课程文献中心 更多>>

关键词： 人工智能   译前准备   带稿同传   ChatGPT4  

摘要： 本文为实证研究报告,主要探究ChatGPT4辅助法汉带稿同传译前准备对译员同传质量的影响。 在翻译实践中,译员常常会面临会议讲稿在临近开会前才能拿到的状况,导致译前准备时间紧张。在此情况下,译员如何才能实现更高效的译前准备?人工智能技术辅助译前准备能否为译员提供帮助?为验证这一模式的可行性,本文设计并开展了 ChatGPT4辅助带稿同传译前准备的实验。 在本次实验中,十名被试者被分为两组(A组和B组)。在第一篇演讲中,B组成员使用ChatGPT4生成的讲稿译文辅助译前准备,而A组则采用传统的译前准备方式。在第二篇演讲中,两组交换译前准备方式。实验结束后,我们还以问卷调查的形式收集了被试者的反馈。 我们的研究主要针对上述两种准备方式对口译的影响,其中口译质量评估主要基于准确度、流利度和语言质量这三方面。实验数据表明:ChatGPT4辅助带稿同传译前准备有利于提升同传的准确度。在流利度方面,ChatGPT4辅助组的译员停顿、改口和赘音出现的次数明显减少,但总体而言,重复现象并没有显著的变化。就语言质量而言,GPT辅助组译员的优势并不明显。 最后,基于被试者在调查问卷中的反馈,笔者了解了学生译员使用ChatGPT4辅助译前准备的体验。此外,我们还分析了 GPT生成的讲稿译文对他们口译质量的影响。 上述实验结果表明,ChatGPT4辅助带稿同传译前准备虽然存在一定的不足和局限性,但总体而言,这种新型的译前准备方式具有其实用性。GPT译文中准确的术语翻译和得当的语言表达能够为译员提供帮助,但同时也要警惕对其过度依赖,否则AI反而干扰口译效果。

关键词： OBE教育理念   思政融合   教学设计   反馈与评估  

摘要： 本文将以福建省闽南科技学院数字媒体艺术专业实践课程《商业项目综合训练》建设为范例，探究在产教融合和融入思政的背景下“OBE教育理念”的实际运用以及课程创新改革和特色所在。

关键词： 微创辅助手术机器人   触觉反馈   数字孪生   手术技能评估  

摘要： 微创辅助手术机器人作为象征现代先进医疗技术的重要治疗手段,凭借着降低医生长期手术出现的疲劳、极少的出血量、相较于传统腔镜手术更小的创口以及更快的愈合速度等优点,自2000年首台手术机器人问世以来得到了国内外广泛关注和推广。然而,其分体式设计隔离了医生的手部操作,较难为主刀医生传达软组织的触感;且当前国内辅助手术机器人严重依赖进口产品;尸源匮乏导致医生学习手术机器人操作机会较少,考核评估依赖传统的师徒亲授,给基层外科培训带来一定的挑战。针对以上问题,本研究为医生开发一套更低成本,具备低延时触觉反馈且可推广至基层医疗单位的集成了客观数据评估的手术机器人及其数字孪生训练系统。本文的主要工作包含如下内容: (1)自主研究设计了一套具有触觉反馈的分体式微创辅助手术机器人训练系统,包括机器人远心运动约束算法设计、主从端硬件设计和耦合机制研究。为国内医学院提供较国外更低成本且具有触觉反馈的辅助手术机器人训练系统。 (2)配套开发了对应的数字孪生体和虚拟手术训练环境,高度仿真及监测控制主端和受控从端行为,从而减少对真实尸体或脏器需求,可实现微小物体转移,软组织切割等手术技能训练模块。 (3)针对上述系统根据主观评价和客观评价,探究了该系统对医生双手技能熟练度的区分度。并利用熵权法确定训练模块的每一项指标对评估医生技能的权重值,形成得分函数模型,对医生双手技能形成定量分析。 通过实验探究的结果表明,该套系统可以很好的区分新手医生和专家医生的术中双手技能熟练程度,具有触觉反馈的分体式手术机器人使得医生在手术操作过程中更有自信,对我国基层微创辅助手术机器人发展具有一定的促进作用。

