Bibliographic record
Abstract
Nigeria es una nación de pueblos de diferentes etnias y reinos, cuyas lenguas maternas varían enormemente. En la época precolonial, los indígenas con “talento lingüístico” desempeñaban el papel de mediadores lingüísticos en la comunicación interétnica y transnacional. La mediación lingüística también fue necesaria para el éxito de la comunicación en la época colonial. Primero se dio prioridad a la interpretación y luego a la traducción, una tendencia que continuó en el periodo posterior a la independencia de Nigeria. Hoy en día, la importante posición de Nigeria, como nación africana más poblada y con una de las mayores economías, sitúa al país en el punto de mira mundial. La comunicación eficaz con otros países requiere el uso de servicios de traducción e interpretación. Estos servicios lingüísticos resultan, por lo tanto, esenciales. Algunos estudios recientes también han diagnosticado la demanda del mercado de servicios de traducción e interpretación, aportando detalles sobre las necesidades de la industria y de los dos ámbitos académicos. Aunque son necesarios más estudios, los resultados actuales muestran lagunas de desarrollo en estos ámbitos. Resultan pertinentes las cuestiones relacionadas con la acreditación y normalización, al igual que la calidad de los servicios prestados en la actualidad y el acceso a una educación de calidad en el mundo académico. En esta entrada, se lleva a cabo un recorrido por la historia de la traducción y la interpretación en Nigeria, tocando aspectos como la traducción religiosa y literaria, las normas y prácticas, así como los estudios sobre traductores e intérpretes.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.325 | 0.161 |
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".