Assessing Chinese-to-English Translation Quality – A Systemic Functional Linguistics Perspective
Notice bibliographique
Résumé
Translation quality assessment is an important issue in translation teaching and learning, but it has been under-researched in translation studies. Whether a translation is good or not depends largely on a translator’s ability of text analysis. Taking the translation task of TEM8 (Test for English Majors Band 8) in 2023 as an example, this paper presents a pilot project aimed at exploring a systematic way of analyzing translation errors by referring to systemic functional linguistics (SFL). In particular, the paper investigates how SFL-based text analysis of ideational meaning, interpersonal meaning and textual meaning can be used for translation teaching and learning, through comparative analyses of a set of texts, including a Chinese source text, two translation texts from TEM8 in 2023, and an AI-generated literal translation as back translation. The study finds that it is possible to identify, describe and classify translation errors in the translated texts, and more significantly, the resulting error description and classification allows translation teachers a more precise expression of the nature of poor translation or translation errors that would otherwise be simply put as “inadequate” or “awkward” translation, and students a more tangible understanding of what counts as an “excellent” translation. Following the analyses, the paper discusses the pedagogical effects of SFL-based text analysis by conducting a survey and semi-structured interviews with students. The quantitative data show that overall, students held a positive attitude towards translation, and the qualitative data analysis uncovers specific benefits and challenges experienced by the students.
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 | 0,029 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».