«Gender in Translation» de Judith Butler: un diálogo crítico a partir de la traductología posestructuralista hispanófona
Bibliographic record
Abstract
En este artículo se aborda el ensayo «Gender in Translation: Beyond Monolingualism» de Judith Butler (2019) tomando la traductología del género como un campo relevante para elaborar un diálogo productivo con los estudios de género. Dicho diálogo puede resultar incluso reparatorio si se considera que Butler cae no solo en un monolingüismo propiamente dicho, sino también en uno disciplinar, en el que textos y autorías del campo de la filosofía no reconocen las contribuciones de otros ámbitos de conocimiento. Como se verá en el análisis del texto de Butler, su visión de la traducción omite toda referencia al campo de la traductología y, en particular, a la obra de autoras que han trabajado en la intersección de género y traducción en las últimas tres décadas, lo que conlleva ciertos conceptos esencialistas. En un segundo movimiento, a partir de un conjunto de postulados teóricos de traductólogas hispanófonas, con ánimo desterritorializador y el objetivo de salir de la esfera anglosajona del conocimiento, se elabora un diálogo con las aportaciones traductológicas posestructuralistas para problematizar los planteamientos de Butler y abrir vías de colaboración epistemológica que puedan valerse de los avances teóricos de la traducción como espacio de pensamiento clave para los estudios de género y otras ramas humanísticas y sociales.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.021 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.006 | 0.009 |
| Insufficient payload (model declined to judge) | 0.005 | 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".