Medical Interpreting – A Race against Time
Notice bibliographique
Résumé
There are several factors that make medical interpreting particularly difficult, ranging from the emotional burden interpreters have to bear to terminological problems, from ethical issues to role confusion and relational complications. Interpreting tasks are made even more complicated by time constraints. In emergency situations time may even be a matter of life and death, so finding ways to avoid the wasting time is essential. This paper looks at ways new technologies are currently used to improve medical interpreters’ reaction times in the most advanced countries in this field (US, UK, Australia and Canada) and in the three countries participating in the ReACTMe project: Spain, Romania and Italy. The situation is examined from the point of view of the advantages and risks of using remote interpreting in medical settings, of the availability and efficiency of existing tools, and, last but not least, of the possible improvements in the countries of our project. The aim is to identify and disseminate methods and practices that can aid healthcare institutions and provide the basis for new training programmes that make full use of the different modes of remote 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 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 | 0,035 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,018 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,007 | 0,025 |
| Science ouverte | 0,011 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».