Deficiencias del texto de partida en la traducción de textos destinados a la enseñanza y divulgación de la ciencia
Notice bibliographique
Résumé
Le présent article définit et délimite de façon précise le concept de déficience ou défaut dans le texte de départ lors de la traduction communicative de textes scientifiques didactiques et de vulgarisation, tout en le différenciant d’autres concepts voisins (comme les passages qui suscitent chez le traducteur l’introduction d’ améliorations , des passages inexacts dus à une légitime simplification pédagogique , etc.). Par la suite, l’article propose une classification spécifique de ces déficiences, à partir d’un vaste échantillon de traductions vers l’espagnol et le portugais, publiées et inédites (réalisées par l’auteur), de fragments d’articles d’encyclopédie, de manuels et de livres et articles de vulgarisation rédigés en anglais et en allemand. La classification proposée des déficiences qui apparaissent fréquemment dans les textes d’origine destinés à l’enseignement et la vulgarisation de la science et qui doivent être corrigées dans le corps du texte cible de la traduction, établit une distinction, au niveau hiérarchique supérieur, entre déficiences factuelles d’une part, en contradiction avec la désignation de la vérité connue ou avec une correspondance adéquate entre les composants verbal et iconique du texte (six sous-catégories) et déficiences formelles d’autre part, qui lèsent la rigueur expressive ou l’efficacité communicative (huit sous-catégories). Finalement, l’article analyse les diverses exigences cognitives liées à la détection et la correction de telles déficiences dans le cadre de la traduction communicative.
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 | 0,004 | 0,004 |
| 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 | 0,002 | 0,005 |
| 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) | 0,001 | 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; 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 ».