关键词： YOLOv5   Shuffle Attention   外观缺陷检测   卷积神经网络   MobileNet V3  

摘要： 新一代信息技术为传统制造过程赋予数字化、全连接、数据智能和决策智能等能力,智能制造成为未来制造业发展的重大战略。作为一种便携式计算机设备,笔记本电脑的生产工艺要求更高,生产线上装配完成的笔记本有一定的概率会存在外观缺陷,如划痕、亮线、颗粒等,对这类外观缺陷,需要在出厂前进行排查,以确保产出的笔记本的外观符合既定标准。传统制造过程中依赖于人工进行缺陷检测,存在效率低、主观性强等局限性;此外,传统的视觉识别算法在识别不规则和随机的缺陷时表现不佳,难以满足高质量产品的检测需求。为了提升缺陷检测效率与精度,促进智能制造的高质量化发展,本文研究了基于深度学习的笔记本外观缺陷检测方法,主要研究工作如下: (1)依托联宝(合肥)电子科技有限公司笔记本生产线,采集笔记本外观缺陷样本并制作缺陷检测数据集。针对样本类型不平衡、样本缺失等问题,通过随机旋转、亮度变换、随机翻转的方法实现数据扩充,再将数据进行人工标注制作成数据集。 (2)针对笔记本外观缺陷检测问题,本文提出了一种基于改进SA-YOLOv5算法的笔记本外观缺陷检测模型。首先,选择YOLOv5算法作为基础算法,通过增加Shuffle Attention注意力机制使得模型更关注重要特征抑制不显著特征从而提高检测性能;其次,为了减弱传统目标框损失函数几何因素的影响,使用WIo U目标框损失函数,优化了模型训练收敛速度且提高了缺陷边框定位精度,提高了模型的泛化能力;最后,给出实验结果表明所建立的模型在笔记本外观缺陷上取得了理想的表现,其中准确率达到83.4%,召回率达到76.9%,m AP达到78.4%。 (3)为了提高现有笔记本外观缺陷检测效率,降低算法参数量以及模型大小,进一步提出了一种基于改进轻量化SA-YOLOv5的笔记本外观缺陷检测算法。基于Mobile Net V3轻量化网络和YOLOv5算法建立深度学习神经网络模型,模型大小降低到3.2MB,降低计算量以提高模型检测速度,检测一张图片所用时间由原始的88.7ms降低至26.5ms。综合实验结果表明,该算法在笔记本外观缺陷上的准确率达到86.0%,召回率达到73.4%,m AP达到78.4%,更有利于满足笔记本外观缺陷检测任务的检测精度和实时性要求。

关键词： 阿尔茨海默病   认知功能   数字认知训练   安全性  

摘要： 背景和目的：　　阿尔茨海默病（Alzheimer''sdisease，AD）是一种以β-淀粉样蛋白（β-amyloid，Aβ）、tau蛋白异常沉积和进行性认知功能损害为特征的神经退行性疾病。其发病率和致死率高，严重影响患者的生活质量。认知训练作为一种无明显不良反应的非药物干预，具有增强认知功能，延缓认知衰退的作用，但存在趣味性低、依从性差等特点。我们团队围绕患者日常生活场景开发了一款定制式“链接记忆”数字认知训练（“LinkMemory”DigitalCognitiveTraining，LM-DCT）软件，融合了自定义训练素材、家属互动和游戏元素的设计，能够实现对多个认知域的训练。本研究旨在评估该软件对轻中度AD患者的有效性和安全性。　　方法：　　选取2022.10-2023.07在上海市养志康复医院和复旦大学附属华山医院门诊和病房接受治疗的轻中度AD患者，采用评估者盲、随机对照的方法。将符合入组标准且愿意配合评估随访的患者随机分配（按照1∶1的比例）到两组。在原有AD药物治疗的基础上，试验组接受LM-DCT干预，而对照组接受传统认知训练（TraditionalCognitiveTraining，TCT），并进行每周5天、每天2次的干预，共持续4周。除上述干预，两组患者在整个研究期间不接受其他任何形式的康复干预。试验的评估人员在随机分组后0（T0）、4周（T1）和16周（干预后3个月，T2）对受试者进行评估。主要结局指标是16周时患者蒙特利尔认知评估（MontrealCognitiveAssessment，MoCA）量表评分对于认知干预前的变化，次要结局指标为4周时MoCA的变化，4周及随访16周结束时汉密尔顿焦虑量表(HamiltonAnxietyScale,HAMA)，汉密尔顿抑郁量表(HamiltonDepression,HAMD)，日常生活能力(ActivitiesofDailyLiving,ADL)，和匹茨堡睡眠质量指数(PittsburghSleepQualityIndex,PSQI)的变化以及训练的依从性和不良事件(AdverseEvent，AE)的发生情况。　　结果：　　1.试验招募情况：　　在2022年10月15日至2023年7月24日期间，共筛选180人，因个人原因、健康状况等因素排除82人，最终有98人纳入研究并接受随机化。参与者的平均年龄为69.3±39.5岁，平均病程为2.6±1.5年，其中男性44人（44.9%）,女性54人（55.1%）。共有88人完成了4周的干预并接受了评估，81人完成了16周后的随访，在4周到16周期间，有7人失访。两组患者在基线时的年龄、性别、病程和受教育水平之间没有显著差异。　　2.主要结果:　　基线时，LM-DCT组的MoCA评分为15.0±4.1，TCT组为13.9±5.1。从基线到16周，LM-DCT组MoCA的平均变化为-2.2±2.6，TCT组为-0.6±3.6。两组之间的最小二乘平均值差值2.0(95%CI0.9-3.1）显著（p＜0.001）。　　3.次要结果：　　干预4周后，LM-DCT组的MoCA平均提升（2.0±3.2）高于TCT组（1.4±2.4），但无统计学意义（p=0.106）。在控制了年龄和病程后，重复测量方差分析显示，MoCA评分的时间和组别之间存在显著的交互作用（F=3.955,p=0.020）和组别主效应（F=6.524，p=0.012）。进一步的简单效果分析显示，两组在4周（p=0.023）和16周（p＜0.001）时存在显著差异。　　MMSE评分也存在显著的时间和组别交互作用（F=6.22，p=0.014）。进一步事后分析表明，仅在16周时，两组之间存在显著差异（p=0.025）。4周时，两组间的最小二乘平均值差异为0.9（95%CI，-0.1-1.8），差异无统计学意义（p=0.064）。16周时，LM-DCT组MMSE评分的平均变化为2.5±2.7，TCT组为1.1±2.5。两组之间的最小二乘平均值差值为1.4（95%CI0.4-2.4）是显著的（p=0.005）。　　LM-DCT组和TCT组在第4周和第16周的HAMD评分没有显著差异（p=1.000和p=1.000），尽管与基线相比，两组的HAMD得分均显著降低。LM-DCT组从基线到4周的平均变化为-1.1±0.4，p=0.025;从基线到16周的平均变化为-0.7±0.3，p=0.044;而TCT组从基线到4周的平均变化为-1.2±0.4，p=0.010，从基线到16周的平均变化-1.0±0.4，p=0.023。然而，从基线到4周和16周，两组之间的HAMA、ADL和PSQI平均变化没有观察到显著差异（p＞0.05）。　　4.依从性和安全性：　　LM-DCT组的依从率显著优于

