 |
 |
 |
 |
 |
 |
 |
ENG corpus POL korpus POR corpus SPA corpus |
indice
Introduzione | Studi corpus-based sulla traduzione | Studi corpus-based sull'interpretazione | Potenziale per ricerche future
La ricerca corpus-based sulla traduzione ha preso piede negli anni Novanta del XX secolo, in un momento in cui la linguistica dei corpora aveva iniziato ad affermarsi come metodologia privilegiata per lo studio della lingua. Gli studiosi di linguistica dei corpora sostenevano che la lingua dovesse essere studiata in casi d'uso reali, cioè in testi che si verificano naturalmente, piuttosto che attraverso esempi inventati di ciò che è teoricamente possibile in una lingua. I corpora sono, dunque, ampie raccolte di testi autentici, selezionati secondo criteri di progettazione espliciti per essere rappresentativi di una specifica varietà linguistica, e archiviati in formato elettronico in modo da poter essere oggetto di ricerche attraverso applicazioni software dedicate. La possibilità di crearli e di utilizzarli per individuare e analizzare regolarità (pattern) a livello linguistico iniziò, così, ad essere considerata una metodologia proficua sia per la ricerca teorico-descrittiva sulla lingua che per scopi applicativi.
L’idea che la disponibilità di corpora e di metodologie di analisi basate sui corpora avrebbe potuto fornire spunti preziosi anche per lo studio della traduzione è comunemente attribuita a Baker (1993), la quale ne evidenziò il potenziale per l'identificazione di caratteristiche ricorrenti dei testi tradotti che avrebbero aiutato a chiarire la natura della traduzione come evento comunicativo distinto in quanto mediato. La proposta di Baker fu ispirata anche da altri importanti studiosi della disciplina, che avevano iniziato a sottolineare la necessità di considerare i testi tradotti come prodotti linguistici a tutti gli effetti piuttosto che come ricostruzioni imperfette dei rispettivi testi di partenza. Toury (1981), ad esempio, sosteneva che la traduzione dovesse essere considerata come forma linguistica a sé stante, caratterizzata da leggi generali e regolarità che meritavano di essere al centro dell'attenzione degli studiosi:
[i]t is highly probable that there are “dialectical” differences between texts originally composed in TL and translations into it [...]. As a matter of fact, [...] “deviations” of translations both with respect to ST- or SL-based models of “functional equivalence” and to TL-normality are the major justification for a distinct discipline of translation studies which […] will focus on translational phenomena per se. (Toury 1981: 16)
La fine del XX secolo ha quindi segnato un cambiamento radicale all’interno dei Translation Studies (TS): da approcci alla traduzione orientati al testo fonte (source-oriented), incentrati sull'equivalenza e in gran parte prescrittivi, ad approcci orientati al testo d’arrivo (target-oriented), descrittivi e volti a identificare e rendere conto delle regolarità che caratterizzano la lingua tradotta. I termini translationese (talvolta reso in italiano come ‘traduttese’) e, più tardi, interpretese hanno iniziato a essere utilizzati per indicare la presunta peculiarità della lingua tradotta e/o interpretata rispetto alle varietà di lingua non mediate.
I corpora iniziarono ad essere considerati una possibile risposta all’emergente richiesta di maggiore empirismo negli studi traduttologici, consentendo ai ricercatori di essere sempre meno costretti a fare affidamento su prove scarse e aneddotiche. Ispirandosi al pensiero di Baker, Shlesinger (2009) suggerì che i vantaggi della metodologia corpus-based si sarebbero potuti estendere anche allo studio dell'interpretazione, nonché ai confronti intermodali che rivelano le differenze tra traduzione e interpretazione come modalità di mediazione distinte.
 |
| Concordanza parallela (italiano-polacco) dal corpus Intercorp, disponibile su korpus.cz. È possibile riprodurre la concordanza qui. |
Nell'ambito dei corpus translation studies (CTS) e dei corpus interpreting studies (CIS) vengono utilizzate due tipologie principali di corpora: i corpora monolingui comparabili e i corpora paralleli (bilingui). I corpora monolingui comparabili (monolingual comparable corpora, MCC) sono raccolte di testi originali (ossia, non tradotti) e di testi tradotti nella stessa lingua, selezionati in modo da essere comparabili/simili in termini di registro, argomento, data di pubblicazione, etc. Di conseguenza, sotto la netta l’influenza dell'approccio proposto da Baker, i MCC sono stati considerati strumenti privilegiati per l'osservazione di come la lingua tradotta differisca da quella non tradotta, confrontando questi due sottocorpora sulla base di indicatori e misure quantitative estraibili automaticamente dai testi quali il rapporto type-token, la densità lessicale, la frequenza di specifiche parole, categorie morfosintattiche o collocazioni. Nei corpora paralleli, invece, i testi di partenza in una lingua sono raccolti insieme alle loro traduzioni in una specifica lingua di arrivo. Le unità corrispondenti dei due testi (generalmente a livello di frase) sono solitamente allineate, ossia vengono identificate e collegate automaticamente per consentire di estrarre concordanze bilingui: in questo modo, effettuando una ricerca per un determinato elemento in una lingua, è possibile recuperare tutte le frasi che contengono occorrenze di tale elemento, insieme alle frasi corrispondenti nell’altra lingua del corpus parallelo. Siccome due lingue sono coinvolte nell’analisi, le indagini su corpora paralleli sono più laboriose di quelle su corpora monolingui: i dati estratti dai testi di partenza e di arrivo, infatti, devono essere studiati alla luce delle differenze sistemiche e pragmalinguistiche tra le due lingue, osservabili esclusivamente attraverso l'analisi contrastiva. Inoltre, tutti gli scostamenti traduttivi, frutto di scelte più o meno deliberate, devono essere analizzati avvalendosi di un approccio maggiormente qualitativo.
Come per i corpora linguistici in generale, i corpora orientati allo studio della traduzione sono solitamente corredati di diversi livelli di annotazioni per consentire ai ricercatori di eseguire analisi estremamente dettagliate e mirate. Le informazioni linguistiche, in particolare le parti del discorso, i lemmi, il parsing sintattico, e le informazioni strutturali, come i confini delle frasi, vengono solitamente aggiunte attraverso un'elaborazione automatica dei dati per consentire ricerche più complesse rispetto alle forme lessicali semplici, nonché l'allineamento delle frasi nei corpora paralleli. Un ulteriore livello di annotazione, la cui rilevanza è stata posta sempre più in risalto negli anni recenti, comprende metadati riguardanti il traduttore (tra cui la sua competenza e esperienza professionale, il suo background linguistico, sociologico e formativo) e l’incarico traduttivo (ad esempio, tipo di testo, eventuali indicazioni del committente, uso di un software di traduzione, eventuali interventi di carattere redazionale): si tratta in questi casi di informazioni su fattori extralinguistici e contestuali che possono influenzare la lingua tradotta.
