La risa en palabras: estudio contrastivo de la audiodescripción en inglés y en español de cuatro comedias cinematográficas Misterio a bordo (2019), Misterio a la vista (2023), Tiempo para mí (2022) y Hombre de Toronto
Notice bibliographique
Résumé
Este trabajo analiza la reexpresión de la narrativa humorística de la AD en inglés y en español de las comedias Misterio a bordo (Newacheck, 2019), Misterio a la vista (Garelick, 2023), Tiempo para mí (Hamburg, 2022) y El hombre de Toronto (Hughes, 2022). Este estudio ha revelado que la AD en comedias une lo visual y lo acústico y opera como una creación artística autónoma que reinterpreta el humor en un nuevo sistema semiótico. En la traducción audiovisual (TAV), la AD hace accesible los productos audiovisuales para personas con discapacidad visual (CocBV). El traslado de la comedia presenta desafíos únicos, pues combina códigos acústicos (sonidos, diálogos humorísticos, juegos de palabras) y códigos visuales (expresiones faciales, gestos). El propósito es describir cómo se reinterpreta el humor en estos códigos acústicos y cómo estas decisiones afectan la construcción del discurso cómico en cada idioma. Mediante un estudio de caso múltiple, se analizaron las AD en inglés y en español de estas comedias. Los resultados evidencian cinco hallazgos. Primero, la AD describe y reexpresa significados, captando ironía y otros matices del humor. Segundo, en ocasiones transgrede normas para preservar la intención cómica. Tercero, adapta elementos humorísticos visuales y auditivos para mantener la intención original del director. Cuarto, la omisión o simplificación de detalles puede alterar el efecto cómico previsto. Finalmente, se identificaron diferencias culturales y lingüísticas entre las versiones en inglés y en español, demostrando cómo el contexto influye en la representación del humor, lo que resalta la AD como un proceso creativo esencial en la comedia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».