关键词： 图式理论   译前准备   交替传译  

摘要： 本实践报告以图式理论的三大图式(语言图式、内容图式和结构图式)为指导,以笔者参与的“绿色农业研修班”的汉英口译实践为语料,探索交替传译的译前准备。通过分析口译实践录音,笔者发现了几个典型的口译问题,即术语翻译错误、专有名词漏译、信息缺失和错译。 究其背后的原因,主要是因为笔者译前准备不充分,因而在口译现场接收的新信息难以激活笔者译前准备时在大脑中建立的图式,进而出现了口译问题。在图式理论的指导下,笔者提出了五个译前准备策略。具体而言,在语言图式的指导下,对术语和专有名词进行译前准备;在内容图式的指导下,深入了解背景知识和发言人信息;在结构图式的指导下,对口译任务的文本结构进行译前准备。通过采用上述准备策略,笔者希望在今后的口译任务译前准备中建立起系统、完备的图式结构,提高口译质量。

关键词： 新能源汽车   发布会同传   术语提取工具   仰望U8   译前准备  

摘要： 近年来,随着新一轮科技革命和产业变革孕育兴起,新能源汽车产业加速发展。为了全面、直观地展示新能源汽车产品,各大车企举办新能源汽车发布会来展现其产品性能、核心技术,从而提高新车销量,提升品牌形象。仰望U8是比亚迪推出的百万级新能源硬派越野车,汇聚了比亚迪的尖端核心技术。正因如此,仰望U8的发布会包含了大量新能源行业的专业知识和技术术语。若译员能够准确、出色地翻译专业术语,使国际受众更好地理解仰望U8的技术特点和创新成果,将为比亚迪走向国际市场提供有力支持。 本报告选取比亚迪仰望U8发布会为材料进行模拟同声传译,在术语提取工具的辅助下开展该模拟同传的译前准备工作,并探讨术语提取工具对模拟同传的辅助作用。基于徐然(2018)提出的专业技术口译译前术语准备模式,本报告采用Sketch Engine作为术语提取工具,分析了Sketch Engine在仰望U8模拟同传译前准备的详细使用流程,并探讨Sketch Engine对仰望U8模拟同传的辅助作用。 通过案例分析和工具运用,笔者发现术语提取工具对口译的信息完整度、术语准确度、表达流畅性及逻辑衔接性均有辅助作用。译员在进行译前准备时,可以利用术语提取工具快速提取关键术语,并深入了解其含义和用法,以确保口译中信息的完整性,准确传达专业术语,提高表达流畅性和逻辑衔接性。此外,译员还需要对提取到的术语进行筛选和管理,确保激活相关术语。笔者希望本报告能为口译学习者认识口译技术和口译工具提供帮助,也希望能为译者的译前准备模式提供新的视角。