---

Classroom interaction improves the learning process by enhancing opportunities for learning since both instructors and learners are involved in various speech acts. Speech act refers to a functional unit in the form of an act assisting individuals to perceive or promote things with words in interaction. Thus, the current study investigated classroom interaction in terms of types and functions of speech acts performed by Iranian English as a foreign language (EFL) teachers and learners. The data for the study came from audio-recording of twelve ۹۰-minute sessions taught by six experienced Iranian teachers. To analyze the conversational data, Finocchiaro and Brumfit’s (۱۹۸۳) model was used to examine various types of speech acts and Walsh’s (۲۰۰۶) SETT was employed as a framework to explore the functions of speech acts. Following the data analysis, it was unfolded that directives were the most frequent speech acts, including suggestions, requests, warning, and giving instruction, accompanied by interpersonal and personal ones. As to the functions of speech acts, the most frequent mode was the materials mode (۴۲%), followed by skills and systems mode (۳۴%), classroom context mode (۱۶%), and managerial mode (۸%). The overall findings indicate the central role of the teacher in teacher-fronted classes in Iran as the most speech acts, i.e. about ۷۹%, were performed by teachers in the form of requestive, suggestive, and advisory to control and promote the learning process. By carrying out the current study, it is hoped that readers gain more insight regarding the pragmatics territory, most notably speech acts.
 

---

---

---

---

---

---

---

پژوهش حاضر با رویکرد زبان­شناسی قضائی به بررسی و واکاوی چهار نسخۀ ترجمه­شده از رمان مزرعۀ حیوانات نوشتۀ جورج اورول می­پردازد. هدف پژوهش حاضر نشان­دادن سازوکارهای زبانی تشخیص سرقت میان نسخه­های متفاوت چند ترجمه از یک اثر یکسان بر اساس شباهت­ها و تفاوت­های متنی است. مزرعۀ حیوانات از سال ۱۳۴۸ تا به امروز بیش از هفتاد بار از سوی مترجمان مختلف به زبان فارسی ترجمه شده است. از این رو، داده­های پژوهش حاضر بر اساس فاصله­های زمانی تقریباً بیست­ساله از میان چهار نسخۀ ترجمۀ موجود از این کتاب انتخاب شده است. داده­های پژوهش بر اساس الگوهای تشخیص سرقت زبانی که از سوی تارل (۲۰۰۴) ارائه شده است، بررسی و تحلیل شده­اند. نتایج پژوهش حاکی از گزارش یک مورد سرقت زبانی در میان داده­های مورد بررسی است. متن سرقت­­کننده به لحاظ شباهت واژگانی ۷۳,۵ درصد و به لحاظ شباهت عبارت­ها ۴۲.۶ درصد با متن سرقت­شده هم‌پوشی دارد، این در حالی­ است که به لحاظ واژه­های منحصربه­فرد تفاوت این دو متن با یکدیگر با نسبت ۱۷,۶ درصد به ۱۵.۱۶ درصد است. همچنین، این دو متن ۳۵ واژه­ و ۲۲ عبارت مشترک دارند که تنها یک بار در متن به­کار رفته­اند.
 
واژه­های کلیدی: زبان­شناسی قضائی، سرقت زبانی، ترجمه، بازترجمه، مزرعۀ حیوانات.
پژوهش حاضر با رویکرد زبان­شناسی قضائی به بررسی و واکاوی چهار نسخۀ ترجمه­شده از رمان مزرعۀ حیوانات نوشتۀ جورج اورول می­پردازد. هدف پژوهش حاضر نشان­دادن سازوکارهای زبانی تشخیص سرقت میان نسخه­های متفاوت چند ترجمه از یک اثر یکسان بر اساس شباهت­ها و تفاوت­های متنی است. مزرعۀ حیوانات از سال ۱۳۴۸ تا به امروز بیش از هفتاد بار از سوی مترجمان مختلف به زبان فارسی ترجمه شده است. از این رو، داده­های پژوهش حاضر بر اساس فاصله­های زمانی تقریباً بیست­ساله از میان چهار نسخۀ ترجمۀ موجود از این کتاب انتخاب شده است. داده­های پژوهش بر اساس الگوهای تشخیص سرقت زبانی که از سوی تارل (۲۰۰۴) ارائه شده است، بررسی و تحلیل شده­اند. نتایج پژوهش حاکی از گزارش یک مورد سرقت زبانی در میان داده­های مورد بررسی است. متن سرقت­­کننده به لحاظ شباهت واژگانی ۷۳,۵ درصد و به لحاظ شباهت عبارت­ها ۴۲.۶ درصد با متن سرقت­شده هم‌پوشی دارد، این در حالی­ است که به لحاظ واژه­های منحصربه­فرد تفاوت این دو متن با یکدیگر با نسبت ۱۷,۶ درصد به ۱۵.۱۶ درصد است. همچنین، این دو متن ۳۵ واژه­ و ۲۲ عبارت مشترک دارند که تنها یک بار در متن به­کار رفته­اند.

 

---

---

---

---

روش‌های متداول اندازه گیری آلاینده‌های هوای دارای خطا، نیازمند فضای نسبتا بزرگ و صرف هزینه‌های بسیار کلان است، در حالی‌که می‌توان با استفاده از روش‌های جدیدی که توانایی یادگیری دارند از این معایب روش‌های معمول کاست. این روش‌ها که پایه ریاضی دارند و با استفاده از برنامه نویسی بنیان شده‌اند، هنوز به آن مرحله نرسیده‌اند که بتوان با اطمینان کامل جایگزین اندازه‌گیری‌های ماشینی شوند. در این مقاله از روش‌های شبکه عصبی مصنوعی و ماشین بردار پشتیبان که در تحقیقات گذشته نتایج قابل قبولی را برای موضوعات دیگر ارائه داده‌اند، استفاده شده است تا مقدار اوزن موجود در هوای سطح شهر تهران را با توجه به هشت پارامتر دیگر هواشناسی و آلاینده‌های معیار هوا، پیشبینی کند. در آخر با مقایسه عملکرد این دو روش با استفاده از دو معیار ارزیابی نتایج، نشان داده می‌شود که مقادیر R و RMSE برای ماشین بردار پشتیبان برابر است با ۰,۸۴۵۶ و ۰.۰۷۷۴ و برای شبکه عصبی مصنوعی ۰.۸۳۹۶=R و ۰.۰۹۱۴=RMSE ، که این نتایج حاکی از برتری روش ماشین بردار پشتیبان نسبت به شبکه عصبی است. البته هر دو روش برای این پیشبینی نتایج کاملاً مطلوب و رضایت بخشی ارائه داده‌اند. همچنین میزان تاثیرگذاری پارامترها بر روی ازن تحلیل شد که کربن منوکسید، دمای هوا و نیتروژن دی اکسید بیشترین تاثیر را بر روی تغییرات ازن داشتند درحالی‌که ذرات معلق هوا و بخصوص ذرات معلق با اندازه کمتر از ۲.۵ میکرومتر کمترین تاثیر را پیشبینی ازن داشتند..