Bibliographic record
Abstract
Reviewed by: Exercices d'apprentissage pour la traduction par Servanne Woodward Jessica Sertling Miller Woodward, Servanne. Exercices d'apprentissage pour la traduction. Toronto: Canadian Scholars, 2022. ISBN 978-1-77338-298-2. Pp. 252. CDN $64.95 Le manuel Exercices d'apprentissage pour la traduction est un cahier souple à spirales au style simple et clair qui se concentre non pas sur les techniques de traduction mais sur l'application directe. Cette méthode fait appel à l'observation, la réflexion, et la discussion. L'ouvrage est divisé en 26 chapitres, intitulés 'leçons', contenant chacun cinq activités approfondies. Les traductions se font parfois de l'anglais au français, ou du français à l'anglais, dans un registre de langue généralement neutre. Chaque chapitre explore un thème à travers son champ lexical et la compréhension de textes. Ces thèmes sont très variés (par exemple, l'administration, le féminisme, le secret, le sport). La structure des chapitres se répète fidèlement, ce qui a l'avantage de faciliter la préparation des cours mais le risque de devenir rébarbatif. Un extrait littéraire d'une page sert de tremplin à la leçon: il est précédé d'une biographie sommaire de l'écrivain.e et d'un synopsis qui contextualise l'extrait dans l'intrigue. Ensuite, un exercice de compréhension permet de réfléchir aux détails du texte pour mieux en saisir les nuances. Après cela, une ou deux activités de vocabulaire permettent d'affiner ses connaissances du champ lexical. Le chapitre continue en proposant d'observer des traductions––professionnelles ou automatiques––et de choisir les meilleures, de les comparer, ou de les critiquer. La leçon se conclut avec la traduction d'un ou plusieurs extraits littéraires différents du principal mais évoquant le fil conducteur du chapitre. Ici, on demande aux élèves de justifier leurs choix de traduction lorsqu'il y a plusieurs possibilités. Les corrigés sont fournis par la maison d'édition une fois que le livre est adopté pour une classe. L'atout majeur de cet ouvrage est incontestablement la diversité des textes. On voyage à travers le temps, la géographique francophone avec des auteur.e.s de continents différents, et les courants littéraires. Les classiques (e.g., de Beauvoir, Maupassant, Voltaire) sont également savamment mélangés avec des œuvres contemporaines qu'un public étudiant anglophone sera susceptible de connaître (e.g., Atwood, L'Engle, Riordan). Cela améliorera la compréhension et développera l'appréciation de la traduction qui s'avérera sans doute plus difficile qu'anticipée. Une autre force de ce livre est l'intégration de traductions automatiques (e.g., Google Translate) dans des exercices de comparaison et de réflexion. L'auteure montre ainsi que ce genre de service n'est rien qu'un outil, ni bon ni mauvais en soi. Il deviendra évident pour les élèves grâce à ces comparaisons que le produit d'une machine ne peut en aucun cas rivaliser avec celui d'une personne capable de réfléchir au processus de traduction, une compétence qui exige des connaissances multiples et humaines telles que, entre autres, la culture, l'histoire, la linguistique. Enfin, le dernier chapitre considère le débat fascinant qui oppose l'idée de traduire à nouveau les œuvres classiques et celle de les conserver telles qu'elles le sont. Les élèves [End Page 261] considèreront cette question en traduisant des essais sur le sujet. L'un d'eux, co-écrit par l'auteure, fait référence à un texte de Jack London inclus dans un chapitre précédent, ficelant adroitement ce manuel pratique et intéressant. [End Page 262] Jessica Sertling Miller University of Wisconsin, Eau Claire Copyright © 2023 American Association of Teachers of French
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.072 | 0.024 |
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".