Prévia do material em texto
Anais do IX Encontro do CELSUL Palhoça, SC, out. 2010 Universidade do Sul de Santa Catarina 1 O SOFTWARE ELAN COMO FERRAMENTA PARA TRANSCRIÇÃO, ORGANIZAÇÃO DE DADOS E PESQUISA EM AQUISIÇÃO DA LÍNGUA DE SINAIS Karina Elis CHRISTMANN∗ Franz Kafka Porto DOMINGOS∗∗ Janine Soares de OLIVEIRA∗∗∗ Ronice Müller de QUADROS∗∗∗∗ ABSTRACT: Researchers in the linguistic area can study more and more data with the technology’s development. The oral languages databases exist and they have advanced, mainly on the writing register. In sign languages, specially, Brazilian Sign Language – Libras, still was missing data and strategies to respect the visual spatial modality. So, the investigators of the research group “Acquisition in Brazilian Sign Language" at UFSC University are doing a database with Brazilian Sign Language videos. For this task are using ELAN, a multimedia’s annotation software, developed by Max Planck Psycholinguistics Institute. ELAN allows creation, edition, visualization in video files and audio files. ELAN presents transcriptions associated with the video. Each selected annotation allows search and find a part of video and the researcher can see the video in a synchronized time. This software is an important advance in the sign language's acquisition investigations. KEYWORDS: ELAN; Database; Libras Acquisition. 1. Introdução A presente pesquisa é fruto de um trabalho que fora iniciado utilizando artefatos atualmente rústicos, um aparelho de VHS conectado a uma televisão, onde o pesquisador assistia aos vídeos e realizava seus registros em um documento de texto. Devido ao aumento do volume de dados, iniciou-se uma busca por recurso tecnológico que oferecesse suporte para atender as especificidades da transcrição de uma língua visual espacial como é o caso da Língua Brasileira de Sinais – Libras. Em suas buscas por tal tecnologia, a professora Ronice Quadros, pesquisadora chefe do grupo de pesquisa em “Aquisição da Língua Brasileira de Sinais”, encontrou o software ELAN, uma ferramenta que permite ao usuário fazer anotações sincronizadas a um vídeo selecionado. Este recurso possibilitou a coleta sistematizada de um corpus de mídias áudios-visuais de crianças em fase de aquisição da linguagem, mais especificamente em fase de aquisição de Libras. Estas crianças são surdas ou ouvintes com diferentes históricos familiares, podendo ter pais surdos ou ouvintes. Para investigar a aquisição da linguagem das crianças são realizadas filmagens de encontros semanais delas com seus pais e professores de modo a favorecer um contexto natural de interação. ∗ Transcritora e analista de dados do Projeto de Pesquisa em Aquisição da Língua Brasileira de Sinais. Graduanda em Letras Libras da Universidade Federal de Santa Catarina. ∗∗ Bolsista CNPQ do Projeto de Pesquisa em Aquisição da Língua Brasileira de Sinais. Mestrando em Estudos da Tradução da Universidade Federal de Santa Catarina. ∗∗∗ Assistente de Pesquisa do Projeto de Pesquisa em Aquisição da Língua Brasileira de Sinais. Doutoranda em Estudos da Tradução da Universidade Federal de Santa Catarina. ∗∗∗∗ Pesquisadora chefe do Projeto de Pesquisa em Aquisição da Língua Brasileira de Sinais. Professora Pós- doutora do Centro de Comunicação e Expressão da Universidade Federal de Santa Catarina. Anais do IX Encontro do CELSUL Palhoça, SC, out. 2010 Universidade do Sul de Santa Catarina 2 A fim de constituir um banco de dados consistente o grupo está constantemente buscando aperfeiçoamento, principalmente no que se refere à padronização das transcrições. Pois a padronização gera dados mais confiáveis e favorece a exploração adequada das ferramentas de busca do ELAN. Para isso, os transcritores reúnem-se semanalmente e a partir das convenções do grupo está desenvolvendo um software denominado Identificador de Sinais. O Identificador de Sinais tem como principal objetivo facilitar o acesso aos nomes que identificam os sinais e divulgar estes dados para transcritores de outros grupos no Brasil. 