La entonación monótona y la calidad de la interpretación simultánea: frecuencia, conceptualizaciones y efectos
Bibliographic record
Abstract
Se presenta una investigación empírica realizada con el objetivo de analizar la entonación como parámetro de calidad de la interpretación simultánea. A diferencia de trabajos anteriores sobre expectativas de calidad, este estudio contempla únicamente un parámetro. Se espera que este tipo de análisis más ‘individualizado’ proporcione explicaciones sobre la importancia divergente que se ha otorgado a la entonación en las investigaciones sobre expectativas y evaluación de la calidad de la interpretación realizadas hasta la fecha. Para ello, se analizan el nivel de monotonía más frecuente en interpretación, así como las características y efectos que los usuarios asocian con la entonación del intérprete a la hora de evaluar una interpretación simultánea. Los resultados indican que la entonación monótona aparece con frecuencia en la interpretación simultánea. Permiten inferir, además, dos conceptualizaciones básicas vinculadas a los efectos de la interpretación. Por una parte, los efectos psicológicos que la entonación monótona del intérprete produce en los usuarios. Por otra parte, los efectos que inciden directamente sobre la transmisión correcta del sentido. Estos últimos ponen de manifiesto los vínculos que se establecen entre el parámetro no verbal entonación y los parámetros verbales cohesión y transmisión correcta del sentido, es decir, los parámetros que en la mayoría de los trabajos realizados para sondear las expectativas de calidad de los usuarios han sido señalados como los más relevantes.
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 | 0.009 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.007 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".