MétaCan
Menu
Retour à la cohorte
Enregistrement W2011789138 · doi:10.7202/1023812ar

This and That in the Language of Film Dubbing: A Corpus-Based Analysis

2014· article· en· W2011789138 sur OpenAlexvenueno aff
Maria Pavesi

Notice bibliographique

RevueMeta Journal des traducteurs · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSubtitles and Audiovisual Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDemonstrativeLinguisticsConversationContext (archaeology)Computer scienceDeixisCorpus linguisticsHistoryPhilosophy

Résumé

récupéré en direct d'OpenAlex

Recent research in audiovisual translation has focussed on the language of both original and translated dialogue, revealing different degrees of alignment between fictional dialogue and spontaneous conversation. In this context, demonstratives deserve special attention as they are major means to highlight segments of the current discourse and extra-linguistic reality in speech and may play a significant role in cinematic language as well. Furthermore, demonstratives are an area of dissimilarity between languages, with their translation being potentially subject to interference from the source to the target text. Through a quantitative corpus-based approach, this study explores to what extent demonstratives occur in the language of Italian dubbing, how similar in this respect dubbed dialogue is to Italian spoken language and what translation operations may account for the observed translation outcomes. Drawing on a small English-Italian parallel corpus of film dialogue, all English demonstrative pronouns have been coded for syntactic role, pragmatic function and translation operation. Results show that demonstratives occur to a lesser extent in dubbed film language vis-à-vis both Italian conversation and the source English dialogues. These findings are discussed in terms of the cross-linguistic contrast between Italian and English as well as the convergence of dubbed dialogue towards the model of original Italian film language.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,002
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,057
Tête enseignante GPT0,261
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeta Journal des traducteursMême sujetSubtitles and Audiovisual MediaTravaux en français237 207