La néologie de forme en traductologie : une étude outillée de la revue Meta 1966-2019
Bibliographic record
Abstract
Cet article présente les résultats d’une étude exploratoire portant sur la néologie de forme dans un corpus traductologique diachronique constitué des textes en français de la revue Meta : Journal des traducteurs, parus entre 1966 et 2019. Il traite principalement de l’évolution du domaine et des connaissances que le lexique permet d’observer, et non de la néologie comme phénomène théorique et pratique. Ce travail suit une démarche endogène qui se limite à exploiter le corpus étudié sans faire appel à des ressources externes. L’examen des néologismes dans ce corpus a été réalisé suivant une méthodologie mixte où des données qualitatives (candidats termes) et quantitatives (nombre d’occurrences) obtenues par traitement automatique ont été analysées qualitativement (validation du statut de terme) et quantitativement (calculs des fréquences et différences de fréquence). Ces résultats ont ensuite été mobilisés pour dresser un panorama de l’innovation terminologique dans la revue entre 1980 et 2019, puis examinés au regard de chaque décennie pour dégager un ensemble de tendances relatives aux cadres, courants et approches traductologiques. L’étude démontre l’intérêt de cette méthodologie qui aborde le corpus comme ancrage empirique pour l’examen de l’évolution d’une discipline. Elle révèle aussi la richesse importante de l’innovation terminologique présentée dans les pages de Meta, pendant la période étudiée.
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 | 0.008 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.011 | 0.015 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".