‘How would you call this in English?’: Being reflective about translations in international, cross-cultural qualitative research
Notice bibliographique
Résumé
INTRODUCTION: Medical education researchers increasingly collaborate in international teams, collecting data in different languages and from different parts of the world, and then disseminating them in English-language journals. Although this requires an ever-present need to translate, it often occurs uncritically. With this paper we aim to enhance researchers' awareness and reflexivity regarding translations in qualitative research. METHODS: In an international study, we carried out interviews in both Dutch and English. To enable joint data analysis, we translated Dutch data into English, making choices regarding when and how to translate. In an iterative process, we contextualized our experiences, building on the social sciences and general health literature about cross-language/cross-cultural research. RESULTS: We identified three specific translation challenges: attending to grammar or syntax differences, grappling with metaphor, and capturing semantic or sociolinguistic nuances. Literature findings informed our decisions regarding the validity of translations, translating in different stages of the research process, coding in different languages, and providing 'ugly' translations in published research reports. DISCUSSION: The lessons learnt were threefold. First, most researchers, including ourselves, do not consciously attend to translations taking place in international qualitative research. Second, translation challenges arise not only from differences in language, but also from cultural or societal differences. Third, by being reflective about translations, we found meaningful differences, even between settings with many cultural and societal similarities. This conscious process of negotiating translations was enriching. We recommend researchers to be more conscious and transparent about their translation strategies, to enhance the trustworthiness and quality of their work.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,320 | 0,376 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,023 | 0,060 |
| Communication savante | 0,026 | 0,030 |
| Science ouverte | 0,007 | 0,022 |
| Intégrité de la recherche | 0,010 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».