Bibliographic record
Abstract
Cette dissertation se veut une analyse approfondie des normes de traduction propres à une oeuvre littéraire dite conte véridique ou mémoires , soit le récit québécois Belle-Moue , de Huguette O'Neil. Elle consiste en une introduction générale, suivie d'un résumé biographique et d'une étude détaillée des défis qu'impose la traduction de ce genre de littérature. L'oeuvre en question raconte une période de l'histoire québécoise où religion et politique dominaient le peuple. L'auteur retrace sa vie et la vie de sa mère à rebours jusqu'au début du XXe siècle. Le lecteur y retrouve des personnages et lieux réels, et certains faits saillants qui ont marqué cette période de l'histoire du Québec. La thèse développée est que ce genre de littérature historique rédigée à partir d'événements passés et/ou présents exige du traducteur des choix à faire quant à la fidélité au texte de départ et au texte d'arrivée. Elle soutient que le traducteur d'une oeuvre littéraire a l'option de préserver le texte, c'est-à-dire privilégier l'oeuvre originale, ou d'adapter le texte, c'est-à-dire privilégier le lecteur visé. L'analyse inclut des critères énoncés par des théoriciens du domaine de la traduction. Elle soulève les difficultés et les pièges auxquels se heurte tout traducteur. Entre autres: les titres et noms propres de personnes et de lieux géographiques; les titres d'oeuvres ou de recueils jamais traduits; les expressions familières et les jeux de mots; les différents niveaux de langue et lu techniques littéraires particulières; enfin, un titre fidèle au titre original et à loeuvre traduite. Il est anticipé que Belle-Moue devenu Blessed Motherhood plaira aux lecteurs de langue anglaise qui s'intéressent à l'histoire et aux thèmes de la vie et de la mort.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 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".