O processo tradutório em contexto jornalístico: a tradução e a transedição na redação

O interesse pela área de investigação de tradução em jornalismo aumentou após o projeto Translation in Global News da Universidade de Warwick em 2006. No entanto, esta é uma área ainda pouco explorada pelos Estudos de Tradução, tal como afirma van Doorslaer (2010), e como se pode comprovar no contexto português, pelo número escasso de trabalhos publicados. O presente estudo pretende analisar o processo de tradução em contexto jornalístico recorrendo, para tal, a uma metodologia com base nas abordagens cognitivas em Estudos de Tradução. Através da gravação de ecrã, foi possível observar, em tempo real, o processo de criação do texto jornalístico de jornalistas da redação do jornal online Observador. Desta maneira, procura-se enquadrar o conceito de transedição, proposto por Stetting (1989). Além disso, espera-se compreender a pertinência das abordagens cognitivas enquanto ferramentas que permitem melhor compreender os processos mentais tradutórios e a aplicabilidade das estratégias propostas por Hursti (2001) na tradução em jornalismo.

Text mining e twitter : o poder das redes sociais num mercado competitivo

Actualmente, com a massificação da utilização das redes sociais, as empresas passam a sua mensagem nos seus canais de comunicação, mas os consumidores dão a sua opinião sobre ela. Argumentam, opinam, criticam (Nardi, Schiano, Gumbrecht, & Swartz, 2004). Positiva ou negativamente. Neste contexto o Text Mining surge como uma abordagem interessante para a resposta à necessidade de obter conhecimento a partir dos dados existentes. Neste trabalho utilizámos um algoritmo de Clustering hierárquico com o objectivo de descobrir temas distintos num conjunto de tweets obtidos ao longo de um determinado período de tempo para as empresas Burger King e McDonald’s. Com o intuito de compreender o sentimento associado a estes temas foi feita uma análise de sentimentos a cada tema encontrado, utilizando um algoritmo Bag-of-Words. Concluiu-se que o algoritmo de Clustering foi capaz de encontrar temas através do tweets obtidos, essencialmente ligados a produtos e serviços comercializados pelas empresas. O algoritmo de Sentiment Analysis atribuiu um sentimento a esses temas, permitindo compreender de entre os produtos/serviços identificados quais os que obtiveram uma polaridade positiva ou negativa, e deste modo sinalizar potencias situações problemáticas na estratégia das empresas, e situações positivas passíveis de identificação de decisões operacionais bem-sucedidas.