 |
 |
 |
 |
 |
 |
 |
ENG corpus CAT corpus EUS corpusa GLG corpus ITA corpus POL korpus SPA corpus |
conteúdo
Introdução | Estudos sobre tradução baseados em corpus | Estudos sobre interpretação baseados em corpus | Potencial de pesquisa
A pesquisa baseada em corpus na área da tradução teve início na década de 1990, quando a linguística de corpus começou a se estabelecer como uma metodologia fundamental para o estudo da linguagem. Os linguistas de corpus argumentavam que a linguagem deveria ser estudada em instâncias reais de uso, ou seja, em textos que ocorrem naturalmente, em vez de exemplos inventados do que é teoricamente possível em uma língua. A possibilidade de criar corpora – grandes coleções de textos autênticos, selecionados de acordo com critérios explícitos de design para serem representativos de uma variedade específica de linguagem, e armazenados em formato eletrônico para serem pesquisados por ferramentas específicas – e usá-los para detectar e analisar padrões linguísticos passou a ser considerada uma metodologia frutífera tanto para pesquisas descritivas/teóricas sobre a linguagem quanto para fins aplicados.
A primeira acadêmica a sugerir que a disponibilidade de corpora e metodologias direcionadas por corpus também poderiam oferecer insights valiosos para os Estudos de Tradução (ET) foi, provavelmente, Baker (1993), que destacou seu potencial para identificar características recorrentes de textos traduzidos, ajudando a elucidar a natureza da tradução como um evento comunicativo mediado – e, portanto, distinto. O artigo seminal de Baker deu sequência a outros estudiosos proeminentes da tradução que começavam a defender o reconhecimento de textos traduzidos como produtos linguísticos autônomos, em vez de reconstruções falhas dos textos-fonte correspondentes. Segundo Toury (1981), por exemplo, a tradução deveria ser considerada como uma forma de linguagem própria, cujas leis gerais e regularidades mereciam ser o foco dos pesquisadores em Estudos de Tradução (ETs):
[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)
O final do século XX marcou, assim, uma mudança dramática no foco dos ET: de abordagens voltadas para o texto-fonte, focadas em equivalência e basicamente prescritivas, para abordagens voltadas para o texto-fonte, focadas em equivalência e basicamente prescritivas, para abordagens voltadas para o texto-alvo e descritivas, com o objetivo de identificar e explicar regularidades que caracterizam a linguagem traduzida. Os termos em inglês translationese (“tradutês”) e, mais tarde, interpretese (“interpretês”), começaram a ser usados para se referir ao fenômeno da interferência e denotar o suposto caráter distintivo da linguagem traduzida e interpretada como variedades de linguagem mediada.
Os corpora começaram a ser considerados uma possível resposta ao apelo emergente por maior empirismo nos estudos de tradução, permitindo aos pesquisadores superar sua dependência de evidências escassas e anedóticas. Baseando-se em Baker, Shlesinger (2009) sugeriu que os benefícios da metodologia baseada em corpus poderiam ser estendidos ao estudo da interpretação, bem como a comparações intermodais que revelam diferenças entre tradução e interpretação como modos distintos de mediação.
 |
| Concordância paralela (italiano-polonês) do Intercorp corpus, disponível em korpus.cz. A concordância pode ser reproduzida aquí. |
Os estudos de tradução baseados em corpus (ETBC) e estudos de interpretação baseados em corpus (EIBC) valem-se principalmente de dois tipos de corpora: corpora comparáveis (monolíngues) e corpora paralelos (bilíngues).
Corpora comparáveis monolíngues (CCM) são coleções de textos originais (ou seja, não traduzidos) e traduzidos na mesma língua, selecionados de forma a serem comparáveis/similares em termos de registro, tópico, data de publicação. Assim, e seguindo de forma geral a abordagem proposta por Baker, os CCM têm sido considerados ferramentas privilegiadas para observar como a linguagem traduzida difere da linguagem não traduzida, comparando os dois subcorpora relevantes com base em indicadores e medidas quantitativas – como razão forma/palavra, densidade lexical, frequência de palavras específicas, classes de palavras ou colocações – que podem ser extraídos automaticamente dos textos.
Nos corpora paralelos, por outro lado, os textos-fonte em uma língua são coletados junto com suas traduções para uma língua-alvo. Unidades correspondentes do texto-fonte e do texto-alvo (geralmente no nível de orações) são normalmente alinhadas, ou seja, identificadas e vinculadas automaticamente para permitir a concordância bilíngue. Dessa forma, a busca por um item em uma língua permite aos pesquisadores recuperar todas as orações que contêm esse item, junto com suas orações correspondentes na outra língua, para observar possíveis itens equivalentes. Por envolverem duas línguas, as investigações com corpora paralelos são mais trabalhosas do que as com corpora comparáveis, pois os dados extraídos dos textos-fonte e textos-alvo precisam ser analisados também à luz das diferenças sistêmicas e pragmalinguísticas entre as línguas (que só podem ser observadas por meio de análise contrastiva), e as diferenças de tradução – que indicam estratégias conscientes ou inconscientes do tradutor – precisam ser investigadas de forma mais qualitativa.
Assim como os corpora linguísticos em geral, os corpora orientados à tradução são geralmente enriquecidos com diferentes níveis de anotação para permitir análises detalhadas e direcionadas. Informações linguísticas (principalmente partes do discurso, lemas, análise sintática – ver linguística computacional) e informações estruturais (por exemplo, os limites da oração) são normalmente acrescentadas por meio de processamento automático para permitir consultas mais sofisticadas do que para formas simples de palavras, assim como para o alinhamento de orações de corpora paralelos.
Uma camada adicional de anotação, cuja importância tem sido cada vez mais enfatizada nos últimos anos, inclui metadados sobre o tradutor (por exemplo, sua experiência/expertise profissional, bem como seu histórico linguístico, sociológico e educacional) e sobre a tarefa de tradução (por exemplo, gênero textual, instruções de tradução, uso de programas de tradução automática, intervenção editorial), ou seja, informações sobre fatores contextuais extralinguísticos que podem contribuir para nortear a linguagem traduzida.
