Top Gun: Maverick (2022)Version française et version québécoise : analyse comparative du doublage et du sous-titrage dans deux variétés de français
Bibliographic record
Abstract
À une époque où les productions audiovisuelles sont traduites dans toujours plus de langues, nous avons voulu nous pencher sur les différences existantes entre deux variétés d’une même langue et entre deux modes de traduction. Cette étude, sous forme d’analyse comparative, a pour but d’identifier et d’expliquer les différences de traduction entre le doublage et le sous-titrage du film « Top Gun: Maverick » (2022) en français de France et en français canadien. Les résultats obtenus suggèrent que les différences entre les quatre traductions sont dues à plusieurs facteurs : le respect des normes de traduction ; les contraintes de temps et d’espace pour le sous-titrage, et de synchronisation pour le doublage ; le caractère culturel de la langue, notamment la politique linguistique au Québec qui se reflète dans la VQ ; et l’absence de contrôle qualité.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".