Approche cognitive de la traduction dans les langues de spécialité : vers une systématisation de la description de la conceptualisation métaphorique
Notice bibliographique
Résumé
La conceptualisation métaphorique est un processus fondamental de la pensée largement mis en oeuvre dans la modélisation scientifique, y compris en biomédecine. Pour accéder à la compréhension des textes scientifiques, il est essentiel de pouvoir appréhender les métaphores conceptuelles parcourant le domaine de spécialité envisagé. Selon notre hypothèse de travail, non seulement la conceptualisation métaphorique fonde la spécificité d’un domaine, mais encore sous-tend-elle en grande partie la terminologie et la phraséologie des langues de spécialité. En maîtriser le repérage procure donc un outil cognitif puissant permettant de fonder un grand nombre de décisions traductionnelles. Le présent article fait état d’une méthodologie autorisant la description systématique de collocations motivées par une conceptualisation métaphorique sous-jacente. La question du repérage des unités lexicales témoignant d’une conceptualisation métaphorique (« indices de conceptualisation ») sera abordée, puis une caractérisation de collocations mises en jeu autour de ces unités lexicales particulières sera proposée. La description des collocations sera envisagée à l’aide des fonctions lexicales de la Théorie Sens-Texte, lesquelles pourront être utilisées afin de faciliter le passage d’une langue à l’autre.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».