![[heading title]](2.2-X.png "[heading title]"){kind=small}
Studi corpus-based sulla traduzione
I CTS contemporanei sono caratterizzati da diversi filoni di indagine. La ricerca di regolarità che ha caratterizzato gli studi descrittivi sulla traduzione (Descriptive Translation Studies) e, in particolare, i CTS sin dalla loro comparsa, è accompagnata da una maggiore attenzione alla variazione connessa a singoli traduttori o a fattori contestuali. Di conseguenza, i corpora e i metodi di ricerca tradizionali sono sempre più spesso affiancati da risorse e metodologie d’indagine innovative, come illustrato nelle sezioni qui di seguito.
Gli universali della traduzione
I primi CTS si occupavano essenzialmente di provare l'esistenza di alcune caratteristiche universali della traduzione (o universali della traduzione). Tale concetto comparve per la prima volta in un celebre articolo programmatico di Baker (1993) con riferimento a (presunte) proprietà tipiche dei testi tradotti rispetto agli enunciati originali, che non sarebbero il risultato di un'interferenza da parte di specifici sistemi linguistici; tali caratteristiche sarebbero quindi indipendenti dalla lingua di partenza e di arrivo coinvolte e, di conseguenza, “a product of constraints which are inherent in the translation process itself” (Baker 1993: 243-246, enfasi nostra). Tra i presunti universali Baker includeva una tendenza all'esplicitazione, definita come un marcato aumento del grado di esplicitezza (dei testi tradotti) rispetto agli specifici testi di partenza e ai testi originali in generale (Baker 1993: 243), di gran lunga la proprietà più indagata e convincente; una tendenza alla semplificazione lessicale e sintattica, nonché ad una cosiddetta normalizzazione (o conservatorismo), ovvero all'uso di un lessico e di una sintassi più convenzionali rispetto ai testi di partenza e ai testi comparabili. Nonostante la proposta di Baker privilegiasse la ricerca basata su corpora monolingui comparabili, contrapponendo le traduzioni ai testi non tradotti nella stessa lingua, la necessità di distinguere due diversi ambiti di ricerca fu evidenziata da Chesterman (2004: 39), che suggerì di operare una distinzione di base tra le potenziali differenze universali che sussistono tra le traduzioni e i loro testi di partenza, o S-universals (“le caratteristiche del modo in cui i traduttori rielaborano il testo di partenza”), e tra testi tradotti e non tradotti comparabili nella stessa lingua, o T-universals (“le caratteristiche del modo in cui i traduttori usano la lingua di arrivo”). Tale distinzione è importante per due motivi principali. A livello teorico, perché i due tipi di analisi riguardano due aspetti fondamentali ma distinti della ricerca traduttologica, ovvero il rapporto di equivalenza con il testo di partenza e la relazione di adeguatezza testuale con testi comparabili non tradotti nella lingua di arrivo. A livello metodologico, poiché richiedono tipi di corpora diversi: gli S-universals possono essere studiati attraverso corpora paralleli, mentre la ricerca dei T-universals richiede un confronto tra testi tradotti e testi non tradotti nella stessa lingua, che può essere ottenuto attraverso l’uso di corpora comparabili monolingui.
I primi studi empirici in questo ambito si basavano sulla ricerca di un numero relativamente limitato di pattern testuali ritenuti validi indicatori dell'esistenza degli universali traduttivi, generalmente all’interno di corpora testuali di dimensioni ridotte. Ad esempio, l'esplicitazione è stata spesso analizzata come un S-universal osservando la frequenza di connettivi testuali nei testi di partenza (ST) e di arrivo (TT), considerati come indicatore del livello di esplicitezza delle relazioni interfrastiche; o ancora, analizzando i passaggi da proposizioni implicite a esplicite, o le variazioni a livello di coesione lessicale (ad esempio, la lessicalizzazione nel TT delle forme pronominali presenti nel ST). Per escludere la possibilità che le caratteristiche osservate fossero legate a differenze sistemiche tra le lingue coinvolte e alla direzionalità della traduzione, alcuni studi si sono avvalsi di corpora paralleli bidirezionali, che raccolgono traduzioni tanto L1>L2 quanto L2>L1. Dal punto di vista dei MCC, oltre a considerare i suddetti indicatori nel confronto tra testi originali e tradotti, la maggiore frequenza di elementi opzionali (ad esempio, l’inglese that come complementatore o pronome relativo, o i pronomi soggetto nelle lingue pro-drop) nella lingua tradotta rispetto a quella originale è stata spesso ritenuta la dimostrazione della maggiore esplicitezza della prima. La semplificazione, invece, è stata sovente analizzata come T-universal, prendendo in esame misure come la varietà e la densità lessicale o la lunghezza della frase, spesso risultati essere inferiori nella lingua tradotta rispetto all'originale (Laviosa 1998). Anche la ricerca sulla normalizzazione ha seguito una duplice impostazione. Da una prospettiva parallela, alcuni studi hanno suggerito che i testi di arrivo possono essere considerati versioni “asettiche” o standardizzate dei corrispondenti ST, di cui attenuano gli usi creativi attraverso un lessico e una grammatica più convenzionali. In prospettiva monolingue, invece, è stato dimostrato che alcune caratteristiche quali le forme contratte o l'omissione del that facoltativo (per i testi in lingua inglese), o ancora gli anglicismi in lingue che non siano l'inglese (si veda ad esempio Bernardini & Ferraresi 2011 per l’italiano), sono meno frequenti nei testi tradotti rispetto ai testi originali nella stessa lingua: ciò suggerirebbe che i traduttori fanno scelte più conservative rispetto agli autori nativi.
Negli anni non sono mancate ipotesi contrastanti: ad esempio, l’ipotesi secondo cui i testi tradotti tenderebbero a conformarsi, o addirittura a esagerare, le strutture tipiche della lingua d'arrivo (accezione talvolta attribuita al termine normalizzazione) contrasta in un certo qual modo con la unique item hypothesis, secondo cui elementi tipici della lingua d'arrivo che mancano di corrispondenze linguistiche dirette nella lingua di partenza tenderebbero ad essere sottorappresentate nella traduzione (cfr. Tirkkonen-Condit 2004).
