The Effect of Transitivity, Futurity, and Aspectuality on the Translation of English Present Progressive into Arabic Verbal and Active Participle Counterparts
Notice bibliographique
Résumé
Arabic lacks a specific form for progressive tenses and instead uses the imperfective form ‘jafʕal’ to express habitual and progressive aspects. Arabic also uses an active participle form (AP) to express progressiveness. This paper addresses the effect of transitivity, futurity, and aspectuality on the translation of English present progressive (PP) into Arabic verbal and active participle counterparts. To investigate which of the two forms is used to translate English PP into Arabic, data were collected from 100 students who were studying an elective ‘translation’ course at Princess Sumaya University for Technology (PSUT). The researchers built a questionnaire of 38 English sentences each of which has two main translations: one that uses the imperfective form ‘ja-fʕal’ and another that has an (AP) form, mainly ‘fa:ʕil’ or ‘mu-fʕil’. The participants were asked to rate the acceptability of each sentence on a scale of 0-2. The findings reveal that transitivity and the future reading of the progressive verb affect the translatability of the progressive tenses as imperfective or (AP) form. Transitive verbs are more likely to be translated as imperfective verbs than transitive APs because (AP) does not have as strong verbal properties as lexical verbs. On the other hand, translocative verbs accept (AP) translations fairly enough to refer to future. The findings also reveal that the aspectuality of the verb affects its translation in one of the two main forms mentioned above. (AP) translations of English (PP) become more acceptable when the root of the verb indicates state-of-affair actions, achievements or accomplishments.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».