Suomalaisen käännöstieteen näkyvyys maailmallaTarkastelussa kuusi kansainvälistä käännöstieteen lehteä vuosilta 1966–2020
Notice bibliographique
Résumé
The history of Translation Studies in Finland is still largely unstudied. Particularly little research has so far been done on scholarly publishing. The well-known exception to the rule is Gideon Toury (2009), who when studying the statistics of the prestigious journal Target from its first twenty years (1989–2008), observed that Finland was among the major contributing countries and thus a central country on the map of Translation Studies. This paper investigates what happened to Finland’s centrality in Target during 2009–2020, albeit with different methods. Furthermore, the analysis has been extended to five other well-known journals: Meta, Perspectives, The Trans-lator, trans-kom and Translation Studies, in order to study Finland’s visibility in Translation Stud-ies on a larger scale. The analysis shows changes in the proportions of contributing countries in Target. Scholars with a Finnish affiliation represented only 3 per cent of all (co-)authors 2009–2020. However, when multiple appearances are calculated the proportions are slightly different, and Finland ranks ninth with Canada among the ten most contributing countries to Target. As to the other journals, Finnish scholars have a visible position (8 per cent of all authors) only in trans-kom, whereas in the four other journals, they represent 1–3 per cent of all contributors.<br>
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 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 tête enseignante, 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 ».