Ben presto sono emerse riserve teoriche e metodologiche sull'adeguatezza di questi concetti, sulla loro operazionalizzazione e sul loro status universale. In particolare, notevoli riserve sono state espresse in merito al fatto di aver sostanzialmente trascurato l'influenza del testo di partenza, che Toury (1995) aveva invece teorizzato con la sua legge dell'interferenza. Nonostante le critiche, forse causate da un'interpretazione parziale della proposta di Baker (De Sutter & Lefer 2020: 2), alcuni di questi concetti sono rimasti al centro dell'agenda dei CTS e continuano ad essere indagati attraverso tipologie di corpora e strumenti analitici sempre più sofisticati che tengono in debita considerazione l'importanza del ST, della lingua di partenza e di variabili che superano la semplice dicotomia tradotto/non tradotto.
In anni più recenti è stato suggerito che alcuni dei fenomeni osservati non sono attribuibili solo alla differenza fra testi tradotti e non tradotti, ma dipendono e variano sulla base di altri fattori quali il tipo di testo, la lingua di partenza, la competenza del traduttore, la modalità e il metodo di traduzione. Il secondo decennio del XXI secolo ha visto nascere e svilupparsi progetti e metodi di ricerca più complessi (cfr. Oakes & Ji 2012), e soprattutto il diffondersi di indagini multifattoriali che tengono conto di un maggior numero di variabili attraverso analisi multivariate, spesso basate su una combinazione di dati provenienti sia da corpora monolingui comparabili che paralleli. Delaere, De Sutter & Plevoets (2012), ad esempio, si avvalgono di un MCC di testi non tradotti in olandese belga e di traduzioni in olandese belga dall'inglese e dal francese per verificare se il livello di standardizzazione (misurato attraverso la frequenza di elementi lessicali di olandese belga non standard per i quali esiste una variante standard) differisca nelle tre componenti del corpus e nelle sei diverse tipologie testuali incluse in ciascuna componente. I risultati dell'analisi delle corrispondenze basata sui profili confermano la tendenza delle traduzioni a utilizzare un linguaggio più standard rispetto ai testi non tradotti, soprattutto all'interno di tipologie testuali caratterizzate da un forte controllo editoriale (narrativa, saggistica e testi giornalistici) rispetto alle tipologie testuali oggetto di minori interventi redazionali (testi amministrativi e comunicazione esterna). Per quanto riguarda invece l'effetto della lingua di partenza sulle traduzioni, Cappelle & Loock (2017) ricercano l'esistenza di una differenza nell'uso dei verbi frasali nelle traduzioni inglesi da lingue romanze e germaniche. Lo studio mostra che la somiglianza o la differenza tipologica tra SL (lingua di partenza) e TL (lingua di arrivo) ha un effetto significativo sulla traduzione: le traduzioni verso l'inglese dalle lingue romanze contengono infatti meno verbi frasali rispetto alle traduzioni dalle lingue germaniche, più simili all'inglese non tradotto per la loro frequenza d'uso dei verbi frasali. Lo studio mette dunque in discussione la validità del concetto di normalizzazione come universale traduttivo e sostiene piuttosto l’ipotesi che l'interferenza sia la caratteristica più rilevante e intrinseca che distingue la lingua tradotta da quella originale.
Al di là dell’aumento delle indagini multifattoriali, i CTS stanno diventando una disciplina sempre più multimetodologica, poiché i dati dei corpora vengono sempre più spesso triangolati con informazioni ottenute attraverso metodi di ricerca sul processo di traduzione stesso (keylogging, eye-tracking, screen recording) e con studi cognitivi sulla traduzione, che forniscono approfondimenti sui meccanismi cognitivi che possono presumibilmente influenzare e spiegare alcune caratteristiche della traduzione (cfr. Halverson 2017).
Stile del traduttore e variazione
Un secondo filone d'indagine dei CTS ruota attorno al confronto del comportamento di diversi traduttori per studiare lo stile traduttivo o la questione della variazione. A tale scopo vengono sempre più spesso utilizzati multiple translation corpora, cioè corpora paralleli che contengono più traduzioni per ogni testo di partenza, in un'unica lingua di arrivo: questo consente ai ricercatori di analizzare soluzioni alternative per determinati aspetti del testo di partenza.
Stile del traduttore e variazione individuale
Lo stile del traduttore è inteso sulla base delle caratteristiche dei testi tradotti che, oltre a non essere legate allo stile del testo fonte o ai requisiti della lingua di arrivo, sono riconoscibili in una serie di traduzioni svolte dallo stesso traduttore e distinguono il lavoro di quest'ultimo da quello di altri traduttori (Saldanha 2011: 31). Si tratta di un ambito di ricerca relativamente recente, poiché nell'era degli studi traduttologici prescrittivi orientati al testo fonte vi era scarso interesse a studiare lo stile dei singoli traduttori: la traduzione, infatti, era considerata un atto derivativo e, di conseguenza, si supponeva che i traduttori riproducessero nel modo più fedele possibile lo stile del testo di partenza anziché imporre il proprio al testo tradotto.
I testi letterari sono stati spesso e comprensibilmente considerati un banco di prova ideale per i CTS dedicati all'analisi degli stili traduttivi: in effetti sono estremamente pochi i generi, a parte quello letterario, in cui i testi vengono tradotti più di una volta nella stessa lingua e consentono dunque ai ricercatori di mettere a confronto traduzioni comparabili. All'inizio del XXI secolo, alcuni studi volti ad indagare l'esistenza di una “voce” del traduttore e a mettere a confronto le strategie adottate da diversi traduttori furono condotti, ad esempio, da Winters (2009), che analizzò l'uso di prestiti linguistici, commutazioni di codice, verbi dichiarativi (reporting verbs) e particelle modali in due traduzioni tedesche del romanzo Belli e Dannati di Fitzgerald. Successivamente, alcuni studi quantitativi quali Li, Zhang & Liu (2011) si spinsero oltre la mera analisi di caratteristiche specifiche del ST e, seguendo un approccio target-oriented, provarono a mettere a confronto le traduzioni sulla base di informazioni corpus-driven quali il rapporto type/token e la lunghezza della frase, keywords e key clusters. Le analisi statistiche svolte da Mikhailov & Villikka (2001) su un multiple translation corpus russo-finlandese hanno mostrato l’impossibilità di identificare i traduttori tramite alcuni indicatori solitamente sfruttati per la authorship attribution quali ricchezza lessicale, parole frequenti e preferite; tuttavia, gli autori sono riusciti a individuare altri indicatori utili a delineare il profilo del traduttore, come l'uso di modali e congiunzioni, la divisione o l’accorpamento delle frasi, la riduzione o l’espansione del testo. La costruzione o riduzione delle proposizioni è stata anche al centro di studi basati sul English–Norwegian Multiple Translation Corpus, i quali hanno riscontrato che i traduttori differiscono nella loro tendenza a preservare o modificare la struttura sintattica dell'originale.
