vez.

Las respuestas de cumplimiento del glosario y de reglas muestran con qué consistencia se aplican los términos de tu glosario y tus reglas; la tasa de edición y la distancia de edición muestran con qué frecuencia y cuánto modifican las personas las traducciones. Para la tasa de edición en un centro de ayuda de Zendesk o un repositorio de GitHub, Explorar cuenta una sola vez cada traducción que escribió Lingo.dev: se marca como aprobada si una persona la modificó. Por lo tanto, Valor booleano con Promedio es la proporción de esas traducciones que las personas modificaron, contabilizadas en el período en que Lingo.dev las escribió.

El recuento de respuestas almacenadas no permite determinar la población elegible completa. No incluye los intentos fallidos ni las traducciones que nunca llegaron a evaluarse. Los eventos que quedan fuera de los idiomas, motores o la muestra de una condición pueden tener respuestas N/A. Conserva esa selección junto con la cobertura de finalización y de resultados determinados.

Interpreta correctamente el promedio de un período completo #

Supongamos, a modo de ejemplo, que un día tiene 1 aprobación de 1 respuesta y otro tiene 0 aprobaciones de 9 respuestas. Promediar las tasas diarias da un 50 %; agrupar las diez respuestas da un 10 %. El valor principal de la descripción general promedia los días, por lo que muestra un 50 %. En Explorar, elige Valor booleano → Promedio, Tiempo → Total y un gráfico de Número para el mismo intervalo y obtendrás un 10 %. El totals.averageScore de la respuesta de la consulta devuelve el mismo resultado agrupado para estas respuestas de aprobación o rechazo en el contrato de consulta de informes.

Un gráfico de líneas por día muestra el valor agrupado de cada día, pero no cuántas respuestas hay detrás de cada punto. Agrega Medición con Recuento y revisa No aplicable cuando sea importante conocer la población de un día. Los nombres de las mediciones pueden cambiar, así que conserva los ID en los análisis recurrentes.

Un cambio en el promedio puede reflejar un criterio, una muestra, una combinación de idiomas o un formato de respuesta diferentes. Revisa esos factores antes de atribuir la diferencia a mejores traducciones. Una puntuación numérica no representa por sí misma una probabilidad de que algo sea correcto, y un promedio alto puede coexistir con un error grave en un pasaje.

Reglas y términos #

El cumplimiento de reglas puntúa la proporción de reglas aplicables que siguió la traducción. El cumplimiento del glosario puntúa la proporción de hallazgos de términos devueltos que se marcaron como aplicados. La puntuación de cada respuesta es passed / checked × 100; si no se verificó nada, la respuesta es N/A.

Usa Puntuación con Promedio para comparar las respuestas numéricas de la medición en Explorar. Así, cada respuesta con un resultado determinado tiene el mismo peso, sin importar cuántas reglas o términos se aplicaron. Resultados muestra la puntuación y la explicación disponible, pero no los totales separados de passed y checked. Por lo tanto, el informe no permite conocer la proporción agrupada de verificaciones individuales de reglas o términos que se aprobaron.

La puntuación promedio tampoco equivale al porcentaje de traducciones que siguieron todas las reglas. Una respuesta N/A sin verificaciones aplicables no es lo mismo que una traducción que no las superó. Abre Razonamiento y la Solicitud al evaluador disponible para revisar los hallazgos detrás de una puntuación antes de cambiar la traducción o las indicaciones.

Estas verificaciones leen el glosario y las reglas vigentes del motor al ejecutarse. Por eso, pueden no coincidir con lo que una solicitud recibió realmente al momento de la generación. Revisa las reglas incumplidas y los términos omitidos junto con el texto antes de corregir una traducción de destino. Si la solicitud no contenía las indicaciones esperadas, investiga la Recuperación de contexto. Si una regla no es clara, aclárala en Reglas; para los términos, usa Glosarios y Definir un término con límites.

Compara idiomas e investiga las causas #

Al comparar idiomas, usa el mismo criterio, población de origen, intervalo y política de selección. Presenta los recuentos de respuestas puntuadas y los datos faltantes junto a los resultados. Un idioma con menos respuestas en la muestra puede parecer mejor simplemente porque llegó contenido distinto al evaluador.

La carga de trabajo, los hallazgos de calidad y la actividad de edición son medidas distintas; los recuentos de cambios en el repositorio no permiten determinar si hubo correcciones lingüísticas. Lee el texto de origen y el contexto, además del texto de destino. Un texto de origen ambiguo o una instrucción contradictoria pueden producir hallazgos recurrentes en distintos idiomas. Diagnosticar ese patrón requiere modificar el texto de origen y establecer una clasificación explícita, en lugar de inferir defectos en el origen solo a partir de puntuaciones bajas en el destino.

Para una comparación planificada, Comparar modelos de traducción mantiene el mismo contenido y los mismos criterios. Ante un hallazgo sospechoso, Validar hallazgos de calidad permite determinar si el problema reportado es real.