Bibliographic record
Abstract
Depuis son essor au milieu des années 80, la pratique du surtitrage demeure une forme de traduction audiovisuelle peu explorée, malgré l’intérêt croissant qu’elle suscite chez certains traductologues et spécialistes. Si les études sur ce genre de traduction multidimensionnelle ou multisémiotique et ses enjeux sont encore à l’état embryonnaire, la perception et les attitudes des divers publics concernant les surtitres sont peu connues de la part des chercheurs. Il va de soi que, pour assurer le succès d’un spectacle surtitré, on doit bien connaître son public cible, comme le requiert tout acte de traduction. Comment les surtitres pour le théâtre sont-ils perçus par le grand public? Comment les choix de traduction affectent-ils la réception d’une représentation théâtrale surtitrée? Ces questions sont d’autant plus importantes dans des contextes francophones minoritaires tels que les communautés francophones de l’Ouest canadien, où les publics des théâtres francophones comprennent des francophones bilingues, des anglophones (et francophiles) monolingues, ainsi que des apprenants de la langue. Dans le cadre plus large d’une étude de grande envergure sur la réception des surtitres effectuée à L’UniThéâtre, cet article sert d’analyse réflexive entreprise par la surtitreuse: elle y aborde ses procédés de surtitrage et examine l’efficacité de sa stratégie en tenant compte des enjeux sociolinguistiques et politico-culturels qui influent sur les conditions de réception dans de telles situations linguistiques minoritaires
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 | 0.008 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.020 | 0.024 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.012 | 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".