In modo analogo alla ricerca sullo stile traduttivo, i multiple translation corpora possono essere utilizzati per studiare la variazione legata alla competenza del traduttore: si intende con quest'ultima non solo l’esperienza del singolo traduttore (professionista o apprendente), ma anche il suo background cognitivo, linguistico, sociologico e formativo, tutti determinanti per l'uso che farà della lingua e il suo approccio alla traduzione. Multiple translation corpora contenenti traduzioni di professionisti e studenti, spesso contrapposte a testi comparabili non tradotti, sono stati analizzati tramite metodi statistici avanzati per rintracciare correlazioni tra elementi specifici della traduzione e diversi livelli di competenza (cfr. ad esempio Lapshinova-Koltunski 2022). In uno studio recente, Popovic, Lapshinova-Koltunski & Koponen (2023) hanno aggiunto alle traduzioni di professionisti e di studenti un terzo elemento di confronto, ovvero i risultati della traduzione automatica. Le tre varietà in questione sono state messe a confronto in termini di varietà lessicale e grammaticale, lunghezza della frase, frequenza di diverse categorie morfosintattiche (POS - part-of-speech) e di trigrammi di POS: le autrici hanno così riscontrato che le traduzioni degli studenti sono talvolta più simili alle traduzioni automatiche che a quelle svolte da professionisti, soprattutto per quanto riguarda la loro aderenza alla struttura del testo di partenza.
Corpora di traduzioni di apprendenti (learner translation corpora)
Considerato che il numero di testi che vengono autenticamente tradotti più di una volta è estremamente limitato, la creazione di multiple translation corpora può rivelarsi complicata e gli studiosi si vedono costretti a commissionare traduzioni alternative dello stesso testo di partenza o a raccoglierle in contesti sperimentali (come nel caso del Translation Process Research Database). Un'ulteriore opzione consiste nel raccogliere traduzioni svolte da studenti, sia come termini di paragone con le traduzioni professionali (vedi sopra) sia come oggetti di studio indipendente, in particolare nell'ambito della ricerca sui learner translation corpora (Castagnoli 2022). La ricerca sulla traduzione ad opera di apprendenti può essere considerata come un punto d'incontro tra i CTS e la learner corpus research, in quanto gli studenti di traduzione rappresentano una categoria speciale di apprendenti il cui uso della lingua nel processo traduttivo costituisce il centro dell'analisi. In altre parole, i learner translation corpora (LTC) possono essere utilizzati per studiare come le domande tipiche dei CTS si ricolleghino alla traduzione degli studenti. Inoltre, i LTC corredati delle annotazioni degli errori possono aiutare gli studiosi a determinare, ad esempio, quali sono le difficoltà più comuni per gli apprendenti a seconda del loro livello di formazione (siano essi principianti o studenti a livelli più avanzati) o della tipologia testuale del testo da tradurre, o ancora se la frequenza di un certo tipo di errore diminuisce a seguito di un insegnamento mirato. Il potenziale descrittivo dei learner translator corpora si accompagna dunque ad una valenza fortemente pedagogica, in quanto le intuizioni provenienti dalla ricerca svolta sui LTC possono naturalmente informare l'insegnamento della traduzione (cfr. Kunilovskaya, Ilyushchenya, Morgoun et al. 2022).
Regolarità e variazione
Un altro possibile ambito di applicazione dei multiple translation corpora è lo studio del rapporto tra regolarità e variazione nella traduzione, ovvero l'analisi delle somiglianze e delle differenze presenti in versioni alternative dello stesso testo di partenza. Di fatto, nonostante le traduzioni alternative di un ST mostrino inevitabilmente un alto grado di somiglianza, in virtù dell'esistenza di un testo anteriore il cui significato e la cui formulazione devono essere ricodificati, è legittimo attendersi di riscontrare anche un certo grado di variazione poiché i traduttori, come tutti gli utilizzatori della lingua, hanno a disposizione una serie di opzioni linguistiche più o meno probabili per esprimere un significato. I multiple translation corpora permettono dunque agli studiosi di individuare dei fenomeni che rappresentano delle reali regolarità traduttive, ovvero pattern osservati nel comportamento di vari traduttori rispetto allo stesso testo di partenza, e di analizzare la variabilità di una traduzione e cosa può determinarla.
Una linea di indagine particolarmente interessante associa l'invarianza tra traduzioni alternative con la possibilità di una traduzione letterale del testo di partenza (si veda ad es. Carl & Schaeffer 2017), che porterebbe i traduttori a non annullare l'effetto priming del testo originale. Al contrario, la variazione entrerebbe in gioco prevalentemente rispetto a elementi per i quali non è possibile una traduzione letterale e ad altri con un elevato potenziale interpretativo ed emotivo, tra cui parole appartenenti al linguaggio valutativo, nomi astratti ed espressioni idiomatiche, che richiedono un maggiore sforzo di elaborazione. Da questo punto di vista, la presenza di variazione tra traduzioni alternative potrebbe essere indicativa della difficoltà del compito traduttivo:alcuni studi hanno cercato di combinare informazioni product-based (estratte da corpora) e process-based (derivanti ad esempio dall’eye-tracking) al fine di indagare la possibile relazione tra la variazione e la difficoltà traduttiva di specifici elementi del testo originale, segnalata da indicatori di maggiore sforzo cognitivo nei dati process-based (es. Dragsted 2012)..
Le regolarità e/o la variabilità possono dipendere da tratti che accomunano o differenziano tra loro i traduttori, quali il loro livello di esperienza (si veda sopra) o il loro rapporto con la tecnologia. Alcuni studi recenti, ad esempio, si basano su corpora che affiancano traduzioni umane, traduzioni post-editate e traduzioni prodotte tramite sistemi di traduzione automatica, in modo da rispecchiare i grandi cambiamenti che il mercato della traduzione ha conosciuto nell'ultimo decennio (Czulo, Hansen-Schirra & Nitzke 2017 sulla variazione terminologica in tre tipologie di traduzioni).
Studi corpus-based sull'interpretazione
La sfida dei corpora d'interpretazione
Così come l'oralità differisce dalla scrittura, esistono differenze tra interpretazione e traduzione che determinano differenze a livello di creazione dei rispettivi corpora. La produzione del discorso orale, alla base dell'interpretazione, è molto meno pianificata e lineare di quanto non lo sia la scrittura. L'interpretazione, come d'altronde l'oralità, è profondamente legata al contesto in cui viene prodotta, e insieme al quale viene recepita: per questa ragione, i corpora di interpretazione sono generalmente ricchi di annotazioni complesse.
