Ãtude des procédés dâexplicitation dans les traductions anglais-français de textes environnementaux
Notice bibliographique
Résumé
Le présent mémoire vise à faire l’étude des procédés d’explicitation dans les traductions anglais-français de textes spécialisés de l’environnement. Plus précisément, notre but est d’identifier l'éventail de ces procédés d'explicitation, de faire leur analyse, de les classifier et de proposer quelques pistes quant aux causes possibles de l’explicitation dans la traduction.\nNous présentons d’abord quelques travaux antérieurs qui ont porté sur l’explicitation dans des corpus de langue générale et dans des corpus spécialisés. Notre recherche a ceci de particulier qu’elle porte sur l’explicitation dans un corpus spécialisé, plus particulièrement dans des textes du domaine de l’environnement. L’explicitation est peu étudiée dans les textes spécialisés et, à notre connaissance, aucune étude n’a porté sur l’explicitation dans des textes environnementaux.\nPour notre recherche, nous avons élaboré d’abord un corpus de textes anglais-français portant sur l’environnement. Notre corpus a ensuite été aligné au moyen de l’aligneur LogiTerm Pro. Cet aligneur nous permet de créer un corpus aligné qui est utile pour observer les manifestations d’explicitation. Les stratégies d'explicitation identifiées et classées par Pápai (2004) ont servi de base à notre propre classement.\nNous avons découvert que les procédés d’explicitation se produisent à cinq niveaux : des relations logiques et visuelles, lexical et grammatical, syntaxiques I et II, textuel et extralinguistique. Le nombre total de procédés d’explicitation que nous avons identifiés est de 13. Le plus grand nombre de cas d’explicitations (445) se situe au niveau lexical et grammatical. Parmi les cas d’explicitations au niveau lexical et grammatical, le remplissage d’ellipses sémantiques présente le nombre le plus élevé de cas (186) dans notre corpus spécialisé. L’explicitation au niveau syntaxique I s’observe dans 173 cas; l’explicitation au niveau des relations logiques et visuelles s’observe dans 101 cas; l’explication au niveau syntaxique II a été relevée dans 50 cas. Enfin, l’explication se produit au niveau textuel et extralinguistique dans 37 cas. Après avoir observé notre corpus et d’après les résultats obtenus, nous avons pu constater que le nombre et la variété d’explicitations étaient élevés dans les traductions anglais-français de textes spécialisés environnementaux.
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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».