Simulation-Based Learning as an Effective Method of Practical Training of Future Translators
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle