L’autoévaluation appuyée sur l’outillage textométrique dans l’enseignement de la traduction
Notice bibliographique
Résumé
Dans un contexte d’enseignement de la traduction, nous comparons différentes traductions françaises d’un même texte original en anglais (le discours d’investiture prononcé par le président Barack Obama en 2009). Certaines des traductions ont été réalisées par des traducteurs professionnels, d’autres par des outils automatiques, d’autres enfin par des apprenants traducteurs. Les outils textométriques permettent de mettre en évidence les similitudes et différences entre les traductions proposées. L’utilisation de l’alignement du corpus au niveau du paragraphe permet de construire un réseau de correspondances à partir desquelles les calculs textométriques produisent des résultats particulièrement intéressants. L’analyse verticaledes traductions permet de localiser des portions du texte original que les traducteurs ont traitées de manière similaire. En utilisant cette même approche, nous pouvons aussi localiser les fragments qui donnent lieu, à l’inverse, à des traductions différentes et explorer l’éventail des traductions proposées. Les ressources numérisées ainsi élaborées constituent une aide précieuse pour juger de la qualité du travail fourni par les apprenants. Elles leur fournissent, par ailleurs, un outil d’autoévaluation efficace.
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 | 0,010 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,011 |
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 ».