Zur korpusbasierten Erforschung von Fachübersetzungen bei der Nationalen Übersetzerprüfung in Norwegen
Notice bibliographique
Résumé
L’objectif du présent article est d’exposer un certain nombre de données provenant de l’analyse de traductions juridiques réalisées à partir du norvégien vers l’allemand et l’anglais. La méthode employée fait appel à un corpus multilingue parallèle (TK-NHH) qui est encore en construction. Dans un premier temps, l’examen d’agrément national des traducteurs (Statsautorisert Translatøreksamen)de Norvège, d’où proviennent les textes, est présenté. Le modèle utilisé pour la constitution du corpusTK-NHHest ensuite exposé, et ses différentes applications sont discutées. Suit une analyse qualitative de deux problèmes particuliers de traduction juridique provenant du corpus : la traduction d’une expression modale et l’explicitation (pragmatique) des noms propres de phénomènes juridiques culturellement spécifiques. Les langues cibles pour ces exemples sont l’allemand et l’anglais. Le troisième problème de traduction envisagé concerne les problèmes terminologiques qui se posent lorsque le traducteur rencontre de nouveaux concepts existant dans une culture juridique mais absent dans l’autre. Dans ce dernier cas, seules les traductions en allemand ont été examinées. En conclusion, l’article souligne deux changements pour les travaux futurs avec le corpusTK-NHH.
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 | 0,014 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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 ».