Bibliographic record
Abstract
Nous avons réalisé une étude sur le fonctionnement cognitif des traducteurs et plus précisément sur le fonctionnement spécifique de la mémoire de travail lors de l’opération traduisante. Nous avons utilisé comme référence de base le modèle de la mémoire de travail proposé par Baddeley (2000), qui est un des modèles les plus pertinents à l’heure actuelle. Le protocole expérimental proposé aux six sujets traducteurs mettait en comparaison les trois sous-composantes du modèle de Baddeley et a pu montrer une petite différenciation du buffer épisodique par rapport aux composantes de la boucle phonologique et du calepin visuo-spatial. À savoir, lors de la traduction, les sujets ont du mal à retenir des informations « épisodiques », et ceci perturbe la réalisation de cette double tâche. Éventuellement, cette difficulté révélerait l’existence des processus complexes mis en place par le buffer épisodique, qui nécessiteraient beaucoup de ressources attentionnelles, et qui joueraient un rôle essentiel dans le bon déroulement de la traduction. Nous pensons ainsi que cette composante est celle qui s’avère la plus précieuse pour la mise en oeuvre de l’activité de la traduction.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| 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".