![[heading title]](2.2-X.png "[heading title]"){kind=small}
Estudos sobre tradução baseados em corpus
Os Estudos de Tradução Baseados em Corpus (ETBC) contemporâneos englobam várias linhas de investigação. A busca por regularidades, que marcou, desde o início, os Estudos Descritivos de Tradução (EDT) em geral e os ETI em particular, hoje é acompanhada por uma atenção crescente à variação associada a tradutores individuais ou a fatores contextuais. Consequentemente, os recursos e métodos tradicionais de corpus estão sendo complementados por novos formatos de corpus e métodos de pesquisa, como se vê nas seções seguintes.
Universais da tradução
As primeiras pesquisas dos ETBC se dedicaram principalmente a encontrar evidências de características universais da tradução (ou universais da tradução). O conceito foi introduzido no artigo programático de Baker (1993) para se referir a "características que tipicamente ocorrem em textos traduzidos em vez de enunciados originais e que não são resultado de interferência de sistemas linguísticos específicos" – ou seja, independentemente das línguas de origem e de destino envolvidas – "como um produto de restrições inerentes ao próprio processo de tradução" (Baker 1993: 243-246). Entre essas características constavam:
- Uma tendência à explicitação, definida como "um aumento significativo no nível de explicitude em comparação com textos-fonte específicos e com textos originais em geral" (Baker 1993: 243), sendo essa a característica universal de tradução mais investigada e mais convincentemente fundamentada.
- Uma tendência à simplificação lexical e sintática.
- O uso de léxico e sintaxe mais convencionais em comparação aos textos-fonte e a textos comparáveis, conhecido como normalização ou conservadorismo.
Embora a proposta de Baker priorizasse pesquisas baseadas em corpora comparáveis monolíngues, contrastando traduções com textos não traduzidos na mesma língua, Chesterman (2004: 39) apontou dois focos de pesquisa distintos. Ele sugeriu que uma distinção básica deveria ser feita entre as possíveis diferenças universais entre traduções e seus textos fonte (source texts), ou S-universais (“ou seja, características da forma como os tradutores processam o texto fonte”), e entre traduções e textos comparáveis não traduzidos, ou T-universais (target texts) (“ou seja, características da forma como os tradutores usam a língua de destino”).
Essa distinção é importante por dois motivos principais. No nível teórico, porque os dois tipos de análises abordam aspectos fundamentais, mas distintos, da pesquisa em tradução: a relação de equivalência com o texto-fonte e a relação de adequação textual com textos comparáveis não traduzidos na língua de destino. No nível metodológico, porque exigem recursos de corpus diferentes: universais S podem ser investigados por meio de corpora paralelos, enquanto a pesquisa de universais T exige uma comparação entre textos traduzidos e textos não traduzidos comparáveis na língua de destino, obtida com corpora monolíngues comparáveis.
A pesquisa empírica inicial baseou-se na busca por um número relativamente limitado de padrões textuais considerados indicativos da existência de universais da tradução, geralmente dentro de conjuntos de dados restritos. No que diz respeito à explicitação, por exemplo, ela foi explorada como um universal-S observando-se a frequência de advérbios conectivos em textos-fonte (TF) e textos-alvo (TA), tomados como indicadores do nível relativo de explicitação das relações oracionais; mudanças de orações não finitas para finitas; mudanças na coesão lexical, por exemplo, por meio da lexicalização de formas pronominais do TF. Corpora paralelos bidirecionais, constituídos de traduções da L1 para a L2, bem como da L2 para a L1, foram às vezes utilizados para levar em conta diferenças sistêmicas e a direcionalidade da tradução como explicações causais para alguns dos padrões observados.
A partir de uma perspectiva de CCM, além de considerar os indicadores acima em comparações entre textos traduzidos e originais, a maior frequência de itens opcionais (por exemplo, o complementador that em inglês ou pronomes sujeitos em línguas que admitem sujeito nulo) em textos traduzidos, em comparação com textos originais, foi frequentemente tomada como prova da maior explicitação dos primeiros. A simplificação, por outro lado, foi frequentemente investigada como um universal-T, levando em conta medidas como variedade lexical e densidade lexical, ou extensão das frases, que foram observadas como sendo menores em textos traduzidos do que em textos originais (ver, por exemplo, Laviosa 1998).
A pesquisa sobre normalização também seguiu uma perspectiva dupla. Do ponto de vista paralelo, alguns estudos sugeriram que os textos-alvo poderiam ser vistos como versões “sanitizadas” ou padronizadas dos textos-fonte correspondentes, atenuando o uso criativo da linguagem e apresentando vocabulário e gramática mais convencionais. Em uma perspectiva de CCM, por outro lado, vários estudos mostraram que características como formas contraídas e a omissão opcional de that (no caso de textos em inglês) ou anglicismos (em línguas diferentes do inglês – ver, por exemplo, Bernardini & Ferraresi (2011) para o italiano) são menos frequentes em textos traduzidos do que em textos originais no mesmo idioma. Isso sugeriria que os tradutores fazem escolhas mais conservadoras do que os autores de textos originais.
Em alguns casos, foram propostas hipóteses conflitantes: por exemplo, a afirmação de que textos traduzidos tenderiam a se conformar aos padrões típicos da língua-alvo, ou até mesmo a exagerá-los, entrava em conflito com a hipótese do item único (unique item hypothesis), segundo a qual características típicas da língua-alvo que não possuem correspondentes linguísticos diretos na língua-fonte tenderiam a ser sub-representadas na tradução (ver, por exemplo, Tirkkonen-Condit 2004).
Logo surgiram questões teóricas e metodológicas quanto à viabilidade desses conceitos, sua operacionalização e seu status universal. Principalmente, foram expressas sérias reservas quanto à forte negligência da influência do texto-fonte, que, por outro lado, Toury (1995) teorizou por meio de sua lei da interferência. Apesar das críticas (possivelmente causadas por uma interpretação parcial da agenda de pesquisa de Baker, conforme observado por De Sutter & Lefer 2020: 2), alguns desses conceitos permaneceram no cerne da agenda dos Estudos da Tradução Baseados em Corpus e continuam sendo investigados por meio de tipos de corpus sofisticados e ferramentas analíticas que levam em consideração a importância do TF/LF, bem como de variáveis além da dicotomia traduzido vs. não traduzido.
