Deficiencias del texto de partida en la traducción de textos destinados a la enseñanza y divulgación de la ciencia
Bibliographic record
Abstract
Le présent article définit et délimite de façon précise le concept de déficience ou défaut dans le texte de départ lors de la traduction communicative de textes scientifiques didactiques et de vulgarisation, tout en le différenciant d’autres concepts voisins (comme les passages qui suscitent chez le traducteur l’introduction d’ améliorations , des passages inexacts dus à une légitime simplification pédagogique , etc.). Par la suite, l’article propose une classification spécifique de ces déficiences, à partir d’un vaste échantillon de traductions vers l’espagnol et le portugais, publiées et inédites (réalisées par l’auteur), de fragments d’articles d’encyclopédie, de manuels et de livres et articles de vulgarisation rédigés en anglais et en allemand. La classification proposée des déficiences qui apparaissent fréquemment dans les textes d’origine destinés à l’enseignement et la vulgarisation de la science et qui doivent être corrigées dans le corps du texte cible de la traduction, établit une distinction, au niveau hiérarchique supérieur, entre déficiences factuelles d’une part, en contradiction avec la désignation de la vérité connue ou avec une correspondance adéquate entre les composants verbal et iconique du texte (six sous-catégories) et déficiences formelles d’autre part, qui lèsent la rigueur expressive ou l’efficacité communicative (huit sous-catégories). Finalement, l’article analyse les diverses exigences cognitives liées à la détection et la correction de telles déficiences dans le cadre de la traduction communicative.
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 | 0.006 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.006 | 0.016 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".