Neurocognitive Aspects of Translation
Notice bibliographique
Résumé
Translation is at the centre of many cognitive domains such as pedagogy, linguistic, pragmatic, neurosciences, and social cognition. This multi-domain aspect is reflected in the current models of translation. Recently, cognitive neurosciences have unraveled some brain mechanisms in the bilingualism domain, and it is quite logical to transfer such knowledge to the field of translation as well as the learning of translation. One interesting question is which non-linguistic cognitive and communicative processes are particularly involved in translation. Particularly, in translation, the author’s intentions have to be interpreted although they may not be explicitly stated in the text. These intentions have to be considered while rendering the text for the target public, a process for which it is also important to anticipate the target public’s prior knowledge of the subject and the extent to which the author’s aims and intentions have to be adapted in order to be correctly communicated in the other language. In neuroscience, being able to imagine another person’s mental state is known as having a Theory of Mind (ToM). This skill seems dissociated from the group of executive functions – though it is very dependent on the latter – and seems to rely on a large but individualized brain network. While translation is a widely investigated phenomenon at the micro-level, there is scarcely any research about the process of interpretation going on at the macro-level of text interpretation and rendering. Preliminary neuroscience experiments on the translations paradigm suggest that neurosciences can bring interesting data not only to linguistic but also to cognitive and social mechanisms of translation strategies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».