Nos últimos anos, tem sido sugerido que alguns dos fenômenos observados não são apenas atribuíveis à diferença entre textos traduzidos e não traduzidos, mas também dependem e co-variam com outros fatores, como tipo de texto, língua-fonte, expertise do tradutor, modo de tradução e método de tradução. A segunda década do século XXI testemunhou, assim, o surgimento e a ascensão de projetos de corpus e métodos de pesquisa mais sofisticados (ver, por exemplo, contribuições em Oakes & Ji (2012)), destacando-se em especial as investigações multifatoriais que levam em conta um maior número de variáveis por meio de análises multivariadas, frequentemente baseadas em uma combinação de dados de CCM e corpus paralelo.
Delaere, De Sutter & Plevoets (2012), por exemplo, utilizam um corpus de textos não traduzidos em holandês belga e de traduções para o holandês belga a partir do inglês e do francês para investigar se o nível de padronização – medido pela frequência de ocorrência de itens lexicais não padronizados para os quais existe uma variante padrão – difere nos três componentes do corpus, bem como entre os seis tipos de texto incluídos em cada componente. Os resultados de sua análise da correspondência baseada em perfis confirmam uma tendência para que as traduções utilizem uma linguagem mais padronizada do que os textos não traduzidos, especialmente nos tipos textuais caracterizados por maior controle editorial (ficção, não ficção e textos jornalísticos) em comparação com tipos textuais menos editados (textos administrativos e de comunicação externa).
No que diz respeito ao efeito da língua-fonte nos produtos da tradução, Cappelle & Loock (2017) investigam se há diferença no uso de verbos frasais em traduções para o inglês a partir de línguas românicas e germânicas. O estudo mostra que a similaridade ou diferença tipológica entre a LF (língua-fonte) e a LA (língua-alvo) tem um efeito significativo na tradução: traduções de línguas românicas contêm menos verbos frasais do que traduções para o inglês a partir de línguas germânicas, as quais não diferem significativamente dos textos não traduzidos em inglês quanto à frequência de verbos frasais. O estudo, portanto, questiona a validade da normalização como um universal da tradução e, em vez disso, sustenta a ideia de que a interferência é a característica mais notável e inerente que distingue a língua traduzida da língua não traduzida.
Por fim, os Estudos de Tradução com Corpus (ETC) têm se tornado mais metodologicamente diversificados, em que dados de corpus são triangulados com métodos como registro de teclas, rastreamento ocular e gravação de tela, além de estudos cognitivos da tradução que exploram os mecanismos cognitivos por trás das características da tradução (Halverson 2017).
Estilo do tradutor e variação
Uma segunda linha de pesquisa nos ETC gira em torno da comparação do comportamento de diferentes tradutores, com o objetivo de investigar o estilo do tradutor ou a questão da variação na tradução. Isso é feito cada vez mais com o uso de corpora de traduções múltiplas, ou seja, corpora paralelos que contêm várias traduções simultâneas de um mesmo texto-fonte para a mesma língua de destino, permitindo aos pesquisadores analisar soluções alternativas para itens específicos do texto-fonte.
Estilo do tradutor e variação individual
O estilo do tradutor é entendido como as características de textos traduzidos que, além de não estarem relacionadas ao estilo do texto-fonte ou às exigências da língua de destino, são “reconhecíveis em uma gama de traduções do mesmo tradutor” e “distinguem o trabalho desse tradutor do de outros tradutores” (Saldanha 2011: 31). Trata-se de uma linha de pesquisa recente, já que, na era dos Estudos de Tradução prescritivos voltados para o texto-fonte, havia pouco interesse em estudar o estilo de tradutores individuais. Na verdade, a tradução era vista como um ato derivado e, consequentemente, esperava-se que os tradutores reproduzissem o estilo do texto-fonte o mais fielmente possível, em vez de impor seu próprio estilo ao texto traduzido.
Textos literários têm sido frequentemente considerados um campo de teste ideal para ETC sobre o estilo do tradutor, principalmente porque poucos outros gêneros são traduzidos múltiplas vezes, permitindo aos pesquisadores analisar traduções comparáveis na mesma língua de destino. No início do século XXI, foram realizadas pesquisas que buscavam evidências da voz do tradutor e comparavam estratégias adotadas por diferentes tradutores, como no caso de Winters (2009), que analisou o uso de palavras emprestadas, alternância de códigos, verbos de relato de atos de fala e partículas modais em duas traduções alemãs de The Beautiful and Damned, de Fitzgerald. Estudos quantitativos posteriores, como os de Li, Zhang & Liu (2011), foram além da análise de características selecionadas do texto-fonte e, seguindo uma abordagem voltada para o texto-alvo, compararam traduções com base em informações derivadas do corpus, como razão forma/palavra, extensão da sentença, palavras-chave e agrupamentos (clusters) de palavras-chave.
Análises estatísticas conduzidas por Mikhailov & Villikka (2001) em um corpus de traduções múltiplas do russo para o finlandês descartaram a possibilidade de identificar tradutores com base em indicadores comumente usados em tarefas de atribuição de autoria, como riqueza vocabular e palavras frequentes ou favoritas. Contudo, os autores identificaram outros indicadores que moldam o perfil do tradutor, como o uso de modais e conjunções, divisão ou junção de sentenças, e encurtamento ou expansão do texto. Estudos baseados no English–Norwegian Multiple Translation Corpus também focaram na construção e redução de orações, revelando que os tradutores diferem em sua tendência de preservar ou modificar a estrutura sintática do original.
Corpora de traduções múltiplas também têm sido usados para investigar a variação associada à competência do tradutor, incluindo não apenas a expertise individual (básica, profissional versus iniciante), mas também seu background cognitivo, linguístico, sociológico e educacional. Estudos recentes, como o de Popovic, Lapshinova-Koltunski & Koponen (2023), contrastaram traduções profissionais e de estudantes com traduções automáticas, observando que as traduções de estudantes, em alguns aspectos, se assemelham mais às traduções automáticas do que às traduções de profissionais, especialmente na proximidade estrutural com o texto-fonte.
