Auto-traduction, diglossie et revitalisation des langues autochtones dans les cinémas québécois et autochtones
Bibliographic record
Abstract
Pendant de nombreuses décennies, les langues autochtones furent dans la majorité des cas inaudibles ou absentes de nos écrans, les réalisateurs participant ainsi de manière implicite au processus de colonisation linguistique des peuples autochtones d’Amérique. Les vingt-cinq dernières années ont vu naître des initiatives visant la revitalisation des langues autochtones ainsi que la remédiation de la tradition orale à l’écrit comme à l’écran, dans un contexte où les collaborations interculturelles se font plus nombreuses. Dans le contexte québécois, des cinéastes telles que Marquise Lepage, Myriam Verrault et Chloé Leriche travaillent de manière étroite avec des individus et communautés autochtones, en développant avec eux/elles des relations horizontales (plutôt que verticales) avec ces derniers, en les intégrant au processus de création. Cet article examine ainsi un cas particulier de collaboration interculturelle, celui du collectif Arnait Video Productions, co-fondé par la cinéaste québécoise Marie Hélène Cousineau ainsi que par les Ainées inuit Susan Avingaq et Madeline Ivalu. À travers des entrevues avec Cousineau et en s’inspirant des travaux de spécialistes de langues autochtones, ce texte s’intéresse au processus de traduction, envisagé comme une action contribuant à une médiation culturelle et interculturelle, mais aussi à la façon dont ce processus engendre de nouvelles manières de voir, de penser et d’entendre les langues autochtones à l’écran. Une attention accrue est portée aux stratégies, à la portée esthétique et aux modes de résistance associés au processus de traduction dans la trilogie d’Arnait.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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 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".