The Same Oh, But Different Meanings in Shopaholic & Sister and Its Thai-Translated Version
Notice bibliographique
Résumé
This paper identifies the broad spectrum of feelings expressed by the primary interjection oh and the range of procedures that Ploy Chariyaves used to render them into Thai from a widely-read chick lit novel, Shopaholic & Sister written by Sophie Kinsella. To carry out the study, the types of feelings proposed by Drzazga (2021) are used to analyze a total of 190 instances of oh. The analysis reveals that the interjection provides an extensive array of 25 feelings that includes fear, recognition, uncertainty, surprise, nervousness, shock, excitement, disappointment, embarrassment, continuation, awareness, happiness, relaxation, negation, preceding description, certainty, dissatisfaction, sympathy, annoyance, response, preceding greeting, satisfaction, disagreement, sadness, and pain. Furthermore, the translation strategies recommended by Boonterm (2019) are adopted to consider how the instances of oh are translated are adopted to consider. The consideration shows that the translator employs five main translation procedures, namely primary interjection, omission, interjection phrase, secondary interjection, and question. More specifically, the procedure used most frequently is translating into primary interjection making up 90 percent. The findings suggest that conveying various emotions through the instances and retaining the primary interjection in the target text enable the story to be delightful and grab readers' attention.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».