Traduction basque de chansons populaires : entre transformation minimale et reparolisation1
Bibliographic record
Abstract
Le présent article examine la traduction de chansons populaires par des musiciens basques dans les années 1960 et 1970, époque de grands changements politico-culturels au Pays basque. La chanson traditionnelle connaît alors un mouvement de renouveau : d’une part, des groupes pop commencent à chanter du fox-trot, de la rumba, des tangos ou du cha-cha-cha en basque ; d’autre part, en s’inspirant de chansons de revendication, des auteurs-compositeurs basques créent ce qu’on appelle la « nouvelle chanson basque ». La traduction est omniprésente dans ce mouvement. Des oeuvres d’auteurs-compositeurs tels que Bob Dylan, Georges Brassens, Lluis Llach, Leonard Cohen et Atahualpa Yupanqui, et d’artistes pop tels que Cliff Richard, Gigliola Cinquetti, Frank et Nancy Sinatra, Los Impala et Salomé sont chantées en basque à cette époque. La comparaison des chansons originales avec leurs versions basques révèle un éventail de procédés de traduction : les traductions sont parfois fidèles, mais, souvent, les textes ont été adaptés, manipulés, domestiqués, voire complètement remplacés par de nouvelles paroles. Les méthodes d’analyse de chansons appliquées à ce jour s’avèrent peu avantageuses pour étudier la traduction de chansons dans une langue minoritaire comme le basque. En effet, elles mettent en parallèle des langues dites « majeures », se concentrant souvent sur des aspects exclusivement linguistiques et examinant les traductions d’un point de vue normatif, axé sur l’équivalence. L’objectif de la présente étude est ainsi de proposer un modèle d’analyse qui tient compte des facteurs culturels, politiques et sociaux qui motivent les transformations apportées aux chansons.
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 | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.023 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".