Traduire un texte entre les langues. Retour sur l’expérience de traduction de Hong bai hei
Notice bibliographique
Résumé
Cette contribution se propose d’explorer la stratégie de conservation et de recréation des éléments d’hétérogénéité dans la traduction italienne du roman Hong bai hei (« Le Rouge, le Blanc et le Noir ») de l’auteur sino-canadien Chen He. À sa première parution en 2007, le roman a été salué comme un exemple d’écriture fortement « globale » : en effet, il est caractérisé par une forte hétérogénéité au niveau des thèmes, des pays où l’action se déroule, des langues utilisées, des genres et des sources exploitées. Dans le processus de traduction, cette pluralité d’éléments appelle naturellement à une stratégie minorisante qui viserait à reproduire, dans la plus ample mesure possible, l’altérité intrinsèque de l’original. Toutefois, le traducteur a également mis en place une stratégie de recréation du texte premier, qui s’est réalisée dans l’insertion originale d’éléments hétérolingues et dans l’interaction avec l’auteur afin de recréer des passages localisés du roman. En dernière analyse, cette stratégie de traduction créatrice et « globalisante » contribue à la redéfinition du texte premier et à la mise en relief de sa nature hétérogène et globale.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,012 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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; 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 ».