Corpus de tradução de aprendizes
Como o número de textos que são realmente retraduzidos múltiplas vezes é extremamente limitado, criar corpora de traduções múltiplas pode ser uma tarefa árdua, fazendo com que estudiosos tenham de encomendar traduções alternativas do mesmo texto ou compilá-las em ambientes experimentais relevantes (como é o caso do Translation Process Research Database). Uma alternativa conveniente é incluir traduções de estudantes, seja em contraste com traduções profissionais (veja acima) ou como objeto independente de estudo, especialmente no contexto da pesquisa com corpora de aprendizes de tradução (Castagnoli 2022).
A pesquisa sobre tradução de aprendizes pode ser considerada na interseção entre os estudos de tradução baseados em corpus e a pesquisa sobre corpus de aprendizes, pois os estudantes de tradução representam um tipo especial de aprendizes cujo uso da linguagem na tradução é o foco da análise. Enquanto os corpora de aprendizes de tradução (CAT) podem ser utilizados para investigar como questões típicas dos estudos de tradução baseados em corpus se relacionam com a tradução de aprendizes, os CAT com anotação de erros podem ajudar os pesquisadores a determinar, por exemplo, quais as dificuldades mais comuns de estudantes em níveis específicos de ensino (como iniciantes versus alunos avançados), em relação a textos-fonte de diferentes tipos, ou se a frequência de determinados tipos de erro diminui após um ensino direcionado. O potencial descritivo dos CAT está, portanto, associado a um forte potencial pedagógico, uma vez que os resultados da pesquisa com esses corpora podem naturalmente contribuir para o ensino de tradução (por exemplo, Kunilovskaya, Ilyushchenya, Morgoun et al., 2022).
Regularidades e variação
Outra aplicação promissora dos corpora de traduções múltiplas é o estudo da interação entre regularidades e variação na tradução, ou seja, a análise das semelhanças e diferenças que ocorrem entre diferentes versões do mesmo texto-fonte. De fato, embora traduções alternativas de um TF inevitavelmente apresentem alto grau de similaridade – devido à existência de um texto anterior cujo significado e formulação precisam ser recodificados –, espera-se que também ocorra variação, pois os tradutores – como todos os usuários da língua – têm à sua disposição uma gama de opções linguísticas mais ou menos prováveis para expressar um significado. Assim, os corpora de traduções múltiplas permitem que estudiosos identifiquem fenômenos que representam regularidades reais na tradução – isto é, padrões observados no comportamento de diferentes tradutores diante do mesmo TF – e investiguem (o que pode determinar) a variabilidade na tradução.
Uma linha de investigação particularmente promissora associa a invariância entre traduções alternativas à possibilidade de uma tradução literal do TF (por exemplo, Carl & Schaeffer 2017), o que faria com que os tradutores não anulassem o efeito priming do TF. Por outro lado, a variação ocorreria principalmente em itens que não permitem uma tradução literal, bem como naqueles com o maior potencial interpretativo e avaliativo, como palavras que expressam atitude e ideologia, substantivos abstratos e expressões idiomáticas, que exigem maior esforço cognitivo. Dessa perspectiva, a variação entre traduções alternativas pode ser um indicativo da dificuldade da tradução, e alguns estudos tentaram combinar dados de corpus com insights baseados em processos para investigar a possível relação entre variação e dificuldade de tradução de itens específicos do TF, conforme indicado por marcadores de aumento do esforço cognitivo nos dados de processo (por exemplo, Dragsted 2012).As regularidades e/ou a variabilidade também podem estar associadas a características compartilhadas ou distintas entre tradutores, como seu nível de experiência (ver acima) ou sua interação com a tecnologia. Alguns estudos recentes, por exemplo, baseiam-se em corpora que incluem tanto traduções humanas quanto traduções pós-editadas junto com a versão produzida pela TA (tradução automática), refletindo a grande transformação testemunhada no mercado de tradução na última década (ver, por exemplo, Czulo, Hansen-Schirra & Nitzke 2017 sobre variação terminológica nos três tipos de tradução).
Estudos sobre interpretação baseados em corpus
Os corpora de interpretação como um desafio
Assim como a fala é muito diferente da escrita, a interpretação também difere da tradução, e a compilação de corpora de interpretação é distinta da compilação de corpora de tradução. A interpretação envolve a produção de discurso oral, que é muito menos organizado e fluido do que o discurso escrito. Além disso, a interpretação, assim como a fala, está profundamente inserida no contexto em que foi produzida e raramente é recebida fora desse contexto. Por isso, os corpora de interpretação costumam ser enriquecidos com anotações complexas.
Assim como os corpora de fala, os corpora de interpretação podem conter uma transcrição ortográfica do que foi dito, mas, cada vez mais, as transcrições são disponibilizadas juntamente com anotações que abrangem um amplo conjunto de características paralinguísticas em grande nível de detalhe, como velocidade da fala, falsos começos, duração das pausas etc. As convenções de transcrição usadas no processo de compilação devem ser cuidadosamente projetadas para atender aos objetivos da pesquisa. Uma das primeiras convenções de transcrição para um corpus de interpretação foi desenvolvida pelos criadores do corpus EPIC; essas convenções geralmente servem como ponto de partida para outros pesquisadores (por exemplo, EPIC-UdS ou EPTIC).
