La traduction des discours politiques classiques de l’histoire du temps présent
Bibliographic record
Abstract
Résumé En contexte canadien, les discours politiques du premier ministre du pays sont généralement présentés dans les deux langues officielles depuis au moins la seconde moitié du vingtième siècle. Pour étudier les discours politiques classiques de l’histoire canadienne du temps présent, il faut donc nécessairement prendre en compte le phénomène de la traduction. Dans cette contribution, le discours politique classique est défini comme une allocution politique d’importance. Pour arriver à la constitution d’un canon de discours politiques représentatifs, l’article avance l’importance d’étudier cinq acteurs susceptibles de répertorier et d’évaluer les allocutions politiques, soit les institutions politiques, les maisons d’édition, les établissements d’enseignement, les médias traditionnels et les médias sociaux. Pour qu’une allocution devienne un classique, elle doit avoir été remarquée et reprise par plusieurs de ces acteurs. Enfin, en analysant la façon dont deux déclarations politiques célèbres ont été reprises dans différents médias, l’article met en évidence le caractère inéluctablement mouvant des traductions de classiques politiques : il semblerait que la retraduction soit de rigueur lorsque journalistes et auteurs québécois citent des déclarations politiques canadiennes-anglaises.
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 | 0.007 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.011 | 0.023 |
| Scholarly communication | 0.012 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.013 | 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".