Ãtude des procédés dâexplicitation dans les traductions anglais-français de textes environnementaux
Bibliographic record
Abstract
Le présent mémoire vise à faire l’étude des procédés d’explicitation dans les traductions anglais-français de textes spécialisés de l’environnement. Plus précisément, notre but est d’identifier l'éventail de ces procédés d'explicitation, de faire leur analyse, de les classifier et de proposer quelques pistes quant aux causes possibles de l’explicitation dans la traduction.\nNous présentons d’abord quelques travaux antérieurs qui ont porté sur l’explicitation dans des corpus de langue générale et dans des corpus spécialisés. Notre recherche a ceci de particulier qu’elle porte sur l’explicitation dans un corpus spécialisé, plus particulièrement dans des textes du domaine de l’environnement. L’explicitation est peu étudiée dans les textes spécialisés et, à notre connaissance, aucune étude n’a porté sur l’explicitation dans des textes environnementaux.\nPour notre recherche, nous avons élaboré d’abord un corpus de textes anglais-français portant sur l’environnement. Notre corpus a ensuite été aligné au moyen de l’aligneur LogiTerm Pro. Cet aligneur nous permet de créer un corpus aligné qui est utile pour observer les manifestations d’explicitation. Les stratégies d'explicitation identifiées et classées par Pápai (2004) ont servi de base à notre propre classement.\nNous avons découvert que les procédés d’explicitation se produisent à cinq niveaux : des relations logiques et visuelles, lexical et grammatical, syntaxiques I et II, textuel et extralinguistique. Le nombre total de procédés d’explicitation que nous avons identifiés est de 13. Le plus grand nombre de cas d’explicitations (445) se situe au niveau lexical et grammatical. Parmi les cas d’explicitations au niveau lexical et grammatical, le remplissage d’ellipses sémantiques présente le nombre le plus élevé de cas (186) dans notre corpus spécialisé. L’explicitation au niveau syntaxique I s’observe dans 173 cas; l’explicitation au niveau des relations logiques et visuelles s’observe dans 101 cas; l’explication au niveau syntaxique II a été relevée dans 50 cas. Enfin, l’explication se produit au niveau textuel et extralinguistique dans 37 cas. Après avoir observé notre corpus et d’après les résultats obtenus, nous avons pu constater que le nombre et la variété d’explicitations étaient élevés dans les traductions anglais-français de textes spécialisés environnementaux.
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 | 0.004 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".