Punto de vista interno y externo sobre la traducción: ¿Podemos decir algo nuevo desde la traductología contemporánea?
Bibliographic record
Abstract
Du point de vue interne, les chercheurs étudient la traduction en tant que processus cognitif dont la complexité dépasse la production d’un texte concret. Cela dit, il n’est pas sans intérêt tenir compte du point de vue externe représenté par les usagers des traductions. L’utilité de cette information est très pertinente non seulement pour un meilleur accomplissement de l’activité traductive, mais aussi parce qu’elle nous offre la possibilité d’intervenir dans une réalité qui ne coïncide pas tout à fait avec la pratique professionnelle des traducteurs. Dans cet article, nous avons commencé par un parcours théorique à propos des quelques concepts clés de la traductologie contemporaine. Puis nous avons mis en rapport les avancées théoriques des études descriptives et cognitives sur la traduction, avec les résultats d’une étude empirique que nous avons menée auprès d’un groupe d’usagers des traductions spécialisées qui ont porté des jugements de valeur sur un ensemble des traductions. Nous avons ensuite vu comment les différences entre un point de vue interne et externe sur la traduction persistent, avant de terminer par l’énoncé de conclusions utiles visant à rendre compte de cette différence et à la réduire dans la mesure du possible.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.007 | 0.031 |
| Scholarly communication | 0.011 | 0.015 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".