Explicitation, Unique Items and the Translation of English Passives in Thai Legal Texts
Notice bibliographique
Résumé
Despite growing interest in the study of translation in Thailand, relatively little has been published on contemporary Thai translation practices. This study presents a first attempt to explore legal translation into Thai, using both a purpose-built parallel corpus of international treaties translated from English into Thai, and a monolingual corpus of non-translated Thai legislation. Drawing on previous corpus-based studies concerned with general features of translation, we ask whether there is evidence of explicitation (Becher 2010a) in our translated data and whether “unique items” (Tirkkonen-Condit 2002) are underrepresented. We pursue these questions through a study of the translation of the passive voice into Thai, and focus in particular on the Thai passive markers ถูก /thùuk/, โดน /doon/, and ได้รับ /dai-rup/, which we consider unique items in Thai. The study finds that, despite some writers’ antipathy to the passive voice in Thai, most English passives are translated into Thai using the passive voice, and that in those instances where the active voice is used in the translation, there is rarely any explicitation involved, as explicit agents are rarely added in Thai. We do not find any evidence to support the hypothesis that unique items are underrepresented in translation. On the contrary, the unique items studied appear to be overrepresented in translation into Thai.
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 | 0,005 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».