Bibliographic record
Abstract
Dans les séries anglophones, le français est employé de manière prédominante. Cette situation linguistique est cependant un vrai casse-tête pour les adaptateurs chargés de la VF : comment traduire le français en français ? Au-delà du traitement de la question déjà proposé par la traductologie, cet ouvrage associe une approche théorique du multilinguisme en traduction audiovisuelle et une typologie des solutions adoptées dans le doublage d’une quarantaine de séries. Les scènes étudiées sont issues de séries américaines, britanniques et canadiennes. La plupart sont très récentes, comme Emily in Paris ou The Crown, mais certaines séries des années 1990 ou 2000, à l’instar de Friends ou de Sex and the City, sont également convoquées. Plusieurs styles sont représentés : sitcom (The Big Bang Theory), série historique (The Tudors), science-fiction (Doctor Who), série judiciaire (The Good Wife), policière (NCIS), espionnage (Homeland), etc. Le doublage est à l’honneur dans ce livre, mais quelques références sont faites au sous-titrage, notamment pour évoquer son rôle dans la complicité établie avec le spectateur (langues inventées employées dans Star Trek et Game of Thrones par exemple).
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 0.000 |
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.
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 teacher head, 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".