Research on English Translation of Movie Subtitles - Based on the Analysis of the Movie “Mulan”
Notice bibliographique
Résumé
The English translation of movie subtitles is vital for cross-cultural communication in films. Analyzing the translation of the movie "Mulan" allows for an understanding of the challenges faced in conveying cultural elements, character traits, and plot nuances. This research explores effective translation strategies and techniques, considering factors like humor, slang, and language styles. Evaluating audience feedback further enhances subtitle quality. By focusing on "Mulan," this study aims to improve the accuracy, readability, and naturalness of English movie subtitle translations. This study is based on the film "Mulan" and explores the English translation of film subtitles. Firstly, the background and content of the film are introduced to provide the context for the research. Subsequently, the study focuses on translation strategies for film subtitles and the societal issues present within them, such as gender inequality and stereotyping of women. By analyzing examples of direct translation, adaptation, and subtitles that showcase gender inequality, the challenges and solutions in the translation process are revealed. Based on this analysis, some translation approaches are proposed with the aim of conveying the theme of gender inequality in the film more effectively and reducing the emphasis on female stereotypes. Through the analysis and discussion of this study, theoretical and practical guidance is provided for film subtitle translation and serves as a reference for translating films that address societal issues.
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 | 0,001 | 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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».