Multiple im/person/aliz/ations: Four Attempts to 'get under the skin' of Poets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
I have been actively translating for about twenty years. Looking back, I now realize that it made translation easier when I tried to ‘become’ the original writer: I was more successful when I asked myself, “what would they have written if they had had my knowledge of English?” and, for poetry, when faced with the clash between the demands of form and content, “which way would they bend?’
 Rather than attempt any theorizing, I propose to relate my efforts to get under the skin of a number of poets, for example: one, surviving the siege of Leningrad; another, pioneering multiple poetic genres in early 19th-century Central Europe; a third who (successfully? I am not sure) aimed to capture the horror of a Nazi atrocity in Vienna; a fourth who became the most popular author of Slovene poetry for children by temporarily shedding his own adulthood. Also, I will add my recent attempts to capture, in Slovene, the style of children in war-torn Northern Uganda who are writing to the sponsors who are paying their school fees in a charming but not always clear fractured English (which they are just learning): is it possible, is it expedient to pretend to be such a child in order to transfer their thoughts into Slovene?
 It certainly helps to have been a teacher. Teachers are, I believe, better teachers if they can act the roles of others, and translators can perhaps be better translators if they can ‘become’ other people. Anyway, it makes for a more interesting life.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle