Translating adult-oriented humour in children’s animated movies from English into Turkish: A corpus-based study*
Notice bibliographique
Résumé
The aim of this study is to examine practices in translating adult-oriented linguistic humour in children’s animated movies. The research presents a corpus-based mixed study which draws insights from humour translation, translation of children’s literature (specifically the address problem) and audiovisual translation. The corpus-data were collected from forty randomly chosen Hollywood-made animated movies released between 2010-2019. In order to distinguish a humorous instance as adult-oriented, Akers’ (2013) adult humour categories were applied. The translation strategies applied to the target movies were categorised in accordance with their functions as retainment, replacement and omission. The classification of translation strategies used in this study was developed relying on the available translation strategies of Delabastita (1996) for puns, Leppihalme (1997) for allusions and Mateo (1995) for irony. Further, the data were interpreted both qualitatively, according to Asimakoulas’ (2004) theoretical model for the translation of humour, and quantitatively. The analysis revealed that to preserve adult-oriented humour, the most successful translation strategies belong to the Replacement Set while the least successful set is the Omission Set. According to the overall results, the general tendency is towards the elimination of adult-oriented humour.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».