Lasten suometar : lisälehti Suomettarelle 16:1856

Lapsille tarkoitettu lisälehti Suometar-sanomalehteen.

Lasten suometar : lisälehti Suomettarelle 17:1856

Lapsille tarkoitettu lisälehti Suometar-sanomalehteen.

Lasten suometar : lisälehti Suomettarelle 18:1856

Lapsille tarkoitettu lisälehti Suometar-sanomalehteen.

Lasten suometar : lisälehti Suomettarelle 19:1856

Lapsille tarkoitettu lisälehti Suometar-sanomalehteen.

Lasten suometar : lisälehti Suomettarelle 20:1856

Lapsille tarkoitettu lisälehti Suometar-sanomalehteen.

Lasten suometar : lisälehti Suomettarelle 21:1856

Lapsille tarkoitettu lisälehti Suometar-sanomalehteen.

Lasten suometar : lisälehti Suomettarelle 22:1856

Lapsille tarkoitettu lisälehti Suometar-sanomalehteen.

Lasten suometar : lisälehti Suomettarelle 23:1856

Lapsille tarkoitettu lisälehti Suometar-sanomalehteen.

Lasten suometar : lisälehti Suomettarelle 24:1856

Lapsille tarkoitettu lisälehti Suometar-sanomalehteen.

Elementi culturali nel doppiaggio. L'analisi della traduzione di allusioni e realia nell'edizione italiana della serie televisiva Gilmore Girls (3ª Stagione)

Tutkimus tarkastelee käännösstrategioita, joita on hyödynnetty kulttuurisidonnaisten viittausten käännöksessä televisiodubbauksessa englannin kielestä italiaan. Tutkimusmateriaaliksi on valittu tv-sarjan Gilmore Girls (2000–2007) kolmannelta tuotantokaudelta poimittuja kulttuurisidonnaisia viittauksia. Kaikkiaan viittauksia on 172, joista 125 luokitellaan alluusioiksi, eli kielensisäisiksi elementeiksi, ja 47 katsotaan realioiksi, eli kielenulkoisiksi elementeiksi. Tutkimus pyrkii selvittämään, millaisia käännösstrategioita italialaiset jälkiäänittäjät ovat hyödyntäneet kohdatessaan kulttuurisidonnaisia viittauksia sekä pohtimaan käännösvalintojen syitä ja tarjoamaan vaihtoehtoisia ratkaisuja. Käännösanalyysissä tutkimusmateriaali luokitellaan Ritva Leppihalmeen jaottelun mukaisesti realioihin sekä kahdentyyppisiin alluusioihin, eli erisnimiä ja avainlauseita sisältäviin alluusioihin. Leppihalme on luonut jaottelun mainituille viittaustyypeille sopivista käännösstrategioista, jotka esitellään tutkimusaineiston avulla. Aineisto luokitellaan ja analysoidaan käännösstrategioiden perusteella. Lisäksi luokittelun pohjalta luodaan tilasto eri käännösstrategioiden osuudesta tutkitun materiaalin jälkiäänityksessä. Tutkimuksessa käy ilmi, että yleisimmät sarjan jälkiäänityksessä käytetyt käännösstrategiat ovat vieraannuttavia ja neutralisoivia, mutta kotouttavia strategioita käytettiin vähän. Käännös todettiin tyypilliseksi esimerkiksi italialaisista dubbauskäytännöistä, ja tekstin laatu on sinällään hyvä. Neutraloitu dialogi on kuitenkin menettänyt jälkiäänityksessä erityispiirteitään eikä se vastaa tyyliltään alkuperäisen tv-dialogin henkeä. Analyysin perusteella suositellaan korvaavien käännösstrategioiden käyttöä. Tällä tavalla teksti sisältäisi yhä viittauksia, vaikka ne olisikin mukautettu kohdekielisen yleisön tarpeisiin.

[Aaria oopperasta Lucia di Lammermoor]

Soitinnus: lauluääni (sopraano), orkesteri.

Numerical Simulation of Stochastic Di erential Equations

Stochastic differential equation (SDE) is a differential equation in which some of the terms and its solution are stochastic processes. SDEs play a central role in modeling physical systems like finance, Biology, Engineering, to mention some. In modeling process, the computation of the trajectories (sample paths) of solutions to SDEs is very important. However, the exact solution to a SDE is generally difficult to obtain due to non-differentiability character of realizations of the Brownian motion. There exist approximation methods of solutions of SDE. The solutions will be continuous stochastic processes that represent diffusive dynamics, a common modeling assumption for financial, Biology, physical, environmental systems. This Masters' thesis is an introduction and survey of numerical solution methods for stochastic differential equations. Standard numerical methods, local linearization methods and filtering methods are well described. We compute the root mean square errors for each method from which we propose a better numerical scheme. Stochastic differential equations can be formulated from a given ordinary differential equations. In this thesis, we describe two kind of formulations: parametric and non-parametric techniques. The formulation is based on epidemiological SEIR model. This methods have a tendency of increasing parameters in the constructed SDEs, hence, it requires more data. We compare the two techniques numerically.

[Lauran aaria Voce di donna]

Soitinnus: lauluääni (mezzosopraano), orkesteri.

[O cessate di piagarmi = Oi jos rauhan saada voisin]

Soitinnus: lauluääni (tenori), orkesteri.