Traduire en roumain les structures langagières du discours normatif français
Notice bibliographique
Résumé
La traduction juridique est un processus complexe au cours duquel le traducteur doit prendre une série de décisions, aussi bien dans l’interprétation du texte de départ que dans le choix des ressources et des procédés, pour réexprimer le sens en langue cible. Le présent article se propose d’analyser les difficultés syntaxiques soulevées par la construction des groupes nominaux lors de leur traduction en roumain dans un double but : d’une part, relever les particularités de structuration syntaxique des textes normatifs et, d’autre part, mettre en évidence le fait que le traducteur doit maîtriser non seulement la terminologie juridique mais aussi les ressources linguistiques et rédactionnelles du texte d’arrivée. La langue du droit présente des structures syntaxiques préférentielles, des marques d’énonciation qui sont des traits morphosyntaxiques à effets sémantiques. En ce qui concerne la compétence rédactionnelle en langue cible, celle-ci permet au traducteur de respecter les particularités de structuration spécifiques à chaque langue en assurant la qualité d’une traduction explicite, capable de rendre le sens d’un système juridique 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 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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».