MétaCan
Menu
Retour à la cohorte
Enregistrement W2989786312 · doi:10.7202/1065569ar

Revisiting “Speak White”: A lieu de mémoire Lost and Found in Translation

2019· article· en· W2989786312 sur OpenAlexaffvenueabout
Carmen Ruschiensky

Notice bibliographique

RevueTTR traduction terminologie rédaction · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPoetryWhite (mutation)Context (archaeology)LinguisticsRewritingForegroundingGenerative grammarIncarnationMateriality (auditing)Transformative learningLiteratureHistoryArtSociologyAestheticsPhilosophyComputer scienceTheology

Résumé

récupéré en direct d'OpenAlex

This article traces the afterlives of Michèle Lalonde’s 1968 poem “Speak White” to explore how translation contributes to constructing, renewing and transforming it as a lieu de mémoire through various transformative processes. The term “translation” here designates a phenomenon that includes but extends beyond the concept of translation as linguistic transfer to encompass different forms of rewriting, adaptation and remediation, foregrounding the generative aspect of the memory site as well as the tension between past and present, between a lieu de départ and its reinscription in a new context. Specifically, it focuses on two English translations of “Speak White” that attempt to reconstruct the poem’s subversive diglossia; Marco Micone’s 1989 poem “Speak What,” as a rewriting that takes the form of serious parody; two adaptations produced during the 2012 Quebec Student Strike, “Speak Red” and “Speak rich en tabarnaque”; and the latest incarnation of “Speak White” in Robert Lepage’s 887 , a theatrical production that introduces its own layers of intertemporal, intermedial and interlingual complexity. These recreations of “Speak White” reveal how a lieu de mémoire can be simultaneously anchored or re-anchored in the past while also being renewed or rerouted through translation in the present across languages, cultures, media and time.

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)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,923
Score d'incertitude au seuil0,592

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,085
Tête enseignante GPT0,294
Écart entre enseignants0,210 · 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'étudeAutre devis
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

Citations5
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTTR traduction terminologie rédactionMême sujetTranslation Studies and PracticesTravaux en français237 207