Énième plaidoyer pour l’innovation dans les cours pratiques de traduction. Préalables à l’innovation?
Bibliographic record
Abstract
Nombreux sont les didacticiens de la traduction qui, au cours des trente dernières années, ont proposé des idées pour innover en matière de techniques d’intervention pédagogique dans les cours pratiques de traduction. Cependant, la situation n’a pas beaucoup changé et encore aujourd’hui les formules pédagogiques utilisées dans de nombreux cours pratiques de traduction se limitent aux méthodologies traditionnelles (performance magistrale, traductions collectives et la méthodologie du « lisez et traduisez »). Notre travail reprend ce désir d’innover tout en soulignant l’importance de cinq idées que nous considérons des préalables à l’innovation en enseignement de la traduction. Ces idées aident à établir le pont manquant entre la traductologie et les sciences de l’éducation. Pour que l’innovation ait un vrai impact sur les pratiques d’enseignement, le discours sur l’enseignement de la traduction doit se nourrir des connaissances partagées et non des appréciations subjectives. Les cinq idées que nous considérons des préalables à l’innovation à l’intérieur des cours pratiques de traduction sont : 1. la formation pédagogique de base des futurs formateurs; 2. la prise en compte de la composante métacognitive de l’apprentissage; 3. la responsabilisation des apprenants dans le déroulement des cours; 4. la mise en valeur de la présence physique des apprenants dans les salles de cours, et 5. l’exploration des formules propres à l’approche par compétences. Il sera davantage illogique d’envisager la formation des langagiers qui seront actifs dans les deux prochaines décennies avec des méthodologies vieilles de plus de cinquante ans.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.015 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.028 |
| Scholarly communication | 0.027 | 0.022 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.008 | 0.012 |
| Insufficient payload (model declined to judge) | 0.019 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".