La formation professionnelle des traducteurs en Afrique subsaharienne
Notice bibliographique
Résumé
L’Afrique subsaharienne est indiscutablement un espace multilingue. Bien que l’Union africaine, l’organisme international regroupant les pays du continent, selon l’article 25 de son acte constitutif, adopte comme langues de travail de l’Union et de toutes ses institutions, l’arabe, l’anglais, le français et le portugais, on compte approximativement deux mille langues parlées sur le continent (Leclerc, 2017). Cette multitude de langues implique le besoin d’une communication interlinguistique. Depuis l’ère précoloniale, les traducteurs (et interprètes) africains avaient été toujours formés de manière informelle. Dans son article de 1972 intitulé « The Names and Nature of Translation Studies », James Holmes situe la formation des traducteurs au sein de la traductologie appliquée ou « Applied Translation Studies ». Depuis lors, beaucoup de choses ont été dites et publiées sur la formation des traducteurs dans le monde, mais très peu concernent la situation en Afrique subsaharienne en particulier. Afin de mieux apprécier la situation en Afrique subsaharienne, nous partirons de l’examen d’autres contextes, notamment ceux du Canada et des pays de l’Union européenne, en guise de références et comme points de comparaison. L’objectif du présent article est double : familiariser le lecteur avec l’histoire et l’évolution de la formation des traducteurs dans les contextes étudiés, puis et plus essentiellement, attirer l’attention sur la situation qui prévaut, s’agissant de la formation des traducteurs professionnels en Afrique subsaharienne en général, et au Nigéria, géant d’Afrique, en particulier.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».