MétaCan
Menu
Retour à la cohorte
Enregistrement W6998571635

Analyse des besoins du marché de la traduction et de l'interprétation : vers l'optimisation de la formation des traducteurs et interprètes professionnels au Nigéria

2018· other· fr· W6998571635 sur OpenAlexaboutno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2018
Typeother
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueFood Supply Chain Traceability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgrégationContext (archaeology)Qualitative analysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La présente thèse porte à la fois sur le contexte sociologique de la traduction et la formation en traduction au Nigéria. La formation des traducteurs et interprètes en tant que branche de la traductologie appliquée, selon la cartographie de Holmes, est un champ de recherche très important qui ne cesse de susciter l’intérêt des traductologues et pédagogues un peu partout dans le monde, et ce, depuis le début des années 1990. Or il existe très peu d’études récentes traitant de ce sujet en ce qui concerne le Nigéria. Par ailleurs, selon nombreux auteurs (voir Durieux, 2005; Kelly, 2005; Kiraly, 2005 et Fiola, 2003a, par exemple), la connaissance et la prise en compte des besoins du marché s’avèrent essentielles dans la mise en œuvre d’un programme de formation des traducteurs et interprètes professionnels qui se veut efficace. Pour le Nigéria, on observe une inadéquation entre les programmes de formation en traduction et en interprétation offerts à l’heure actuelle ou dans un passé récent et le marché du travail. Partant de cette prémisse, notre thèse, qui prend la forme d’une recherche descriptive à enjeu pragmatique (Van der Maren, 2004), a pour objectif d’examiner le problème afin d’y proposer des solutions possibles. Elle s’inscrit également dans la logique d’une recherche-action, car son but ultime est l’amélioration de la pratique des professions jumelles de traduction et interprétation, notamment au Nigéria et par ricochet, en Afrique. Pour ce faire, la présente étude a été menée en adoptant une méthodologie de recherche à deux volets : une enquête fondée sur des entrevues semi-dirigées et une étude comparative des programmes de formation. Ainsi, nous avons interrogé les représentants de vingt-trois organisations, qui sont considérées au départ comme étant des usagers (employeurs) réels ou potentiels sur le marché nigérian de la traduction et de l’interprétation, afin de cerner leurs besoins et déterminer comment ceux-ci sont comblés, le cas échéant. Ensuite, dix-neuf programmes de deuxième cycle en traduction et en interprétation ont été étudiés de manière analytique et comparative, dans le but de dégager leurs caractéristiques. Il s’agit de deux programmes offerts en France, deux au Canada, deux au Cameroun, deux au Ghana et onze au Nigéria. D’une part, les résultats de l’analyse des besoins du marché que nous avons réalisée montrent qu’il existe réellement des besoins en traduction et en interprétation au Nigéria, mais que ces besoins sont loin d’être suffisamment comblés. D’autre part, à la lumière de l’analyse comparative des programmes de formation en traduction et en interprétation effectuée, il ressort que le Nigéria aurait intérêt à revoir les programmes existants et à en créer des nouveaux, tout en prenant en considération les besoins du marché présents et futurs. Finalement, nous avons proposé des stratégies pour l’optimisation de la formation des traducteurs et interprètes professionnels au Nigéria, dont un cadre de référence utilisable pour les nouveaux programmes recommandés.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,555
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,230
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)Même sujetFood Supply Chain TraceabilityTravaux en français237 207