MétaCan
Menu
Retour à la cohorte
Enregistrement W4389558637 · doi:10.46687/iqad3665

Visual puns in the Arabic subtitled and dubbed versions of Shark Tale

2023· article· en· W4389558637 sur OpenAlexaff
Rozzan Yassin, Abdulazeez Jaradat, Ahmad S. Haider

Notice bibliographique

RevueStudies in Linguistics Culture and FLT · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPunLinguisticsLiteral translationLiteral and figurative languageComputer scienceArabicSource textPhilosophy

Résumé

récupéré en direct d'OpenAlex

This piece of research, which is part of a project concerned with the translatability of figurative language in AV content from English into Arabic and vice versa, investigates the translatability of visual puns in the animated movie Shark Tale from English into Arabic in both its subtitled and dubbed versions. The data of this study consist of the original English film scenes and their Arabic subtitles and dubs. Based on Aleksandrova’s (2019) taxonomy, which treats pun translation as a cognitive game in the translator’s mind, it was confirmed that puns can be translated by accepting the game of translation using two different strategies: (a) Quasi-translation: where the translator preserves one of the signs of the original pun and replaces the other with a suitable one from the target language. (b) Free Translation: where the translator replaces the two signs of the source pun with new signs from the target language. It was also confirmed that the game of translation can be rejected by using Literal Translation where the translator literally translates the pun into the target language. Another minor issue raised in this study is that visual puns and complex puns that are culturally very local are subject to be ignored by No Translation, which is the omission of the linguistic host of pun. The current study concludes by providing some implications and solutions for translators dealing with pun in animated films.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,427
Score d'incertitude au seuil0,226

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0000,000

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 Opus0,067
Tête enseignante GPT0,430
Écart entre enseignants0,363 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Linguistics Culture and FLTMême sujetHumor Studies and ApplicationsTravaux en français237 207