Contrastive Socioterminology Analysis: The Case of Julakan and French of Health
Notice bibliographique
Résumé
Up to now, Julakan -unlike French- fails to ensure efficiently and accurately transmission of ideas and knowledge in the field of health, even if the concern is sometimes diseases that exist in the environment where this language is used. The aim of this article is to contribute to the enrichment of the Julakan, or at least to stimulate this enrichment which would help this language become an effective means of communication and knowledge transfer. The method was a contrastive analysis of the nomenclature of the Julakan language used in the field of traditional medicine with the one utilized in the French language in the domain of modern medicine. The comparison made shows that even though there are instances of equivalence between the concepts of these two languages, there are also situations where quasi-equivalence and terminological gaps can cause problems at the level of communication and health care services. Faced with this reality, this article suggests specific solutions for each identified critical cases. In addition, new terms are proposed in order to fill terminological gaps and to enrich the nomenclature of the Julakan in the health domain. Received: 03-03-10 / Accepted: 30-04-10 How to reference this article:Hien, A. (2010). Analyse socioterminologique contrastive: cas du julakan et du français de la santé. Íkala, 15(2), 43 – 72.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,024 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».