Les carences de la traduction littéraire au Canada : des bibliographies et des traditions
Bibliographic record
Abstract
L’objectif de cet article est double. Dans un premier temps, il vise à mettre au jour deux carences de la traduction littéraire au Canada. La première est d’ordre empirique : il n’existe aucun répertoire complet des oeuvres littéraires canadiennes traduites dans les deux langues officielles. La deuxième est d’ordre théorique : si, en 1977, Philip Stratford a pu constater l’absence d’une tradition de traduction littéraire au Canada, plus de trente ans plus tard, tout porte à croire que la situation a changé. Or, non seulement il n’existe aucune étude d’envergure qui remet en question le constat de Stratford, mais aucun chercheur ne s’est penché sur ce qu’il conviendrait d’entendre par « tradition de traduction littéraire au Canada ». Après avoir exposé ces carences qui, à bien des égards, laissent perplexe en contexte de bilinguisme officiel, il s’agira, dans un deuxième temps, i) de définir l’idée de « tradition » ; ii) d’avancer l’hypothèse selon laquelle il existe depuis 1980 plusieurs traditions conflictuelles de traduction littéraire au Canada ; iii) de formuler des questions de méthodologie susceptibles d’en appréhender l’émergence, l’essor et, le cas échéant, l’étiolement ; iv) de souligner l’importance des bibliographies pour la mise au jour de nouvelles pistes analytiques d’ordre tant quantitatif que qualitatif dans le domaine de la traductologie.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.010 | 0.024 |
| Science and technology studies | 0.019 | 0.018 |
| Scholarly communication | 0.014 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".