MétaCan
Menu
Retour à la cohorte
Enregistrement W4404022238 · doi:10.7202/1113949ar

Strategic syntactic restructuring during simultaneous interpreting from Turkish into English

2024· article· en· W4404022238 sur OpenAlexvenueno aff
Ena Hodzik, Semra Özdemir, Nesrin Conker, Orhan Bilgin

Notice bibliographique

RevueMeta Journal des traducteurs · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesBoğaziçi Üniversitesi
Mots-clésTurkishRestructuringLinguisticsComputer scienceNatural language processingPolitical sciencePhilosophyLaw

Résumé

récupéré en direct d'OpenAlex

This study investigated the effects of contextual constraint and transitional probability on verb interpreting latency and syntactic restructuring during simultaneous interpreting from Turkish verb-final into English (verb-medial) sentences by trainee and professional Turkish (A)—English (B) interpreters. We found that contextual constraint, but not transitional probability, leads to both a decrease in interpreting latency on the sentence-final verb and a higher degree of syntactic restructuring between the source language input and target language output in both trainee and professional interpreters. Moreover, no between-group differences were observed in the effect of contextual constraint on verb interpreting latency and syntactic restructuring. The present findings suggest that, irrespective of experience, interpreters use contextual cues to restructure the word order between the source input and target output and produce the verb faster in the target output. This provides an argument for examining interpreting latency and syntactic restructuring together, as possible indicators of unvoiced anticipation during simultaneous interpreting between languages with dissimilar structures, such as Turkish and English.

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)0,001
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,386
Écart entre enseignants0,324 · 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'étudeObservationnel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeta Journal des traducteursMême sujetInterpreting and Communication in HealthcareTravaux en français237 207