Tshitshipanu aimun : étude de la traduction vers l'espagnol de Kuessipan de Naomi Fontaine et de Eukuan nin matshi-manitu innushkueu/Je suis une maudite sauvagesse de An Antane Kapesh
Bibliographic record
Abstract
Le présent mémoire propose une analyse de la traduction en espagnol de deux ouvrages d’autrices innues contemporaines : Kuessipan, de Naomi Fontaine, traduit en Espagne par Luisa Lucuix, publié en 2020 par Pepitas de Calabaza, et Eukuan nin matshi-manitu innushkueu/Je suis une maudite sauvagesse, d’An Antane Kapesh, traduit en Argentine par Violeta Percia, publié en 2023 par Espacio Hudson. Ces traductions sont étudiées à partir d’une approche interdisciplinaire qui intègre les perspectives de la sociologie de la traduction, les études descriptives de la traduction, les théories sur l’hétérolinguisme littéraire et les études littéraires autochtones. À l’aide de ces outils méthodologiques, je mets en évidence la relation entre le contexte de publication, les conditions de production de la traduction dans deux champs littéraires différents, et les tendances dans les stratégies de traduction employées, pour problématiser le rôle que la traduction des littératures autochtones du Québec peut jouer dans deux espaces distincts : l’Argentine et l’Espagne. En même temps, je vise une réflexion sur la traduction éthique des littératures autochtones vers l’espagnol qui tienne compte de la spécificité des contextes de production et de réception des oeuvres. Enfin, en interrogeant certaines conventions omniprésentes dans le vocabulaire des études sur la traduction, telles que l’idée de « fidélité » et l’opposition entre « original » et « traduction », j’avance une conception de la traduction en tant que construction d’une relation et d’une mise en pratique de la réciprocité, inspirée de la pensée théorique et littéraire d’auteur·ices autochtones.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".