Notice bibliographique
Résumé
La première partie du présent article traite du principe synecdoquien, un concept universel central du discours, et par la même occasion de la traduction. Je propose de relier la synecdoque de Lederer (1976 ; 1981 : 1994) qui consiste à voir la formulation linguistique d’un énoncé comme une partie servant à désigner un tout : le sens, à la théorie cognitive de la métaphore et de la métonymie (TCMM) (Lakoff et Johnsen 1980, Langacker 1987, Lakoff et Turner 1989, Gibbs 1994, Panther et Radder 1999 ; Barcelona 2000), où les mots servent de tremplin aux constructions cognitives. Les synecdoques sont les retombées linguistiques de l’édification d’une configuration cognitive. Vu qu’une notion ou une situation est en général conceptualisée différemment dans deux langues différentes, les synecdoques qui servent à véhiculer le sens d’un énoncé discursif ne sont pas les mêmes dans les deux langues. La seconde partie de l’article s’efforce de faire ressortir dans quelle mesure les traducteurs professionnels sont conscients du besoin de recourir à des synecdoques autres que celles du texte de départ en vue de restituer les configurations cognitives qu’ils ont en tête suite à la saisie du sens de formulations aussi bien innovatives que figées. Du fait que les processus mentaux ne se prêtent pas à des observations directes, force est d’inférer ceux-ci à partir des données comportementales du traducteur. Sur la base d’une expérience conduite auprès de trois professionnels de la traduction – le comportement traductionnel desquels est observé à partir de données processuelles générées par deux méthodes in vivo : les protocoles de verbalisation et le logiciel Translog – je tente d’inférer les raisons les ayant incités à opter pour des créations discursives plutôt que pour des correspondances pré-assignées. Je tente enfin de classer leurs procédures de tranfert dans trois catégories : automatique, réfléchie ou explorative.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».