Bibliographic record
Abstract
Cet essai plonge dans les dédales de la traduction de l’oeuvre La femme-fleuve d’Ernest Pépin, une narration riche en références au peuple Aluku, également désigné sous le nom de « Boni », une communauté marronne qui trouve ses origines en Afrique de l’Ouest. Cette expérience de traduction a non seulement captivé la traductrice mais a également suscité un intérêt profond pour un peuple jusqu’alors méconnu de celle-ci et qui est considéré comme autochtone de la Guyane française du fait de son histoire particulière. L’étude met en lumière les moments clés de ce parcours et vise avant tout à mettre en exergue le rôle fondamental des traducteurs et des écrivains dans la reconnaissance des groupes autochtones. Elle souligne l’énorme potentiel de la traduction à offrir une représentation plus précise et plus étendue des peuples autochtones. Tout comme la visibilité des peuples autochtones repose sur les contributions essentielles des écrivains et des traducteurs, cette visibilité peut être renforcée par une collaboration entre ces parties prenantes : les sociologues, les ethnologues, les anthropologues et, bien sûr, les autochtones concernés.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.002 |
| 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".