Censorship in Translation: The Dynamics of Non-, Partial and Full Translations in the Chinese Context
Notice bibliographique
Résumé
This research focuses upon how the translation of certain types of literature in China evolved historically: from ‘non-translations’ (i.e., ‘translations’ unmade as well as made and yet strictly forbidden under given censorship conditions) to ‘partial’ or ‘full/near-full’ translations set against the backdrop of changing practices required by the country’s censorship policies. My analysis begins with an overview of the multi-faceted interface between censorship and translation, followed by the conceptualization of a typology of translations under censorship. This initial discussion, in turn, allows me to resituate specific translations, including the once absented translations of earlier times (i.e., prior to the 1949 Revolution or prior to the Cultural Revolution), which were initially taken at face value as ‘non-translations’ and yet which, later on, became ‘partial’ or ‘full/near-full’ translations under the country’s subsequently more relaxed censorial operations. I attempt to illustrate such shifts by means of in-depth discussion of the dynamic nature of translational commitment in connection with the change-resistant properties and evolving priorities of censorship. In illustrating my arguments, I will draw specific examples from case studies of three well-known censorship-affected translations – i.e., On China (Kissinger 2011), Lolita (Nabokov 1991) and The Good Earth (Buck 1960), which, I argue, epitomise the shifting degrees of translational commitment (‘non-,’ ‘partial’ and ‘full/near-full’) as they occurred in the Chinese context.
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 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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».