Traduire l’interlangue : la traductologie au carrefour de la sociolinguistique et de la linguistique de l’acquisition
Bibliographic record
Abstract
De nombreux romans contemporains relevant des littératures de migration mettent en scène la langue parlée par les immigrés, ce qui peut s’avérer problématique dans le passage à la traduction. DansRue des Italiensde Girolamo Santocono (1986) etLes amandes amèresde Laurence Cossé (2011), la représentation de cette « interlangue » emprunte des voies distinctes tant dans la version originale française que dans la traduction en italien. L’analyse de ces oeuvres à l’aide de perspectives différentes (traductologie, sociolinguistique et linguistique de l’acquisition) contribue à une meilleure compréhension de leurs implications linguistiques, traductives et (inter)culturelles. Les connaissances générées permettent en effet de comprendre les mécanismes langagiers représentés et leur fonction dans le cadre des projets esthétiques originaux, tous deux sous-tendus par une volonté de donner la parole à des locuteurs marginalisés par leur appartenance sociale et leur origine géographico-culturelle. Les traductions italiennes de ces deux romans réalisent différemment l’effet de distance propre à la caractérisation des locuteurs immigrés, celle deRue des Italiens(2006) conservant l’impression d’une langue hybride, mais sans systématicité et sans se soucier du public d’arrivée, alors queMandorle amare(2012) recherche une équivalence plus globale, qui sonne plus crédible et efficace aux oreilles des lecteurs italophones. Nous croyons que la linguistique de l’acquisition peut favoriser une prise de conscience de la part du traducteur, en lui fournissant des clés d’interprétation et des instruments plus adéquats au traitement de l’interlangue telle qu’elle est représentée dans une oeuvre littéraire, évitant l’arbitraire, l’improvisation et la caricature.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.017 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 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".