Compilation de normes de traduction par l’annotation de corpus parallèles bilingues
Notice bibliographique
Résumé
Nous proposons une méthode de découverte et de compilation des normes de traduction des concepts spécialisés employés dans des termes simples et complexes attestés dans un corpus parallèle bilingue. Les normes de traduction mises au jour par cette méthode ont la particularité d’être fondées sur l’usage et prennent appui sur des solutions de traduction éprouvées. Celles-ci sont essentielles à l’enseignement des compétences en traduction spécialisée telles que proposées par le groupe PACTE et généralement acceptées en traductologie. Notre méthode consiste à analyser la traduction des occurrences spécialisées de business en économie et en finance réunies dans un corpus bilingue constitué d’un échantillon d’occurrences aléatoires obtenues au moyen d’un concordancier en ligne. L’analyse repose sur trois catégories d’annotations et leurs corrélations : l’acception de business, la fonction de business dans le syntagme nominal et les modalités de traduction de business. Cette méthode d’analyse peut être facilement étendue à l’ensemble des concepts spécialisés de nature nominale qui sont des unités distinctives des textes de spécialité.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».