MétaCan
Menu
Retour à la cohorte
Enregistrement W2079985187 · doi:10.7202/1024178ar

Copy Adaptation, or How to Translate a Source Product for a Target Market

2014· article· en· W2079985187 sur OpenAlexvenueno aff
Laura Cruz García

Notice bibliographique

RevueMeta Journal des traducteurs · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReferentRelevance (law)Product (mathematics)Adaptation (eye)Order (exchange)Source textComputer scienceRelevance theoryTranslation (biology)Product typeTarget cultureAdvertisingLinguisticsInformation retrievalPsychologyNatural language processingBusinessArtificial intelligencePolitical scienceMathematicsFinanceCognition

Résumé

récupéré en direct d'OpenAlex

The aim of this paper is to show the significance of product type and potential buyers’ expectations in ad translation for the production of commercially effective target versions. To this end, this study focuses on adverts for computer products as the referent of the advertising message, and computer users as the addressees. The cultural contexts in contact are the USA and the Spanish markets for these products. The source texts (ST) are adverts from popular USA computing magazines, while the target texts (TT) are from the same type of publications published in Spain. In order to measure the relevance of product type in the translation of these ads, a comparison of the STs and the TTs has been carried out in terms of verbal and non-verbal elements. The strategies used in the translation of these two groups of elements have been described and identified. The results obtained through the analysis of this corpus will shed light on (1) whether the shifts produced in the TTs respond to Spanish computer users’ expectations, that is, whether they are in line with the features of computing ads in Spanish, and (2) whether there are shifts clearly related to the product type.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,088
Tête enseignante GPT0,284
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

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