MétaCan
Menu
Retour à la cohorte
Enregistrement W2945114742 · doi:10.25071/1925-5624.40367

The Gender of Pseudotranslation in the Works of Marie-Jeanne Riccoboni, Mme Beccari and Cornélie Wouters

2018· article· en· W2945114742 sur OpenAlexvenueno aff
Beatrijs Vanacker

Notice bibliographique

RevueTusaaji A Translation Review · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParatextPersonaNegotiationField (mathematics)Perspective (graphical)NarrativeLiteraturePublic sphereGender studiesSociologySpace (punctuation)Order (exchange)ArtPoliticsHumanitiesPolitical scienceLinguisticsPhilosophyVisual artsSocial scienceLawMathematics

Résumé

récupéré en direct d'OpenAlex

While authorship recognition was a challenge for all eighteenth-century aspiring writers regardless of their gender, the social position of women was such that public claims of authorship and ownership over a text were even less self-evident in the public sphere. As will be illustrated in this article, female writers especially made extensive use of transfer strategies (such as translation and pseudotranslation) to establish their authorship, thereby turning paratext and narrative into a dynamic maneuvering space. Considered from a gender perspective, the challenge for eighteenth-century female writers was to gradually “invent” themselves, or rather establish a voice of their own. Taking on a different (cultural) persona—even if only on a paratextual level—could provide them with a discursive “platform” from which they could negotiate their way into the literary field. In order to illustrate this gender-specific emancipatory quality of pseudotranslation, as established mainly in their paratexts, the present article proposes a comparative analysis of their forms and functions in the career and oeuvre of three eighteenth-century French women writers, Marie-Jeanne Riccoboni, Mme Beccari and Cornélie de Wouters, who all made extensive use of pseudo-English fiction.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,344

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,111
Tête enseignante GPT0,307
Écart entre enseignants0,196 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTusaaji A Translation ReviewMême sujetTranslation Studies and PracticesTravaux en français237 207