MétaCan
Menu
← Retour à la cohorte
Enregistrement W3192068669 · doi:10.3968/12203

On Phatic Communion Translation in Subtitle from the Perspective of Politeness Principles: A Case Study of the Chinese Subtitle of American TV Series Why Women Kill

2021· article· en· W3192068669 sur OpenAlexvenueno aff
Lei Yu, Yushan Zhao

Notice bibliographique

RevueStudies in literature and language · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTranslation Studies and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubtitlePolitenessParaphraseLiteral translationLinguisticsPerspective (graphical)Equivalence (formal languages)SociologyPsychologySource textComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Phatic communion conversations are culturally-constrained speech acts happening every day and everywhere. Different cultural backgrounds between China and America will lead to the different applications of phatic communion. Considering American TV series as a mass media for cultural exchanges, subtitle plays a vital role in bridging two cultures. This paper introduces the related researches at home and abroad on phatic communion, summarizes the main methods adopted in translating different types of phatic communion by analyzing all the collected phatic communion conversations in Why Women Kill . The investigation of whether the subtitled phatic communion achieving the same illocutionary meaning that the original speakers trying to convey under the guide of politeness principles has been completed. The conclusion can be drawn as follows: the translator tends to apply different strategies in translating different types of phatic communion such as literal translation, paraphrase, cultural substitution, addition, condensation and specification methods to achieve the pragmatic equivalence between the original and the subtitle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0100,008
Communication savante0,0040,004
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,323
Écart entre enseignants0,288 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in literature and language→Même sujetTranslation Studies and Practices→Travaux en français237 207→