Bibliographic record
Abstract
Le statut et le rôle de la traduction sont forcément différents selon qu'on envisage les sociétés unilingues ou les sociétés plurilingues. Dans une société unilingue la traduction substitue à un discours réputé inaccessible aux membres de la communauté un texte dans la langue vernaculaire. Dans une société multilingue, le même texte-source doit être traduit en plusieurs langues-cibles. On autorise ainsi, de facto , une approche multilingue des divers domaines de la connaissance. Un étudiant bilingue connaît la terminologie de son domaine d'étude dans deux langues, même si l'une d'elles a sa préférence. Il n'y a pas substitution d'une terminologie à une autre mais addition. La question soulevée ici concerne la valeur de cette addition. En particulier, on peut se demander si cette situation peut conduire à une meilleure maîtrise des concepts de la discipline à étudier. On se concentre ici sur les aspects formels et on suggère que la juxtaposition et l'addition d'informations extraites de la forme de termes homologues dans diverses langues sont utiles. Elles peuvent favoriser une compréhension plus fine de la structure des concepts. Enfin, grâce à l'approche comparative qu'elle induit, la terminologie multilingue peut être un vecteur non négligeable pour la prise de conscience chez les étudiants du rôle de la diversité culturelle dans les sciences et les techniques.
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 | 0.010 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.003 | 0.009 |
| Scholarly communication | 0.011 | 0.024 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.009 | 0.006 |
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".