Bibliographic record
Abstract
Dans cette communication l’accent est mis sur les problèmes que posent en général les rapports entre langage et émotions et plus particulièrement ceux que rencontrent un traducteur ou un interprète. L’expression des émotions constitue un défi au langage mais les huamins ne renoncent pas. Le rapport implicitation/explicitation, l’usage des métaphores et l’articulation intermodale des types de signes, constituent la panoplie de moyens d’expression particulièrement utiles pour relever un tel défi. Mais lorsque l’interprète ou/et le traducteur tentent de traduire un discours ou un texte émotif, leur tâche risque d’être difficile. Toutefois malgré les limites inévitables de l’entreprise quand il s’agit de traduire des textes émotifs, la situation n’est pas désespérée pourvu que l’on adopte une perspective pragmatique. Un traducteur (interprète) qui pratique son art dans une perspective pragmatique, peut déjà contribuer beaucoup au partage des émotions. En ce cas, son art ressemble à une paraphrase dans une autre langue, paraphrase qui sait s’adapter aux implicites et aux contextes des publics et lecteurs réels ou potentiels. Certes il faut prendre en compte les différences de conditions de référenciation pour la traduction et pour l’interprétation. Il est ainsi pertinent de partir d’une réflexion sur les problèmes que pose la traduction et de l’interprétation des discours et textes émotifs, pour renouveler l’étude psycholinguistique de la complexité du langage. Il importe d’élaborer en effet, une problématique pluridisciplinaire (traductologie et psycholinguistique) afin de définir ces « universaux psychologiques » qui en deçà des variétés de langues et de cultures fondent le passage d’une langue à l’autre.
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 | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.004 | 0.016 |
| Scholarly communication | 0.010 | 0.015 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.006 | 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".