O discurso falado e interpretado também impõe algumas limitações para etiquetadores automáticos; os linguistas que analisam interpretações frequentemente enfrentam desafios como o estabelecimento dos limites da sentença ou, mais precisamente, do enunciado – algo que, por outro lado, está intrinsecamente ligado à anotação do texto para Classes Gramaticais e Dependências Universais. Como os limites de um enunciado oral são tão fluidos, o alinhamento entre interpretações e seus discursos-fonte torna-se mais trabalhoso do que no caso das traduções escritas. Diferentemente das traduções escritas, o alinhamento automático de textos falados ainda é bem pouco confiável. No entanto, atualmente, a maioria dos corpora de interpretação são tanto comparáveis quanto paralelos e alinhados no nível da sentença, com alguns incluindo até mesmo alinhamento com textos traduzidos correspondentes e vídeos originais (EPTIC), ou até mesmo alinhamento som-texto no nível da palavra (PINC).
 |
 |
|
Oração etiquetada com UD pipe, que inclui dados como lemas, dependências universais ou categorías gramaticais |
Árvore de dependências universais gerada com UD pipe |
O complexo processo de compilação de corpora de interpretação afeta seu tamanho e a frequência com que são criados, pois é geralmente uma tarefa que exige a colaboração de um grupo de pesquisadores. Com o advento dos métodos automáticos de transcrição, cada vez mais corpora de interpretação estão sendo desenvolvidos, mas avanços tecnológicos ainda maiores serão necessários para que esses corpora cresçam significativamente. No momento, tanto o processo de transcrição quanto o de alinhamento e anotação requerem muita supervisão humana e geralmente são necessárias diversas correções demoradas.
Comparações unimodais e intermodais
O número de estudos de corpus sobre interpretação está crescendo constantemente, à medida que a análise automatizada de grandes volumes de dados autênticos de interpretação gera resultados expressivos.
Contrastar interpretações com discursos não interpretados na mesma língua, usando corpora comparáveis, pode ajudar os pesquisadores a investigarem de perto as características específicas da linguagem interpretada nos níveis lexical, gramatical e sintático, bem como em aspectos paralinguísticos, como disfluências. Outra abordagem valiosa, tanto do ponto de vista da tradução quanto da interpretação, é a análise intermodal dos modos oral e escrito de mediação. Isso pode ser visto como uma ferramenta para "identificar um conjunto de características estilísticas e pragmáticas" de ambas as modalidades (Shlesinger 2009: 237), permitindo analisar uma variedade de traços léxico-gramaticais que diferenciam os dois e contribuir para a definição de um perfil linguístico tanto da linguagem da interpretação ("interpretès") quanto da tradução ("tradutês"). Como apontado corretamente por Gile (2004: 23), as variedades mediadas oral e escrita têm tanto em comum:
the differences between them can help shed light on each, so that besides the autonomous investigation of their respective features, each step in the investigation of one can contribute valuable input towards investigation of the other.
Nas seções seguintes, mostraremos que essa linha de pesquisa tem ganhado popularidade nos últimos anos e, de fato, produz resultados promissores.
Padrões lexicais
Nas análises unimodais, os corpora comparáveis permitem que os pesquisadores identifiquem padrões que diferenciam a interpretação de discursos orais não mediados. Conforme pesquisadores de tradução, os estudiosos da interpretação utilizam diversas métricas especialmente adequadas para investigações monolíngues e comparáveis a fim de examinar padrões lexicais na interpretação, muitas vezes em busca de indícios de simplificação (Laviosa 1998), que seria esperada numa produção linguística realizada em situações de maior demanda cognitiva. Na modalidade oral de mediação, os parâmetros normalmente usados para investigar a simplificação lexical parecem depender bastante do par de línguas e da direção da interpretação. Um desses parâmetros é a densidade lexical, ou seja, a proporção de palavras de conteúdo em relação ao total de palavras no texto, o que indica quão informativo ele é (quanto maior o número de palavras de conteúdo, tanto maior a carga informativa codificada). No entanto, esse parâmetro se comporta de maneira diferente na interpretação em comparação com a tradução. Interpretações de diversas línguas para o inglês são geralmente mais densas lexicalmente (como no caso do alemão, holandês, francês e russo) ou apresentam densidade similar (italiano e espanhol). Porém, as tendências se invertem em interpretações do inglês e espanhol para o italiano, assim como nas interpretações do inglês para o russo.
 |
| Porcentagem de ocorrência de palavras gramaticais e palavras de conteúdo usada para calcular a densidade lexical |
Outra métrica frequentemente utilizada nas análises lexicais envolve o grau de repetitividade da linguagem. Novamente, esse parâmetro parece depender do par de línguas. A repetitividade é frequentemente medida pela cobertura das palavras mais requentes, que representa a proporção das palavras mais frequentes (normalmente as 100 mais recorrentes em uma lista de frequência) em um corpus. Enquanto interpretações do italiano para o inglês apresentam mais repetitividade em comparação com enunciados originais em inglês – assim como interpretações do espanhol e alemão –, reforçando a hipótese da simplificação, esse mesmo padrão não se aplica à interpretações do inglês para o italiano ou do francês para o inglês, que demonstram tendências opostas (cf. Russo, Bendazzoli & Sandrelli 2006 para resultados detalhados sobre padrões lexicais na interpretação). Fatores como o modo de apresentação do discurso original também parecem influenciar a tendência à repetitividade e outros padrões lexicais na interpretação (Kajzer-Wietrzny 2015). Vale ressaltar que esse aspecto é frequentemente negligenciado nos estudos de corpus sobre interpretação, representando um desafio a ser abordado em pesquisas futuras.
Ao comparar diferentes modalidades, os corpora comparáveis ajudam a identificar discrepâncias entre produtos mediados oralmente e por escrito. A importância desse aspecto foi descoberta cedo pela pioneira dos Estudos de Corpus na Interpretação, Miriam Shlesinger, que, em seu artigo seminal “Towards a definition of Interpretese” (2009), utilizou corpora intermodais comparáveis para analisar as diferenças entre interpretações e traduções do inglês para o hebraico realizadas em condições experimentais. Ela observou diferenças consistentes nos padrões lexicais, como maior variedade lexical em todas as traduções escritas. Além disso, interpretações simultâneas apresentaram mais empréstimos de outras línguas.
Sua observação geral sobre o uso do registro foi que intérpretes preferiam formas não marcadas, enquanto traduções escritas tendiam a escolhas lexicais mais formais. De maneira geral, Shlesinger concluiu que “as características que diferenciam o hebraico falado do hebraico escrito são (ainda) mais pronunciadas nos produtos mediados oralmente e por escrito, respectivamente” (Shlesinger 2009: 250). Suas descobertas iniciais foram em grande parte confirmadas por análises intermodais mais recentes, que também expandiram sua perspectiva.
