Les défis de la pédagogie de la traduction spécialisée : mise en oeuvre d’un site de référence en biomédecine1
Bibliographic record
Abstract
L’expansion du secteur des sciences biomédicales dans le marché de la traduction ainsi que les spécificités du domaine sont propres à susciter une réflexion sur la formation à donner aux futurs traducteurs. L’opération traduisante étant considérée comme une activité de résolution de problèmes, l’enseignement doit amener les apprenants à prendre conscience de leurs propres mécanismes cognitifs et à les examiner, voire à les modifier, et à se construire une architecture de connaissances sur laquelle fonder leurs décisions traductionnelles. Par ailleurs, la complexité des notions spécialisées et le grand nombre de ressources accessibles peuvent se révéler déroutants. Il devient ainsi nécessaire de construire des outils ad hoc visant des objectifs pédagogiques spécifiques. Le site BiomeTTico est offert en ligne pour consultation et interrogation, principalement à des fins pédagogiques, et vise à favoriser la reconnaissance, la formulation et la catégorisation des problèmes et des pistes de solution en réponse au questionnement soulevé par le mandat de traduction. Envisagé comme un centre de documentation, mais aussi comme moyen de valoriser différents produits issus de la recherche, il ne cherche pas l’exhaustivité, mais plutôt la pertinence. Dans ce contexte, le rôle du professeur en tant qu’expert activement engagé dans la construction de telles ressources est envisagé comme pivot, c’est-à-dire comme un point d’appui grâce auquel les étudiants peuvent (ré-)organiser et intégrer connaissances et compétences.
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 | 0.064 | 0.077 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.010 | 0.074 |
| Scholarly communication | 0.025 | 0.030 |
| Open science | 0.005 | 0.021 |
| Research integrity | 0.013 | 0.012 |
| Insufficient payload (model declined to judge) | 0.011 | 0.007 |
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".