Compilación de un corpus para la enseñanza de la traducción médica
Bibliographic record
Abstract
Fundamento: la traducción médica cuenta con un sinnúmero de fuentes documentales; la mayor dificultad radica en saber evaluarlas. El corpus es una herramienta idónea para hacerlo de forma confiable y rápida, así como para definir objetivos de aprendizaje basados en la tipología textual y orientados a la práctica profesional. Objetivo: compilar un corpus electrónico que responda a los requerimientos de la práctica profesional para asumir la traducción médica especializada. Métodos: investigación pedagógica realizada en la provincia de Cienfuegos, cuyas unidades de análisis estuvieron conformadas por el registro de trabajo de los traductores del Centro Provincial de Información de Ciencias Médicas y traductores especializados en esta área, a los cuales se les aplicó un cuestionario para determinar con exactitud sus necesidades de consulta, que condicionaron los criterios de diseño del corpus. Se analizó un conjunto de textos extraídos de fuentes altamente acreditadas a partir de los cuales se realizó la selección y compilación final. Posteriormente se procedió a la validación del corpus como herramienta documental para la enseñanza de la traducción médica especializada. Resultados: concentración de encargos de traducción en los temas: tumores malignos, hipertensión, cardiopatías, diabetes mellitus y neumonías. Tipología textual predominante: evaluativa y transmisión de actualidad inmediata, con abundancia de artículos originales y revisiones. Los criterios de diseño del corpus fueron: no anotado, documentado, especializado, textual, monitor y comparable. Conclusiones: el corpus es un apoyo útil para mostrar las particularidades léxicas, terminológicas, semánticas, discursivas y contextuales de la comunicación biomédica, permite definir objetivos de aprendizaje y problemas de traducción.
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 | 0.005 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.007 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.008 |
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".