Comparações intermodais interessantes também foram feitas no que diz respeito à fraseologia. Os corpora permitem distinguir automaticamente entre diferentes tipos de colocações e testar se essas são usadas de maneira diferente nos modos de mediação. Um dos métodos consiste em utilizar corpora comparáveis para investigar como intérpretes e tradutores empregam as colocações mais frequentes (normalmente identificadas por altos valores de T-score) e colocações fortemente associadas (com alto índice de informação mútua), mas menos frequentes).
Por exemplo, a linguagem das traduções para o italiano tende a ser mais convencional e idiomática em comparação com a linguagem das interpretações para o italiano, conforme indicado pelos valores mais altos do índice de informação mútua das colocações usadas em traduções. Por outro lado, parece que tanto intérpretes quanto tradutores usam as colocações mais frequentes, indicadas por altos valores de T-score, de forma semelhante. Nesse caso, é provável que as altas restrições cognitivas da interpretação influenciem a escolha entre expressões fixas e menos fixas, e que a interferência do texto-fonte desempenhe um papel maior na interpretação do que na tradução (para mais informações sobre investigações intermodais no discurso mediado, ver os trabalhos de Adriano Ferraresi).
Diferentes usos de sintaxe e gramática
Além das investigações lexicais, corpora comparáveis permitem análises entre variedades mediadas e não mediadas no nível da gramática e da sintaxe.
Primeiramente, no nível unimodal, ao comparar estruturas sintáticas e gramaticais utilizadas por intérpretes e textos orais originais produzidos por falantes nativos, é possível identificar padrões preferidos pelos intérpretes, especialmente em pares linguísticos específicos e, às vezes, até mesmo relacionar a complexidade das estruturas ao esforço cognitivo exigido pela interpretação. Numa abordagem dedutiva baseada em corpus, tais explorações podem começar com a análise contrastiva e a identificação das diferenças tipológicas entre as línguas de origem e de destino, que podem servir de ponto de partida para investigações sobre interferências no nível sintático. Um bom exemplo desse tipo de investigação é a análise da interpretação de estruturas atributivas modificadoras longas e complexas do chinês para o inglês. No chinês, essas estruturas são tipicamente colocadas no início da frase, enquanto o inglês se caracteriza por estruturas modificadoras posicionadas mais ao final. Apesar dessa diferença, mais de 80% dessas estruturas complexas no chinês são interpretadas como estruturas posicionadas ao final em inglês. Wang & Zou (2018: 65) concluem que isso representa um esforço cognitivo adicional por parte dos intérpretes, associado à necessidade de reestruturar a frase durante a interpretação entre pares de línguas estruturalmente tão diferentes. Outro caso que exige um esforço cognitivo extra é a interpretação de línguas SVO (sujeito-verbo-objeto) para línguas SOV (sujeito-objeto-verbo). Uma forma de investigar esse fenômeno com o uso de corpora é analisar o chamado “campo médio”, ou seja, o número de elementos entre o sujeito e o verbo na produção dos intérpretes e em discursos nativos não mediados. Descobriu-se que os intérpretes tendem a aliviar o esforço cognitivo encurtando esse campo médio (para mais detalhes sobre esse e outros estudos baseados em corpus na interpretação, consulte o trabalho de Camille Collard).
Em segundo lugar, assim como no caso do léxico, muitas características da sintaxe e da gramática na interpretação e na tradução podem ser inferidas a partir de comparações intermodais. Por exemplo, interpretações e traduções demonstram um uso diferenciado de determinados padrões verbais. Shlesinger (2009) encontrou um uso ligeiramente maior de construções baseadas em verbos nas interpretações quando comparadas às traduções, além de padrões consistentemente diferentes no uso de possessivos e artigos definidos. Gast & Borges (2023) investigaram interpretações e traduções do inglês para o alemão e seus achados confirmam, em particular, a assimetria nos padrões nominais e verbais observada por Shlesinger no par linguístico hebraico-inglês. Ao analisar essas e outras tendências, como o maior uso de advérbios ou pronomes, eles concluem que “as interpretações têm um status híbrido e podem ser situadas em algum lugar entre o registro do texto-fonte (discurso parlamentar) e o discurso oral não planejado”.
Um método altamente eficaz de exploração de corpus que envolve corpora comparáveis é a análise multidimensional (para mais informações sobre esse método, consulte o trabalho de Douglas Biber), que permite examinar simultaneamente várias características gramaticais e estilísticas. Originalmente concebida para identificar diferenças entre registros, essa técnica também tem sido utilizada para investigar variedades de contato linguístico e a interpretação e tradução em L2 (Xu 2021). Em termos simples, a análise multidimensional baseia-se na técnica estatística de análise fatorial exploratória, que permite agrupar diversas variáveis, mais difíceis de interpretar de outra forma, nos chamados fatores/dimensões, que devem refletir a estrutura relacional latente entre as características envolvidas. Isso, por sua vez, pode ajudar a elaborar uma descrição multidimensional da linguagem usada em um conjunto de textos e comparar essas coleções de textos entre si utilizando a mesma ‘métrica’ (pontuação média da dimensão).
Uma das mais proeminentes categorias de características, em grande parte gramaticais e sintáticas, analisadas dessa maneira e geralmente agrupadas na Dimensão 1, diz respeito à produção interativa vs. informacional. Normalmente, textos orais são posicionados em uma extremidade dessa dimensão, enquanto textos escritos estão na outra. Isso também foi observado por Xu (2021) em um estudo intermodal, no qual os principais achados dizem respeito às Dimensões 1 e 2. No que diz respeito à Dimensão 1, a interpretação para L2 foi associada a características mais interativas e informais. Nesse estudo específico, os elementos que carregavam mais peso na Dimensão 1 incluíam, entre outros, tempo presente, contrações, uso do verbo “to be” como verbo principal, coordenação de orações independentes, pronomes interrogativos e orações relativas iniciadas por “wh-”.