2. ELAN – Eudico Linguistic Annotator ELAN é a denominação mais conhecida de Eudico Linguistic Annotator, um software desenvolvido na Holanda pelo Instituto de Psicolinguística Max Planck que permite a criação, edição, visualização e busca de anotações através de dados de vídeo e áudio. Além do ELAN existem outros programas de transcrição de dados como BTS, File Make Pro e SignStream. A principal vantagem do ELAN é que ele é gratuito, pode ser baixado da internet e tem versões compatíveis com Windows, Linux e Mac. O ELAN favorece a transcrição de vídeos, pois, permite modo de visualização de uma timeline (semelhante aos programas de edição de vídeo) na qual se pode realizar anotações em linhas, denominadas trilhas. Nas trilhas de anotações, os trechos transcritos estão associados a trechos dos vídeos, permitindo um número ilimitado de registros. As trilhas de anotações são criadas e nomeadas pelos pesquisadores em função dos objetivos de sua pesquisa. No caso da pesquisa com línguas de sinais podem ser utilizadas, por exemplo, linhas para anotações das glosas (anotações específicas de elementos isolados para fazer referência a outro texto), tradução para português ou outro idioma, marcações não-manuais, sons associados à produção de sinais, descrição do contexto de interação, comentários, entre outros. Cada anotação selecionada permite a localização e exibição do vídeo de maneira sincronizada. Com o ELAN, o transcritor pode rever e até mesmo alterar uma anotação específica sem ter que exibir todo o vídeo, basta selecionar o texto em um dos modos de visualização disponíveis (grade, texto, legenda). Além disso, é possível visualizar até quatro janelas com vídeos distintos destacando os trechos de interesse. Outra característica que se deve destacar no ELAN é o fato de ser um software de fácil utilização, com constantes atualizações, além de possibilitar o acesso às discussões de outros usuários em um fórum dinâmico disponibilizado na página oficial do software. O manual completo do ELAN e o fórum podem ser acessados em <http://www.lat-mpi.eu/tools/elan/ >. Esta ferramenta constitui-se em um grande avanço na investigação das Línguas de Sinais em geral, e em particular, nas pesquisas em Aquisição da Língua de Brasileira de Sinais - Libras conforme tem se vivenciado no grupo de pesquisa coordenado pela professora Ronice Quadros. As transcrições inicialmente eram realizadas utilizando-se fitas de vídeo, papel e caneta, desta forma, o trabalho era pouco produtivo, pois se perdiam informações pelo fato de ser mais cansativo e demorado. O professor Tarcísio de Arantes Leite confirma experiência semelhante vivenciada enquanto transcritor em um grupo de pesquisa que participava na Universidade de São Paulo: [...] depois nós começamos a trabalhar, iniciamos com fita de vídeo cassete, antigamente sabe, colocava fita de vídeo e assistia pela televisão. Era ruim, porque ficava passando os vídeos e às vezes precisava voltar, antigamente a fita era ruim. Trabalhamos assim durante seis meses e parecia que tinha um limite, ficávamos atentos, mas, preocupados em perder informações porque precisava transcrever tudo: a expressão, os olhos, a boca, cabeça, expressão corporal, enfim, mas pela televisão perdia muita informação, nós percebemos que tinha um limite, Anais do IX Encontro do CELSUL Palhoça, SC, out. 2010 Universidade do Sul de Santa Catarina 3 precisávamos melhorar estas transcrições, mas como? Então o professor começou pesquisar, procurar um programa que fosse possível transcrever língua de sinais, ele encontrou alguns softwares utilizados em diferentes lugares do mundo. [...] nós percebemos que o ELAN era melhor que os outros. (Entrevista traduzida da Libras para o português por Karina Elis Christmann, Universidade Federal de Santa Catarina, 28 de maio de2010). Com o uso do ELAN não é mais necessário o transcritor utilizar televisão, vídeo cassete, papel e caneta. Pelo fato de ser um software gratuito e utilizado em qualquer computador, o transcritor pode baixar em seu computador pessoal e realizar as atividades no ambiente que lhe for mais favorável, como por exemplo, em sua casa, com horários flexíveis. Além de melhorar a qualidade de trabalho, também agiliza a análise dos dados aumentando a satisfação do transcritor que comprova quase que imediatamente a importância de sua atividade, devido às análises e os resultados apresentados por pesquisadores. Além disso, as filmagens realizadas em fitas VHS Compact geravam mais um complicador, o armazenamento dos vídeos. As diversas fitas ocupavam muito espaço em nas prateleiras e também necessitavam de equipamentos especiais para convertê-las para o computador. Graças ao avanço da tecnologia, hoje as novas filmadoras são Full HD, com imagens de alta definição e os vídeos são armazenados em gavetas HD e em servidor próprio do grupo. 