CChallenges and (partial) solutions of gender-inclusive translation: Spanish, English, and French in the context of participatory research
Notice bibliographique
Résumé
Both co-authors have been coordinating translation work for the participatory research project The Surviving Memory in Postwar El Salvador including a variety of audiovisual materials (websites, ethics documents, subtitling videos, etc.). This work presents our observations of student translator training based on mutual education as an effort to negotiate across differences (regional, generational, linguistic, etc.) and to model language that is less (gender) exclusionary while also honoring cultural and historical specificities. After presenting the participatory research project and describing the different types of translation tasks, we consider some concrete cases of translations towards Spanish but also in some cases towards English and French, along with theoretical and practical implications. The extracts that we discuss come from the project's Governance Model, followed by some examples of translations from survivor testimonies, Community dissemination reports, ethic protocols and other administrative documents. Throughout the discussion of these examples, we reflect about our challenges in translation, mostly linked to learning and teaching how to translate while translating and also about Inclusive Translation as (mutual) education. The discussion includes some thoughts about the challenges of training in our collaborative approach to translation, translating with space limitations, and the use (or not) of nonbinary inclusive language in translation, all of which contribute to our vision of translation as mutual education.
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 | 0,049 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,023 | 0,036 |
| Communication savante | 0,017 | 0,008 |
| Science ouverte | 0,002 | 0,018 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».