《斯图亚特时期的英国生活》翻译实践报告

来源 :烟台大学 | 被引量 : 0次 | 上传用户:XTOGM
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文是《斯图亚特时期的英国生活》的翻译实践报告。《斯图亚特时期的英国生活》涵盖了17世纪英国的方方面面,包括政府、社会习俗、文化等。尽管已经有历史方面的一些译作,但是几乎没有描写斯图亚特时期的英国这样主题的译作,这段历史长期被人们所忽略。翻译任务的发起人是一家出版社,翻译要求准确的同时易于读者理解。根据翻译材料的特点,言语行为理论可用于指导本次翻译实践。根据奥斯汀的理论:文本是由一系列言语行为构成的,翻译是由源文本到目标文本的转换。本次翻译实践所采取的策略为等效原则,目的是实现言内对等、言外对等和言后对等。言内行为是通过语法、语音句法和语义表达的话语的字面意义,它所强调的是文本的表层信息,言内对等可用于指导对基本历史事实的翻译。言外行为就是作者透过文本想向读者所传达的深层含义,历史类著作不可避免地包含作者的态度和观点,言外对等可用于传递原文中作者观点和意图。言后对等则致力于使目标语读者得到与源语读者相同的感受,由于两国文化的差异,需要对目标语读者补充相应的背景知识,才能使目标语读者在阅读过程中没有文化障碍,得到相同感受。笔者希望通过“言语行为理论”与历史类著作翻译的结合,来探索“言语行为理论”的内涵,拓展该理论的应用领域,为该理论注入新鲜的血液,同时也促进历史类著作翻译的发展,提升历史类著作的翻译质量,增进历史领域间的交流。
其他文献
近年来,随着化石能源大量使用造成其不断枯竭,可再生能源开发受到越来越多的重视,其中风力发电具有很广阔的发展前景和现实意义,已经在现实中受到了较大面积的普及。然而风力发电受实时风速的影响,有很强的随机性和不确定性,为了使可再生能源可以安全可靠的投入使用,微电网技术应运而生。微电网可以工作在并网模式和孤岛模式,并网模式下微电网需要向大电网提供稳定的功率输出,孤岛模式下频率的稳定是系统稳定的重要保障。当
趋向补语在汉语日常交际中经常使用,语义复杂,结构灵活,但其他很多语言中却没有这一语法项目,因此难以被汉语学习者掌握,成为汉语学习者学习的难点和重点。本文以“V下来”为
随着经济全球化的推进,以及中国改革开放的不断深入与发展,国际交流活动正在蓬勃发展,并日趋多样化。交流活动不仅在外交、经济和商业领域,也在学术访问和校际交流之间。作为
情态作为泛语言的概念,在不同的语言中有其独特的特征。关于韩语情态的研究,主要集中于情态的概念,范围以及分类的研究。尤其是认识情态,作为韩语情态重要的类型之一也备受关
本文研究课题来源于国家自然科学基金项目“交直流混合微电网中串联补偿环节与母线接口功率变换器的协调控制研究”(U1610121)。随着新能源分布式发电技术的飞速发展,交直流混合微电网已逐渐成为电气工程研究领域内一个新的研究热点。由于配电网运行状态极易对处于并网运行状态的交直流混合微电网产生影响,故通过在交直流混合微电网与配电网间增加串联环节的方法来改善这一现状,从而使处于并网运行状态的交直流混合微电
为了提供更好的口译服务以满足耳语传译在企业日常活动中日益广泛的需求,译员们需要不断加强自身耳语传译方面的能力以有效应对耳语传译现场出现的各种问题或突发状况。因而,
现实生活中,人们都会遭受心灵创伤,生活的不愉快。帮助他们回归心灵健全是许多学者和专家的所关心的。《心灵创伤》的作者是盖伊·莫瑞尔·史汀生,他在人们的潜能和心灵上的
模数转换器(Analog to Digital Conversion,ADC)在计算机数据处理、人机交互、信号处理等方面起着重要的作用,随着消费类电子产品、通信系统等领域的发展,对ADC的性能参数提出了更高的要求。对流水线ADC结构方面的改进是提高ADC精度以及转换速度的常用方法,但是无论结构如何优化也无法消除由于温度、压力、电子器件等原因造成的误差,这就需要对ADC的误差进行分析,并且设计算法针
随着我国铁路事业的蓬勃发展,我国轨道客车的保有量和运行量与日俱增,轨道客车的后续发展出现了许多新问题。主要表现为缺乏统一的轨道客车全寿命周期成本信息化管理平台,以至于不能充分考虑到全寿命周期的各环节及难以提供足够的数据支持;同时,随着数据规模不断扩大,传统关系型数据库出现性能危机,无法经济有效的存储与处理大规模数据。针对以上问题,论文设计并实现了在Hadoop生态系统下的轨道客车全寿命周期成本数据
微电网作为一种有效消纳新能源的形式,在整个电力系统中具有良好的发展前景。在以光伏发电系统作为电源的微电网中,发电功率的准确预测对微电网优化调度和经济运行具有重要意义,是微电网能量管理系统的重要组成部分。本文基于微电网运行环境及监测数据实现对微电网中不同时间尺度下光伏发电功率的预测,其中日前整点发电功率预测采用DPK-means聚类和极限学习机(Extreme Learning Machine,EL