La traduction automatique comme outil d’aide à la rédaction scientifique en anglais langue seconde : résultats d’une étude exploratoire sur la qualité linguistique
Notice bibliographique
Résumé
Nous explorons dans cet article la pertinence d’utiliser la traduction automatique (TA) comme outil d’aide à la rédaction scientifique en anglais langue seconde (ALS). L’expérience, à laquelle ont participé dix chercheurs, comprenait deux tâches : la rédaction d’un texte en ALS et la rédaction d’un texte en langue maternelle. Ce dernier a ensuite été traduit automatiquement et post-édité par le participant. Par la suite, nous avons évalué la qualité linguistique des textes produits dans les deux situations, à partir d’une analyse des modifications linguistiques effectuées par une réviseure professionnelle. Selon nos résultats, la qualité linguistique des textes est sensiblement la même dans les deux situations, tandis que des différences apparaissent dans les dimensions linguistiques et dans les types d’unités touchées. L’article se termine par une réflexion sur les facteurs pouvant influencer ces résultats. Nous concluons en réitérant la pertinence d’étudier l’utilisation de la TA pour la rédaction d’articles en anglais de spécialité.
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 | 0,032 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».