Bibliographic record
Abstract
La traduction, qu'elle soit littéraire ou techni-co-scientifique, est une activité essentielle pour le développement, la diffusion et la promotion de la connaissance. En Espagne, elle représente, depuis des années, autour de 25 % de la production écrite totale. Cependant, l'espagnol, comme langue de départ, fait piètre figure: la possibilité qu'un ouvrage rédigé en castillan soit traduit dans une autre langue est de un sur 100, alors qu'un ouvrage provenant du monde anglo-saxon ou francophone a une chance sur quatre d'être traduit vers l'espagnol. Tous domaines confondus, la majorité des traductions viennent de l'anglais (50 %), le français vient ensuite (15-20 %, avec une tendance à la baisse), l'allemand suit (10 % environ) et l'italien (8 %). Les autres langues (grec, russe, portugais, etc.) ne dépassent jamais 1 % du nombre total des traductions. Enfin, il faut souligner la contradiction entre le volume de traduction exécuté vers ïespagnol et le peu d'intérêt que les ouvrages en espagnol semblent susciter dans le reste du monde, bien qu'il existe plus de 300 millions de locuteurs espagnols à travers le monde. Les responsables politiques et culturels espagnols sont négligents lorsqu'il s'agit de promouvoir l'espagnol en dehors de l'Espagne. Si la situation ne change pas, l'Espagne restera un pays importateur de produits culturels sans jamais atteindre une diffusion respectable de ses propres produits culturels.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.027 | 0.005 |
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".