Translations of Sovietisms: A Comparative Case Study of English Translations of Bulgakov’s The Master and Margarita
Notice bibliographique
Résumé
Bulgakov’s novelThe Master and Margarita(1966-1967), a highly complex and multi-levelled narrative, is a challenge for any translator. Because Bulgakov’s narrative has been translated into English seven times (twice by the same translator, Glenny), with the first two translations published in the same year, 1967, and the latest in 2008, the novel offers a unique insight into the analysis of translation shifts, not merely from a synchronic, but also from a diachronic perspective. The emphasis here is on the translation of historicalrealia, referred to asSovietisms, and pertaining to items characteristic of Soviet discourse of the 1930s, word-formations of the non-standard “Soviet Russian.” Bulgakov’s language is sated with Soviet vocabulary which refers to various cultural and socio-political elements of Soviet reality.Sovietismsoccur at various levels (lexical, syntactical, stylistic and rhetorical) and should be carefully translated as a significant characteristic of Bulgakov’s style. A complete domestication ofSovietismsmay lead to a loss of a connotative meaning essential for understanding the context, while a foreignization of these terms which are most likely unknown to Western readers may disturb the fluency of reading. The purpose of the analysis, thus, is to illustrate the use of domesticating/foreignizing strategies employed by the translators and to assess the translation choices, considering that the target audience of English-speaking readers are most likely completely unfamiliar with most terms. The analysis employs theory on foreignizing and domesticating principles, as well as taxonomies suggested by Vinay and Darbelnet (1958/1989), Vlakhov and Florin (1980) and Aixelá (1996) as the grounds for the case study.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,012 | 0,008 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».