Analogamente ai corpora orali, i corpora di interpretazione comprendono generalmente una trascrizione ortografica degli enunciati, la quale però viene sempre più spesso accompagnata da annotazioni che riguardano una ricca serie di caratteristiche paralinguistiche dettagliate come la velocità d’eloquio, le false partenze, la durata delle pause, ecc. Le convenzioni da seguire durante la trascrizione devono essere attentamente stabilite in modo da rispecchiare gli obiettivi di ricerca prefissati. Tra i primi esempi di convenzioni di trascrizione realizzate specificamente per i corpora di interpretazione si trovano quelle ideate in relazione al corpus EPIC, che hanno poi rappresentato il punto di partenza per altri studiosi (EPIC-UDS o EPTIC).
Il discorso orale e interpretato pone inoltre dei limiti per l'annotazione automatica. Per i linguisti che analizzano le interpretazioni una delle sfide maggiori è ad esempio quella di stabilire i confini delle frasi, o meglio degli enunciati, che peraltro sono inestricabilmente connessi all'annotazione di parti del discorso e Universal Dependencies. L’indeterminatezza dei confini degli enunciati orali rende più laborioso e meno affidabile l'allineamento tra le interpretazioni e i rispettivi discorsi di partenza rispetto a quello delle traduzioni scritte. Nonostante ciò, ad oggi, la maggior parte dei corpora d'interpretazione sono sia comparabili che paralleli e allineati a livello di frase; alcuni includono inoltre l'allineamento con le rispettive traduzioni scritte e i video originali (EPTIC), o addirittura l’allineamento voce-testo a livello di parole (PINC).
 |
 |
| Frase annotata con UD pipe includendo informazioni linguistiche tra cui lemmi, universal dependencies e parti del discorso | Albero delle universal dependencies generato con UD pipe |
Il complesso iter di compilazione dei corpora d'interpretazione influisce sulla loro dimensione e la frequenza con la quale vengono creati. Si tratta normalmente di un compito che richiede la collaborazione di un gruppo di ricercatori. Il numero dei corpora di interpretazione è cresciuto grazie all'avvento di metodi di trascrizione automatica, tuttavia saranno necessari ulteriori progressi tecnologici affinché ne crescano anche le dimensioni. Ad oggi, infatti, sia il processo di trascrizione che di allineamento, come anche quello di annotazione, richiedono generalmente un notevole intervento umano a livello di supervisione e correzione.
Confronti unimodali e intermodali
Il numero di studi sull’interpretazione basati su corpora è in costante aumento, grazie ai risultati preziosi ottenuti tramite l’analisi automatizzata di grandi quantità di dati interpretativi autentici.
L'impiego di corpora comparabili per mettere a confronto interpretazioni e testi originali in una stessa lingua consente ai ricercatori di analizzare le caratteristiche della lingua interpretata non soltanto a livello di lessico, grammatica e sintassi, ma anche di caratteristiche paralinguistiche come le disfluenze. Un altro approccio valido sia dal punto di vista della traduzione che dell'interpretazione è l'analisi intermodale della mediazione orale e scritta, che permette di estrapolare un insieme di caratteristiche stilistiche e pragmatiche di entrambe le varietà (Shlesinger 2009: 237) e di analizzare gli aspetti lessico-grammaticali che le differenziano, contribuendo così a delineare il profilo linguistico tanto dell'interpretese quanto del translationese. Come giustamente sottolineato da Gile (2004: 23), le due varietà mediate, orale e scritta, hanno così tanto in comune che le differenze esistenti tra di loro possono aiutare a far luce su entrambe, così che, oltre all'analisi delle rispettive caratteristiche, ogni passo avanti nello studio dell'una può dare un contributo prezioso anche allo studio dell'altra. Nelle sezioni successive sarà messo in evidenza quanto questo filone di ricerca stia crescendo in popolarità e quanto i suoi risultati siano promettenti.
Pattern lessicali
Nelle analisi unimodali i corpora comparabili permettono agli studiosi di individuare pattern ricorrenti che distinguono i discorsi orali non mediati dall'interpretazione. Ispirandosi alle metodologie sviluppate in ambito traduttologico, gli studiosi di interpretazione utilizzano varie misure particolarmente adatte ad analisi monolingui e comparabili per indagare i pattern lessicali, spesso in cerca di tracce della semplificazione (Laviosa 1998) che è legittimo prevedere in un output linguistico prodotto nel contesto di situazioni cognitive impegnative. Per quanto riguarda la modalità orale della mediazione, i parametri solitamente usati per analizzare la semplificazione lessicale sembrano dipendere in larga misura dalle lingue coinvolte e dalla direzionalità. Una di queste misure è la densità lessicale, ovvero la proporzione tra il numero di parole lessicali e il numero complessivo di parole di un testo: questo parametro indica quanto un testo sia effettivamente informativo (maggiore è il numero di parole lessicali per testo, maggiore sarà il suo contenuto informativo). Tuttavia, questo indicatore si comporterebbe in modo diverso nell'interpretazione rispetto alla traduzione. Le interpretazioni verso l'inglese da alcune lingue (tedesco, olandese, francese o russo) risultano più dense dal punto di vista lessicale rispetto alle interpretazioni da altre lingue, che mostrano una densità lessicale simile (italiano e spagnolo). Queste tendenze si invertono nelle interpretazioni dall'inglese e dallo spagnolo verso l'italiano, così come nelle interpretazioni dall'inglese verso il russo.
 |
| Percentuale di parole lessicali e parole funzionali in un testo, utilizzata per misurare la densità lessicale |
Un'altra misura comunemente usata nelle analisi lessicali riguarda il grado in cui la lingua ricorre alla ripetizione. Anche questo parametro sembra dipendere, in interpretazione, dalla coppia di lingue coinvolte. La ripetitività è spesso misurata tenendo conto della cosiddetta list head coverage, ovvero della percentuale del corpus coperta dalle parole in esso più frequenti (solitamente le prime 100 nella lista di frequenza). Anche in questo caso, le interpretazioni verso l'inglese dall'italiano, dallo spagnolo e dal tedesco mostrano una maggiore ripetitività rispetto alle frasi originali inglesi, che sembra supportare l'ipotesi della semplificazione; tuttavia, le interpretazioni dall'inglese verso l'italiano o dal francese verso l'inglese mostrano tendenze opposte (cfr. Russo, Bendazzoli & Sandrelli 2006 per maggiori dettagli). Altri fattori come la modalità discorsiva dell'oratore originale sembrano influenzare la tendenza alla ripetitività e ad altri pattern lessicali nell'interpretazione (Kajzer-Wietrzny 2015). È importante peraltro sottolineare che la modalità di trasmissione del testo fonte, tuttora spesso trascurata negli studi corpus-based sull’interpretazione, rappresenta un fattore meritevole di maggiore attenzione nelle ricerche future.
