MétaCan
Menu
Retour à la cohorte
Enregistrement W2063401110 · doi:10.3366/tal.2004.13.1.1

‘This Rude Laboure’: Lord Berners' Translation Methods and Prose Style in <i>Castell of Love</i>

2004· article· en· W2063401110 sur OpenAlexaff
Joyce Boro

Notice bibliographique

RevueTranslation and Literature · 2004
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLinguistics and language evolution
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésStyle (visual arts)ArtLiteratureHistoryPhilosophy

Résumé

récupéré en direct d'OpenAlex

In his prologue to Castell of Love, Lord Berners claims to have translated the romance ‘out of Spanyshe in to Englyshe’ (A2r).1 This declaration is echoed by the title pages to all three early printed editions (?1548, ?1552, and c. 1555), which advertise the volume as ‘The Castell of Love, translated out of Spanishe in to Englyshe by Johan Bowrchier Knyght, Lorde Bernis’ (A1r). Though Berners maintains that he translated Diego de San Pedro’s Carcel de amor directly from the Spanish, his assertion is not completely accurate, as his translation is marked by close verbal parallels to the French translation of San Pedro’s text. Moreover, the French prologue differs completely from the Spanish, and Berners’ prologue matches the French word for word, sharing no variant readings with the Spanish prologue. Part of Berners’ Castell, however, is definitely translated directly from Spanish: it includes the Spanish continuation written by Nicolas Nunez, which was not included in any French translation prior to 1533, the year of Berners’ death. The continuation is far from the only instance where Berners uses the Spanish original; traces of indebtedness to the Spanish text can be found throughout Castell. My comparison of the three versions (English, French, and Spanish) indicates that, in the English translation, many Spanish readings are retained and prioritized over the French variants, demonstrating a reliance on the Spanish text, and that equally many French additions, omissions, and alterations are

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)0,005
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: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,007
Communication savante0,0060,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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 Opus0,021
Tête enseignante GPT0,278
Écart entre enseignants0,258 · 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

Citations2
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTranslation and LiteratureMême sujetLinguistics and language evolutionTravaux en français237 207