Translating Nonverbal Behaviour in Literature: With Pai-tzu as An Example
Notice bibliographique
Résumé
Nonverbal behavior plays an important role in literary work but receives little attention in literary translation. Different use of linguistic devices by translators in representing nonverbal behavior of the source text would portray different images of characters. This paper, taking Chinese writer Shen Congwen’s short story Pai-tzu as an example, compares the translation of nonverbal behavior in its two English versions (by Ching Ti and Hsu Kai-yu). It firstly reviews definition and category of nonverbal behavior by scholars in diverse fields, as well as related theories in literature and translation. It then compares the two versions in dealing with the paralanguage and kinesics of the two characters, and explores how the differences between them lead to different features of the characters. This paper comes to the following conclusion: Ching’s version, by the choice of material or behavioral process and illocutionary verbs indicating voice quality, shapes a louder and more dynamic image of the woman, in contrast with a static image in Hsu’s version; the image Pai-tzu is vividly portrayed by Hsu due to the use of marked vocabulary and addition of chronemics and proxemics elements, in contrast with core vocabulary and word omission in Ching’s version; in dealing with body parts as agent metonyms, Ching’s version is closer to the style of the original due to the choice of agent metonyms and material process, while Hsu opts for mental process with human agent.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».