تهدف التكيّف غير المُراقب للنطاق (UDA) إلى تكييف نموذج يعتمد على مجال مصدر مُعلَّم إلى مجال مستهدف غير مُعلَّم. تقلّل الطرق الحالية القائمة على UDA لتقسيم الدلالة دائمًا من الفروق بين النطاقات على المستويات البكسلية، ومستوى الميزات، ومستوى المخرجات. ومع ذلك، تتجاهل معظم هذه الطرق إلى حد كبير الاعتماد المُتَّصِل بالسياق، الذي يُشترَك عادةً بين مختلف النطاقات، مما يؤدي إلى أداء أقل رغبةً. في هذه الورقة، نُقدّم إطارًا جديدًا يُسمى CAMix (مزيج واعٍ بالسياق) لتكيّف التقسيم الدلالي، والذي يستغل هذه المعلومة المهمة المتعلقة بالاعتماد السياقي كمعلومة أولية صريحة بطريقة قابلة للتدريب بالكامل من النهاية إلى النهاية، بهدف تعزيز التكيّف نحو المجال المستهدف. أولاً، نُقدّم استراتيجية لتكوين قناع سياقي من خلال الاستفادة من التوزيعات المكانية المتراكمة والعلاقات السياقية السابقة. يُعدّ هذا القناع السياقي حاسمًا في هذا العمل، حيث سيوجه عملية المزج السياقي بين النطاقات على ثلاثة مستويات مختلفة. علاوةً على ذلك، وبمجرد توفر المعرفة السياقية، نُقدّم خسارة متسقة مع إعادة توزين المهمة، لمعاقبة عدم التوافق بين التنبؤ بالطالب المُمزوج والتنبؤ بالاستاذ المُمزوج، مما يخفف من تأثير نقل السلبيات الناتجة عن التكيّف، مثل التدهور المبكر في الأداء. تُظهر التجارب الواسعة والتحليلات فعالية طريقة العمل مقارنةً بالطرق الرائدة في المجال على معايير UDA الشهيرة.