¿Cómo traducen traductores y profesores de idiomas? Estudio de corpus
Notice bibliographique
Résumé
Le groupe PACTE de l’Université autonome de Barcelone (UAB) s’est consacré pendant plus d’une décennie à la recherche en matière de compétence traductive (CT). Quant à la démarche de traduction, notre recherche – empirique et expérimentale – a non seulement confirmé le modèle de CT proposé par PACTE, mais elle a également mis de l’avant des données sur la spécificité de cette compétence et sur les différences entre la traduction directe et la traduction inverse. Dans cette étude sur le produit de traduction, les données sont observées sous un autre angle, à savoir celui de la linguistique de corpus. Le présent article analyse le corpus de traductions issu de l’expérience de PACTE en matière de CT, qui se compose de traductions directes et inverses réalisées d’une part par des traducteurs professionnels et, d’autre part, par des professeurs de langues étrangères. Il s’agit en l’occurrence d’une analyse de l’utilisation d’éléments tels que les calques, les emprunts, les notes des traducteurs, les parenthèses, le rapport type/occurrence, les expressions courantes, etc., cette analyse n’ayant pas révélé de grandes variations entre les deux groupes de traducteurs ni en matière de directionnalité. Par contre, le degré de similitude entre les traductions, qui a également été mesuré, a montré de nettes différences.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».