Bibliographic record
Abstract
Comment faut-il traduire? Par nature et nécessité, on ne cesse pas de poser cette question pour mieux traduire, pour mieux établir des théories sur la traduction. Cette interrogation débouche, nous semble-t-il, sur des impératifs catégoriques, mais ne sont-ils pas parfois contradictoires? Il faut bien comprendre avant tout que traduire est un acte discursif. Il s'ensuit que la traduction est foncièrement tributaire du lieu et du moment de sa réalisation. C'est pourquoi on peut dire que la traduction est solidaire d'un état de société et des normes institutionnelles. S'il en est ainsi, la question posée au début doit s'énoncer plutôt comme suivant : dans un état de société, quelles sont les conditions d'exercice de la fonction translative? \nSi on élargit cette thèse fonctionnaliste, on peut bien constater que dans une société donnée, prise à un moment donné de son histoire, la littérature en traduction constitue une formation discursive parmis les autres; réglée comme les autres. Elle subit donc les mêmes contraintes institutionnelles que la littérature originale de son millieu d'accuil. Ces contraintes ont influencé la séléction des textes étrangers aussi bien que les transformations que ces derniers ont subies pour passer dans un nouveau systèmes littéraire et pour être eux-mêmes reçus et consommés comme littérature à part entière dans un nouvel ensemble socio-culturel. De mêmes que la littérature du milieu récepteur où elle viendra prendre place, la littérature traduite est façonnée par la fonction organisatrice des appareils et la fonction régulatrice des normes discursives qui caractérisent l'institution littéraire. \n L'objet de l'étude qui va suivre est donc de montrer comment s'exerce la régulation idéologique des processus translatifs dans un état de société, et également de comprendre comment la traduction du texte étranger est prise en charger par un discours sur l'identité, tout en prenant comme exemple les cas au Québec ou ceux en Chine.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.015 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.025 | 0.008 |
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".