L’oralité dans Allah Superstar : représentations, tensions, traduction
Bibliographic record
Abstract
Cet article se penche sur la manière dont le français des banlieues – une variété linguistique très largement orale – est utilisé à des fins narratives et esthétiques dans le roman de Y. B.Allah Superstar, et suggère des pistes pour sa traduction en anglais. On répondra aux questions suivantes : comment l’oralité est-elle représentée à l’écrit dans le roman? Quels sont les ramifications idéologiques et les enjeux de la traduction de ces caractéristiques orales du discours écrit? Le romanAllah Superstar, de par sa narration inhabituelle, écrit comme s’il était la transcription d’un numéro destand-up, propose un champ d’études idéal pour la représentation de l’oralité et de sa traduction. Le narrateur utilise de nombreux traits caractéristiques du français dits des banlieues, ce qui soulève des problèmes idéologiques tant l’utilisation d’une variété non standard de manière aussi systématique est inhabituelle à l’écrit, et étire les possibilités de la langue et la subvertit. L’analyse de l’oralité dans le roman de Y. B. permet d’illustrer la tension inhérente à la banlieue et à sa littérature : prise entre la variété standard de la langue et les conventions de l’écrit d’un côté, et la nécessité d’en repousser les limites pour exprimer une forme de différence de l’autre, l’auteur puise dans les ressources linguistiques non standard et en étire les codes et les normes pour donner naissance à un étrangement qui soulève des enjeux importants pour le processus traductionnel. On fournira des pistes pour la manière d’approcher la traduction de cette banlieue, à la fois proche et lointaine, et du roman de Y. B. et de la voix de son narrateur qui oscille entre familiarité et étrangeté.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.014 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| 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".