MétaCan
Menu
Retour à la cohorte
Enregistrement W2044971204 · doi:10.5539/jsd.v8n4p187

Some Questions of Linguocultural Specificity Communication at the English Humour Translation

2015· article· en· W2044971204 sur OpenAlexvenueno aff
Natalia A. Abrosimova

Notice bibliographique

RevueJournal of Sustainable Development · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLanguage, Communication, and Linguistic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLinguisticsLiterary translationTarget textTranslation studiesExpression (computer science)PsychologySource textSociologyComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

This problem is relevant today because it is necessary to study the issues of the correlation of language, culture and translation, so far as translation is a link between linguistic cultures speakers. Obvious lack of researches in the field of linguocultural specificity affects the quality of the translation and the adequacy of reflection of ethno-linguistic worldview in the minds of other languages speakers. The objective of the article is to identify the degrees of interaction of language and culture in the translation process to provide a deep penetration in the national associated meanings of original literary works. Leading approach to the study of this problem is the analysis that was carried out on basis of descriptive, comparative methods, on the method of a literary text description, involving elements of linguistic and cultural analysis. Methodological basis became researches in linguistics, intercultural communication and translation studies. The paper revealed that linguocultural humour study suggests the priority coverage of the values that are relevant for the compared cultures. These values may get different expression in humorous texts. English humour includes relevant characteristics of universal humour and humour of those social groups that make up the English nation. The article materials may be useful for further research in this area, for effective translation techniques development.

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)0,011
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,015
Communication savante0,0080,011
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,047
Tête enseignante GPT0,318
Écart entre enseignants0,271 · 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'étudeQualitatif
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetLanguage, Communication, and Linguistic StudiesTravaux en français237 207