La Théorie interprétative ou Théorie du sens : point de vue d’une praticienne*
Bibliographic record
Abstract
La Théorie interprétative, ou Théorie du sens, que l’on appelle aussi parfois Théorie de l’École de Paris, repose sur un principe essentiel : la traduction n’est pas un travail sur la langue, sur les mots, c’est un travail sur le message, sur le sens. Qu’il s’agisse de traduction orale ou écrite, littéraire ou technique, l’opération traduisante comporte toujours deux volets : COMPRENDRE et DIRE. Il s’agit de déverbaliser, après avoir compris, puis de reformuler ou ré-exprimer, et le grand mérite de Danica Seleskovitch et de Marianne Lederer, qui ont établi et défendu ardemment cette théorie, est d’avoir démontré à quel point ce processus est, non seulement important, mais également naturel. Ces deux phases nécessitent évidemment, pour le traducteur, la possession d’un certain savoir : la connaissance de la langue du texte, la compréhension du sujet, la maîtrise de la langue de rédaction, mais aussi une méthode, des réflexes bien éduqués, qui vont lui permettre d’adopter à l’égard du texte l’attitude qui aboutira au meilleur résultat par la recherche d’équivalences, sans se laisser enfermer dans les simples correspondances. L’auteur s’appuie sur de nombreux exemples, techniques aussi bien que littéraires, tirés de sa pratique professionnelle pour montrer à quel point l’opération traduisante implique un travail de recherche du sens, suivi d’une reformulation par l’établissement d’équivalences.
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 | 0.013 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.007 | 0.092 |
| Scholarly communication | 0.019 | 0.025 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.005 | 0.010 |
| Insufficient payload (model declined to judge) | 0.009 | 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".