Tatoeba

Los usuarios pueden buscar palabras para recuperar oraciones que las utilicen. Los resultados se pueden filtrar por idioma, número de palabras, etiqueta y otros criterios. ^{[ 12 ]}

Cada oración se muestra junto a sus traducciones y a las "traducciones de las traducciones". Una sección de comentarios facilita la retroalimentación y las correcciones.

Los usuarios registrados pueden crear listas de oraciones descargables, que pueden ser privadas, públicas o colaborativas.

Se anima a los tatoebans a contribuir en su idioma más fuerte. ^{[ 13 ]} Pueden añadir oraciones originales y traducir las existentes. Pueden revisar o comentar las oraciones de otros usuarios y «adoptar» oraciones sin autor. Los colaboradores avanzados también pueden etiquetar, enlazar y desenlazar oraciones.

Cuando el autor de una oración no responde a una solicitud de corrección, solo el responsable del corpus tiene la potestad de actualizar o eliminar la oración.

Por defecto, las oraciones del Corpus Tatoeba se publican bajo una licencia CC BY , ^{[ 21 ]} lo que permite su uso académico y otros fines. Los usuarios también pueden contribuir con oraciones bajo la licencia CC0 , aunque las traducciones de dichas oraciones actualmente no pueden compartir la misma licencia. ^{[ 22 ]}

Las grabaciones de audio de las oraciones utilizan la licencia elegida por el hablante, como CC BY, CC BY-SA, CC BY-NC o ninguna licencia pública. ^{[ 23 ]}

Los visitantes pueden descargar pares de oraciones delimitadas por tabulaciones, listas para importar a Anki y software de repetición espaciada similar, en el sitio web de Tatoeba. ^{[ 16 ]}

Hay una API inestable disponible para los desarrolladores de software. ^{[ 24 ]}

Las oraciones de Tatoeba pueden usarse para construir referencias lexicográficas para estudiantes de idiomas. El diccionario japonés-inglés JMdict selecciona sus oraciones de ejemplo del Corpus Tatoeba. ^{[ 25 ]} OpenRussian es un diccionario ruso gratuito construido principalmente a partir del contenido de Wikcionario y Tatoeba. ^{[ 26 ]} GoodExample intenta extraer automáticamente un conjunto diverso de oraciones de ejemplo de alta calidad del Corpus Tatoeba en inglés. ^{[ 27 ]}

Los conjuntos de datos de Tatoeba pueden impulsar experiencias de aprendizaje incidental que combinan la adquisición de un idioma extranjero con las actividades cotidianas del usuario, como navegar por internet o leer libros. ^{[ 28 ] [ 29 ]} Un equipo del MIT Media Lab utilizó oraciones de ejemplo de Tatoeba en WordSense, una plataforma de realidad mixta que permite el "aprendizaje fortuito de idiomas en entornos reales". ^{[ 30 ]} Más recientemente, investigadores japoneses implementaron una función de búsqueda de Tatoeba en un entorno integrado de asistencia a la escritura. ^{[ 31 ]}

Aunque las oraciones del  corpus Tatoeba no son todas auténticas, a veces se utilizan para crear aplicaciones de aprendizaje basadas en datos . BES (Basic English Sentence) Search es una herramienta no comercial para encontrar oraciones en inglés de nivel principiante para su uso en materiales didácticos. ^{[ 32 ]} Contiene más de un millón de oraciones, la mayoría procedentes de Tatoeba. ^{[ 33 ]} Reverso utiliza corpus paralelos de Tatoeba en su concordante bilingüe comercial . ^{[ 34 ]}

También se utilizan oraciones de ejemplo como base para ejercicios. Charles Kelly y Paul Raine, ambos profesores de inglés como lengua extranjera en Japón, han desarrollado actividades de aprendizaje de idiomas basadas en oraciones seleccionadas del  Corpus Tatoeba. ^{[ 35 ] [ 36 ]} Clozemaster es un programa de autoaprendizaje de idiomas que genera pruebas de completar espacios en blanco gamificadas a partir de pares de oraciones de Tatoeba. ^{[ 37 ]} Algunos usuarios de Anki comparten tarjetas de memoria que fueron creadas usando Tatoeba. ^{[ 38 ]}

Algunos activistas digitales lingüísticos contribuyen a proyectos colaborativos abiertos como Tatoeba, Wikipedia y Common Voice para promover su lengua minoritaria en espacios digitales. ^{[ 39 ]} Lenguas regionales como el cabilio , el catalán o el vasco pueden registrar más de cien miembros en Tatoeba. ^{[ 40 ]}

El contenido seleccionado de Tatoeba en esperanto está disponible en el DVD multilingüe Esperanto Elektronike publicado por E@I. ^{[ 41 ]} A noviembre de 2022, el esperanto es el quinto idioma pivote de Tatoeba , con más de 330 000 oraciones traducidas a al menos dos idiomas. ^{[ 16 ]} Otros idiomas construidos como Toki Pona , Interlingua , Klingon , Lojban e Ido también tienen una presencia significativa. ^{[ 15 ]}

De 2008 a 2011, Francis Bond utilizó el Corpus Tatoeba para su investigación sobre la lengua japonesa. ^{[ 43 ] [ 44 ]}

Desde 2013, Jörg Tiedemann ha estado difundiendo los corpus paralelos de Tatoeba más ampliamente en la comunidad de traducción automática compartiéndolos en el repositorio OPUS y organizando el "Tatoeba  Translation  Challenge". ^{[ 45 ] [ 46 ]} Con el auge del aprendizaje profundo , los investigadores utilizan cada vez más los conjuntos de datos de Tatoeba para entrenar y evaluar sus modelos masivamente multilingües en tareas como la traducción automática , ^{[ 47 ]} la identificación de idiomas , ^{[ 48 ]} la búsqueda semántica , ^{[ 49 ]} y el reconocimiento de voz . ^{[ 50 ]}