Formes d’adresse dans le discours politique du Parlement européen : comparaison entre le français et le finnois
Notice bibliographique
Résumé
Euroopan parlamentin kaltaisella kansainvälisellä monikielisellä yhteisöllä on oma viestintäkulttuurinsa. Puhuttelusanojen käyttö on osa formaalia kohteliasta vuorovaikutusta virallisissa poliittisissa kokouksissa. Puhuttelusanojen käyttöön tuo oman mausteensa myös niiden kääntäminen simultaanitulkkauksessa. Tässä tutkimuksessa on havainnoitu ja analysoitu puhuttelusanojen käyttöä simultaanitulkkauksessa ranskasta suomeen kahdessa Euroopan parlamentin kokouksessa syksyllä 2019 ja keväällä 2020. Tutkimuksen teoriaosassa viitataan erityisesti Kerbrat-Orecchionin ja Iso-Sävin tutkimuksiin ranskan kielen puhuttelumuodoista, Yli-Vakkurin tutkimukseen suomen kielen kohteliaisuusmuodoista sekä Venutin ja Chestermanin tutkimuksiin käännösstrategioista. Eri kielten konventiot kohteliaisuuden ja puhuttelusanojen suhteen ovat erilaisia, ja tulkatessa tulkin on valittava, käyttääkö hän lähdekielen vai kohdekielen mukaista strategiaa. Virallisessa poliittisessa kielenkäytössä ranskan ja suomen kielten välillä on yllättävänkin paljon yhteneväisyyksiä - esim. teitittelyn käyttö kautta linjan - mutta myös runsas puhuttelusanojen käyttö. Ranskan kielen puhuttelusanat ovat kuitenkin erilaisia kuin suomen kielen, ja selkeimpänä erona tutkimuksen mukaan on se, että ranskan kieli käyttää sukupuoleen viittavia sanoja Monsieur (herra) / Madame (rouva) runsaammin. Nämä tulkataan vain harvoin lähdekielen mukaisesti, ja huomattavasti useammin tulkki turvautuu kohdekielelle ominaiseen strategiaan joko jättämällä sanan herra / rouva kokonaan pois, tai vaihtoehtoisesti korvaamalla sen adjektiivilla (esim. arvoisa) tai ammattinimikkeellä (esim. edustaja). Tulkkaus on aikarajoitteiden ja yllättävien tilanteiden takia kääntämisen muoto, jossa ei ole mahdollisuutta pohtia käännösstrategioita tulkkaustilanteessa, vaan päätökset on tehtävä nopeasti. Tutkimus osoittaa, että puhuttelusanojen suhteen tulkeille on kehittynyt selkeä malli, jonka mukaan kääntää puhuttelusanat niin, että ne kuulostavat luontevilta suomen kielen tulkkausta kuuntelevalle asiakkaalle – onhan tulkkausta suomen kielelle ollut tarjolla Euroopan parlamentissa jo reilun 25 vuoden ajan.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».