Notice bibliographique
Résumé
Dans les séries anglophones, le français est employé de manière prédominante. Cette situation linguistique est cependant un vrai casse-tête pour les adaptateurs chargés de la VF : comment traduire le français en français ? Au-delà du traitement de la question déjà proposé par la traductologie, cet ouvrage associe une approche théorique du multilinguisme en traduction audiovisuelle et une typologie des solutions adoptées dans le doublage d’une quarantaine de séries. Les scènes étudiées sont issues de séries américaines, britanniques et canadiennes. La plupart sont très récentes, comme Emily in Paris ou The Crown, mais certaines séries des années 1990 ou 2000, à l’instar de Friends ou de Sex and the City, sont également convoquées. Plusieurs styles sont représentés : sitcom (The Big Bang Theory), série historique (The Tudors), science-fiction (Doctor Who), série judiciaire (The Good Wife), policière (NCIS), espionnage (Homeland), etc. Le doublage est à l’honneur dans ce livre, mais quelques références sont faites au sous-titrage, notamment pour évoquer son rôle dans la complicité établie avec le spectateur (langues inventées employées dans Star Trek et Game of Thrones par exemple).
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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; un appel candidat d’une seule tête enseignante, 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 ».