Audiodescription d’un film d’animation: défis d’un projet pratique universitaire
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
L’audiodescription (AD) est un service d’assistance artistique et médiatique en plein essor « qui rend les produits audiovisuels accessibles et agréables pour le public aveugle et les personnes malvoyantes en transférant des images et des sons flous dans une narration verbale qui interagit avec les dialogues et les sons du texte original avec lequel elle forme un tout cohérent » (Reviers et Vercauteren 2013 dans Vercauteren 2016 : 11). Comme objet d’étude et comme pratique intersémiotique, intersémiosphérique ou intermodale, l’audiodescription est devenue un domaine d’intérêt majeur non seulement en traduction audiovisuelle, mais aussi en traductologie (Taylor et Perego 2022). Cet intérêt va de pair avec les développements technologiques dans l’industrie de la traduction qui reflètent quelques tendances mondiales, parmi lesquelles l’augmentation du besoin de localisation (traduction) audiovisuelle (Bussey 2019 : en ligne). Dans cet article, nous présentons et analysons notre propre performance, en tant qu’étudiante au Master Traduction Audiovisuelle : Localisation, Sous-titrage et Doublage (ISTRAD, Instituto Superior de Estudios Lingüísticos y Traducción, et Université de Cadix) (promotion 2020-2022), de l’audiodescription du film d’animation Pour la France, un film de fin d’études en animation 2D, à thématique historique, réalisé en 2019 par Vincent Chansard, dans le cadre de la formation « Concepteur et réalisateur de films d’animation » de Gobelins, école de l’image. Après avoir défini notre cadre théorique, nous exposons notre méthodologie basée sur les principales étapes de réalisation de ce mode de traduction qu’est l’audiodescription, en mettant en relief les différents défis que nous avons rencontrés et les solutions que nous avons apportées.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découle