MétaCan
Menu
Retour à la cohorte
Enregistrement W2990298709 · doi:10.7202/1065330ar

Dissenting Voices: When Paratexts Clash With Texts. Paratextual Intervention in Persian Translations of Texts Relating to the Iran-Iraq War

2019· article· en· W2990298709 sur OpenAlexvenueno aff
Reza Yalsharzeh, Hossein Barati, Akbar Hesabi

Notice bibliographique

RevueMeta Journal des traducteurs · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativePersianFraming (construction)ParatextLiteraturePoliticsMetadiscourseLinguisticsHistorySociologyArtPolitical sciencePhilosophyLaw

Résumé

récupéré en direct d'OpenAlex

This study uses narrative theory and the concept of narrative framing, as elaborated by Somers and Gibson (1994) and Baker (2006), to study the paratextual mediation and discursive presence of different agents in Persian translations of political texts written by Western authors about the Iran-Iraq war. By exploring the narratives dominant in the paratexts, and more specifically in the prefaces and footnotes of Persian translations, this paper examines how these have played a crucial role in reframing the narratives of Western authors through paratextual material. To this end, the narratives in the paratexts have been analyzed using four framing techniques elaborated by Somers and Gibson (1994) and Baker (2006), which are framing by temporality/spatiality, selective appropriation, labeling and participant positioning. The analysis of paratextual material shows that, apart from their introductory and explanatory functions, paratexts can be viewed as a kind of metadiscourse on the actual translations. The paper concludes that paratexts in the Persian translations are used in political and ideological ways to guide target language readers and to express the appropriate interpretations, or deemed appropriate, by the various institutional participants involved in the translation process in Iran.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,902
Score d'incertitude au seuil0,999

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,063
Tête enseignante GPT0,285
Écart entre enseignants0,222 · 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.

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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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