“Translating” legal translation training theory into practice: the McGill University experience
Notice bibliographique
Résumé
In the fall of 2020, McGill University (Montreal, Canada) launched a graduate diploma that focused on legal translation. The Graduate Diploma in Legal Translation (GDLT) aims to train the next generation of legal translators and jurilinguists in Canada. One of the main pillars of the GDLT is the formal and comprehensive interdisciplinary approach to legal translation competence development (Prieto Ramos 2011, 2015). Based on five core competences (strategic and methodological, communicative and textual, thematic and cultural, instrumental, and interpersonal and professional management), this approach is integrative and process-oriented with the aim of ensuring quality and adequacy in legal translation. McGill University used this approach as a roadmap to create the GDLT structure and plan of study. In this paper, we will offer an overview of McGill University’s initiative, providing critical analysis of the approach proposed by Prieto Ramos and of its interpretation and application for training purposes at McGill University. Our curriculum mapping methodology involves aligning the course-level learning outcomes to the broader programme-level learning outcomes which coincide with the proposed five core competences. Findings on the degree of alignment and an argument for an enriched competence training approach will be discussed in this paper.
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 | 0,022 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,027 | 0,015 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».