Bibliographic record
Abstract
L’Afrique subsaharienne est indiscutablement un espace multilingue. Bien que l’Union africaine, l’organisme international regroupant les pays du continent, selon l’article 25 de son acte constitutif, adopte comme langues de travail de l’Union et de toutes ses institutions, l’arabe, l’anglais, le français et le portugais, on compte approximativement deux mille langues parlées sur le continent (Leclerc, 2017). Cette multitude de langues implique le besoin d’une communication interlinguistique. Depuis l’ère précoloniale, les traducteurs (et interprètes) africains avaient été toujours formés de manière informelle. Dans son article de 1972 intitulé « The Names and Nature of Translation Studies », James Holmes situe la formation des traducteurs au sein de la traductologie appliquée ou « Applied Translation Studies ». Depuis lors, beaucoup de choses ont été dites et publiées sur la formation des traducteurs dans le monde, mais très peu concernent la situation en Afrique subsaharienne en particulier. Afin de mieux apprécier la situation en Afrique subsaharienne, nous partirons de l’examen d’autres contextes, notamment ceux du Canada et des pays de l’Union européenne, en guise de références et comme points de comparaison. L’objectif du présent article est double : familiariser le lecteur avec l’histoire et l’évolution de la formation des traducteurs dans les contextes étudiés, puis et plus essentiellement, attirer l’attention sur la situation qui prévaut, s’agissant de la formation des traducteurs professionnels en Afrique subsaharienne en général, et au Nigéria, géant d’Afrique, en particulier.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.017 | 0.013 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.004 |
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".