A cross-cultural apparatus or the translators dialogue (translation and interpretations of a Romani tale)
Bibliographic record
Abstract
La réalisation d'un cédérom plurilingue, déclinant le même conte ("Miklós fils de jument") dans ses variantes ("Jan de l'ours"), avec la langue romani comme langue de "traverse" au cœur de la variation, ouvre à une réflexion sur la traduction. La traduction d'un conte peut-elle être un moteur pour apprendre des langues ? En Romani, traduire se dit paruvel, échanger, ou changer. La traduction d'un conte est à la fois prêt et échange, interprétation plurielle et polyphonique, entre l'écriture, le son et l'image, un intervalle de création. Depuis sept ans, l'expérimentation autour de ce projet suscite la générosité des créateurs : Cinq conteurs professionnels ont enregistré leur interprétation personnelle. Des étrangers et des enfants ont inventé des variantes dans différents groupes d'apprentissage du français. Des traducteurs européens les ont traduits. Des artistes ont proposé leurs images. Ces parcours se croisent en une multiplicité de contes semblables et différents. Les motifs des contes, gravés en icônes, imprimés en couleurs, répétés et disposés en tableaux, analysent les variantes du conte. Métaphore de la toile et du tissage, l'ordinateur est une autre mémoire, stratifiant les écrans, superposant les thèmes en patchworks tissés de liens, brodés ou cousus par les mots à inventer, les listes à compléter, les histoires à raconter. Cette thèse analyse la multiple variation de l'image et de l'imaginaire, dans la répétition du même motif éclairé différemment par chaque conteur, sans jamais se laisser figer. Le cédérom illustre l'idée que le conte est un cadre abstrait de narration, un objet métis qui traverse les cultures.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.014 |
| Scholarly communication | 0.011 | 0.009 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.027 | 0.009 |
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".