Translating a country: a study of the translation of cultural markers in Portuguese/English parallel corpora from texts about the Brazilian population census
Bibliographic record
Abstract
Este trabalho apresenta um estudo da tradução para a língua inglesa de textos dos tipos release jornalístico e questionário, relativos ao Censo Demográfico 2010 e disponibilizados no website do Instituto Brasileiro de Geografia e Estatística (IBGE), com ênfase nas soluções tradutórias dadas aos vocábulos considerados marcadores culturais, pertencentes aos domínios da cultura ecológica, ideológica, material e social (AUBERT, 1981, 2006). Tomando como arcabouço teórico os Estudos da Tradução Baseados em Corpus (ETBC) (BAKER, 1993, 1995, 1996; CAMARGO, 2005, 2007), fundamentos da Linguística de Corpus (BERBER SARDINHA, 2000, 2004), e fazendo uso do programa WordSmith Tools, foram analisadas as soluções adotadas, à luz das modalidades de tradução de Aubert (1998), e identificados traços característicos da linguagem da tradução (BAKER, 1996), a saber: explicitação, normalização e simplificação, no corpus traduzido. Também foram feitas comparações com corpora de mesma temática formados por textos originalmente escritos em inglês e obtidos dos websites dos institutos internacionais US Census Bureau e Statistics Canada. Os resultados apontam os domínios da cultura social e ideológica como os mais e os menos frequentes, respectivamente, nas traduções. Os marcadores de maior chavicidade foram indígenas, nos releases, e município, no questionário. Quanto às modalidades, as mais recorrentes nos textos analisados foram: omissão, tradução literal, modulação e transposição. Dada a reduzida presença das características da tradução no questionário, este aspecto foi analisado a partir de exemplos dos releases, apenas, sendo a explicitação a marca menos observada, e a normalização, a característica mais presente nos textos. A comparação com os corpora dos institutos internacionais supracitados evidenciou a existência de três palavras-chave coincidentes nos releases census, population e household(s) e de apenas uma palavra-chave no caso do questionário person(s). As opções tradutórias adotadas para os marcadores culturais no texto do IBGE não foram encontradas nos corpora comparáveis.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.065 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.005 | 0.011 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".