The Ambivalent Case of Repetitions in Literary Translation. Avoiding Repetitions: a "Universal" of Translation?
Bibliographic record
Abstract
Bien que la répétition joue un rôle majeur dans les textes littéraires, éviter les répétitions est l'une des normes les plus fréquentes en traduction. Au point qu'il serait plus approprié de parler d'un des "universaux" de la traduction. Pour éviter les répétitions, on a recours à des techniques diverses, allant de la suppression pure et simple au remplacement par des synonymes. Quand ces solutions s'avèrent impossibles, le traducteur peut se résoudre à "annoncer" (souligner) la répétition. Éviter les répétitions est une stratégie dominante dans la traduction de textes "canonisés", aussi bien que "semi-canonisés", la seule différence résidant dans le nombre de cas relevés et dans l'audace de la solution. Dans les textes semi-canonisés qui ont subi un changement de genre au cours du processus de traduction, éviter les répétitions doit être considéré comme faisant partie d'un complexe normatif plus large. Pour la littérature non canonisée, les "libertés" que se permet le traducteur sont telles qu'il serait peu rentable de rechercher un équivalent adéquat des répétitions. Dans le cadre global des normes, des répétitions sont parfois ajoutées en traduction. Elles sont, cependant, de nature différente, suscitées par des contraintes répertorémiques, normatives. Tant la rigidité que la récurrence de cet "universel" en matière de traduction, dans des langues et des systèmes littéraires si nombreux, donnent à penser qu'on peut conclure que des considérations d'adéquation cèdent le pas à des considérations d'acceptabilité dans la culture-cible.
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 | 0.007 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.004 | 0.031 |
| Scholarly communication | 0.008 | 0.019 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
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".