Plurilingualism and Native-Speaker Norms in Chinese Translation Studies — Ideological Tensions and Prospects for Reconciliation
Notice bibliographique
Résumé
Over the past few decades, among language and translation scholars worldwide, this plurilingual perspective on individuals’ and communities’ on-the-move and ever-dynamic uses of several languages has increasingly gained consolidation. Native-speaker norms that sanction end-speaker authenticness as an inspirational model have dominated translation quality norms, appraisal schema, and teaching frameworks. Their binarism bred chronic ideological tension embedded within China, where translation studies and practices are written within domestic scholarly hegemonics and an increasingly internationalizing language market. This paper investigates where native speaker norms intersect and conflict with plurilingualism in Chinese translation studies under mainstream domestic indexes, Chinese Social Sciences Citation Index (CSSCI), A Guide to the Core Journals of China (GCJC) and foreign journals, Social Sciences Citation Index (SSCI), Arts and Humanities Citation Index (AHCI). According to qualitative clustering of journal papers from 2021 to 2025, the paper identifies three conflict zones: native norm-biased translation quality appraisal conflicts of translator identity and plurilingual competences and native knowledge, and cultural exchange paradox, where native norms promote and restrict exchange between cultures. To counter such tensions, this paper recommends policies, pedagogical, and professional practices that are more inclusive and language empowering. By situating such solutions in the framework of China's cultural, historical, and market-based translation, this article adds to the growing debate on how the role of translation in the multilingual world should change.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».