Towards two decades of journalistic translation research (2000-2019): a corpus-based bibliometric study of the Translation Studies Bibliography
Notice bibliographique
Résumé
This paper provides a bibliometric analysis of journalistic translation research (JTR) from the past two decades. It is based on a corpus of 396 entries on journalistic translation and interpreting from the Translation Studies Bibliography (TSB) between 2000 and 2019. This study first consists of a bibliometric analysis of these entries from the aspects of author/editor, year, language, type, journal and publisher. It then explores prominent research topics and areas of focus based both on keywords provided by annotated entries in the TSB and on keywords and high-frequency nouns extracted from the abstracts as a result of corpus analysis. The study elaborates on various methodological approaches to studying journalistic translation according to the keywords provided in the entries of the TSB. The study found that: (1) most of the JTR was published by prestigious journals and publishers in English around 2010; (2) multimedia news about socio-cultural issues, published on various platforms, attracted the most attention from scholars; and (3) socio-cultural approaches have been the most prominent type of approach to journalistic translation over the past two decades. JTR research trends are also predicated according to the current development of the field.
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 | 0,019 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,079 | 0,125 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».