MétaCan
Menu
Retour à la cohorte
Enregistrement W7010189078

Her, Herself, and She - Kokeellinen tutkimus tekstin koheesiosta käännettäessä kaunokirjallisuutta ei-äidinkieleen päin

2013· other· fi· W7010189078 sur OpenAlexaboutno aff

Notice bibliographique

RevueTampere University Institutional Repository (Tampere University) · 2013
Typeother
Languefi
DomaineArts and Humanities
ThématiqueRenaissance and Early Modern Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)Order (exchange)Quarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ei-äidinkieliseen kääntämiseen on länsimaisessa käännöstieteessä suhtauduttu kielteisesti siitäkin huolimatta, että pienissä kielissä sen harjoittaminen on tavallista (Pokorn 2005). Vaikka myös Suomessa käännetään paljon "väärään suuntaan", ei-äidinkielistä kääntämistä ei ole tutkittu paljon.\n\nTutkielmassa käsitellään ei-äidinkieleen päin kääntämistä siitä näkökulmasta, miten käänteinen käännössuunta vaikuttaa kohdetekstin koheesioon – etenkin viittaussuhteisiin. Aineisto koostuu Sofi Oksasen Puhdistus-romaanista valitusta lyhyehköstä tekstiosuudesta, Lola Rogersin vastaavan osuuden virallisesta englanninnoksesta ja 22:n suomea äidinkielenään puhuvan kääntäjän saman tekstiosuuden suomi–englanti käännöksistä. Aineistoa analysoidaan vertailemalla eri tekstien leksikaalisen koheesion ja referenssin määriä, ellipsin käyttöä ja eroja konnektoreiden käytössä keskenään. Tämän jälkeen pohditaan kääntäjien taustatekijöiden mahdollisia vaikutuksia tuloksiin. Pohdintaluvussa tulokset suhteutetaan teoriaosuudessa esiteltyihin käsitteisiin – ei-äidinkielisen kääntäjän kielitaitoon ja käännöskapasiteettiin, oman äidinkielen ja alkutekstin interferenssiin, koheesioon ja käännösuniversaaliin koheesion eksplisiittistymisestä käännösprosessin seurauksena.\n\nTutkimuksessa selvisi, että siinä, missä Oksanen käyttää paljon leksikaalista koheesiota ja vähän referenssiä ja Rogers vähän leksikaalista koheesiota ja paljon referenssiä, testihenkilöiden luvut asettuvat alkutekstin ja virallisen englanninnoksen välille. Osittain testihenkilöiden tuloksiin vaikuttanee suomen interferenssi – joko alkutekstin tai alkukielen –, sillä monet testihenkilöistä näyttivät suosivan esimerkiksi ellipsiä siinä, missä virallisessa englanninnoksessa oli käytetty referenssiä. Tekijän piilottaminen, tai niin sanottu passivoiminen, vaikuttikin olevan ominaisempi kielenkäytön tapa suomelle kuin englannille. Syy, miksi suomen interferenssi näkyy juuri koheesiossa, saattaa olla siinä, että suomen ja englannin kohesiivisista eroista ei tiedetä niin paljon, että alkutekstin tai -kielen aiheuttamat sudenkuopat osattaisiin välttää. Näin ollen kohesiiviset erot kielten välillä kuulunevat petolliset ystävät -kategoriaan. Sen sijaan käännösprosessin eksplisiittistymisellä ei näyttänyt olevan juurikaan vaikutusta. Kääntäjien eri taustatekijöistä – koulutus, kielelle altistuminen ja käännöskokemus – vain käännöskokemuksella näytti olevan leksikaalista koheesiota laskeva ja referenssiä nostava vaikutus (mikä lienee normienmukaisempaa englannissa), mutta koska tuloksissa oli paljon variaatiota, katsoin, että suurempi vaikutus oli kääntäjän yksilöllisellä kapasiteetilla. Kaiken kaikkiaan ei-ädinkielisen kääntämisen ja englannin ja suomen kohesiivisten erojen lisätutkimukselle on selvää tarvetta. Avainsanat: kääntäminen ei-äidinkieleen päin, koheesio, eksplisiittistymishypoteesi, interferenssi, kaunokirjallisuus

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0060,004
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,172
Écart entre enseignants0,156 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTampere University Institutional Repository (Tampere University)Même sujetRenaissance and Early Modern StudiesTravaux en français237 207