MétaCan
Menu
Retour à la cohorte
Enregistrement W2989827345 · doi:10.7202/1065337ar

Estudio descriptivo comparado de la variación sinonímica en el lenguaje jurídico inglés y español: implicaciones para la traducción

2019· article· es· W2989827345 sur OpenAlexvenueno aff
Leticia Moreno Pérez

Notice bibliographique

RevueMeta Journal des traducteurs · 2019
Typearticle
Languees
DomaineArts and Humanities
Thématiquelinguistics and terminology studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyArt

Résumé

récupéré en direct d'OpenAlex

La variación sinonímica es un recurso habitual en los lenguajes de especialidad, especialmente en el lenguaje jurídico (Acuyo Verdejo 2004; Thiry 2009a; Barceló Martínez 2010). Dado que se trata de una estrategia semántica, una mala interpretación puede cambiar el significado del texto y las relaciones jurídicas establecidas en él; por ello, su correcta detección y manejo son fundamentales. El presente estudio pretende profundizar en la utilización de la variación sinonímica en el ámbito jurídico con el objetivo de comprender su funcionamiento en las dos lenguas de trabajo, inglés y español, y así poder establecer semejanzas y diferencias entre ellas. El estudio se llevará a cabo mediante el análisis de un corpus comparable de contratos de compraventa en ambas lenguas. Para detectar los casos de variación sinonímica en los textos utilizaremos una serie de marcadores textuales que nos permitirán establecer un listado de patrones de uso en cuanto a frecuencia, productividad, funcionamiento y relación de equivalencia creada entre los sinónimos. Los resultados nos ayudarán a entender en qué medida podría afectar la variación sinonímica a la comprensión e interpretación de los textos jurídicos y más específicamente en lo que respecta a la traducción, donde el manejo de esta estrategia puede ser clave en el correcto trasvase de significados entre el texto origen y el texto meta.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,846
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,002
Communication savante0,0020,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
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 Opus0,046
Tête enseignante GPT0,302
Écart entre enseignants0,257 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeta Journal des traducteursMême sujetlinguistics and terminology studiesTravaux en français237 207