Alignment of Translation Technology Training with Professional Practice in Mexico: A Glimpse into the Situation
Notice bibliographique
Résumé
An exploratory study about the use of translation technologies in translation programs in Mexico reported that few professors teach technology in few translation courses. Some reasons for this were that they had not been well trained in their academic programs when they were students, or they lacked a more comprehensive knowledge of these technologies (Peña Aguilar 2018). Effective training was not possible for most of these instructors as students, and they seemed to be reproducing similar learning insufficiencies with future translators. Because of this, another survey-based project was devised to identify the use that professionals who graduated from Mexican translation programs are making of translation technologies. What could be their disposition towards the use of translation technologies? The results indicate that professional translators do not resort to the use of ‘core’ translation technologies very often, but do use other electronic resources useful for accomplishing their tasks. One in two translators thinks their income has increased due to their technology knowledge, and they learn about these technologies on their own. Additionally, they are partly enthusiastic and neutral about using translation tools of this type. Professional translators think they could have learned about translation environment tools (TEnTs) at university (and they wish they had), but university instructors are still not teaching these technologies as much. So, there is a need reported by a few professionals, but not being dealt by some university programs. This could tell about the need to change or revise translation programs or, at the very least, the need to have a change of attitude on the side of university instructors. In contrast, those that are doing their part would hopefully find some reasons to keep up.
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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».