ترغب بنشر مسار تعليمي؟ اضغط هنا

ردود الفعل في دورات الترجمة عبر الإنترنت وعصر كوفي

Feedback in Online Translation Courses and the Covid Era

248   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

الترجمة المعاكسة المعاكسة تعاليم على مستوى العالم.يمثل الانتقال القسري للتدريس عبر الإنترنت تحدي غارغانتوي لأي شخص من ذوي الخبرة فقط في تدريس وجها لوجه.يتطلب تعليم الترجمة عبر الإنترنت مناهجا متميزة لضمان أن الطلاب يمكنهم الوصول إلى أهداف التعلم المستهدفة.تقدم هذه الورقة مراجعة الأدبيات حول تقديم ملاحظات فعالة في ضوء هذه التغييرات الجذابة في تدريس الترجمة بالإضافة إلى وصف كمستوى البحث الحالي على التعليقات عبر الإنترنت لتدريب الترجمة على تصميم الدورات التدريبية عبر الإنترنت في برنامج الترجمةفي جامعة روتجرز.



المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

تهدف الترجمة التكيفية إلى تضمين ملاحظات المستخدمين بشكل حيوي لتحسين جودة الترجمة. في سيناريو ما بعد التحرير، يتم إدراج تصحيحات المستخدم لإخراج الترجمة الآلي باستمرار في نماذج الترجمة، أو تقليل أو إلغاء تحرير الأخطاء المتكررة وزيادة فائدة الترجمة الآل ية. في الترجمة الآلية العصبية، قد يتحقق هذا الهدف عبر مناهج التعلم عبر الإنترنت، حيث يتم تحديث معلمات الشبكة بناء على كل عينة جديدة. يتطلب هذا النوع من التكيف عادة معدلات تعليمية أعلى، والتي يمكن أن تؤثر على جودة النماذج مع مرور الوقت. بدلا من ذلك، قد تحافظ إعدادات التعلم عبر الإنترنت الأقل عدوانية على الاستقرار النموذجي، بتكلفة تقليل التكيف مع التصحيحات التي تم إنشاؤها بواسطة المستخدم. في هذا العمل، نقوم بتقييم تكوينات التعلم المختلفة عبر الإنترنت مع مرور الوقت، وقياس تأثيرها على العينات التي تم إنشاؤها من قبل المستخدم، وكذلك مجموعات بيانات داخل المجال والخروج من المجال. تشير النتائج في مجالين مختلفين إلى أن الأساليب المختلطة التي يجمع بين التعلم عبر الإنترنت مع ضبط الدفعة الدائمة قد تكون هناك حاجة إلى توازن بين فوائد التعلم عبر الإنترنت مع الاستقرار النموذجي.
نقدم أداة توفر تعليقات آلية للطلاب الذين يدرسون الكتابة الإسبانية.يتم إعطاء ردود الفعل لأربع فئات: تطوير الموضوع والتماسك واتفاقيات الكتابة ومؤضوها.يتم توفير الأداة بحرية متاحة عبر الوظيفة الإضافية ل Google Docs.يدرس دراسة مستخدم صغيرة مع طلاب المستو ى الثالث في المكسيك أن الطلاب وجدوا الأداة مفيدة بشكل عام وأن معظمهم يخططون لمواصلة استخدامه أثناء عملهم لتحسين مهاراتهم في الكتابة.
في المنتديات عبر الإنترنت تركز على الصحة والرفاهية، يميل الأفراد إلى البحث عن الدعم الاجتماعي التالي وإعطاء الدعم العاطفي والإعلام. فهم تعبيرات هذه الدعم الاجتماعي في منتدى Covid - 19 عبر الإنترنت أمر مهم من أجل: (أ) المنتدى وأعضائه لتوفير النوع الصح يح من الدعم للأفراد و (ب) تحديد الآثار الطويلة الأجل لوباء Covid-19 على رفاه الجمهور، وبالتالي إبلاغ التدخلات. في هذا العمل، نبني أربع نماذج لتعليم الآلات لقياس مدى الدعم الاجتماعي التالي المعبر عنها في كل منشور في منتدى Covid-19 عبر الإنترنت: (أ) الدعم العاطفي المعطى (ب) سعى الدعم العاطفي (ج) الدعم المعلوماتي المعطى، و (د) سعى الدعم المعلوماتي. باستخدام هذه النماذج، نهدف إلى: (1) تحديد ما إذا كان هناك ارتباط بين الدعم الاجتماعي المختلفة المعبر عنه في مشاركات E.G. عندما يقدم أعضاء المنتدى الدعم العاطفي في الوظائف، هل يميلون أيضا إلى إعطاء أو طلب دعم إعلامي في نفس المنصب؟ (2) تحديد كيفية طلب هذه الدعم الاجتماعي والتغيرات مع مرور الوقت في الوظائف المنشورة. نجد أن (ط) هناك ارتباط إيجابي بين الدعم المعلوماتي الوارد في الوظائف والدعم العاطفي المعطى والدعم العاطفي المطلوب، على التوالي، في هذه الوظائف و (2) مع مرور الوقت، تميل المستخدمين إلى البحث عن المزيد من الدعم العاطفي وإعطاء أقل الدعم العاطفي.
ترجمة النص إلى لغة غير معروفة إلى مؤلف النص، التي يطلق عليها اسم الترجمة الصادرة، هي الحاجة الحديثة التي تعتبر تجربة المستخدم مجالا هاما للتحسين، بعد منشأة ترجمة الآلات الأساسية.نوضح ذلك من خلال إظهار ثلاث طرق حيث يمكن أن تتأثر ثقة المستخدم في الترجم ة الخارجية، وكذلك الجودة النهائية الشاملة،: الترجمة الخلفية، تقدير الجودة (مع المحاذاة) وإصلاح المصادر.في هذه الورقة، وصفنا تجربة على الترجمة الصادرة من الإنجليزية إلى التشيكية والإستونية.نحن ندرس آثار كل وحدة ملاحظات مقترحة وتركز كذلك على كيفية تأثير جودة أنظمة الترجمة الآلية التي تؤثر على هذه النتائج وتصور المستخدم للنجاح.نظهر أن ردود الفعل الترجمة الخلفية لها تأثير مختلط على العملية برمتها: فهي تزيد ثقة المستخدم في الترجمة المنتجة، ولكن ليس الجودة الموضوعية.
مع التعلم Landit العديد المصنعة، يمكن تدريب النماذج بناء على ردود فعل إيجابية وسالبة وردت للتنبؤات التاريخية، دون الحاجة إلى البيانات المسمى.ومع ذلك، غالبا ما تكون هذه الملاحظات متوفرة في أنظمة الحوار في العالم الحقيقي، ومع ذلك، فإن الهندسة المعمارية المعيارية المستخدمة عادة في أنظمة واسعة النطاق يمنع التطبيق المباشر لهذه الخوارزميات.في هذه الورقة، ندرس مشكلة إريقات التغذية المرتدة التي تنشأ عند استخدام التعلم Landit Adderfactual لفهم اللغة المنطوقة متعددة المجالات.نقدم إعداد تجريبي لمحاكاة المشكلة في مجموعات البيانات العامة على نطاق صغير، اقترح طرق الإسناد المستوحاة من التعزيز التعزيز متعدد الوكلات وتقييمها ضد خطوط خطوط خطوط خطوط خطوط خطوط طويلة.نجد أنه أثناء استخدام الملاحظات الشاملة مباشرة يؤدي إلى أداء كارثي، يمكن أن تسمح طرقنا الإسناد المقترحة لدينا نماذج تنافسية للتدريب من ملاحظات المستخدم.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا