Tradutores medievais e tradutoras feministas : mesma ética de tradução?
Bibliographic record
Abstract
L’article met en parallèle les traducteurs médiévaux français et les traductrices féministes canadiennes. Pour cela, l’auteur s’appuie sur cinq points de comparaison. Premièrement, l'appropriation du texte source: de quelle manière les deux groupes de traducteurs, séparés géographiquement et temporellement, l’ont-ils utilisé dans leurs traductions, soit en l'améliorant, en l'adaptant ou en le réorganisant? La quête de légitimité a également été comparée: comment les traducteurs médiévaux ont-ils soulevé la question de la traduction en langue vulgaire face à l'autorité du latin et, à leur tour, comment les traductrices féministes ont-elles cherché à légitimer la voix féminine face au discours patriarcal. Les schémas et le didactisme des préfaces ont constitué un autre point de comparaison, car ils ont été utilisés par les deux groupes, dans leur conception formelle, ou dans leur rôle éducatif. Les interventions dans la langue ont également été observées, avec, d'une part, la création de mots dans la langue vulgaire pour rendre compte des significations latines par les traducteurs médiévaux et, d'autre part, les traductrices féministes, qui essayaient d’effacer les marques sexistes de la langue, en déconstruisant et en reconstruisant les mots. Le dernier point de comparaison, la visibilité du traducteur dans sa traduction, a montré à quel point les deux groupes ont rendu transparente leur présence dans les textes traduits.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.031 |
| Scholarly communication | 0.012 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".