EPN-V2

TEGN2130 Introduction to Speech to Text Interpreting Course description

Course name in Norwegian
Introduksjon til skrivetolking
Study programme
Norwegian Sign Language
Weight
5.0 ECTS
Year of study
2024/2025
Curriculum
SPRING 2025
Schedule
Course history

Introduction

Emnet fokuserer på tolking fra norsk talespråk til norsk skriftspråk. Emnet har fellesundervisning, men er i høy grad basert på egeninnsats gjennom bruk av øvingsprogram og digitale øvelser. Emnet må ses i sammenheng med praksis og andre emner på andre år i studieretning tolk, og forbereder studentene på emnet Skrivetolking som kommer på tredje trinn i bachelorprogrammet.

Emneplan ble godkjent i utdanningsutvalget LUI 29. november 2021 og gjelder fra høsten 2022.

Required preliminary courses

The following required coursework must be approved before the student can take the exam:

Compulsory assignments must be approved prior to the exam. The students must submit a small project at the end of each module. All five projects must be approved before examination.

Learning outcomes

Etter fullført emne har studenten følgende læringsutbytte definert som kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten har

  • kunnskaper om grunnleggende bruk og oppsett av PC og tekstbehandlingsprogram
  • kunnskaper om ergonomi ved pc-bruk

Ferdigheter

Studenten kan

  • skrive fortere enn 350 anslag per minutt
  • bruke autokorrektur og komprimeringsteknikker på en hensiktsmessig måte
  • kan ta i bruk et utvalg standardiserte autokorrekturer
  • sette opp og ta i bruk oppdragsspesifikke autokorrekturer
  • produsere en tilfredsstillende, tolket tekst i en tilrettelagt situasjon

Generell kompetanse

Studenten

  • har lært å bruke og sette opp tekstbehandlingsprogram 
  • har kunnskap om primærbrukergruppen av skrivetolking; hørselshemmede/døvblitte, samt døve og personer med kombinert syns- og hørselshemming som benytter skrivetolking
  • kjennskap til hørselsutfordringer og -problematikk blant brukerne av skrivetolking

Content

Emnet gir en innføring i hurtigskriving (touch) på tastatur, bruk av og oppsett av tekniske løsninger som autokorrektur, komprimeringsteknikker, og ergonomi.

Teaching and learning methods

None.

Course requirements

Retten til å avlegge eksamen forutsetter godkjente arbeidskrav innen gitte frister og deltakelse i bestemte faglige aktiviteter.

Følgende to, individuelle arbeidskrav må være godkjent før eksamen kan avlegges:

  • Arbeidskrav 1: Innlevering av et opptak av egen tolking av et lydklipp (monolog). Varighet: ca. 5 min. Samtidig skal studenten legge ved oppdragsspesifikke autokorrekturlister. Dette for å vise at hen forstår de grunnleggende prinsippene for oppbygging av autokorrekturer. Gjennom opptak av egen tolking skal studenten vise at hen klarer å aktivt ta i bruk de oppdragsspesifikke autokorrekturene hen har kreert. Bruk av standardiserte autokorrekturer vil også vektlegges.
  • Arbeidskrav 2: Skriftlig innlevering. Studenten får utlevert en tekst på ca. 400 ord hen skal komprimere. Hensikten med arbeidskravet er å se om studenten komprimerer på en hensiktsmessig måte, samt tar i bruk ulike komprimeringsteknikker.

Detaljert informasjon om arbeidskravene gis ved undervisningsstart.

Se programplan for generell informasjon om arbeidskrav.

Krav om deltakelse

Det er krav om 80% tilstedeværelse i emnet. Se programplan for mer informasjon om krav om deltakelse.

Assessment

Avsluttende vurdering er en praktisk prøve i skrivetolking, der kandidaten individuelt skrivetolker et fiktivt oppdrag (rollespill) på ca. 20 minutter. Studentene får skriftlig informasjon om oppdraget dagen før eksamen. Skrivetolkingen skal gi en tilfredsstillende tekst, uten vesentlige språklige eller innholdsmessige avvik. Aktiv bruk av standardiserte og oppdragsspesifikke autokorrekturer vektlegges også. Egenproduserte, oppdragsspesifikke autokorrekturlister skal framvises.

Ny og utsatt eksamen gjennomføres på lik linje som ordinær eksamen.

Permitted exam materials and equipment

Basic background in statistics or probability theory. Knowledge of a programming language.

Grading scale

The course is structured in five modules:

  • Module 1: Unsupervised Data Mining
  • Module 2: Supervised Machine Learning
  • Module 3: Reinforcement Learning
  • Module 4: Artificial Neural Network and Deep Learning
  • Module 5: Major Concepts in Artificial Intelligence, including: complex systems (networks, cellular automata, and agent-based models) and evolutionary computing

Examiners

Det benyttes en intern og en ekstern sensor.