Citizen interpreters in crisis response: Social capital, ethical trade-offs, and hybrid quality control in emergency language services—A comparative analysis of volunteer-led practices in COVID-19 pandemic and climate disasters
Notice bibliographique
Résumé
This study investigates the dual role of citizen interpreters in addressing emergency language gaps during crises, combining social capital theory and crisis ethics. Through comparative case studies of coronavirus disease 2019 responses in Montreal's multilingual communities and Hurricane Ida relief efforts within Louisiana's Haitian-Cajun networks, this research identifies three core tensions: the paradox of relational proximity, trade-offs between immediacy and accuracy in terminology translation, and challenges in scaling informal volunteer networks. The study introduces a hybrid quality control model integrating three components: (1) rapid crisis terminology training to bridge institutional-lay knowledge gaps, (2) peer review circles for contextual meaning-making, eg, negotiating "heat exhaustion" in Punjabi dialects, and (3) institutional mentorship to resolve ethical dilemmas, eg, disclosing shelter capacities without triggering trauma. By operationalizing Putnam's bridging/bonding capital and Bourdieu's cultural capital, the model reconciles grassroots agility with professional accountability, demonstrating that citizen interpreters' cultural embeddedness-when systematically supported-can transform emergency language services into participatory practices of language justice. Findings highlight the need for crisis communication frameworks that prioritize both interpretive accuracy and community trust, offering theoretical insights into the sociology of translation and practical guidelines for disaster preparedness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,016 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».