Les langues spécialisées équines (anatomie et éthologie du cheval) : apprentissage et traduction
Bibliographic record
Abstract
Dans notre mémoire nous nous intéresserons à une démarche d'apprentissage d'une langue de spécialité pour la traduction qui présente un intérêt certain du point de vue pédagogique. Nous expliquerons d'abord qu'au cours des trente dernières années, l'équitation, comme attelage de loisir, ont connu un essor surprenant et qu'au Québec le secteur des chevaux dans son ensemble engendre des retombées économiques annuelles estimées à 353 millions de dollars. Cependant, malgré cette popularité croissante, il existe au Canada très peu de traducteurs de formation qui soient spécialisés dans le domaine équin et équestre et encore moins de traducteurs agréés. D'une part, nous ferons un cheminement sélectif parmi les thèmes reliés au Cheval qui seraient susceptibles d'être étudiés et nous retiendrons l'anatomie et l'éthologie équines comme tronc commun du grand domaine équin. D'autre part, et en parallèle, nous suivrons une démarche méthodique d'apprentissage qui comprendra un cours de médecine vétérinaire équine, deux cours d'apprentissage de langues de spécialité, et la traduction de trois textes pertinents. Ainsi, dans un premier temps nous présenterons le cours spécialisé suivi d'une analyse typologique de phénomènes de langue proposés en majorité par les professeurs in situ, de même que le document de recherche que nous avons réalisé pour ce cours traitant de l'ontogenèse des comportements et la croissance physiologique du poulain. Ensuite, dans un deuxième chapitre nous nous pencherons sur le premier des deux cours d'apprentissage de langues de spécialité et nous présenterons le travail d'exploration notionnelle sur le harnachement d'utilisation du cheval de selle que nous avons rédigé pour ce cours. Enfin, le chapitre troisième présentera trois textes spécialisés que nous avons traduits pour publication en français et en anglais avec l'intention de mettre à l'épreuve nos connaissances extra-linguistiques et linguistiques. Les textes seront suivis d'une analyse typologique des problèmes rencontrés. En dernier lieu, dans notre conclusion générale nous tenterons de mettre en rapport nos expériences d'apprentissage et de montrer qu'elles sont en fait complémentaires.
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 | 0.007 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.013 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".