La traductologie comme espace d’interaction : vieux préjugés, nouveaux défis
Notice bibliographique
Résumé
Dans cet article, nous présentons les résultats d’une étude empirique que nous avons réalisée dans quatre universités espagnoles où l’on enseigne la traduction et l’interprétation, afin d’obtenir des données objectives sur la façon dont les matières théoriques sont reçues par les étudiants dans les programmes d’enseignement supérieur. Cette analyse quantitative est basée sur plus de 1 100 questionnaires et un traitement de données grâce au programme Statistical Package for the Social Sciences (SPSS), largement utilisé dans les sciences sociales et appliquées. Nous avons complété l’étude par une analyse exhaustive des plans des cours théoriques des programmes de licence en traduction de toutes les universités espagnoles pour établir une cartographie des piliers conceptuels sur lesquels repose actuellement la formation des traducteurs et des interprètes en Espagne. Les aspects centraux de notre recherche sont l’analyse des compétences, des contenus, des activités d’enseignement et d’apprentissage et, enfin, des activités d’évaluation. Les données nous permettent d’établir des corrélations entre les attentes, les perceptions et les intérêts des étudiants et la formation que les centres universitaires offrent pour ce type de matières. Notre objectif est d’analyser la situation actuelle de la façon la plus précise possible afin d’obtenir des données particulières sur les aspects qui peuvent être améliorés, dans le but d’adapter la planification des cours théoriques à un stade ultérieur.
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 | 0,012 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,031 |
| Communication savante | 0,016 | 0,012 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».