In prospettiva intermodale, i corpora comparabili possono portare alla luce le discrepanze tra i prodotti della mediazione orale e scritta. La prima ad evidenziarne il potenziale fu Miriam Shlesinger, pioniera dei CIS, che nel suo importante saggio “Towards a definition of Interpretese” (2009) utilizzava corpora intermodali comparabili per analizzare le differenze tra interpretazioni e traduzioni dall'inglese all'ebraico realizzate in contesti sperimentali. L'autrice osservava differenze ricorrenti dal punto di vista lessicale: tra questi, ad esempio, la varietà lessicale era più elevata nelle traduzioni scritte, mentre le interpretazioni simultanee utilizzavano più prestiti inglesi. Riguardo al registro, la studiosa osservava in generale che gli interpreti preferivano forme non marcate, mentre le traduzioni scritte si caratterizzavano per la presenza di scelte lessicali più formali. In generale, Shlesinger osservava che le differenze tra l'ebraico parlato e l'ebraico scritto erano persino più accentuate nei testi interpretati e tradotti (2009: 250). Gran parte delle scoperte iniziali di Shlesinger sono state corroborate da analisi intermodali più recenti, che ne hanno esteso la prospettiva. Ad esempio, sono stati effettuati interessanti confronti intermodali anche in relazione alla fraseologia. I corpora forniscono i mezzi per distinguere automaticamente tra diversi tipi di collocazioni e per verificare come queste vengano utilizzate a seconda delle modalità di mediazione: ad esempio, è possibile utilizzare corpora comparabili per analizzare come interpreti e traduttori utilizzano le collocazioni più frequenti (solitamente indicate da alti valori di T-score) e quelle caratterizzate da una forza associativa maggiore ma meno frequenti (punteggio elevato di Mutual Information, MI). E’ possibile osservare, ad esempio, che l'italiano delle traduzioni è più convenzionale dal punto di vista fraseologico e più idiomatico rispetto all'italiano degli interpreti, come indicato dall'elevato punteggio di MI delle collocazioni trovate nelle traduzioni piuttosto che nelle interpretazioni; al contrario, le collocazioni più frequenti (caratterizzate da valori di T-score più elevati) risultano essere utilizzati in misura simile in entrambe le modalità di mediazione. In questo caso è probabile che gli elevati vincoli cognitivi dell'interpretazione influenzino la scelta di espressioni fisse e meno fisse e che l'interferenza del testo di partenza possa giocare un ruolo maggiore nell'interpretazione che nella traduzione (per maggiori informazioni sulle indagini intermodali sul discorso mediato si veda il lavoro di Adriano Ferraresi).
Differenze a livello sintattico e grammaticale
Oltre alle analisi lessicali, i corpora comparabili consentono il confronto tra varietà mediate e non mediate a livello grammaticale e sintattico.
In primo luogo, a livello unimodale, confrontando le strutture sintattiche e grammaticali utilizzate dagli interpreti e nei testi orali prodotti da parlanti nativi, è possibile individuare i pattern preferiti dai primi, soprattutto tra coppie di lingue specifiche, e, talvolta, persino collegare la complessità dei pattern strutturali al carico cognitivo richiesto dall'interpretazione. In un approccio deduttivo corpus-based, tali esplorazioni potrebbero iniziare con l'analisi contrastiva e l'identificazione delle differenze tipologiche tra la lingua di partenza e quella di arrivo, considerando poi tali discrepanze come punto di partenza per indagini sull'interferenza a livello sintattico. Un esempio rappresentativo di tale approccio è l'analisi dell'interpretazione di modificatori con funzione attributiva dalla struttura lunga e complessa dal cinese all'inglese. La posizione del carico informativo all’interno di queste strutture è diversa nelle due lingue: tipicamente iniziale (front-loaded) in cinese, finale (back-loaded) in inglese. Nonostante tale differenza, l'80% delle strutture front-loaded cinesi vengono rese mediante strutture back-loaded in inglese. Wang & Zou (2018: 65) giungono alla conclusione che la necessità di riorganizzare il discorso nell'interpretazione tra due lingue così strutturalmente diverse comporta uno sforzo cognitivo supplementare da parte degli interpreti. Un altro caso in cui è necessario un ulteriore sforzo cognitivo è l'interpretazione da lingue SVO (soggetto-verbo-oggetto) a lingue SOV (soggetto-oggetto-verbo). Un modo per indagare questo procedimento con l'uso di corpora è quello di osservare il cosiddetto “middle-field”, ovvero il numero di elementi tra il soggetto e il verbo nell'output degli interpreti e nei discorsi nativi non mediati: da alcune ricerche emerge infatti che gli interpreti tendono ad alleviare lo sforzo cognitivo riducendo il numero di elementi in tale posizione (per maggiori dettagli su questo e altri studi sull'interpretazione corpus-based si veda il lavoro di Camille Collard).
In secondo luogo, come per il lessico, è possibile ottenere informazioni sulla sintassi e la grammatica della lingua interpretata e tradotta attraverso il confronto intermodale. Ad esempio, le interpretazioni e le traduzioni mostrano un uso diverso di determinati pattern verbali. Shlesinger (2009) rileva ad esempio un numero leggermente maggiore di costruzioni verbali nelle interpretazioni rispetto alle traduzioni, oltre a differenze nell’uso di possessivi e di articoli definiti. Gast & Borges (2023) analizzano interpretazioni e traduzioni dall'inglese al tedesco e i loro risultati confermano, in particolare, l'asimmetria nelle strutture nominali e verbali osservata da Shlesinger nella combinazione linguistica ebraico-inglese. Osservando queste e altre tendenze, tra cui la maggiore frequenza nell'uso di avverbi o pronomi, gli autori concludono che le interpretazioni hanno uno status ibrido e possono essere collocate a metà strada tra il registro del testo di partenza (discorso parlamentare) e il discorso parlato non pianificato.
