Bianca Pasqualini LEITURA, TRADUÇÃO E MEDIDAS DE COMPLEXIDADE TEXTUAL EM CONTOS DA LITERATURA PARA LEITORES COM LETRAMENTO BÁSICO

Transcrição

1 LEITURA, TRADUÇÃO E MEDIDAS DE COMPLEXIDADE TEXTUAL EM CONTOS DA LITERATURA PARA LEITORES COM LETRAMENTO BÁSICO Dissertação de Mestrado PPGLet/UFRGS (2013) Bianca Pasqualini Doutoranda PPGLet/UFRGS Orientadora: Profa. Dra. Maria José B. Finatto

2 TEXTOS-FONTE EM ING TRADUÇÕES PTG Traduções para o português parecem mais difíceis do que seus textos-fonte. EXEMPLO 1: We established ourselves in one of the smallest and least sumptuously furnished apartments. It lay in a remote turret of the building. Acomodamo-nos num dos quartos menores e menos suntuosamente mobiliados, que ficava num remoto torreão do edifício. EXEMPLO 2: I bade Pedro to close the heavy shutters of the room ( ). Ordenei a Pedro fechar os pesados postigos do quarto (...). 2

3 RESUMO DA PESQUISA Suposição de que há traduções de literatura em inglês produzidas no Brasil que tendem a gerar textos mais complexos do que seus originais, tendo como parâmetro o leitor brasileiro médio, cuja proficiência de leitura situa-se em nível básico. Processamos contos literários em língua inglesa e suas traduções para o português brasileiro, e, como contraste, contos de autores brasileiros e suas traduções para o inglês. Por fim, usamos tecnologias de Linguística Computacional, como a Aprendizagem de Máquina, para o aprofundamento da análise. As traduções para o português produziram textos mais complexos do que seus textos-fonte em algumas das medidas analisadas, e tais traduções não são adequadas para leitores com nível de letramento básico. Além disso, o índice Flesch de legibilidade mostrou-se como a medida mais discriminante entre textos traduzidos do inglês para o português brasileiro e textos escritos originalmente em português. 3

4 RESUMO DA PESQUISA: hipóteses Traduções do inglês para o português são mais difíceis do que seus textos-fonte. O índice Flesch é um recurso importante para um trabalho linguístico de avaliação de complexidade textual. 4

5 Etapas da pesquisa Etapa 1 TEXTOS ING TEXTOS PT Preparação Etapa 2 MÉTRICAS COMPARÁVEIS COH- METRIX COH- METRIX- PORT Student s T- test: métricas significativas Etapa 3 MÉTRICAS CARACTERÍSTICAS Análise resultados WEKA Pt-Ing Trads-Origs Ing-origs/Ing-trads Pt-trad/Pt-origs 5

6 ÍNDICE FLESCH Índice entre Rudolf Flesch década de 50. Fórmula para avaliação de complexidade textual. Adaptada para o PT-BR Nilc/USP, Pouco conhecida entre linguistas. Muito fáceis Textos adequados para leitores com nível de escolaridade até a quarta série do ensino fundamental Índice entre Fáceis Textos adequados a alunos com escolaridade até a oitava série do ensino fundamental Índice entre Difíceis Textos adequados para alunos cursando o ensino médio ou universitário Índice entre 0 25 Muitos difíceis Textos adequados apenas para áreas acadêmicas específicas 6

7 O LEITOR Nível de letramento da população brasileira de acordo com o INAF (2009). Fonte: ESCOLARIZAÇÃO NÍVEL DE LETRAMENTO (%) ANALFABETO RUDIMENTAR BÁSICO PLENO NENHUMA ª A 4ª SÉRIE ª A 8ª SÉRIE ENSINO MÉDIO 0 5 ENSINO SUPERIOR (57) 29 (34) 41 (35) 70 (62) População entre 15 a 64 anos (%) Analfabeto 7 Rudimentar 20 Básico 46 Pleno 27 7

8 Etapa 1: Coleta e preparação do corpus GRUPO 1 14 CONTOS (ING) 5 AUTORES 14 TRADUÇÕES (PTG) 7 TRADUTORES GRUPO 2 14 CONTOS (PTG) 4 AUTORES 14 TRADUÇÕES (ING) 3 TRADUTORES Edgar Allan Poe (10); Nathaniel Hawthorne (01), O. Henry (01), Virginia Woolf (01) and James Joyce (1). Média: palavras (tokens). Machado de Assis (06), Coelho Neto (02), Humberto de Campos (03) and Lima Barreto (03). Média: palavras (tokens). 8

9 Etapa 2: Materiais ferramentas: Coh-Metrix O Coh-Metrix é uma ferramenta que calcula métricas e índices de coesão e coerência de textos num amplo espectro de medidas. Baseia-se em pesquisas de Linguística Computacional e Psicolinguística. A versão on-line oferece 60 métricas para uso livre.

