MétaCan
Menu
Retour à la cohorte
Enregistrement W3081748302 · doi:10.7202/1071147ar

Translation and Adaptation Studies: More Interdisciplinary Reflections on Theories of Definition and Categorization

2020· article· en· W3081748302 sur OpenAlexvenueno aff
Patrick Cattrysse

Notice bibliographique

RevueTTR traduction terminologie rédaction · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueShakespeare, Adaptation, and Literary Criticism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCategorizationSemioticsMeaning (existential)Adaptation (eye)PhenomenonTranslation studiesCategorical variableLinguisticsEpistemologyValue (mathematics)ConditionersSociologyPsychologyCognitive scienceComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

This paper discusses how theories of definition and probabilistic theories of categorization could help distinguish between translation and (literary film) adaptation, and eventually between translation (TS) and (literary film) adaptation studies (LFAS). Part I suggests readopting the common parlance definition of “translation” as the accurate rendition of the meaning of a verbal expression in another natural language, and “adaptation” as change that leads to better fit. Readopting these common parlance definitions entails categorical implications. The author discusses three parameters: whereas “translation” represents an invariance-oriented, semiotically invested, cross-lingual phenomenon, “adaptation” refers to a variance-oriented phenomenon, which is not semiotically invested, and entails better fit. Part II discusses how theories of categorization could help distinguish between TS and LFAS. The study of the disciplinarization of knowledge involves epistemic and socio-political conditioners. This section concludes that medium specificity, i.e., the linguistic versus lit-film paradigm, plays a major role in separating TS from LFAS. Another player that deserves more attention is the Romantic as opposed to the Classicist value system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0070,006
Études des sciences et des technologies0,0060,093
Communication savante0,0150,036
Science ouverte0,0040,007
Intégrité de la recherche0,0080,012
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,325
Tête enseignante GPT0,361
Écart entre enseignants0,036 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTTR traduction terminologie rédactionMême sujetShakespeare, Adaptation, and Literary CriticismTravaux en français237 207