MétaCan
Menu
Retour à la cohorte
Enregistrement W3113034299 · doi:10.52034/lanstts.v19i0.531

Current research in bilingualism and its implications for Cognitive Translation and Interpreting Studies

2021· article· en· W3113034299 sur OpenAlexaff
John W. Schwieter, Julia Festman, Aline Ferreira

Notice bibliographique

RevueLinguistica Antverpiensia New Series – Themes in Translation Studies · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésNeuroscience of multilingualismInterpreterCognitionPsychologyLexiconSet (abstract data type)Cognitive psychologyMultilingualismMental lexiconCognitive scienceLinguisticsComputer scienceNeurosciencePedagogy

Résumé

récupéré en direct d'OpenAlex

This article discusses research in the field of bilingualism that has the potential to inform the related, albeit disconnected, field of Cognitive Translation and Interpreting Studies (CTIS). It reviews issues such as lexical access and the multilingual mental lexicon, inhibitory control and the “bilingual advantage debate”. This debate refers to the question whether bilingualism leads to cognitive advantages that monolinguals do not develop. Although these claims have not been fully tested in translators and interpreters – both novice and advanced professionals – it is plausible that if there are indeed cognitive advantages that arise from managing “two languages in one mind”, such benefits may correlate with neural and cognitive changes due to the training, accumulated experience and expertise of translators and interpreters. These topics merit inclusion in the expanding set of prominent research themes in CTIS. Future research in CTIS can use findings from bilingualism and the bilingual advantage debate to account for the peculiarities of translational cognition.

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)0,017
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0030,020
Communication savante0,0080,011
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,509
Tête enseignante GPT0,605
Écart entre enseignants0,097 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLinguistica Antverpiensia New Series – Themes in Translation StudiesMême sujetInterpreting and Communication in HealthcareTravaux en français237 207