MétaCan
Menu
Back to cohort

Ulysse ou la piraterie en traduction

2022· article· fr· W4304845767 on OpenAlexaff
Claire Larsonneur

Bibliographic record

VenueRecherches & travaux · 2022
Typearticle
Languagefr
FieldComputer Science
TopicCultural Insights and Digital Impacts
Canadian institutionsDesjardins
Fundersnot available
KeywordsHumanitiesArtPhilosophy

Abstract

fetched live from OpenAlex

Ulysse par jour est une entreprise inédite de traduction française du roman de Joyce, Ulysse, publiée par Guillaume Vissac au rythme d’un tweet par jour depuis 2012. Ces tweets sont relayés et archivés dans un espace Web dédié. En choisissant de créer un dispositif numérique spécifique à cette traduction, Guillaume Vissac sort la traduction de l’espace éditorial où elle était confinée et de sa position ancillaire. L’architexte ainsi construit joue sur la polyvalence des médias numériques (cartographie, tags horaires, tags thématiques, hyperliens) et ouvre une pluralité de lectures. Le séquençage du roman-fleuve en 140 puis 280 caractères produit des micro-textes, qu’on pourrait qualifier de fragments mais qui s’en distinguent par leur unité propre (textuelle et écranique) et par leur insertion dans un réseau de références. Le dispositif influe sur l’écriture dans la mesure où il conduit à une poétisation du roman et à un redéploiement de l’œuvre dans une série de plis (versions, gloses) littéraires. Autre différence avec une publication traditionnelle, le dispositif articule des temporalités complexes, tant en matière d’écriture que de lecture. Plutôt que de parler de traduction proprement dite, Vissac préfère le terme de « piratage poétique », qu’il emprunte à Kathy Acker : la traduction est une réappropriation poétique mais aussi une transgression, une remédiation créatrice. Il s’inscrit ainsi dans un ensemble de pratiques artistiques ; littéraires comme chez Acker, Riós ou Headley, ou multimodales comme chez J. R. Carpenter, entre détournement et remix, qui remettent en question les frontières des genres traditionnels.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Scholarly communication
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: none
Teacher disagreement score0.912
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0000.000
Scholarly communication0.0010.002
Open science0.0010.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.560
GPT teacher head0.379
Teacher spread0.182 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueRecherches & travauxSame topicCultural Insights and Digital ImpactsFrench-language works237,207