A Dimensão 2, intitulada "preocupações narrativas vs não narrativas", agrupou características comuns às variedades mediadas, em contraste com as não mediadas. Essas características incluíam, por exemplo, amplificadores, demonstrativos e orações relativas com "that" na posição de sujeito. Segundo Xu, essa tendência compartilhada pode indicar estratégias comuns de gerenciamento de risco por parte de tradutores e intérpretes. Outras dimensões nessa análise proporcionam uma descrição linguística mais detalhada e abrangente, e esse método tem sido cada vez mais utilizado em análises unimodais e intermodais de textos mediados e restritos.
Corpora orais e qualidade
Parece que alguns dos padrões linguísticos descritos acima podem prever, até certo ponto, como os seres humanos avaliam a interpretação simultânea. Essa abordagem foi adotada por Ouyang, Qianxi & Junying (2021), que tentaram uma avaliação automática da qualidade da interpretação. Os pesquisadores analisaram, em particular, a contagem de palavras, a diversidade lexical, a hiperonímia dos verbos e a frequência de pronomes de primeira pessoa do singular. O modelo de regressão linear desenvolvido por eles explicou 60% da variância nas avaliações humanas: isso significa que um teste estatístico que incluiu as variáveis mencionadas acima como variáveis fixas (preditores) chegou à mesma decisão que avaliadores humanos em aproximadamente 60% dos casos. Foi observado que as interpretações mais bem avaliadas pelos avaliadores humanos tendiam a usar itens lexicais mais precisos, embora menos frequentes, e apresentavam maior diversidade lexical.
Corpora paralelos
Os corpora paralelos são um bom método para investigar os diversos processos que afetam as características textuais dos textos-alvo em relação ao texto-fonte, como a tendência de explicitar a informação codificada na mensagem original. Textos alinhados e segmentados facilitam a investigação da correspondência entre o texto-fonte (TF) e o texto-alvo (TA).
Não há muitas análises unimodais de corpora paralelos de interpretação que examinem características linguísticas típicas do texto interpretado. No entanto, essa configuração de corpus favorece a investigação de, por exemplo, estratégias de interpretação. Com uma anotação adequada do corpus, fatores importantes na interpretação, como direcionalidade, posição no trecho-fonte e riqueza fraseológica do texto original, podem ser levados em consideração na análise de estratégias interpretativas, como saucissonage (também conhecida como técnica do salame) ou omissão. Essa abordagem é relatada em Dayter (2020) na análise de um corpus paralelo bidirecional de interpretação simultânea entre russo e inglês, em que a autora descobre que, em seus dados, há uma associação significativa entre as três variáveis e o tipo de estratégia utilizada.
Se o corpus contém metadados sobre intérpretes individuais obtidos, por exemplo, por meio de um processo de identificação de intérpretes, pode-se explorar as preferências idiossincráticas e a variação entre os profissionais. Por exemplo, Gumul & Bartłomiejczyk (2022) investigam a consistência e a frequência de padrões idiossincráticos na busca por estilos de interpretação caracterizados por mudanças na explicitação, que afetam a coesão, a sintaxe e a textura dos textos-alvo de intérpretes que trabalham para a Unidade da Língua Polonesa no Parlamento Europeu.
Além disso, vale ressaltar que corpora que envolvem a identificação de intérpretes podem incentivar um design de pesquisa mais equilibrado e permitir levar em consideração a variação idiossincrática em modelos estatísticos, o que melhora a generalização dos resultados, especialmente no caso de corpora pequenos, como os de interpretação.
Explorações semelhantes de estratégias que afetam os aspectos textuais da produção interpretada, como a coesão, podem ser realizadas em corpora paralelos intermodais. Ao consultar os textos-fonte de interpretações e traduções, é possível observar em que medida o acréscimo e a omissão de conectivos ocorrem em ambas as modalidades de mediação. Como era de se esperar, os intérpretes tendem a omitir mais conectivos, provavelmente devido à excessiva sobrecarga cognitiva ou como uma estratégia consciente quando os conectivos não são essenciais para a compreensão do significado. Por outro lado, os intérpretes também acrescentam mais conectivos do que os tradutores, o que contraria as expectativas, pois isso pode aumentar a carga cognitiva. (Para mais informações sobre esse e outros estudos sobre interpretação usando corpora paralelos, ver o trabalho de Bart Defrancq.)
Características paralinguísticas e qualidade
Ao analisar características paralinguísticas da oralidade específicas da interpretação, os corpora paralelos podem ser usados para investigar fatores que desencadeiam problemas afetando a qualidade da produção do intérprete e fatores determinados pelo texto-fonte que a influenciam. Isso, por sua vez, pode fornecer insights sobre certos processos cognitivos que acompanham a interpretação. Comparando a produção dos intérpretes com o texto-fonte alinhado em um corpus paralelo, é possível investigar, por exemplo, o que afeta a fluência da interpretação.
A fluência é frequentemente operacionalizada (ou seja, medida) pelo número de falsos começos, pausas preenchidas e não preenchidas, ou pela extensão das pausas. Exames cuidadosos desses parâmetros podem ajudar a identificar as áreas mais exigentes cognitivamente no texto-fonte. Essa abordagem tem sido usada, por exemplo, na interpretação de números (Kajzer-Wietrzny, Ivaska & Ferraresi, 2023), em que os pesquisadores analisaram os tipos de números que representam os maiores desafios para os intérpretes e o contexto que torna sua interpretação mais difícil, como discursos de falantes não nativos.
A extensão das pausas silenciosas e preenchidas na produção dos intérpretes, após dez segundos da ocorrência de palavras menos frequentes no texto original, pode ser medida para investigar o chamado efeito spillover — ou seja, a queda na qualidade da interpretação após um gatilho problemático no texto-fonte. Isso significa que, depois de um trecho mais exigente, o intérprete terá esgotado seus recursos cognitivos e poderá produzir uma interpretação menos fluente, mesmo que o trecho seguinte do discurso original não seja tão difícil.