Una metodologia molto efficace di esplorazione dei corpora comparabili è l'analisi multidimensionale (per maggiori informazioni su questo metodo si consulti il lavoro di Douglas Biber), che consente di esaminare contemporaneamente una serie di caratteristiche grammaticali e stilistiche. Concepita per individuare le differenze tra diversi generi testuali, tale metodologia si è dimostrata utile anche per studiare le varietà linguistiche di contatto nonché l'interpretazione e la traduzione in L2 (Xu 2021). Semplificando, l'analisi multidimensionale si basa sulla tecnica statistica dell'analisi fattoriale esplorativa, che consente di raggruppare un certo numero di variabili altrimenti più difficili da interpretare in cosiddetti fattori/dimensioni, che si suppone riflettano la struttura relazionale latente tra i tratti linguistici coinvolte. Questo, d'altra parte, può aiutare a preparare una descrizione multidimensionale della lingua usata in una raccolta di testi e a confrontare tra loro raccolte di testi utilizzando lo stesso ‘metro di valutazione’ (punteggio medio delle dimensioni). Uno dei gruppi di tratti linguistici più rilevanti, generalmente di tipo grammaticale e sintattico, esaminati in modo tale da essere solitamente raggruppati nella Dimensione 1, riguarda l’interattività/il coinvolgimento vs. l’informatività della produzione: solitamente i testi trasmessi in forma orale sono collocati a un'estremità di questa dimensione, mentre i testi scritti all'altra. Questa tendenza è stata osservata anche da Xu (2021) in uno studio intermodale, i cui risultati chiave riguardano la Dimensione 1 e la Dimensione 2. Per quanto riguarda la Dimensione 1, l'interpretazione verso la L2 è risultata associata a tratti di coinvolgimento e informalità; tra questi, l’utilizzo del tempo presente, le contrazioni, il verbo essere come verbo principale, la coordinazione di proposizioni indipendenti, i pronomi interrogativi -wh (es. who, what…) e le frasi subordinate introdotte da parole wh-. La Dimensione 2 raggruppava invece tratti che le varietà mediate avevano in comune, rispetto a quelle non mediate, quali ad esempio intensificatori, dimostrativi e proposizioni relative introdotte dal pronome that in posizione di soggetto. Secondo Xu, questa tendenza potrebbe indicare strategie comuni di gestione del rischio da parte di traduttori e interpreti. In virtù del fatto che altre dimensioni di questa analisi consentono una descrizione linguistica più completa e dettagliata, questo metodo è sempre più utilizzato oggi nelle analisi unimodali e intermodali di testi mediati e constrained.
Corpora orali e qualità
Sembra che alcuni dei pattern linguistici brevemente descritti sopra possano prevedere in qualche misura il modo in cui gli esseri umani valutano l'interpretazione simultanea. Questo approccio è stato intrapreso da Ouyang, Qianxi & Junying (2021), che hanno tentato una valutazione automatica della qualità dell'interpretazione. I ricercatori hanno esaminato in particolare il numero di parole, la diversità lessicale, l'iperonimia dei verbi e la frequenza dei pronomi singolari di prima persona. Il loro modello di regressione lineare giustificava il 60% della varianza nel punteggio umano: ciò significa che un test statistico, che includeva le suddette caratteristiche come variabili fisse (predittori), prendeva le stesse decisioni dei valutatori umani in circa il 60% dei casi. È stato osservato che le interpretazioni valutate con punteggi alti dai valutatori umani tendevano a utilizzare elementi lessicali più precisi, anche se meno frequenti, ed erano lessicalmente più diversificate.
Corpora paralleli
I corpora paralleli sono molto utili per osservare i diversi processi che influenzano le caratteristiche dei testi di arrivo rispetto a quelli di partenza, ad esempio la tendenza a esplicitare le informazioni codificate nel messaggio di partenza. I testi segmentati e allineati rendono più facile lo studio della corrispondenza tra ST e TT.
Non esistono molte analisi unimodali di corpora di interpretazione paralleli che guardano alle caratteristiche tipicamente linguistiche del testo interpretato, mentre sono favorite ad esempio le indagini sulle strategie interpretative. Con un'adeguata annotazione del corpus, fattori importanti nell'interpretazione quali la direzionalità, la posizione all'interno del segmento del ST e la sua ricchezza fraseologica, possono essere presi in considerazione nell'analisi di strategie quali, ad esempio, il saucissonage (segmentazione) o l'omissione. Questo approccio è riportato da Dayter (2020) in un'analisi di un corpus parallelo bidirezionale di interpretazione simultanea russo-inglese. In questo studio, la ricercatrice trova che nei dati l'associazione delle tre variabili con il tipo di strategia è significativa. Se un corpus contiene i metadati relativi ai singoli interpreti, ottenuti, ad esempio, tramite il processo di identificazione dell'interprete, è possibile esplorare le preferenze idiosincratiche e le variazioni tra i singoli. A tal proposito, Gumul & Bartłomiejczyk (2022) analizzano la regolarità e la frequenza di pattern idiosincratici di esplicitazione a livello di coesione, sintassi e struttura del testo di arrivo, alla ricerca degli stili degli interpreti che lavorano per l'Unità di traduzione polacca del Parlamento europeo. Inoltre, vale la pena sottolineare a questo punto che la creazione di corpora contenenti informazioni sugli interpreti può favorire disegni di ricerca più equilibrati e permettere di tenere conto della variazione idiosincratica nei modelli statistici, migliorando la generalizzabilità dei risultati, in particolare nel caso di corpora dalle dimensioni ridotte quali i corpora di interpretazione.
Im modo analogo, è possibile esplorare le strategie che influenzano le caratteristiche testuali di un output interpretato, quali ad esempio la sua coesione, utilizzando corpora intermodali paralleli. Consultando i testi di partenza delle interpretazioni e delle traduzioni è possibile verificare in che misura i connettivi vengono aggiunti oppure omessi in entrambe le modalità. Non sorprende che gli interpreti tendano a preferirne l'omissione, probabilmente a causa dell'eccessivo carico cognitivo o come strategia consapevole quando i connettivi non sono essenziali per la comprensione del significato. Tuttavia, e contro ogni aspettativa, gli interpreti tendono anche ad aggiungerne più frequentemente di quanto non facciano i traduttori, nonostante questo possa aumentare lo sforzo cognitivo (per maggiori informazioni su questo e altri studi sull'interpretazione tramite corpora paralleli si veda il lavoro Bart Defrancq).
Caratteristiche paralinguistiche e qualità
Osservando le caratteristiche paralinguistiche dell'oralità specifiche dell'interpretazione, i corpora paralleli permettono di studiare i fattori problematici, spesso derivanti dal testo di partenza, che influenzano la qualità della produzione dell'interprete. Questo, a sua volta, può essere indicativo di determinati processi cognitivi che accompagnano il processo interpretativo. Confrontando l'output degli interpreti con il testo di partenza allineato in un corpus parallelo, è possibile indagare su cosa influisce, ad esempio, sulla scorrevolezza (fluency) dell'interpretazione. La scorrevolezza viene spesso operazionalizzata (ovvero, misurata) sulla base della quantità di false partenze, di pause piene e vuote o con la lunghezza delle pause stesse. Un esame attento di questi parametri può aiutare a identificare le aree del ST che risultano più impegnative dal punto di vista cognitivo. Questo approccio è stato utilizzato ad esempio da Kajzer-Wietrzny, Ivaska & Ferraresi (2023) in relazione all'interpretazione dei numeri, per analizzare quali tipologie presentano maggiori difficoltà di gestione per gli interpreti e quali contesti che rendono maggiormente complicata l’interpretazione, come un discorso pronunciato da un parlante non nativo.
