MétaCan
Menu
Retour à la cohorte
Enregistrement W4220775215 · doi:10.5430/wjel.v12n2p405

ESP for Interpreters and Translators: Foreign Language Provision or Integrated Education?

2022· article· en· W4220775215 sur OpenAlexvenueno aff
Alla Kyrda-Omelian, Леся Вікторова, Mykola Kutsenko, Yuliia Bobyr, Kostiantyn Mamchur, Olena Shcherbyna, Oleksandr Lahodynskyi, Ihor Bloshchynskyi

Notice bibliographique

RevueWorld Journal of English Language · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInterpreterCompetence (human resources)English for specific purposesNeeds analysisForeign languageComputer scienceSpecialtyPhilologyMedical educationPedagogyKnowledge managementEngineering managementMathematics educationPsychologySociologyEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

The paper is a complex study of advanced training of state employees, including servicemen on the positions of interpreters and translators. The research is aimed at efficient organization of English for Specific Purposes course taking into account specific needs of the main stakeholders. The purpose of the training is the efficient use of English by course participants, who are Philology specialty graduates, in professional settings. The learners are expected to gain knowledge and experience in the positions of interpreters or translators of the Division of International Cooperation, the Division of Military and Technical Cooperation, the Division of Informational and Analytical Support of state bodies of Ukraine. On the basis of the insights gained from designing an ESP course for state employees on such positions, analyzing their job responsibilities and all the stakeholders’ needs, reviewing literature on ESP and integrated education, this paper is intended to provide theoretical background and practical assistance for ESP specialists involved in research and design processes of the courses as well as for those who prepare learning materials for interpreters and translators seeking problem-based training to develop their professional competence.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0050,005
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,010
Tête enseignante GPT0,251
Écart entre enseignants0,241 · 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'étudeQualitatif
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetSecond Language Learning and TeachingTravaux en français237 207