纽马克文本类型理论视角下《CHCIC 2015年度社会责任报告》汉英翻译研究

摘要

企业社会责任概念由来已久，如今遍及全球。近十年来，社会责任报告这一形式纷纷为国内企业所采纳，成为企业发展理念的一部分，更是衡量企业综合水平的有效标准之一。国家起重运输机械质量监督检验中心(CHCIC)于2016年1月编写完成2015年度社会责任报告，贯彻落实社会责任理念体系在该中心稳步进行。国内起重运输机械检验检测业务已逐步向海外拓展，社会责任报告作为该中心综合实力的见证，其英译本为打造中心的国际形象，提升中国机械行业的软实力，并助其走向世界，提供了重要平台。
　　本论文以《CHCIC2015年度社会责任报告》为研究对象，运用彼得·纽马克文本类型理论，指导英译本的翻译过程，进而提升翻译质量。论文开篇对“企业社会责任报告”类文本的源起做了梳理，并结合论文所选取的文本，对论文研究的意义和思路进行了概述;接下来从理论入手，介绍彼得·纽马克文本类型理论的两大核心内容，即三种主要文本类型及两种翻译策略;经研究文本发现，语言中词汇专业正式，大量采用起重运输机械行业专业术语，句式工整规范，多并列结构与长句，篇章紧凑有序，前后呼应;论文在考察了研究对象的语言特点后，确定了文本类型与适用的翻译策略;继而将理论应用于文本翻译，即根据文本所属类型与翻译策略制定具体可行的翻译方法，结合词汇、句法、语篇层面的操作过程和文本实例对英译本进行探讨。
　　作者的结论是，根据彼得·纽马克文本类型理论，《CHCIC2015年度社会责任报告》兼属信息型与呼唤型文本，宜采取交际翻译策略进行处理和传递信息。即:在词汇层面，为保证表述的专业性、可读性与适恰性，可采用行业术语直译或意译，中国特色词汇可直译加注释，普通词汇可采用省译或词性转换等翻译方法;在句法层面，为确保信息表达准确、完整、地道，应采用主动句被动语态转换、无主语句与主语省略句增译主语、长句拆分等翻译方法;在语篇层面，为保证篇章衔接连贯有序，结合衔接标准五大手段，对重复词汇施以减译、省略，长句拆分则以增词、照应等翻译方法来实现。

目录

声明

ACKNOWLEDGEMENTS

摘要

ABSTRACT

CONTENTS

1 Introduction

1．1 An Overview of 2015 CHCIC CSR Report

1．2 Significance and Structure of This Study

2 Peter Newmark’s Theory of Text Typology

2．1 Text Types in Peter Newmark’s Theory of Text Typology

2．2 Translating Strategies in Peter Newmark’s Theory of Text Typology

3 Text Analysis of 2015 CHCIC CSR Report

3．1 Linguistic Features of 2015 CHCIC CSR Report

3．1．1 Abundant Use of Proper Nouns and Terms

3．1．2 Formal Use of Pronouns and Verbs

3．1．3 Use of Active Voice Sentences and Long Sentences

3．1．4 Coherent Organization of Discourse

3．2 Text Types of 2015 CHCIC CSR Report

3．2．1 Informative Text

3．2．2 Vocative Text

4 Application of Text Typology in Translation of 2015 CHCIC CSR Report

4．1 Lexical Translation of 2015 CHCIC CSR Report

4．1．1 Technical Lexis

4．1．2 Chinese Culture-loaded Lexis

4．1．3 General Lexis

4．2 Syntactical Translation of 2015 CHCIC CSR Report

4．2．1 Active Voice Sentences

4．2．2 Sentences without Subjects or Sentences with Subjects Ellipsis

4．2．3 Long Sentences

4．3 Discourse Translation of 2015 CHCIC CSR Report

5 Conclusion

References

APPENDIX

作者简历

学位论文数据集