La lunghezza delle pause di un interprete dopo 10 secondi dall'occorrenza di parole poco frequenti nel testo originale, ad esempio, può essere misurata per indagare il cosiddetto effetto spillover, ovvero una diminuzione della qualità dell'interpretazione a seguito di un elemento problematico nel testo di partenza. E’ infatti possibile che, dopo un passaggio particolarmente impegnativo, l’interprete abbia messo a dura prova le proprie risorse cognitive e possa fornire un'interpretazione meno scorrevole del segmento successivo del discorso di partenza, a prescindere dal suo grado di difficoltà. I potenziali elementi problematici possono essere identificati anche attraverso l’analisi dei corpora. Ad esempio, come dimostrato nello studio sull'effetto spillover di Chmiel, Janikowski, Koržinek et al. (2023), la frequenza delle parole in un corpus di riferimento può essere utilizzata per determinare il potenziale grado di difficoltà delle parole del testo di partenza (lo studio prendeva in esame sia parole affini (cognate words) che non affini).
Nonostante si tratti di un filone di ricerca in fase esplorativa, e sia al momento impossibile prevedere analisi completamente automatizzate, i corpora paralleli presentano un interessante potenziale per la valutazione automatica della qualità dell'interpretazione. La codifica di determinate informazioni linguistiche e paralinguistiche all’interno del corpus può consentire la misurazione di specifici aspetti della qualità dell’interpretazione: ad esempio, alcuni studi suggeriscono che la scorrevolezza dell’output costituisce un parametro misurabile e valutabile in modo completamente automatico, con risultati corrispondenti a quelli forniti da valutazioni umane (Liu 2021: 171).
Potenziale per ricerche future
Come dimostrato, la ricerca corpus-based sulla traduzione e l'interpretazione sta crescendo in modo dinamico e, grazie al diffondersi di indagini multifattoriali, è in grado di coglierne sempre più la complessità, coprendo aspetti sociali e cognitivi delle due discipline finora in gran parte inesplorati.
Ad esempio, è stato recentemente ipotizzato che alcune delle caratteristiche ricorrenti osservate nei testi tradotti e interpretati potrebbero non essere distintive di queste varietà mediate ma verificarsi, in virtù della presenza di meccanismi socio-cognitivi simili, anche in altre situazioni comunicative caratterizzate da contatto linguistico, come la produzione non nativa (la lingua degli apprendenti, o learner language, ELF) e altre forme di constrained communication (si veda in particolare il lavoro di Haidee Kotzee). Pertanto, potrebbe essere possibile raggiungere una migliore comprensione dei meccanismi alla base della traduzione attraverso l’adozione di approcci più interdisciplinari, che colleghino l’analisi di corpora alla ricerca sull’apprendimento delle lingue seconde/straniere, sul bilinguismo, nonché a discipline come la psicolinguistica e la linguistica cognitiva.
Un esempio di un'area in cui il potenziale di ricerca di CTS e CIS non è stato ancora sufficientemente esplorato riguarda la traduzione e l'interpretazione verso una lingua straniera. Due questioni particolarmente rilevanti in questo ambito sono la complessità cognitiva dell'elaborazione della L2 durante il processo di mediazione e, da un punto di vista socio-economico, la mancanza di traduttori e interpreti verso la L1 nel caso di lingue poco diffuse.
Inoltre, la maggior parte degli studi sulla traduzione e l’interpretazione si concentra su ipotesi di ricerca già considerate e attraverso operazionalizzazioni già esplorate. Sebbene questo possa avere dei vantaggi dal punto di vista della replica degli studi, nonché della convalida dei pattern linguistici osservati in altre coppie di lingue e in altre raccolte testuali, restringe anche la gamma delle domande di ricerca oggetto di nuovi o ulteriori studi. Un enorme potenziale in questo senso risiede nell’adozione di approcci corpus-driven, che possono contribuire a individuare fenomeni non previsti e condurre i CTS/CIS verso percorsi di ricerca completamente nuovi.
L'uso dei corpora in altri sottocampi della traduzione e dell'interpretariato, come la traduzione audiovisiva (ad es. Baños, Bruti & Zanotti 2013) o l'interpretariato da remoto (es. Castagnoli e Niemants 2018), è solo agli inizi. La complessità dell'annotazione necessaria per l’analisi tramite corpora di alcune forme di mediazione linguistica rende la loro compilazione eccezionalmente laboriosa e, tuttora, ne pregiudica seriamente le dimensioni. Ne è un esempio l'interpretazione dei segni, data la necessità di allineamento tra testo, suono e video e della complessa indicizzazione dei sistemi di segni. Ciò nonostante, la ricerca in questo campo si sta sviluppando molto velocemente: il numero di corpora per la lingua dei segni è in costante crescita, e il rapido sviluppo dell'intelligenza artificiale fa sperare che anche la compilazione e l’annotazione di questo tipo di risorse richiederà sempre minore intervento umano.
La compilazione di alcuni corpora è più complessa della compilazione di altri. In generale, più sono le modalità di comunicazione coinvolte, più complesso sarà lo schema di annotazione. Ne consegue che la compilazione di corpora di traduzione è solitamente meno complessa rispetto alla compilazione di corpora di interpretazione, audiovisivi o di lingua dei segni. Inoltre, alcune tipologie di dati sono anche più difficili da reperire a causa di questioni legate, ad esempio, al copyright o all'anonimizzazione; quest'ultima, in particolare, diventa complicata quando si ha a che fare con dati quali le registrazioni di interpretazioni in lingua dei segni o di interpretazioni simultanee.
Alcune delle difficoltà sopra descritte potrebbero essere affrontate unendo le competenze e le risorse di gruppi di ricerca di varie istituzioni, una pratica ancora poco comune tra gli studiosi che lavorano su corpora di traduzione e interpretazione. Esistono eccezioni degne di nota, che prevedono la condivisione di dati e la combinazione di risorse provenienti da progetti diversi, come nel caso del corpus EPIC UDS, in cui più ricercatori si sono uniti per ampliare l'insieme di trascrizioni di interpretazione a loro disposizione. Il corpus intermodale EPTIC è un altro esempio della collaborazione in corso tra studiosi di interpretazione e di traduzione provenienti da diverse università europee, il cui prodotto è peraltro condiviso online. Un altro valido esempio di cooperazione scientifica nella creazione di corpora è il progetto MUST, che finora ha portato alla compilazione di un corpus di traduzioni di studenti di 2 milioni di parole (disponibile, per il momento, solo per la comunità MUST), riccamente annotato con metadati ed errori di traduzione degli studenti secondo una tassonomia di errori dedicata. Tali iniziative dimostrano che la collaborazione interistituzionale rappresenta un modo efficace per superare la scarsità di dati e, di riflesso, una preziosa opportunità per rendere più solidi gli studi sui corpora e i loro risultati.