Os possíveis gatilhos problemáticos também podem ser identificados por meio de métodos de corpus. Por exemplo, conforme demonstrado no estudo sobre o efeito spillover de Chmiel, Janikowski, Koržinek et al. (2023), a frequência das palavras num corpus de referência pode ser usada para determinar a dificuldade potencial das palavras do texto-fonte (nesse caso, analisando palavras cognatas e não cognatas).
Os corpora paralelos também têm potencial para a avaliação automática da qualidade da interpretação, embora seja importante destacar que essa linha de pesquisa ainda está num estágio muito exploratório, e uma análise totalmente automatizada é atualmente impossível. No entanto, certas informações linguísticas e paralinguísticas codificadas em um corpus de interpretação podem servir como uma referência útil para medir aspectos específicos da qualidade da interpretação. Parece que a fluência da produção interpretada é um parâmetro que pode ser totalmente calculado e avaliado de forma automática, e que pontuações altas nos parâmetros de fluência correspondem a avaliações de qualidade mais altas feitas por humanos (Liu, 2021: 171).
Como demonstramos, os estudos com corpus, tanto em tradução quanto em interpretação, estão crescendo dinamicamente e começam a capturar uma complexidade crescente em projetos multifatoriais cada vez mais comuns, ampliando seu escopo para novos aspectos sociais e cognitivos da tradução e da interpretação.
Por exemplo, nos últimos anos, tem-se levantado a hipótese de que algumas das características recorrentes observadas em textos traduzidos e interpretados podem não ser específicas dessas variedades mediadas, mas podem ocorrer como resultado do contato linguístico em outras situações comunicativas, como na produção de falantes não nativos (por exemplo, na linguagem de aprendizes de inglês como língua estrangeira – ILE) e em outras formas de comunicação restrita. Isso ocorre devido à presença de mecanismos sociocognitivos similares em ação (ver, em particular, o trabalho de Haidee Kotze). Assim, uma compreensão mais precisa dos mecanismos subjacentes à tradução pode ser alcançada por meio de abordagens mais interdisciplinares que vinculem a pesquisa com corpus a disciplinas vizinhas, como aquisição de segunda língua, estudos sobre bilinguismo, psicolinguística e linguística cognitiva.
Um exemplo relevante de uma área cujo potencial de pesquisa ainda não foi suficientemente explorado nos Estudos de Tradução Baseados em Corpus (ETBC) e nos Estudos de Interpretação Baseados em Corpus (EIBC) envolve a tradução e a interpretação para uma língua estrangeira. Essa questão está ligada, por um lado, ao processamento cognitivo complexo da L2 na mediação e, por outro, ao aspecto socioeconômico da falta de tradutores e intérpretes para a língua materna (L1) em casos de idiomas de baixa ou limitada difusão.
Além disso, a grande maioria dos estudos com corpus em tradução e interpretação é baseada em corpus com operacionalizações preexistentes de problemas de pesquisa comuns abordados repetidamente. Embora isso possa ter vantagens do ponto de vista da replicação e validação de padrões linguísticos observados em diferentes pares de línguas ou conjuntos de dados, também restringe a gama de questões de pesquisa investigadas e reinvestigadas. Nesse sentido, há um enorme potencial nas abordagens direcionadas pelo corpus, que podem ser úteis para revelar padrões inesperados e levar os ETBC e EIBC a caminhos totalmente novos de pesquisa.
O uso de corpora em outros subcampos da tradução e interpretação, como a tradução audiovisual (por exemplo, Baños, Bruti & Zanotti, 2013) ou a interpretação remota (por exemplo, Castagnoli e Niemants, 2018), ainda está em fase inicial. A complexidade da anotação associada ao trabalho com corpus em algumas formas de mediação linguística – por exemplo, interpretação de língua de sinais, que envolve alinhamento de texto, som, vídeo e indexação complexa de sistemas de sinais – torna a compilação desses corpora excepcionalmente trabalhosa e, por enquanto, limita bastante seu tamanho. No entanto, a pesquisa sobre interpretação em língua de sinais é um campo particularmente dinâmico e o número de recursos com corpus para essa área está crescendo constantemente. Espera-se que, com o rápido desenvolvimento da inteligência artificial, a compilação e a anotação desses corpora exijam menos esforço humano.
A compilação de alguns corpora é mais trabalhosa do que outros. Quanto mais modos de comunicação estão envolvidos, mais complexa se torna a anotação. Seguindo essa regra geral, a compilação de corpora de tradução escrita é geralmente menos trabalhosa do que a compilação de corpora de interpretação, tradução audiovisual ou língua de sinais, em particular. Além disso, certos dados são mais difíceis de obter devido a questões de direitos autorais ou de anonimização (anonimizar gravações de língua de sinais ou interpretações simultâneas gravadas pode ser mais desafiador do que anonimizar textos), entre outros fatores.
Algumas dessas dificuldades podem ser enfrentadas juntando-se o conhecimento e os recursos de diferentes equipes de pesquisa de várias instituições, algo que, por enquanto, não é uma prática comum entre os acadêmicos envolvidos em estudos de corpus sobre tradução e interpretação. Existem, no entanto, algumas exceções notáveis que envolvem o compartilhamento de dados e a combinação de recursos de corpus de diferentes projetos. Um exemplo é o corpus EPIC UDS, no qual os pesquisadores colaboraram com colegas para expandir o conjunto de transcrições de interpretação disponíveis. Outro exemplo de colaboração intermodal é o corpus EPTIC, que representa um esforço conjunto de acadêmicos de interpretação e tradução de diversas universidades da Europa, disponibilizando os resultados desse trabalho online. Outro caso ainda de cooperação acadêmica na criação de corpus é o projeto MUST, que até o momento resultou na compilação de um corpus com 2 milhões de tokens (palavras) de traduções feitas por estudantes. Esse corpus, por enquanto disponível apenas para a comunidade MUST, é ricamente anotado com metadados e erros de tradução de alunos, seguindo uma taxonomia de erros específica. Essas iniciativas demonstram que a colaboração interinstitucional é uma maneira eficaz de superar a escassez de dados, o que, por sua vez, fortalece os estudos com corpus na tradução e na interpretação e torna seus resultados mais robustos.