Repérage des décalages informationnels de traduction au moyen du criblage automatique des segments hétéromorphes d’un corpus parallèle
Notice bibliographique
Résumé
Nous présentons une méthode de criblage quantitatif et automatique des segments hétéromorphes dans les corpus parallèles de traductions qui rationalise la recherche qualitative et manuelle des décalages de traduction informationnels. Ces derniers fournissent des données sur la traduction comme résultat qui servent à caractériser les idiosyncrasies textuelles et linguistiques des langues en contact et qui renseignent aussi sur les biais individuels du sujet traduisant ainsi que sur les biais culturels inhérents à l’opération de traduction pour les langues-cultures en contact. Pour montrer comment fonctionne la méthode de repérage, nous l’appliquons à un corpus de traductions alignées avec leur segment source. Le corpus contient un discours en anglais du président américain John F. Kennedy (1961) et un discours de la première ministre britannique Theresa May (2017) qui ont été traduits en français. Pour le criblage automatique des segments hétéromorphes, l’algorithme PML (précision des mots lexicaux) analyse automatiquement les paires de segments source et cible et compare le nombre de mots lexicaux dans les segments source et cible pour calculer le ratio de la précision de l’information traduite (PIT). Par la suite, les segments hétéromorphes criblés au moyen du ratio PIT sont analysés manuellement pour déterminer l’origine ou la cause de la variation des contenus informatifs de la traduction et définir les repérages qu’elle entraîne, le cas échéant. La méthode offre l’avantage de rationaliser la recherche de décalages dans les segments hétéromorphes négatifs et positifs des textes traduits dans un corpus parallèle, puisqu’elle permet de cibler et de cribler les paires de segments hétéromorphes qui sont le plus susceptibles de contenir des décalages informationnels de traduction.
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 | 0,006 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,005 |
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 ».