Traduire dans un monde de signes non traduits : l’incidence de la multimodalité en traductologie*
Bibliographic record
Abstract
Depuis peu, la traductologie, qui s’intéresse traditionnellement au verbal, s’est tournée vers les études sur la multimodalité, afin d’y emprunter les méthodologies et les cadres d’analyse propres à poser les bases de la recherche sur la traduction des textes multimodaux, tels que les films, les sites Internet ou les bandes dessinées. Les outils d’analyse ainsi que les concepts développés dans le champ de la multimodalité ont été importés en traductologie, avec toutefois peu de réflexion approfondie sur les principes sur lesquels sont fondés ces instruments ou sur la signification pour la traductologie de l’adoption de ces principes. En conséquence, les discussions théoriques en traduction restent avant tout concentrées sur le verbal, toutes les autres ressources sémiotiques étant réduites à un rôle contextualisant. Le présent article comble une lacune en entreprenant d’étudier ce qu’implique la multimodalité pour la traductologie. Les concepts clés d’une perspective sociosémiotique sur la communication multimodale sont réexaminés pour proposer une redéfinition de texte, de co-texte et de contexte, et pour introduire la notion de connaissance sémiotique, indispensable à l’interprétation du sens à tous les niveaux. S’ensuivent alors une discussion sur les conséquences de cette nouvelle perspective en traductologie ainsi qu’une révision de quelques-uns des concepts de base de ce domaine, à l’origine de plusieurs questions méritant, selon nous, d’être au centre de la discipline. Notre conclusion offre l’ébauche d’une nouvelle approche théorique et méthodologique intégrée.
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 | 0.008 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.006 | 0.030 |
| Scholarly communication | 0.018 | 0.018 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 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".