MétaCan
Menu
Retour à la cohorte
Enregistrement W2912346984 · doi:10.7202/1055144ar

The Deliberate Non-Subtitling of L3s in Breaking Bad: A Reception Study

2018· article· en· W2912346984 sur OpenAlexvenueno aff
Mathias Krämer, Eva Duran Eppler

Notice bibliographique

RevueMeta Journal des traducteurs · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrestigeContext (archaeology)AdvertisingFocus (optics)PerceptionEmpirical researchPsychologyBusinessLinguisticsHistory

Résumé

récupéré en direct d'OpenAlex

This paper presents the results of the first empirical reception study on the deliberate non-subtitling of L3s in the multilingual TV series Breaking Bad . Multilingual films and TV series are on the increase both in terms of success and penetrating wider audiences in a global market. This puts the focus on how multilingualism is conveyed to the audience and how audiences respond to it. While the translation strategies used in multilingual productions have received some attention, audiences’ reactions to them have only been investigated through an analysis of comments posted on an online movie message board. This study presents the results of a survey on the perception of and response to non-translation of L3 segments in a multilingual prestige TV series among hearing viewers. It shows that audiences are not only acutely aware of deliberate non-translation but also actively seek to identify motivations for it, which are context-sensitive and largely coincide with the filmmakers’ motivations for this practice. On the translation-theoretical side, this paper suggests that Corrius and Zabalbeascoa’s (2011) framework for the translation of L3s in dubbing would benefit from a supplement for other translation modes. On the applied side, the findings of this empirical reception study can inform agents in the international film and TV industry about audiences’ viewing preferences and potentially change AVT practices.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil0,695

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 technologies0,0010,000
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 Opus0,090
Tête enseignante GPT0,308
Écart entre enseignants0,218 · 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'étudeSans objet
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

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeta Journal des traducteursMême sujetTranslation Studies and PracticesTravaux en français237 207