Bibliographic record
Abstract
L’objectif de cet article est de proposer un déplacement des problématiques issues de la traductologie dans un domaine très éloigné qui est celui de l’histoire de l’art, et de la photographie d’architecture en particulier. La plupart des photographes spécialisés dans ce domaine comparent leur pratique à une forme de traduction. Pour autant, la confrontation entre ces deux disciplines ne semble pas aller de soi, et requiert pour être opérante un travail de définition préalable et une réflexion autour de ses enjeux. Il ne s’agira pas d’assimiler ou de confondre ces deux domaines spécifiques en niant leurs différences, mais plutôt d’ouvrir un espace de questionnement transversal en les interrogeant de manière dialectique. Nous mesurerons ainsi en quoi certains concepts, certaines notions, voire certaines méthodes traductologiques peuvent s’appliquer à cette discipline et permettent de la comprendre sous un angle inédit. Nous montrerons comment le couple conceptuel « sourciers / ciblistes » permet de nuancer la dichotomie traditionnelle entre « photographie créative » et « photographie documentaire », puis dans quelle mesure la notion de « défectivité traductive » confrontée à celle de « perte d’aura » photographique conduit à interroger le statut du photographe-interprète.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.027 |
| Scholarly communication | 0.014 | 0.017 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 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".