Le syndrome de Sisyphe dans la recherche en technologies langagières au Canada
Notice bibliographique
Résumé
L’industrie de la traduction au Canada est caractérisée par des facteurs sociolinguistiques, politiques et historiques qui l’ont longtemps mise hors d’atteinte des fluctuations internationales de la demande en traduction. Or, ici, comme dans le reste du monde, les effectifs de traduction ne peuvent répondre à la demande croissante. Pour tailler sa place sur le marché mondial, le Canada devrait pouvoir compter sur son industrie des technologies langagières. Cependant, considérant sa position de pionnier dans les années 70 (avec des succès comme TAUM-MÉTÉO et Termium), le Canada accuse aujourd’hui un retard considérable. Nous avons voulu retracer l’histoire des technologies langagières au Canada, particulièrement celle des laboratoires de recherche fondamentale, pour mettre en lumière les défis qu’ont dû relever les chercheurs canadiens. Le mémoire comprend donc une présentation du contexte sociohistorique qui a vu naître les technologies de la traduction au Canada ainsi qu’une étude centrée sur quatre laboratoires canadiens : TAUM, CITI, RALI et CNRC/CRTL. Notre analyse révèle donc que les facteurs sociologiques, politiques et linguistiques propres au Canada ont causé des tensions, des incohérences et des dissensions qui ont considérablement ralenti la recherche fondamentale en technologies langagières au pays.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».