Traduction littéraire et diffusion culturelle : entre esthétique et politique
Bibliographic record
Abstract
La traduction d’une oeuvre littéraire va bien au delà de la seule portée littéraire du texte source. Les choix effectués dépendent au premier chef des orientations idéologiques, du poids des cultures les unes par rapport aux autres, des décisions d’ordre éditorial et politique, et enfin des stéréotypes entretenus entre les cultures, lesquels n’existent pas non plus dans l’abstrait mais tirent en général leurs racines des réalités historiques, pour être ensuite alimentés souvent par les intérêts divergents d’un groupe par rapport à un autre. Dans ce contexte, le traducteur d’un roman ne fait pas simplement un métier de passeur entre une culture et une autre; il est le véhicule d’une intention plus ou moins articulée, voire plus ou moins consciente, et il s’inscrit clairement dans un rapport de force, de faiblesse, de lutte éventuellement, entre un groupe culturel et un autre. Afin d’en savoir davantage sur cette problématique, il faut se poser les questions suivantes : Qui parmi les auteurs d’un pays traduit-on ? Qui les traduit et les publie ? Pour qui les traduit-on ? Comment les traduit-on ? Dans quel but les traduit-on ? Le présent article se penche sur le cas des auteurs québécois en Italie, à cet égard exemplaire.
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 | 0.006 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.008 | 0.023 |
| Scholarly communication | 0.015 | 0.013 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.009 |
| Insufficient payload (model declined to judge) | 0.015 | 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".