Les outils d'aide à la traduction dans la formation du traducteur au Cameroun : considérations théoriques et pratiques à partir de l'expérience canadienne
Bibliographic record
Abstract
Toutes les sphères de la société sont touchées par la révolution technologique. Le domaine de la traduction n'est pas épargné par ce phénomène, compte tenu des nouvelles exigences imposées parles donneurs d'ouvrage en ce qui concerne le profil du candidat recherché, les compétences requises, la maîtrise de certains outils, et même le délai de livraison. Les chercheurs s'accordent pour dire qu'un moyen de répondre à ces besoins émergents serait d'assurer une formation de qualité aux traducteurs en devenir. Par ailleurs, il ne fait aucun doute que le critère relatif aux compétences technologiques, autrefois considéré comme un atout par les recruteurs, constitue désormais un critère essentiel figurant dans les offres d'emploi. En d'autres termes, posséder plus que de simples connaissances technologiques devient à présent une nécessité dans notre profession et notre société numérique. Forte de cette observation, nous avons cherché à savoir quelle place réservent les responsables pédagogiques aux outils d'aide à la traduction, également appelés technologies langagières, dans le cadre de la formation universitaire. En se fondant sur les programmes de traduction offerts au Cameroun comme étude de cas et sur ceux du Canada comme point de référence, notre recherche vise à déterminer l'état actuel de l'intégration et de l'utilisation des outils d'aide à la traduction dans la formation du traducteur, particulièrement au Cameroun. De nature qualitative, notre étude repose sur des entrevues menées auprès d'étudiants du baccalauréat et de la maîtrise inscrits en traduction et de membres du corps enseignant qui assurent cette formation. Les résultats de cette étude nous permettent de déterminer la place qu'occupent les outils d'aide à la traduction dans la formation et le comportement des intervenants concernés face à ces outils. Nous relevons de bonnes pratiques d'utilisation susceptibles de contribuer à l'intégration des outils technologiques dans la formation au Cameroun. Par ailleurs, les résultats obtenus réaffirment également la présence de certaines difficultés associées à leur utilisation dans les cours. En outre, ils nous permettent de conclure notre thèse par des recommandations de bonnes pratiques ou de techniques pédagogiques susceptibles de favoriser le développement des compétences technologiques chez l'étudiant lors de sa formation, d'abord au Cameroun, puis dans le reste du monde. Nous espérons, de surcroît, que nos travaux contribueront à la recherche en traductologie au delà de cette seule expérience camerounaise étudiée.
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 | 0.008 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.015 | 0.028 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 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".