MétaCan
Menu
Retour à la cohorte
Enregistrement W2406602820 · doi:10.3968/8441

Active Listening in MTI Interpreting Introductory Course for Chinese Students

2016· article· en· W2406602820 sur OpenAlexvenueno aff
Hairuo Wang

Notice bibliographique

RevueStudies in literature and language · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActive listeningCONTESTPsychologyMathematics educationListening comprehensionChinaIdentification (biology)ComprehensionLinguisticsPedagogyCommunicationHistory

Résumé

récupéré en direct d'OpenAlex

MTI students who are native Chinese, though already acquired a reasonable level of English, were not able to adequately interpret the English speech into Chinese at the beginning of the course, mostly probably because of their inadequate comprehension. In order to be able to develop interpreting skills, students should be able to acquire the ability of active listening. The purpose of this study is to try to figure out indicators of active listening at the beginning stage of the interpreting course for the teachers to refer to in the identification of this stage of students’ development and form teaching strategies accordingly. The study is based upon the observation and analysis of the corpus of the national finals of the 3rd CTPC Cup All China Interpreting Contest, whose contestants were at the stage of active listening, and yet to be further developed to be professionals. It was found out that there are six indicators showing the ability of active listening and four types of practices can be formed based upon the six indicators. The research limitation is that it is yet to be further studied on how long the teaching of active listening should last in the interpreting course. In the interpreting courses, it is possible for the teachers to refer to the six indicators and the four types of exercises to help the students get through this stage of development and lay a good foundation for their further development in interpreting.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,497
Écart entre enseignants0,468 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in literature and languageMême sujetInterpreting and Communication in HealthcareTravaux en français237 207