MétaCan
Menu
Retour à la cohorte
Enregistrement W4404144952 · doi:10.5430/wjel.v15n2p43

Linguistic Obstacles Faced in Translating Some Unique Qur’anic Cultural Lexical Items into English: Reexploring Some Translation Approaches

2024· article· en· W4404144952 sur OpenAlexvenueno aff
Mohammed H. Albahiri, Ali Albashir Mohammed Alhaj

Notice bibliographique

RevueWorld Journal of English Language · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHistorical and Linguistic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLinguisticsTranslation (biology)Computer scienceNatural language processingArtificial intelligencePhilosophyBiology

Résumé

récupéré en direct d'OpenAlex

This research paper aimed to identify the linguistic obstacles met in translating some unique Qur’anic cultural lexical items into English through the lens of translation approaches. The study used a qualitative descriptive method and Nord’s (1991) text analysis model in translation. The findings showed that the most used approach to translating the implication of Qur’anic cultural lexical items was that of word-for-word and verbatim translation, and this resulted in a deep meaning loss and manipulating the perfect translation. The study also found that Al-Hilali and Khan’s and Abdel-Haleem’s translation approach, contrastingly, seems to be predominantly translated text-oriented, and thus conforms to the strategy of free translation, putting pivotal descriptive details in brackets, footnotes, or as a paraphrasis. The study concluded that Pickthall was inclined to resort to a literal translation strategy, which often gives rise to obscurity and problems because it does not consider the idiomatic meaning and implicit meaning of the Qur’anic Cultural Lexical Items.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,696
Score d'incertitude au seuil0,819

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,071
Tête enseignante GPT0,317
Écart entre enseignants0,246 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetHistorical and Linguistic StudiesTravaux en français237 207