論文の概要: From Tool Use to Technological Agency: LoopCAT as a Local-First, Open-Source Tool for Translation Technology Education
- arxiv url: http://arxiv.org/abs/2609.00344v1
- Date: Mon, 31 Aug 2026 20:38:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.068862
- Title: From Tool Use to Technological Agency: LoopCAT as a Local-First, Open-Source Tool for Translation Technology Education
- Title（参考訳）: ツール利用から技術機関へ:LoopCATによる翻訳技術教育のためのローカルファーストオープンソースツール
- Abstract要約: この記事では,OpenAI Codexと共同開発した,Apache-2.0ライセンスでローカルファーストのコンピュータ支援翻訳環境であるLoopCATを紹介する。
ワークフロー能力、評価判断、および技術機関を結合する枠組みを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Translation students need to learn both how to use translation technologies and how to judge the choices those technologies make available. This article presents LoopCAT, an Apache-2.0-licensed, local-first computer-assisted translation environment co-created with OpenAI Codex using GPT-5.5 and GPT-5.6, and proposes a framework connecting workflow competence, evaluative judgement, and technological agency. The account draws on repository history, implementation inspection, and the verification records of an identified development build. LoopCAT combines local project storage, translation memories, terminology, quality assurance, document exchange, and optional connections to local or hosted AI services. Its English, Catalan, and Turkish interface catalogs also make the application itself available as teaching material: students can translate English UI strings into another language, review the existing automatically generated target drafts, import their revisions, and test the interface. We organize these opportunities around four forms of participation: operating a workflow, evaluating outputs, inspecting and configuring mechanisms, and making or defending a bounded intervention. A six-session sequence, a UI-localization assignment, a placeholder example, and an assessment rubric specify how teachers could use the framework. The paper separates implemented capabilities from proposed educational benefits; it reports no new student-learning outcomes. It distinguishes the latest package checks from earlier regression evidence and sets out a protocol for classroom evaluation. LoopCAT provides an inspectable setting for teaching how translation decisions interact with data, interfaces, and software rules. Whether these activities improve judgement, transfer, or participation remains an empirical question.
- Abstract（参考訳）: 翻訳の学生は、翻訳技術の使用方法と、それらの技術が利用できる選択を判断する方法の両方を学ぶ必要がある。
本稿では, GPT-5.5 と GPT-5.6 を用いて OpenAI Codex と共同開発した Apache-2.0 ライセンスのローカルファーストコンピュータ支援翻訳環境である LoopCAT について述べる。
このアカウントは、リポジトリ履歴、実装インスペクション、特定された開発ビルドの検証記録に基づいています。
LoopCATは、ローカルプロジェクトストレージ、翻訳メモリ、用語、品質保証、ドキュメント交換、ローカルまたはホストされたAIサービスへのオプション接続を組み合わせたものだ。
学生は英語のUI文字列を別の言語に翻訳し、既存の自動生成されたターゲットドラフトをレビューし、リビジョンをインポートし、インターフェースをテストすることができる。
これらの機会は、ワークフローの運用、アウトプットの評価、メカニズムの検査と設定、境界付けられた介入の実施と防御の4つの形式で編成されます。
6セッションのシーケンス、UIローカライゼーションの割り当て、プレースホルダーの例、そしてアセスメントのルーリックは、教師がフレームワークをどのように使えるかを示す。
本論文は,学生の新たな学習成果を報告しないという,提案された教育効果から,実践的能力の分離を図っている。
最新のパッケージチェックと過去のレグレッションエビデンスを区別し、教室評価のためのプロトコルを設定する。
LoopCATは、翻訳決定がデータ、インターフェース、ソフトウェアルールとどのように相互作用するかを教えるための検査可能な設定を提供する。
これらの活動が判断、移転、参加を改善するかどうかは、実証的な疑問である。
関連論文リスト
