Saudi Phatic Communication in Translation: A Cultural and Linguistic Perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Adopting a functional approach to translation, this study dives deep into phatic communion expressions, categorizing them in relation to their direct translations in English and identifying culturally equivalent phrases in manual and machine translation. With a newly developed corpus of 157 Saudi Arabic phatic expressions, the study classifies them into eight categories, viz., greetings and rituals, politeness, inquiries about well-being, blessings and good wishes, small talk, acknowledgement and agreement, farewells and departure, and expressions of gratitude and appreciation. The corpus is created from five Arabic language films classified as popular choices on Netflix. The corpus is then translated by 21 final year English Language program students at Shaqra University, KSA, and by Google Translate (GT). Findings show that most frequently phatic expressions are used to express polite and warm introductions, maintaining courteous communication, and for cultural and religious dimensions. Findings also indicate that the Saudi students demonstrated a high degree of communicative translation of the Arabic phatic expressions into English whereas GT output was off the mark and even irrelevant in many instances, making a case for discouraging the use of GT in Saudi translation studies classrooms. The study concludes with pertinent recommendations offering insights that can be useful in fostering understanding and cultural sensitivity among non-Saudis interacting with Saudi individuals, making this study crucial for those in the fields of translation, intercultural communication, and linguistics.
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.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 découle