La traduction automatique comme outil d’aide à la rédaction scientifique en anglais langue seconde : résultats d’une étude exploratoire sur la qualité linguistique
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Nous explorons dans cet article la pertinence d’utiliser la traduction automatique (TA) comme outil d’aide à la rédaction scientifique en anglais langue seconde (ALS). L’expérience, à laquelle ont participé dix chercheurs, comprenait deux tâches : la rédaction d’un texte en ALS et la rédaction d’un texte en langue maternelle. Ce dernier a ensuite été traduit automatiquement et post-édité par le participant. Par la suite, nous avons évalué la qualité linguistique des textes produits dans les deux situations, à partir d’une analyse des modifications linguistiques effectuées par une réviseure professionnelle. Selon nos résultats, la qualité linguistique des textes est sensiblement la même dans les deux situations, tandis que des différences apparaissent dans les dimensions linguistiques et dans les types d’unités touchées. L’article se termine par une réflexion sur les facteurs pouvant influencer ces résultats. Nous concluons en réitérant la pertinence d’étudier l’utilisation de la TA pour la rédaction d’articles en anglais de spécialité.
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.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 it