La traducción comunitaria y el aprendizaje-servicio en Canadá y Estados Unidos como herramientas de justicia social para migrantes del Sur global
Bibliographic record
Abstract
Este artículo presenta un estudio de caso en el que dos profesoras de traducción de la Universidad de Moncton y la Universidad de Texas en Arlington, en colaboración con dos organizaciones no gubernamentales —la Clinique des réfugiés du Nouveau-Brunswick y Proyecto Inmigrante—, desarrollaron talleres de traducción comunitaria para capacitar voluntarios. El artículo analiza la implementación y los resultados de esta iniciativa, que nace como respuesta a la necesidad real de servicios de traducción e interpretación comunitaria para salvar la barrera lingüística que enfrentan los migrantes en Estados Unidos, concretamente en Texas, y en Canadá, en la provincia de Nuevo Brunswick. Esta falta de acceso a servicios lingüísticos, lejos de ser algo puntual, es un reto permanente sin solución a la vista. Aunque la investigación no se contextualiza en el Sur global ni considera al español como lengua minoritaria, es preciso señalar que los principales afectados por la falta de servicios accesibles y de calidad en traducción e interpretación comunitaria en Estados Unidos y Canadá son ciudadanos provenientes de ese contexto. La capacitación de voluntarios sin formación profesional y, en el caso del proyecto en Estados Unidos, la participación de estudiantes a través de un proyecto de aprendizaje-servicio fortalecen la equidad y promueven la justicia lingüística. Este estudio se suma a los que exploran el papel de la traducción comunitaria como compromiso social, destacando su relevancia en contextos donde los migrantes se hallan en situación de desamparo lingüístico y donde iniciativas como estos talleres promueven equidad, compromiso social y acceso a derechos fundamentales para comunidades migrantes procedentes del Sur global en Canadá y Estados Unidos.
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 | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.004 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| 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 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".