Simulation-Based Learning as an Effective Method of Practical Training of Future Translators
Notice bibliographique
Résumé
The research topicality is determined by the problem of lack of qualified specialists who have a high level of foreign language proficiency and the ability to carry out effective professional foreign language communication. The study involved the following methods: Rokich’s Value Orientations Test, Nemov’s methods for diagnosing the expectation of success level, the Self-Efficacy Scale (R. Schwarzer, M. Jerusalem); testing on the material taught on the Theory and Practice of English Translation, chi-squared test, Mann-Whitney U test. Results: Simulation of real conditions and situations of translation activity is used in almost every lesson (80%), promoting the development of future translators’ professional competencies. The final control in the experimental group found that all students had a high (48.10%) or medium (51.30%) level of foreign language proficiency, which confirms the effectiveness of the simulation method. In the experimental group, the percentage of students with a low level of foreign language proficiency at the end of the research decreased from 26.3% to 0.6%, and the percentage of students with a high level of foreign language proficiency almost tripled. At the same time, in the control group the number of students with a low level of foreign language proficiency decreased from 25% to 10%, while the percentage of students with a high level of foreign language proficiency increased by only 1.6 times. Therefore, the hypothesis of this scientific research was experimentally confirmed. Simulation training promotes the development of foreign language competencies of students majoring in Translation.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».