Her, Herself, and She - Kokeellinen tutkimus tekstin koheesiosta käännettäessä kaunokirjallisuutta ei-äidinkieleen päin
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.005 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.061 | 0.018 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".