Le besoin de traducteurs et d’interpretes dans les services publics de Nouvelle- Caledonie
Bibliographic record
Abstract
Ce mémoire de fin de master s’inscrit dans le cadre de l’analyse du besoin ou non de traducteurs et d’interprètes dans les services publics de Nouvelle-Calédonie. Que les usagers soient des touristes, des populations d’immigrés ou encore la population locale, l’aide et l’accompagnement d’un traducteur pour une personne ne maîtrisant pas la langue officielle du pays est un service auquel elle a droit. Le métier de traducteur étant méconnu par le public, ce dernier n’a pas le réflexe de demander à bénéficier de ce service, préférant se faire accompagner et aider par un proche ou un membre de la famille pouvant faire face aux problèmes de traduction. Le travail de recherche qui suit, se focalise principalement sur le cas de la Nouvelle- Calédonie, en tant que territoire français d’outre-mer. Nous savons que la situation et le statut du traducteur en France ne sont pas valorisés et sont méconnus du grand public. Nous savons également que contrairement à la France, l’Espagne a commencé depuis quelques années à élaborer beaucoup de travaux de recherche sur la traduction, à créer des formations reconnues par la profession afin de petit à petit mettre en avant ce métier qui est sous-estimé. Étant donné que les deux pays les plus avancés dans le domaine de la traduction et de l’interprétation dans les services publics (TISP) sont le Canada et l’Australie, il est intéressant de se poser la question si la proximité de l’Australie en tant que pionnier de la TISP a une influence ou apporte des avantages dans ce domaine à la Nouvelle-Calédonie. Ainsi, nous allons nous concentrer sur la situation d’une collectivité territoriale française, et grâce aux diverses recherches nous tenterons de comprendre quelle est la situation, dans le secteur de la traduction et de l’interprétation et quels sont les facteurs qui impactent cette profession dans le secteur sanitaire, le tout en gardant constamment à l’esprit que le contexte géopolitique, institutionnel, linguistique entre autres est différent de celui de la France métropolitaine
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.009 | 0.011 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 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".