MétaCan
Menu
Retour à la cohorte
Enregistrement W4308590781 · doi:10.5539/ijel.v13n1p1

Subtitling Strategies of Verbal-Visual Components in The Social Dilemma

2022· article· en· W4308590781 sur OpenAlexvenueno aff
Sarah Alohaidb, Nasrin Altuwairesh

Notice bibliographique

RevueInternational Journal of English Linguistics · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSubtitles and Audiovisual Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNonverbal communicationDilemmaRendering (computer graphics)PsychologyParaphraseFocus (optics)ImitationTypologyCognitive psychologyComputer scienceLinguisticsCommunicationSocial psychologySociologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The widespread of technology and streaming platforms have highlighted the importance of audiovisual translation. Audiovisual materials consist of four components: verbal-acoustic, verbal-visual, nonverbal-visual, and nonverbal-acoustic. Subtitlers usually focus on rendering the verbal-acoustic component (i.e., the dialogue) and rarely focus on the verbal-visual component. Therefore, this article aims to identify the subtitling strategies used in rendering the verbal-visual components that are displayed simultaneously with the dialogue. The data are taken from the docudrama The Social Dilemma. Gottlieb’s (1992) typology is used to identify the applied subtitling strategies. The analysis demonstrates that the subtitler employed seven subtitling strategies: transfer, paraphrase, imitation, deletion, expansion, condensation, and resignation. Also, the results indicate that resignation was the most frequently used strategy. Finally, the study recommends that the subtitler considers all components in the subtitling process.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,898
Score d'incertitude au seuil0,666

Scores Codex et Gemma par catégorie

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

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 Opus0,057
Tête enseignante GPT0,310
Écart entre enseignants0,253 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetSubtitles and Audiovisual MediaTravaux en français237 207