Exploring the Relationship Between Translators’ Styles and Translation Competence: A Case Study of English Translations of The True Story of Ah Q
Notice bibliographique
Résumé
This study investigates the relationship between Translators’ Styles and Translation Competence (TC) by examining five English translations of The True Story of Ah Q. The five translators are George Kin Leung, Chi-Chen Wang, Yang Xianyi & Gladys_Yang, William Lyell, and Julia Lovell. Employing a mixed-method approach, the research utilises the Multidimensional Analysis Tagger (MAT) for quantitative analysis and the PACTE model framework for qualitative analysis. The key competencies of TC—bilingual, extralinguistic, strategic sub-competence, and knowledge about translation—are evaluated to understand their impact on stylistic choices in the translations. MAT’s quantitative analysis provides insights into the lexical density, syntactic complexity, and narrative techniques, while the qualitative analysis explores cultural transmission and rhetorical strategies used by the translators. The findings reveal significant variations in translator style, influenced by their competencies. Translators with higher bilingual and knowledge about translation demonstrate greater linguistic flexibility and accuracy, whereas strategic and extralinguistic sub-competence impact cultural adaptations and rhetorical fidelity. This research contributes to expanding the PACTE model’s application to literary translation, offering empirical support for how TC manifests in stylistic choices. The study highlights the value of combining quantitative and qualitative approaches to advance the understanding of translator style and competence in translation studies.
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 | 0,017 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».