Problems Encountered in Translating Cultural Expressions from Arabic into English
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aimed at investigating the problems that Jordanian graduate students majoring in the English language faced when translating culture–bound expressions. To achieve the goal of this study, the researchers selected a random sample that comprised 60 graduate students who were enrolled in the M.A program in three Jordanian universities during the second semester 2009/2010. The researchers designed a translation test that consists of 20 statements which M.A students were asked to translate from Arabic into English. Each statement contained a culture-bound expression based on Newmark’s categorization of cultural terms. Proverbs, idioms, collocations and metaphors were extracted from different cultural materials, i.e., legal, historical, religious, social... etc. The researchers also conducted informal open-ended interviews with experts in the field of translation to yield additional information from the experts’ point of view regarding these problems, their causes and solutions. The results of the study revealed that graduate students encounter different kinds of problems when translating cultural expressions. These problems are mostly related to: 1) unfamiliarity with cultural expressions 2) failure to achieve the equivalence in the second language, 3) ambiguity of some cultural expressions, 4) lack of knowledge of translation techniques and translation strategies. In light of these results, the researchers recommend narrowing the gap between cultures through adding more courses that deal with cultural differences, cultural knowledge, and cultural awareness, especially in the academic programs that prepare translators.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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