MétaCan
Menu
Retour à la cohorte
Enregistrement W4408534110 · doi:10.5430/wjel.v15n4p215

Insights into the Challenges and Strategies of United Nations Conference Interpreters: A Qualitative Study

2025· article· en· W4408534110 sur OpenAlexvenueno aff
Susi Masniari Nasution, Syahron Lubis, Deliana Deliana, Umar Mono

Notice bibliographique

RevueWorld Journal of English Language · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInterpreterComputer sciencePolitical scienceProgramming language

Résumé

récupéré en direct d'OpenAlex

In United Nations (UN) conferences, the role of simultaneous interpreters becomes crucial. This research investigates the strategies employed to address both technical and non-technical challenges faced by simultaneous interpreters in UN conferences. The study aims to explain the procedures and processes involved in simultaneous interpreting, as well as identify the encountered challenges (rooted in experience). This qualitative research employs the conversation analysis proposed by Silverman (2019). Primary data sources consist of the experiences of six interpreters: representing English, French, Spanish, Russian, Arabic, and Chinese. Data collection methods encompass observation, transcription, and note-taking, including annotations. Data analysis reveals a range of technical and non-technical factors. Among the technical factors are speed and the use of specific terminology, with instances found in the experiences of English interpreter Paul Pottingen, Spanish interpreter Maria Carolina López Uribe, Arabic interpreter Soumiya Lahlao, French interpreter Sergio Escamilla, and Russian interpreter Olga Znamenshchikova. However, Chinese interpreter Xunyu Emielic Hung shared no technical challenges. Non-technical factors encompass feelings of fear, nervousness, and pressure. These emotions are shared among all interpreters except the Spanish interpreter. Significantly, technical difficulties can exacerbate non-technical challenges. Therefore, addressing these issues requires interpreters to strategize ways to enhance of their linguistic understanding, cross-cultural communication proficiency, and the overall quality of their experience in simultaneous interpreting.

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)0,025
score de la tête « metaresearch » (Gemma)0,033
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0140,010
Communication savante0,0070,006
Science ouverte0,0020,007
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,068
Tête enseignante GPT0,460
Écart entre enseignants0,393 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetInterpreting and Communication in HealthcareTravaux en français237 207