Style and Literary (Self-)Translation
Bibliographic record
Abstract
Il numero monografico Style and Literary (Self-)Translation raccoglie i risultati di una ricerca interdisciplinare sullo stile e la traduzione letteraria interlinguistica del XX e del XXI secolo, proponendo metodi di analisi dello stile di testi tradotti, ritradotti e autotradotti, come anche dello stile di traduttori allografi e di autotraduttori, cioè di autori che hanno tradotto proprie opere. A dare avvio a questa indagine è stato il ciclo di conferenze e workshops intitolato Autotraduzioni e traduzioni allografe del XX e del XXI secolo: una ricerca sullo stile del traduttore e dell’autotraduttore letterario / Self-translations and Translations of the 20th and 21st Century: an investigation on the style of literary translators and self-translators svoltosi online, dal mese di maggio al mese di dicembre del 2021, sulla piattaforma Google Meet dell’Università degli Studi di Cassino e del Lazio Meridionale. L’iniziativa – a carattere internazionale – è nata grazie a una sinergia tra il Laboratorio di Tecnologia, Narrativa e Analisi del Linguaggio (TECNAL) del Dipartimento di Scienze Umane, Sociali e della Salute dell’Università degli Studi di Cassino e del Lazio Meridionale (responsabile scientifico Roberto Baronti Marchiò) e il gruppo di ricerca Mediatori e Traduttori Europei (METE) del Dipartimento di Storia, Patrimonio culturale, Formazione e Società dell’Università di Roma Tor Vergata (coordinatrice Gabriella Catalano). Gli obiettivi di ricerca di questo ciclo sono frutto delle attività di un più piccolo gruppo di lavoro e di ricerca sull’autotraduzione e sulla traduzione letteraria del XX e del XXI secolo, formato da Rainier Grutman (University of Ottawa), Eva Gentes (Düsseldorf), Rossana Sebellin (METE, Università di Roma Tor Vergata), Simona Anselmi (Università Cattolica di Milano e Piacenza) e coordinato da Alessandra D’Atena (METE e TECNAL, Università degli Studi di Cassino e del Lazio Meridionale).
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 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.008 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
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".