Analisis de las dificultades de la traducción técnica dentro del ámbito automovilístico del francés en Francia y Canadá al español
Bibliographic record
Abstract
El presente trabajo es un análisis de las dificultades de la traducción técnica dentro del ámbito automovilístico partiendo del francés de Francia como lengua de partida y comparándolo con el francés de Canadá y con el español de España. En primer lugar, tras documentarnos acerca del deporte del automovilismo y de los diferentes documentos que emplean los diversos países francófonos, hemos compilado un corpus de textos procedentes de la Fédération Française du Sport Automobile (FFSA) de Francia, de la Canadian Association of Rally Sport (CARS) de Canadá y de la Real Federación Española de Automovilismo (RFEDA) de España. Más tarde, hemos extraído 80 términos técnicos del ámbito y los hemos recogido en una tabla para proceder a su estudio atendiendo a su categoría gramatical. Ello nos ha permitido realizar una comparación terminológica, centrándonos sobre todo en la diferencia diatópica francófona y comprobando de manera paralela su traducción oficial al español. El objetivo es observar el grado de dificultad que se presenta ante el traductor al trabajar con las variantes dentro de una misma lengua en su afán de asegurar una traducción precisa y adecuada al contexto de la lengua y la cultura meta. Finalmente, en las conclusiones, hemos recogido las reflexiones que hemos extraído del análisis terminológico elaborado en nuestra parte práctica.
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 | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.007 | 0.010 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".