Semantiska förändringar i de svenska och engelska översättningarna av Koiramäen Suomen historia
Bibliographic record
Abstract
Syftet med denna avhandling är att undersöka vilka semantiska förändringar översättarna har gjort i de svenska och engelska översättningarna av boken Koiramäen Suomen historia. Med semantiska förändringar avser jag tillägg, explicitgörande, utelämningar och implicitgörande. För det första tar jag reda på vilka semantiska förändringar som har gjorts i översättningarna. För det andra är meningen att jämföra förändringarna i översättningarna med varandra. \nMitt material består av den finska barnboken Koiramäen Suomen historia och dess svenska och engelska översättningar. Mina metoder är både kvantitativa och kvalitativa. Jag har gått igenom materialet genom att samla in tillägg, explicitgörande, utelämningar och implicitgörande. Sedan har jag grupperat beläggen enligt dessa fyra kategorier och räknat hur många belägg det finns i varje grupp. Efter detta har jag också tagit fram exempel på de olika typerna av semantiska förändringar. Till sist har jag jämfört beläggen i översättningarna med varandra. \nResultaten visar att explicitgörande är den vanligaste typen av semantiska förändringar i den svenska översättningen. Skillnaden mellan antalet tillägg, utelämningar och implicitgörande är liten. I den engelska översättningen finns det däremot större skillnader mellan de olika semantiska förändringarna. Tillägg är den vanligaste förändringstypen medan explicitgörande också är mycket vanliga. Utelämningar och implicitgörande är däremot betydligt ovanligare. \nResultaten påverkas av skillnaderna mellan de olika kulturmiljöerna. Det finns större skillnader mellan de finska och engelska kulturmiljöerna än mellan de finska och svenska miljöerna varför engelskspråkiga läsare sannolikt har mindre information om Finland. Därför måste fler tillägg och explicitgörande göras i den engelska översättningen. På samma sätt kan utelämningar och implicitgörande inte göras så ofta.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.012 | 0.011 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.056 | 0.011 |
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".