Una lengua meta y dos realidades distintas: la traducción de la literatura infantil y juvenil francesa al euskera
Bibliographic record
Abstract
El objetivo de este artículo es realizar un estudio descriptivo del sistema compuesto por las traducciones al euskera de las obras francesas de literatura infantil y juvenil. Para ello, y tras consultar diferentes bases de datos, se ha completado un catálogo que ha dado como resultado 754 entradas de LIJ francesa traducida al euskera. Más de la mitad de las entradas se refieren a obras destinadas a los más pequeños (0-9 años) y el género del cómic también está muy representado, pues supone el 18% de todo el catálogo. Además, llama la atención la cantidad de autores que se han traducido, aunque no son muchos los autores que se escogen más de una vez. En cuanto a los traductores, cabe destacar la función de las agencias de traducción, quienes aparecen en los créditos como los responsables de haber realizado la labor de traducir los libros destinados a los más pequeños. Sin embargo, el dato más interesante es el relativo al lugar de publicación, ya que, aunque la lengua origen sea el francés, tan solo el 9,5% de las entradas del catálogo fueron publicadas en el País Vasco francés. Esto se debe, sobre todo, a la situación de no-oficialidad que vive la lengua vasca en el estado francés, y hace que surjan dos sistemas diferentes a un lado y al otro de la frontera, a pesar de que las lenguas origen (francés) y meta (euskera) sean las mismas.
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 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.015 | 0.020 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.011 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".