Register, Source Language, and Cognateness Effects on Lexical Choice in Translated Dutch
Notice bibliographique
Résumé
In line with recent studies about register and source language effects on translated language (Delaere, De Sutter, et al. 2012; De Sutter, Delaere, et al. 2012; Kruger and Van Rooy 2012; Delaere and De Sutter 2017), the aim of this paper is twofold: to further investigate the influence of register and source language, and to study any potential influence of the variable “cognateness” on translated language. We focus on specific onomasiological choices (lexical choices) in the semantic field of inchoativity, made by translators into Dutch and attested in corpus observations (Dutch translated texts in the Dutch Parallel Corpus). First, we performed a multinomial regression analysis on our dataset and carried out an Analysis of Deviance to determine whether the predictor variables “source language lexeme” and “register” (“text type”) have a significant influence on the response variable (the set of lexemes representing the onomasiological choice range in translated Dutch inchoativity). Doing a second multinomial regression analysis, followed by an Analysis of Deviance, we investigate the influence of the new variable “cognateness” on the translator’s onomasiological choice (in the target language). Classification trees were generated as statistics-based visualizations of onomasiological choice in translated Dutch (translated from French and translated from English) within the semantic field of inchoativity. The results of the statistical analyses show that register, source language, and cognateness significantly influence the specific lexical choices made by translators. In addition, the visualizations show how the onomasiological choice for some target lexemes can be predicted on the basis of a single source language lexeme, while other choices are more complex, and will also be determined by the register of the text.
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 | 0,002 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».