Traductologie et sciences cognitives : une dialectique prometteuse
Bibliographic record
Abstract
La traductologie est actuellement de plus en plus conçue comme un domaine interdisciplinaire de recherche fondamentale et appliquée. La traduction, dans le cadre de la théorie interprétative, est considérée comme un processus complexe de communication. Les mécanismes neurophysiologiques impliqués dans l’activité traduisante sont peu connus à l’heure actuelle. Une approche d’investigation de ces processus est de tenter d’obtenir des résultats expérimentaux convergents par des techniques psycholinguistiques et d’imagerie fonctionnelle de l’activité cérébrale. Dans cet ordre d’idées, des travaux réalisés récemment (dans le cadre de la collaboration entre l’Université de Caen-Basse Normandie – MRSH et l’Université Ionienne – DLETI) sur le fonctionnement de l’attention et de la mémoire de lecture au cours de l’activité traduisante par oculométrie tendent à attribuer un rôle important du buffer épisodique dans le processus de traduction. D’autre part, des futurs travaux de recherche sur les mécanismes neuropsychologiques mis en jeu par ce processus en utilisant des techniques d’imagerie fonctionnelle cérébrale (TEP, IRMf), sur la base de travaux déjà réalisés pour l’étude du bilinguisme et de la traduction de mots ou de phrases élémentaires, pourraient contribuer à éclaircir nos connaissances des mécanismes cognitifs intervenant dans cette activité mentale hautement complexe.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.020 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.005 | 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".