- From Understanding to Creation: A Prerequisite-Free AI Literacy Course with Technical Depth Across Majors [2.1212179660694104]
UNIV 182は、学部生にAIシステムを理解し、使用し、評価し、構築するよう教える前提条件のないコースである。
論文は、このデザインを、多人数のAIリテラシーコースと教育学の伝統の比較分類学に位置づけている。
論文 参考訳（メタデータ） (2026-03-19T23:18:43Z) - Rapport du Projet de Recherche TRAIMA [0.7440170908149745]
このプロジェクトは、教育と相互作用研究における中心的な方法論的課題に対処する。
現在、言語、パラバーバル、非言語データの分析が手作業で行われており、非常に時間がかかり、スケールが困難である。
このプロジェクトは、教室の相互作用で発生する説明的および協調的なシーケンスに特に焦点をあてている。
論文 参考訳（メタデータ） (2026-01-19T08:55:50Z) - CELA: Cost-Efficient Language Model Alignment for CTR Prediction [70.65910069412944]
CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。
最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。
CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
論文 参考訳（メタデータ） (2024-05-17T07:43:25Z) - Identifying Context-Dependent Translations for Evaluation Set Production [11.543673351369183]
文脈対応機械翻訳への移行に対する大きな障害は、優れた評価指標とテストセットがないことである。
我々は,5つの現象を翻訳するために文脈を必要とする文を含む並列文書のサブセットを識別するツールであるCTXPROを開発した。
パイプラインへの入力は、文脈的な文ペアを選択する手作り、言語ごと、言語的にインフォームドされたルールのセットである。
論文 参考訳（メタデータ） (2023-11-04T04:29:08Z) - BUFFET: Benchmarking Large Language Models for Few-shot Cross-lingual
Transfer [81.5984433881309]
本稿では,54言語にまたがる15のタスクをシーケンス・ツー・シーケンス・フォーマットで統一するBUFFETを紹介する。
BUFFETは、数発の言語間移動のための厳密で公平な評価フレームワークを確立するように設計されている。
コンテクスト内言語間移動における改善の余地は極めて大きいことが判明した。
論文 参考訳（メタデータ） (2023-05-24T08:06:33Z) - Document-Level Machine Translation with Large Language Models [91.03359121149595]
大規模言語モデル(LLM)は、様々な自然言語処理(NLP)タスクに対して、一貫性、凝集性、関連性、流動性のある回答を生成することができる。
本稿では,LLMの談話モデルにおける能力について詳細に評価する。
論文 参考訳（メタデータ） (2023-04-05T03:49:06Z) - Resources and Few-shot Learners for In-context Learning in Slavic
Languages [0.22940141855172028]
スラヴ語における文脈内学習(ICL)の訓練と評価に必要なインフラを収集する。
直近のコンテキスト内学習者の集合を評価し,その結果を教師付きベースラインと比較する。
英語で調整されたICLモデルは、非英語の文脈からいくつかのタスクを学習することができる。
論文 参考訳（メタデータ） (2023-04-04T16:16:25Z) - Understanding Translationese in Cross-Lingual Summarization [106.69566000567598]
言語間要約(MS)は、異なる対象言語で簡潔な要約を生成することを目的としている。
大規模なCLSデータを集めるために、既存のデータセットは通常、それらの生成に翻訳を伴います。
本稿では、まず、CLSデータセット構築の異なるアプローチが、異なるレベルの翻訳に結びつくことを確認する。
論文 参考訳（メタデータ） (2022-12-14T13:41:49Z) - IGLUE: A Benchmark for Transfer Learning across Modalities, Tasks, and
Languages [87.5457337866383]
画像認識言語理解評価ベンチマークについて紹介する。
IGLUEは、視覚的質問応答、クロスモーダル検索、グラウンドド推論、20言語にわたるグラウンドドエンターテイメントタスクをまとめて提供する。
翻訳-テストの転送はゼロショットの転送よりも優れており、少数ショットの学習は多くのタスクに役立てることが難しい。
論文 参考訳（メタデータ） (2022-01-27T18:53:22Z) - Scalable Cross-lingual Document Similarity through Language-specific
Concept Hierarchies [0.0]
本稿では,並列あるいは同等のコーパスを必要としない教師なし文書類似性アルゴリズムを提案する。
このアルゴリズムは、文書から自動的に作成されたトピックを多言語ラベルでアノテートします。
JCR-Acquis corporaの英語、スペイン語、フランス語版で実施された実験は、同様のコンテンツによる文書の分類と分類に関する有望な結果を明らかにします。
論文 参考訳（メタデータ） (2020-12-15T10:42:40Z) - How Context Affects Language Models' Factual Predictions [134.29166998377187]
検索システムからの情報を学習済みの言語モデルと純粋に教師なしの方法で統合する。
この方法で事前学習された言語モデルを拡張することで、性能が劇的に向上し、教師なしにもかかわらず、結果として得られるシステムは、教師なしの機械読解ベースラインと競合する、と報告する。
論文 参考訳（メタデータ） (2020-05-10T09:28:12Z) - Exploring the Limits of Transfer Learning with a Unified Text-to-Text
Transformer [64.22926988297685]
下流タスクで微調整される前に、まずデータリッチタスクでモデルが事前訓練されるトランスファーラーニングは、自然言語処理(NLP)において強力な手法として登場した。
本稿では,すべてのテキストベースの言語問題をテキスト・トゥ・テキスト・フォーマットに変換する統一フレームワークにより,NLPのためのトランスファー学習手法を導入する状況について検討する。
論文 参考訳（メタデータ） (2019-10-23T17:37:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。