10 Etapa 2: Materiais ferramentas: Coh-Metrix-Port Adaptação do Coh-Metrix para o português, contando com 48 métricas. Ligado ao Projeto PorSimples NILC, USP, UFSCar, UNESP, 2009

11 Etapa 2: Métricas comparáveis MÉTRICAS LEXICAIS MÉTRICAS SINTÁTICAS MÉTRICAS SEMÂNTICAS Número palavras Número sentenças Número parágrafos Palavras por sentenças Sentenças por parágrafos Sílabas por palavras Índice Flesch Conectivos (todas as métricas) Negações Operadores lógicos Sintagmas nominais Modificadores por sintagma Pronomes por sintagma Pronomes pessoais Types / tokens Palavras antes de verbos Referência anafórica Referência anafórica (adjacente) Sobreposição de palavras de conteúdo (adjacente) Sobreposição de argumentos Sobreposição de argumentos (adjacente) Sobreposição de radical de palavras Sobreposição de radical de palavras (adjacente) 11

12 Etapa 2: Métricas comparáveis Avaliação das médias entre os resultados em busca de diferenças estatisticamente significativas: Student's t-test: para cada métrica e entre as traduções português-inglês e inglês-português (p-value<0,05) Comparar somente as métricas que de fato apresentam diferenças estatisticamente significativas, e deixar as outras de lado 12

13 Etapa 2: Métricas comparáveis 18 MÉTRICAS COM DIFERENÇAS SIGNIFICATIVAS MÉTRICAS LEXICAIS MÉTRICAS SINTÁTICAS MÉTRICAS SEMÂNTICAS Sílabas por palavras Índice Flesch Conectivos Negações Sintagmas nominais Modificadores por sintagma nominal Pronomes por sintagma nominal Incidência de pronomes pessoais Referência anafórica Referência anafórica (adjacente) Sobreposição de argumentos Sobreposição de argumentos (adjacente) Sobreposição de palavras de conteúdo (adjacente) Sobreposição de radicais Sobreposição de radicais (adjacente) 13

14 Etapa 3: Aprendizagem de máquina Software WEKA CONJUNTO DE ALGORITMOS DE APRENDIZAGEM DE MÁQUINA 14

15 Etapa 3: Aprendizagem de máquina No software Weka: Dividimos os textos em 4 grupos: Textos em português x textos em inglês (comparação entre as línguas) Textos originais x textos traduzidos (comparação entre a natureza dos textos) Textos originais em ptg x traduções para o ptg (todos os textos em ptg) Textos originais em ing x traduções para o ing (todos os textos em ing) Inserimos os valores das 18 métricas com diferenças significativas de cada texto. O software processou esses dados e, por fim, CLASSIFICOU os textos de cada grupo de acordo com os resultados. 15

16 Etapa 3: Aprendizagem de máquina ANÁLISE 1: MÉTRICAS DOS TEXTOS EM PORTUGUÊS X MÉTRICAS DOS TEXTOS EM INGLÊS Lê-se: a métrica mais distintiva entre textos em português e textos em inglês é a incidência de pronomes pessoais: quando menor ou igual a 34,08935, indica textos em ptg; quando maior, textos em inglês. Em inglês, a repetição de pronomes pessoais é um traço característico da língua; já em português, a desinência verbal esconde os pronomes. Esses resultados não se referem especificamente à complexidade dos textos. 16

17 Etapa 3: Aprendizagem de máquina ANÁLISE 2: MÉTRICAS DOS TEXTOS ORIGINAIS X MÉTRICAS DOS TEXTOS TRADUZIDOS Lê-se: o índice mais distintivo entre textos originais e textos traduzidos é o índice Flesch: quando menor ou igual a 46, indica textos traduzidos, o que indica textos difíceis. O índice Flesch é o único que classifica a complexidade de um texto por si só; por isso a importância deste resultado. 17

18 Etapa 3: Aprendizagem de máquina ANÁLISE 3: MÉTRICAS DOS TEXTOS ORIGINAIS EM PORTUGUÊS X MÉTRICAS DOS TEXTOS TRADUZIDOS PARA O PORTUGUÊS Lê-se: a métrica mais distintiva entre textos originais em ptg e textos traduzidos para o ptg é o índice Flesch: quando menor ou igual a 51,53, os textos foram classificados como traduzidos. Isso indica textos difíceis e que os textos originalmente escritos em ptg são mais fáceis. 18

19 Etapa 3: Aprendizagem de máquina ANÁLISE 4: MÉTRICAS DOS TEXTOS ORIGINAIS EM INGLÊS X MÉTRICAS DOS TEXTOS TRADUZIDOS PARA O INGLÊS Lê-se: a métrica mais distintiva entre textos originais em inglês e textos traduzidos para o inglês é a incidência de sintagmas nominais. A questão da complexidade do texto não aparece de forma clara aqui, somente aspectos puramente sintáticos/coesivos. 19

20 Exercício A partir da leitura realizada, na sua opinião, a avaliação da complexidade de um texto envolve que aspectos textuais e/ou linguísticos? Observe a tabela no slide 25: de acordo com o Inaf, 46% da população brasileira entre 15 e 64 anos tem nível de letramento básico. Na sua opinião, levando em conta os dois estudos descritos, em que medida o tradutor deve levar em conta o letramento dos leitores ao delinear estratégias de tradução? 20