MétaCan
Menu
Retour à la cohorte
Enregistrement W2061874894 · doi:10.7202/1008333ar

Jordanian Folkloric Songs in Translation: Mousa’s Song They Have Passed by Without a Company as a Case Study

2012· article· en· W2061874894 sur OpenAlexvenueno aff
Bakri Al-Azzam, Aladdin Al-Kharabsheh

Notice bibliographique

RevueMeta Journal des traducteurs · 2012
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFolkloreNaturalnessLinguisticsSource textArabicHistoryLiteratureComputer scienceSociologyArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

Folkloric song-translation is a research area that diverges acutely from the centre of interest of interlingual-intercultural transfer in general, and Arabic-English translation studies in particular. This paper attempts to shed light into Abdu Mousa’s culture-bound songmarren wa ma ma’hin hada(they have passed by without a company), as an instance of the challenges that folkloric songs may pose in translation, and how, when translating between cultures with different discursive properties, the translator has a certainleewaywhen reformulating the lingual-cultural import of the source text for target readers. Drawing on Low’s (2005a)Pentathlon Approach, and placing a strong emphasis oncontent, the study highlights the problems and difficulties involved in translating this type of song, and demonstrates a number of unique aspects of translating folkloric songs, which involve elements of sense, naturalness, cultural references, and how these elements are interconnected and entangled with each other. These insurmountable difficulties are accounted for by the existing sharp linguistic and cultural differences between Arabic and English, and, the incompatibilities between the two workingconcept systemsof the two languages, which add to the intricacy of translating this type of literature. On a less formal level, colloquialism has been found to have had its way to the source language text, a factor which further complicates the abridgement process.

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)0,003
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0140,005
Communication savante0,0060,003
Science ouverte0,0020,004
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,113
Tête enseignante GPT0,316
Écart entre enseignants0,203 · 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

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeta Journal des traducteursMême sujetTranslation Studies and PracticesTravaux en français237 207