Bibliographic record
Abstract
L’usage des technologies de l’information et des communications (TIC) en classe est maintenant bien implanté, notamment grâce aux plates-formes d’enseignement telles que WebCT, Moodle or Sakai. De plus, l’accès à une très vaste documentation est rendu possible grâce à Internet. L’enseignement de la traduction est donc susceptible de bénéficier grandement de ces avancées technologiques. Toutefois, ces ressources ont leur revers : non seulement elles nécessitent un investissement notable de l’enseignant, mais elles peuvent aussi se révéler un obstacle à l’acquisition d’un processus cognitif aussi complexe que celui de la traduction, si l’on cède à une illusion de facilité. Les étudiants risquent en effet de se perdre dans un dédale d’outils et de documents de qualité inégale. Dans le présent article, nous montrons que l’ergonomie cognitive est un facteur clé de la réussite de l’intégration des TIC. Nous plaidons pour des stratégies pédagogiques impliquant un engagement actif du professeur, tant pour transmettre les noyaux conceptuels pertinents au domaine de spécialisation considéré (formation conceptuelle), que pour baliser les ressources qui serviront de références (compétence informative). Enfin, nous soulignons que, malgré l’illusion de rapidité générée par les TIC, traduire ou réviser sont des actes qui font appel à des fonctions cognitives de haut niveau et qui nécessitent toujours temps et effort pour être pleinement maîtrisés.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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 teacher head, 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".