Nivelrikko-oppaan harjoitteluohjeiden kääntäminen arabian kielelle. Kommentoitu käännös.
Notice bibliographique
Résumé
TIIVISTELMÄ \n \nMarani Hanaá \nNivelrikko-oppaan harjoitteluohjeiden kääntäminen arabian kielelle \nKommentoitu käännös \n26 sivua, 2 liitettä \nLokakuu, 2019 \nDiakonia-ammattikorkeakoulu \nHumanistisen alan ammattikorkeakoulututkinto \nTulkki (AMK), Asioimistulkkauksen tutkinto \n \nTämän opinnäytetyön tavoitteena oli kääntää Suomen Nivelyhdistys ry:n Kumppanina nivelrikko - Näin tulen toimeen -oppaan harjoitteluohjeet suomen kielestä arabian kielelle ja kommentoida käännöstyössä esiintyneitä ongelmia ja niiden ratkaisuja. \n \nKäännöksen kohderyhmäksi valittiin Suomessa asuvat arabiankieliset aikuiset, keski-ikäiset ja ikääntyneet maahanmuuttajat, jotka osaavat lukea arabian kieltä. Kohderyh-mällä on mahdollisuus saada tietoa nivelrikon hoidosta harjoittelun avulla omalla äidin-kielellään. Nivelrikkoon ei ole olemassa parantavaa lääkettä. Oppaassa olevat itseharjoit-teluohjeet antavat mahdollisuuden tulla paremmin toimeen sairauden kanssa tai jopa ennaltaehkäistä sitä, joten oli hyödyllistä kääntää ohjeet arabiaksi. \n \nKäännösprosessin aikana jouduttiin jatkuvasti valintoja eri käännösvaihtoehtojen välillä ja monesti päädyttiin ristiriitatilanteeseen. Tämän vuoksi turvauduttiin käännösstrategi-oihin, joista käytettiin eniten kotouttavaa käännösstrategiaa. Sitä sovellettiin kohdekie-leen sen kielioppia ja kulttuurin normeja noudattaen. Käännöksessä tavoitteena oli, ettei lukija huomaisi lukevansa käännettyä tekstiä, vaan että hän tuntee lukevansa alkuperäisiä harjoitteluohjeita ja näin hyötyy niistä parhaiten.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,007 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,139 |
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 ».