Notice bibliographique
Résumé
There are number of methods, approaches and techniques in evaluating translated texts, but none is as systematic as House (1977, 1997, 2004b, 2007, 2009, 2013, 2015) model of translation quality assessment. The present study was carried out to explore House (1997) model of translation quality assessment (TQA). To pursue this purpose, the model was applied to a psychology textbook. The model is based on functional equivalence and is set to give a thorough analysis of the source language, target language and their comparison. Researchers, however, came to realize some shortcomings in the model; there are basically couple of difficulties with the model. First, House (1997, 2015) does not provide any guide to how much translated text should be assessed i.e. what sample size is needed for the model to operate and be reliable. Another even more serious problem is the fact that one cannot spell out exactly to which degree quality of target text is equal to its source? The researchers proposed two main components to be added to the model, one to the beginning and the other to the end of the model. In order to modify this model in terms of sample size and rating scales, researchers decided to adopt Sical system, which stands for the Canadian Government Translation Bureaus Quality Measurement System in order to have a scale for final quality statement. According to Sical measurement system, a passage of 400 words has been randomly chosen from a psychology textbook and tested against the modified model of quality assessment. Researchers found that the translation could be ranked B fully acceptable. The result shows that the modified model is more systematic and accessible.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,086 | 0,182 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».