La traduction dans les cultures plurilingues
Bibliographic record
Abstract
La traduction est couramment définie comme une opération qui relie deux cultures nationales monolingues. Mais qu’en est-il des traductions produites au sein de cultures nationales ou régionales plurilingues comme le Canada, la Belgique, la Suisse ou les Caraïbes ? Peut-on encore arguer à leur propos de « sources » et de « cibles » ou de relations de « symétrie » et d’« équivalence », sachant que les cultures diglossiques ou pluriglossiques instaurent plutôt des inégalités entre les langues et les littératures ? Si les cartographies qui représentent l’espace culturel ont longtemps cherché à minorer ou à occulter ces inégalités, il s’impose de reconsidérer la nature des relations intraculturelles à mesure que les cultures se reconnaissent de plus en plus ouvertement comme plurilingues. Les notions de frontière (linguistique) et d’espace (national) y sont aujourd’hui mises à mal, en faveur d’une hybridation des langues dont la traduction se ressent à son tour. Cet ouvrage réunit des contributions théoriques, historiques et analytiques sur les traductions dans les cultures plurilingues. Il s’attache plus précisément à la période qui va de la naissance des idéologies monolingues au XIXe siècle à leur questionnement radical à partir de la seconde moitié du XXe siècle.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.010 | 0.020 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".