MétaCan
Menu
Retour à la cohorte
Enregistrement W2395061893 · doi:10.5539/ass.v12n6p239

The Effects of Translation Shifts on The Readability in Translation of Children’s Literature

2016· article· en· W2395061893 sur OpenAlexvenueno aff
Seyyed Mohammad Hossein Ghoreishi

Notice bibliographique

RevueAsian Social Science · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReadabilityLinguisticsAdjectiveAdventurePsychologyTranslation (biology)Word (group theory)Source textComputer scienceNounNatural language processingArtificial intelligencePhilosophyChemistry

Résumé

récupéré en direct d'OpenAlex

This study examines the effects of translation shifts on the level of readability in translating children’s literature. It conducts this study on three Persian translations of “Alice’s Adventures in the Wonderland” to rank Catford’s shifts based on their effects on the readability of translation. To do that, in this study, the typology of Catford’s shifts will be extended, and the way to measure text readability will be modulated to include the effects of these shifts on the translation readability. Thus, Ranking 14 types of shifts, the study reveals that complex shifts (represented as clauses and groups in the texts) are more effective than simple shifts (which are symbolized as single word -nouns and adjective, determiners- in the text) on the readability of translations. This means the complex shifts are more recognizable for children. Of course, verbs, although are mostly the representatives of simple shifts, are very effective on readability of text. Since, they, along with clause and group segments, are will recognizable for them. Therefore children cannot determine the place of single words in the text, but are expert in realizing word clusters in form of clauses and groups.

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)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,021
Tête enseignante GPT0,267
Écart entre enseignants0,246 · 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'étudeObservationnel
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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetTranslation Studies and PracticesTravaux en français237 207