Incompatibilidades intersemióticas em memes: um estudo a partir de resultados de tradução automática do inglês para o português
DOI:
https://doi.org/10.5281/zenodo.8364495Resumo
O objetivo deste trabalho é apresentar achados recentes acerca do uso de resultados do Google Tradutor em contextos multimodais. O desenvolvimento e avaliação de tradução automática frequentemente enfocam o componente linguístico, contudo há pouca exploração manual de relações texto-imagem em documentos multimodais. Assim, este trabalho busca descrever algumas relações texto-imagem em memes do inglês traduzidos automaticamente para o português. A metodologia envolve a seleção e análise de 100 memes, encontrados em páginas do Instagram e do Facebook e suas relações intersemióticas tanto em inglês (como texto-fonte) como em português (como texto-alvo). Dos memes analisados, 73% resultaram em traduções corretas, 17% tiveram erros sem qualquer tipo de incompatibilidade intersemiótica, e apenas 10% apresentaram um desvio linguístico que alterou a relação entre texto e imagem do meme. Desses 10% de incompatibilidades, emergiram amostras de incompatibilidades envolvendo, por exemplo i) palavras incorretas e relação aditiva; e ii) palavra desconhecida e homoespacialidade. Ao fim, os resultados encontrados demonstram que a tradução automática de alguns memes, cuja relação semântica entre texto e imagem compartilham maior congruência, apresentam um número maior de incompatibilidades em comparação com aqueles em que isso não acontece.
Downloads
Referências
BANITZ, B. Tradução automática: uma análise crítica do desempenho da tradução automática estatística e baseada em regras. Cadernos de Tradução, v. 40, n. 1, p. 54–71, 22 jan. 2020.
BATEMAN, J. A. Multimodality and Genre: A Foundation for the Systematic Analysis of Multimodal Documents. New York: Palgrave MacMillan, 2008.
CAGLAYAN, O. et al. Does Multimodality Help Human and Machine for Translation and Image Captioning? Proceedings of the First Conference on Machine Translation: Volume 2, Shared Task Papers, p. 627–633, 2016.
CAGLAYAN, O. Multimodal Machine Translation. Computation and Language [cs.CL]—[s.l.] Université du Maine, 2019.
CALIXTO, I.; LIU, Q. An error analysis for image-based multi-modal neural machine translation. Machine Translation, v. 33, n. 1, p. 155–177, 2019.
DORR, B. Solving thematic divergences in machine translation. Proceedings of the 28th Annual Meeting of the Association for Computational Linguistics. Pittsburgh, Pennsylvania, USA: Association for Computational Linguistics, jun. 1990. Disponível em: http://www.aclweb.org/anthology/P90-1017. Acesso em: 26 out. 2021.
DRIP. In: DICIONÁRIO Informal. [S.n.: S.l.], 2021. Disponível em: https://www.dicionarioinformal.com.br/drip/ . Acesso em: 25 maio 2021.
FARRÚS, M.; COSTA-JUSSÀ, M. R.; MORSE, M. P. Study and correlation analysis of linguistic, perceptual, and automatic machine translation evaluations. Journal of the American Society for Information Science and Technology, v. 63, n. 1, p. 174–184, jan. 2012.
HEO, Y.; KANG, S.; YOO, D. Multimodal Neural Machine Translation With Weakly Labeled Images. IEEE Access, v. 7, p. 54042–54053, 2019.
HIRASAWA, T. et al. Multimodal Machine Translation with Embedding Prediction. Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Student Research Workshop. Anais...Minneapolis, Minnesota: Association for Computational Linguistics, jun. 2019. Disponível em: <https://www.aclweb.org/anthology/N19-3012>. Acesso em: 13 abr. 2020
JURAFSKY, D.; MARTIN, J. H. Speech and language processing: An introduction to natural language processing, computational linguistics, and speech recognition. 3rd. ed. Upper Saddle River, N.J.: Prentice Hall., 2021.
KAMEYAMA, M.; OCHITANI, R.; PETERS, S. Resolving Translation Mismatches With Information Flow. Proceedings of the Annual Meeting of the Association for Computational Linguistics ACL91. 1991.
KRESS, G.; VAN LEEUWEN, T. Reading images: the grammar of visual design. 2. ed. London: Routledge, 2006.
LIU, Y.; O’HALLORAN, K. L. Intersemiotic texture: analyzing cohesive devices between language and images. Social Semiotics, Abingdon, v. 19, n. 4, p. 1-40, 2009.
PAPADOPOULOU, A. Automatic Error Detection and Correction in Neural Machine Translation : A comparative study of Swedish to English and Greek to English. Master’s Thesis—[s.l.] Uppsala University, Department of Linguistics and Philology, 2019.
PIRES, T. B.; ESPINDOLA, A. V S. Aproximando resultados de tradução automática e imagens em documentos multimodais. Cadernos de Tradução, Florianópolis, v. 41, n.2, p.85-108, 2021. Disponível em: https://periodicos.ufsc.br/index.php/traducao/article/view/75483/46513. Acesso em: 24 ago. 2021.
PIRES, T. B. Ampliando olhares sobre a tradução automática online: um estudo exploratório de categorias de erros de máquina de tradução gerados em documentos multimodais. 2017. Tese (Doutorado em Ciência da Informação) – Universidade de Brasília, Brasília.
QUAH, C. K. Translation and technology. Houndmills [England] ; New York: Palgrave Macmillan, 2006.
Downloads
Publicado em
Como Citar
Seção
Licença
© 2023 Revista Letras Raras
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
