Towards Specialized Translator Studies in a Minority-Language Context: The Multiple Lives and Times of Uya Pawan, Hero of Language Development
Notice bibliographique
Résumé
Although scholars had been interested in translators’ agency since the 1990s, Andrew Chesterman introduced new terminology when he proposed an “agent model” for “Translator Studies” in 2009. While subsequent studies have shed light on the agency of literary translators, specialized translators have remained in the shadows, including in minority translation studies. This article is a case study of Uya Pawan, a specialized translator who translates ethnobotanical descriptions between Chinese, the majority language of Taiwan, and Sediq, a critically endangered Indigenous minority language spoken in central Formosa. In settler states around the world, in a race against time, heroic minority-language translators like Uya are translating specialized texts to develop ancestral tongues. As a hero of language development through specialized translation, Uya is an agent par excellence. But an agent model for translator studies must be complemented by a structural interpretation of why, what, and how a translator is translating, and with what effect. While Reine Meylaerts conducted such an analysis within a neo-Bourdieusian framework, this article adopts the framework of Anthony Giddens, whose structuration theory better accommodates a heroic view of linguistic history. There are different ways of being a linguistic hero; Uya’s leads not to purism, but rather, surprisingly, to compromise with the majority language.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,041 | 0,032 |
| Communication savante | 0,013 | 0,016 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».