MétaCan
Menu
Retour à la cohorte
Enregistrement W2399419509 · doi:10.7202/1036141ar

Directionality in Signed Language Interpreting

2016· article· en· W2399419509 sur OpenAlexvenueno aff
Jihong Wang, Jemina Napier

Notice bibliographique

RevueMeta Journal des traducteurs · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesMacquarie University
Mots-clésSign languageInterpreterLinguisticsFirst languageLanguage proficiencyComputer sciencePsychologyNatural language processing

Résumé

récupéré en direct d'OpenAlex

This mixed methods study investigated the effects of directionality (language direction) and age of signed language acquisition on the simultaneous interpreting performance of professional English/Auslan (Australian Sign Language) interpreters, who comprised native signers and non-native signers. Each participant interpreted presentations simultaneously from English into Auslan, and vice versa, with each task followed by a brief semi-structured interview. Unlike a similar study, results reveal no significant differences between the native signers’ English-to-Auslan simultaneous interpreting performance and their Auslan-to-English simultaneous interpreting performance, suggesting that balanced bilingual interpreters are free from the rule of directionality. Although this finding held true for the non-native signers, results indicate a need for the non-native signers to continue to enhance their signed language (L2) competence. Furthermore, although the native signers were similar to the non-native signers in overall simultaneous interpreting performance in each language direction, the native signers were significantly superior to the non-native signers in both the target text features and delivery features of English-to-Auslan simultaneous interpreting performance. These findings also suggest that the non-native signers need to further improve their signed language (L2) proficiency. Nevertheless, an analysis of the qualitative interview data reveals that the professional interpreters perceived distinct challenges that were unique to each language direction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,047
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,430
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeta Journal des traducteursMême sujetInterpreting and Communication in HealthcareTravaux en français237 207