promotion de la traduction des langues vernaculaires en Inde passera-t-elle par le numérique ?
Bibliographic record
Abstract
La politique linguistique de l’Inde, État plurilingue par excellence, se veut inclusive jusqu’aux langues les plus minoritaires avec une application multidirectionnelle de la traduction administrative protégée par la loi. En réalité cette politique est hiérarchisée. Elle met en avant l’hindi parmi les langues régionales et n’est pas appliquée pour de nombreuses minorités. Ceci transparaît dans les initiatives public/privé qui développent à grands pas depuis 2020 la localisation des technologies numériques pour les langues vernaculaires. La combinaison de traduction est le plus souvent de l’anglais vers les autres langues selon un ordre récurrent (hindi, puis les sept premières langues régionales, puis les autres langues répertoriées), indiquant la prééminence de l’anglais et la place symbolique des autres langues dans cette hiérarchie. Cette valorisation de la maîtrise des langues « du sommet » de la pyramide n’incite pas au développement de la traduction dans les langues minoritaires ou même entre « langues répertoriées » autres que l’hindi. De plus, la politique de traduction actuelle ne définit pas précisément les critères de sa mise en œuvre. Par ailleurs, depuis près de 10 ans, l’Inde a choisi de miser sur le développement de son économie par le numérique. Les internautes non anglophones constituent un marché gigantesque pour le secteur privé et un vivier de compétences pour peu qu’ils puissent accéder aux savoirs dispensés jusqu’ici en anglais. Ce développement vers les langues indiennes répond aussi à l’idéologie nationaliste prônée par le gouvernement en place. L’exemple de la diffusion de l’information lors de la pandémie du COVID-19 montre cependant que les langues des minorités les plus fragiles n’ont pas été prises en compte. Pourtant, les nouvelles technologies de l’information, en particulier l’IA, peuvent pourtant devenir des alliées dans la préservation et la traduction des langues minoritaires.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.003 |
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".