The Study of English Culture-Specific Items in Persian Translation Based on House’s Model: The Case of Waiting for Godot
Notice bibliographique
Résumé
Each society’s language differs from other societies’ languages; because of the distinctions over the dialects, implications and ideas fluctuate crosswise over two unique dialects. The clearest purposes of distinction between dialects show up in their writing, which contains a lot of culture-specific items (CSIs); this causes some degree of complexities while exchanging implications and ideas from a languege into another. The present study was an attempt to discover proposed interpretation techniques connected in the two translations of Waiting for Godot by Aliakbar Alizad (1385, 2006) and Asgar Rastgar (1393, 2014). There are great differences in the translation. The practice of translators in rendering cultural items of the original reflects their different attitude in the choice of translation strategies The hypothetical structure of this examination depended on the cultural items classification and strategies proposed by Newmark (1988) as well as Houses’s (1997) model of translation quality assessment. After extracting cultural items of the original text and their classification, each item was compared and contrasted whit its corresponding rendering in the two translations. The strategies used by translators were then determined. The findings showed that Alizad’s work is an overt translation, while Rastgar’s work is a covert one. Rastgar’s strategies led into great differences with the original. His overuse of informal words and expressions as well as cultural items has domesticated his 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 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 | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».