MétaCan
Menu
Retour à la cohorte
Enregistrement W2999187051 · doi:10.5539/ijel.v10n2p1

The Usefulness of Different Forms of Translation in a CLIL Environment

2020· article· en· W2999187051 sur OpenAlexvenueno aff
Michela Canepari

Notice bibliographique

RevueInternational Journal of English Linguistics · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesUniversità degli Studi di Parma
Mots-clésClass (philosophy)MulticulturalismTrainerPedagogyMathematics educationSociologyPsychologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This article aims to explore the role translation can play within a CLIL environment. The hypothesis that the research project, on which this paper is based, wanted to prove, was that the introduction of materials and activities informed by the use of various forms of translation could lead to an enhancement of the performance in students attending CLIL courses at the level of both content and language. As Snell-Hornby stated at the end of the twentieth century, the practice of translation in our society has increasingly acquired a fundamental importance. Yet, for many years, translation has often been excluded from the language class. However, in our multicultural society, translation has become an essential tool in various professional and social contexts, including the multicultural classrooms teachers act in. This article is based on my experience as a teacher trainer (English language and CLIL methodology) and on the results obtained during research which focused, in particular, on the use of various forms of translation in CLIL courses and which extended over the school years 2017-2018 and 2018-2019. As a result, this article argues in favor of translation in the CLIL class. On the basis of the outcomes obtained, it is my contention here that Learning Units such as those presented here, where translation works in synergy with CLIL methodology, are perceived as motiving by students, thereby facilitating the development of various disciplinary and communicative skills.

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)0,022
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,046
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,008
Communication savante0,0130,008
Science ouverte0,0010,011
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,038
Tête enseignante GPT0,243
Écart entre enseignants0,205 · 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'étudeObservationnel
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetSecond Language Learning and TeachingTravaux en français237 207