Idiomien käännösstrategiat Colm Tóibínin romaanin Brooklyn suomennoksessa
Notice bibliographique
Résumé
Tavoitteenani on tutkia idiomien käännösstrategioita Colm Tóibínin romaanin Brooklyn suomennoksessa. Olen kiinnostunut siitä, onko teoksen kääntäjä pystynyt säilyttämään lähtötekstin idiomit teoksen suomennoksessa kääntämällä ne jollakin suomen kielen idiomilla vai onko kääntäjä käyttänyt jotakin muuta käännösstrategiaa idiomien suomentamisessa. Aion myös selvittää, onko kääntäjä käyttänyt kääntäessään kompensaatiostrategiaa eli kääntänyt jonkin lähtötekstissä olevan ei-idiomaattisen normaali-ilmaisun idiomilla. Lisäksi tarkastelen, vastaako idiomikäännös lähtötekstin idiomia kuvallisuuden osalta. Tutkimuskysymykseni ovat seuraavat: 1. Millaisia käännösstrategioita kääntäjä on käyttänyt idiomeja suomentaessaan? 2. Onko lähtötekstin idiomin kuvallisuus siirtynyt käännökseen tapauksissa, joissa idiomi on käännetty idiomilla? Hypoteesini on, että osa lähtötekstin idiomeista on käännetty idiomilla, mutta enemmistö idiomeista on silti käännetty selittävällä normaali-ilmauksella. Tätä hypoteesia tukee esimerkiksi Nidan & Taberin (1969: 106) näkemys, että idiomi käännetään usein ei-idiomaattisella ilmauksella. Näin on siitäkin huolimatta, että ideaalina pidetään sitä, että kääntäjän pitäisi pyrkiä kääntämään lähtökielen idiomi kohdekielen idiomilla (Ingo 1990: 246). Tutkimukseni on pääosittain kvalitatiivinen ja kontrastiivinen, mutta siinä on myös kvantitatiivisia piirteitä. Tutkimusaineistoni koostuu idiomeista, jotka kerään romaanista. Tutkimus alkaa idiomin käsitteen määrittelyllä sekä idiomien keräämisellä lähtötekstistä ja suomennoksesta. Tämän jälkeen luokittelen idiomit sekä niiden käännökset käännösstrategian mukaan ja analysoin ne. Analyysissä tarkastelen myös idiomien kuvallisuutta niissä tapauksissa, joissa idiomi on käännetty idiomilla. Kategorisoin nämä idiomit kuvallisuuden säilymisen tason mukaan kolmeen ryhmään: 1) sama kuva, 2) osittain sama kuva sekä 3) eri kuva. Tulosten perusteella idiomit on käännetty useimmiten selittävällä normaali-ilmauksella. 389 idiomista peräti 202 kappaletta (52 % käännösstrategioiden kokonaismäärästä) on käännetty kyseistä käännösstrategiaa käyttämällä. Toiseksi yleisin käännösstrategia on idiomilla kääntäminen (169 kpl, 43 %), kolmanneksi poisto (14 kpl, 4 %) ja viimeiseksi sananmukaisesti kääntäminen (4 kpl, 1 %). Kompensaatiostrategioita on käytetty suomennoksessa yhteensä 104 kertaa. Normaali-ilmaus on käännetty idiomilla 100 kertaa (96 % kompensaatiostrategioista), ja suomennokseen on lisätty idiomi neljä kertaa (4 % kompensaatiostrategioista). Idiomilla ja sen idiomikäännöksellä on useimmiten osittain sama kuva (66 kpl, 39 % kaikista idiomeilla käännetyistä idiomeista). Eri kuva on puolestaan 52 tapauksella (31 %) ja sama kuva 51 tapauksella (30 %).
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,296 | 0,062 |
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 ».