MétaCan
Menu
Retour à la cohorte
Enregistrement W2546969573 · doi:10.14746/strop.2016.425.006

La traduction spécialisée à l’ère des nouvelles technologies : quel effet sur le texte de spécialité?

2016· article· fr· W2546969573 sur OpenAlexaffabout
Matthieu Leblanc

Notice bibliographique

RevueStudia Romanica Posnaniensia · 2016
Typearticle
Languefr
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésComputer scienceQuality (philosophy)Product (mathematics)Translation (biology)Focus (optics)Process (computing)Field (mathematics)Control (management)LinguisticsArtificial intelligenceProgramming languageEpistemologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

The introduction of translation technologies, especially translation memory software, has had a significant impact on both the translator’s professional practice and the target text itself. Apart from the fact that he or she must translate in a non-linear fashion due to the design of translation memory systems, the translator is now called upon to increase output and, in many cases, recycle what has already been translated by others. As a result, the translator, used to having full control over his or her text, is in some regards losing control over the translation process, which brings him or her to reflect on the quality of the final product and, in turn, on the transformations the field of specialized translation is undergoing. In this paper, I will present the results of an important ethnographic study conducted in three Canadian translation environments. I will focus mostly on the effects translation technologies and newly implemented practices have had on the quality of specialized texts destined for the Canadian market, where most of the specialized texts produced in French are in fact translations. Special attention will be given to the comments made by specialized translators during semi-directed interviews.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,003
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,263
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudia Romanica PosnaniensiaMême sujetTranslation Studies and PracticesTravaux en français237 207