MétaCan
Menu
Retour à la cohorte
Enregistrement W2032785670 · doi:10.7202/008014ar

Peut-on faire de la traduction juridique ? Comment doit-on l’enseigner ?

2004· article· fr· W2032785670 sur OpenAlexvenueaboutno aff
Michel Sparer

Notice bibliographique

RevueMeta Journal des traducteurs · 2004
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article de 2002 est une occasion de formuler quelques considérations sur la compréhension de ce qu’est ou devrait être la traduction juridique et sur la formation des traducteurs et traductrices. Il s’agit de répondre à bien des questions ou préjugés : peut-on traduire des textes juridiques ? Faut-il être juriste pour le faire ? Les cours de traduction juridique dispensés au premier cycle sont-ils suffisants pour qu’une personne puisse s’engager dans cette activité en tant que professionnel ? Le droit canadien est ici exprimé en deux langues. Mais le Canada et le Québec sont au confluent de deux traditions juridiques ; un contexte où l’on a deux vocabulaires juridiques : un vocabulaire juridique civiliste bilingue et un vocabulaire juridique bilingue de common law. Ce qui fait quatre vocabulaires juridiques. De plus, les langues évoluent : il existe autant de chances d’établir un lien parfait et stable entre deux termes que de passer d’une montgolfière à une autre en marchant sur une corde tendue entre les deux nacelles. Au delà de cette complexité, il est aussi essentiel d’amener les futurs traducteurs ou traductrices à comprendre ce qui se passe dans l’esprit du juriste qui a conçu le texte à traduire, selon la tradition juridique dont il est issu. Faut-il faire une maîtrise orientée en traduction juridique pour pouvoir toucher à ce domaine ? La formation en traduction juridique telle qu’on la connaît actuellement est-elle adéquate ? Malgré les préalables imposés pour l’accès à ce genre de cours, le programme de premier cycle en traduction devrait consacrer plus de temps à la traduction juridique.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,933

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0210,017
Communication savante0,0210,013
Science ouverte0,0030,004
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0190,004

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,304
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMeta Journal des traducteursMême sujetTranslation Studies and PracticesTravaux en français237 207