MétaCan
Menu
Retour à la cohorte
Enregistrement W2586203995 · doi:10.5539/ells.v7n1p51

Translating Culture-specific Elements in Names in Hong Lou Meng: A Comparison of The Story of the Stone and The Dream of Red Mansion

2017· article· en· W2586203995 sur OpenAlexvenueno aff
Ting Wang, Jiafeng Liu

Notice bibliographique

RevueEnglish Language and Literature Studies · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensnon disponible
Organismes subventionnairesSouthwest University for NationalitiesFundamental Research Funds for the Central UniversitiesSouthwest University
Mots-clésTransliterationCharacter (mathematics)AnnotationLiteral translationCompensation (psychology)SpellingHierarchyLinguisticsComputer scienceLine (geometry)Natural language processingZero (linguistics)Artificial intelligenceSource textPsychologyMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

The names of the characters in Hong Lou Meng, crafted to indicate both the development of the storyline and the characteristics of the characters, contain abundant culture-specific elements, which make them difficult to render into English. On the basis of a systematic study on the original work and its two unabridged translations of Hong Lou Meng, the culture-specific elements in the original names are categorized into the following three: Chinese naming, Chinese family hierarchy and Chinese Character. Three strategies on compensation for the lost culture-specific elements are found to be employed at different levels in the two translations, including on-line compensation, off-line compensation and zero compensation. The strategy of on-line compensation involves semantic translation plus transliteration and annotation in text. Off-line compensation includes note of Chinese spelling, annotation out of text, interpretation of characters’ names in introduction, note ofcharacters’ names in appendix, introduction of characters in appendix and dendrogram of genealogy; Zero compensation includes transliteration, omission, transfer, substitution and literal translation.

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 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 enseignants0,146
Score d'incertitude au seuil0,376

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,300
Écart entre enseignants0,272 · 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.

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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language and Literature StudiesMême sujetTranslation Studies and PracticesTravaux en français237 207