La TAN dans les cursus universitaires des membres de l’ACET: état des lieux
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
L’Association canadienne des écoles de traduction (ACET) a pris l’initiative de sonder ses membres afin de comprendre comment ces derniers répondent aux nouveaux besoins du marché. C’est dans cette optique que le Comité d’intégration pédagogique de la traduction automatique neuronale (CIPTAN) a été créé en juin 2021, afin de comprendre le phénomène et de mener une action concertée en vue d’intégrer la traduction automatique neuronale (TAN) aux cursus universitaires. Le présent rapport correspond à la première étape du projet, soit l’état des lieux. Il a été rédigé par trois membres du CIPTAN, soit Éric Poirier de l’Université du Québec à Trois-Rivières, Chantal Gagnon (Université de Montréal) et Danièle Marcoux (Université Concordia). Pour effectuer l’état des lieux, le comité a eu recours à deux types de données : A) les réponses des membres de l’ACET à un questionnaire envoyé en juillet 2021 et B) les programmes de traduction des différentes universités répondantes, tels que figurant sur leur site Web en date de juin 2022.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 découle