À la recherche d’un titre littéraire idéalement traduit : le cas du chinois vers le français
Notice bibliographique
Résumé
Recensant 237 ouvrages littéraires chinois traduits en français publiés par les éditeurs français entre 2000 et 2014, cette étude tente d’explorer les règles et les conventions régissant la traduction de titres littéraires du chinois au français. Elle montre la complexité du processus et les multiples défis du traducteur. Nous examinons les différents procédés employés par les traducteurs, qui sont globalement au nombre de quatre : la traduction littérale, l’adaptation, l’explicitation et l’implicitation. Parfois, plusieurs procédés sont mis au service du traitement d’un titre. Nous constatons que le choix du titre ne consiste pas toujours uniquement à saisir les mots et/ou la structure de l’original. Le traducteur essaie, par toutes sortes de stratégies, d’être fidèle à l’intention de l’auteur et à l’esprit de son texte. Par ailleurs, il prend aussi en considération les caractéristiques de la langue française et les attentes du lectorat français. Il jouit d’un assez grand espace de liberté et peut raccourcir ou rallonger un titre, en condensant ou en décomposant certains mots ou structures ; il lui arrive parfois d’en réinventer un. Notre analyse montre que la majorité des titres traduits sont pertinents.
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 | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,012 | 0,008 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,002 |
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 ».