Manner-of-speaking in a corpus-based translation study of narrative texts
Notice bibliographique
Résumé
This contribution examines manner-of-speaking (e.g. murmur, mutter) in a German>Spanish parallel corpus of narrative texts. This research was prompted by the fact that this phenomenon had not yet been paid due attention in the “Thinking-for-Translating” framework, in comparison with the phenomenon of manner-of-motion (e.g. limp, run). The starting point of this paper is thus the widely confirmed fact that, in previous works focusing on the translation of manner-of-motion between languages belonging to different typologies, some alterations regarding manner have been identified (e.g. omission, addition), and that this is mainly due to typological differences between source and target language. More precisely, speakers of satellite-framed languages (including German) often encode manner, while users of verb-framed languages (including Spanish) usually devote more attention to the lexicalization of path, sometimes at the expense of manner. Thus the aim of this paper is twofold: first, to examine translators’ behaviour regarding manner-of-speaking in a satellite-framed language>verb-framed language translation scenario (German>Spanish), specifically focusing on the translation of reporting verbs in a corpus of narrative texts; second, to compare the resulting data with findings from previous comparable studies dealing with the communication and motion frames. In the translation scenario studied here, the results suggest that translator behaviour differs when dealing with these two frames: while manner-of-motion is often omitted in translations into Spanish (from German), manner-of-speaking is usually transferred, or even added.
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 | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 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 ».