Parallel Corpora and ST Analysis: EU Regulations on Immigration in the Specialised Translation Classroom
Notice bibliographique
Résumé
Starting from the assumption that “if corpora are to play a role in the translation professions of tomorrow, it is important that they impact on the education of the students of today” (Bernardini & Castagnoli, 2008, p. 40), this study endeavours to show how translation corpora of parallel texts (in English and in Italian) can be used in a Specialised Translation Master’s degree classroom. The point of departure is to examine parallel or aligned texts (originals and their translations) taken from the various European Union websites available for citizens to read and consult. The corpora currently being gathered include a variety of text typologies ranging from legal documents (such as regulations or directives), to administrative documents (such as White and Green papers) or informative texts (such as leaflets, brochures or web texts) (Felici, 2010, p. 101), all of them dealing with migration and asylum issues. The various types of documents are analysed quantitatively and qualitatively in class according to the following three main methodologies: Corpus Linguistics (Stubbs, 1996), Genre Analysis (Swales, 1990; Bhatia, 1993) and Systemic Functional Linguistics (Halliday, 1985; Halliday & Matthiessen, 2004). Classroom experiences in the past few years have shown that building ad hoc corpora (or do-it-yourself corpora as coined by Krüger, 2012, p. 514) for classroom consumption is a valuable and precious learning tool which enables students to hone their practical skills in the resource gathering process and consequently in the translation process itself. This study focuses on an EU regulation and shows how a lesson in class can be conducted with students at Cagliari University, Italy. The aim is to get students to work on the quantitative aspects along with the more qualitative linguistic elements of the ST (Source Text) in order to obtain greater awareness and understanding of professional translator strategies used by the professionals in the translation agencies of European Union institutions. From an educational and academic point of view, the linguistic and contrastive analysis of certain features of the ST along with the investigation of specialised terminology associated with contexts of migration and asylum and their equivalents in the TT (Target Text), have so far provided the Master’s students at Cagliari University with useful insights and sound knowledge of the linguistic characteristics of legal and institutional discourse in both English and Italian.
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 | 0,022 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».