Traduction, bilinguisme et langue de travail : une étude de cas au sein de la fonction publique fédérale canadienne
Bibliographic record
Abstract
Seront présentés, dans le présent article, les résultats partiels d’une étude ethnographique menée dans un ministère de la fonction publique canadienne situé en milieu minoritaire francophone (Moncton, Nouveau-Brunswick). Il sera notamment question de la place qu’occupe la traduction dans ce milieu de travail et du rôle qu’elle y joue. L’étude révèle que même si l’anglais et le français sont les langues officielles de travail dans ce ministère (en vertu de laLoi sur les langues officiellesdu Canada), c’est l’anglais qui demeure la langue de travail commune ; c’est ainsi grâce à la traduction que le ministère est en mesure de répondre à ses obligations en matière de langue de travail. Il s’agit donc d’un environnement de travail diglossique où les deux langues, malgré leur statut officiel, n’ont ni le même poids ni le même prestige. Cette situation soulève des questions importantes sur la place du français comme langue de travail, les stratégies de traduction privilégiées, les rapports de pouvoir entre les langues et les locuteurs, et enfin l’efficacité de la politique linguistique institutionnelle du gouvernement du Canada.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.010 | 0.009 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".