3. Explorando os recursos do software para melhor análise de dados O software ELAN pode ser instalado gratuitamente no computador do usuário interessado. Para isso, basta acessar a página oficial do software <http://www.lat- mpi.eu/tools/elan/> e proceder segundo as instruções. Ao acessar o software pela primeira vez será exibida uma tela default (figura 1). Fig. 1 – Tela default do ELAN. Para criar um novo projeto será necessário localizar o vídeo que se deseja transcrever (Figuras 2 e 3). Cada projeto no ELAN consiste de pelo menos dois arquivos: um ou mais arquivos de mídia(s), e um arquivo de anotação. O arquivo de mídia deve estar configurado Anais do IX Encontro do CELSUL Palhoça, SC, out. 2010 Universidade do Sul de Santa Catarina 4 em *.mpg ou se houver mais arquivos de vídeos em (*. mov, *. etc); e/ou um arquivo de áudio (*. wav). O arquivo de vídeo permite visualizar o vídeo e ouvir o som. No caso de vários arquivos de vídeo, será reproduzido o áudio do primeiro vídeo selecionado. A experiência do grupo de pesquisa em Aquisição de Língua Brasileira de Sinais da UFSC tem demonstrado que a melhor especificação técnica para o vídeo é a extensão *.mpg por apresentar melhor sincronia de exibição dos vídeos dentro do ELAN. Fig. 2 – Abrindo um novo projeto Fig. 3 – Associando um vídeo ao projeto O novo projeto terá apenas uma linha de anotação default (Figura 4). Cada pesquisador pode definir o conjunto de trilhas que vai utilizar. Depois de definido o conjunto de trilhas, este pode ser salvo como “modelo”. Esse recurso que o software oferece poupa o trabalho de criar trilhas cada vez que uma nova transcrição é iniciada (Figuras 5 e 6). Anais do IX Encontro do CELSUL Palhoça, SC, out. 2010 Universidade do Sul de Santa Catarina 5 Fig. 4 – Ao abrir novo arquivo exibe trilha default Fig. 5 – Associando um modelo pré-existente a um vídeo para novo projeto de transcrição O modelo utilizado atualmente pelo grupo de pesquisa em aquisição da Libras da UFSC constitui-se das trilhas especificadas abaixo: � LSB Utterance (Enunciado em Língua Brasileira de Sinais): Representação de enunciados sinalizados, havendo convenções do grupo para gestos (g), emblemas (e) e apontações (IX). � BP Free Translation (tradução livre para o português brasileiro): Tradução da produção em sinais ou fala para o português brasileiro interpretado em um dado contexto, pode incluir informações que não estejam explícitas no enunciado e que correspondem a um enunciado produzido em ambas as línguas ou partes em cada Anais do IX Encontro do CELSUL Palhoça, SC, out. 2010 Universidade do Sul de Santa Catarina 6 língua. A tradução pode ser mais completa do que o enunciado, mas não precisa estar no português formal. � English Free Translation (tradução livre para o inglês): Tradução da produção em sinais ou fala para o inglês, geralmente é uma tradução do BP Free Translation. � LSB Individual (sinais individuais): Cada enunciado sinalizado é subdividido em sinais individuais: isto é geralmente feito de forma semi-automática pelo ELAN (tokenização da linha do enunciado em sinais), com pontos iniciais/finais ajustados manualmente. � 2nd Hand (segunda mão): Quando sinais diferentes são produzidos pelas duas mãos simultaneamente, os sinais da mão não-dominante são colocados na linha 2nd hand (segunda mão), mostrando sua extensão. � LSB pho (fonologia da Língua Brasileira de Sinais): Se alguma coisa incomum acontecer com a estrutura do sinal, coloca-se a descrição na linha LSB pho ou na 2nd Hand, se o sinal for realizado na segunda mão. Também quando o sinal não está claro (transcrito YYY ou com [?]), acrescenta-se as informações fonológicas na linha LSB pho de tal forma que se possa identificar o sinal. � BP Utterance (enunciado no Português Brasileiro): Um enunciado falado é representado por uma anotação nesta linha, sem utilizar qualquer tipo de pontuação. � BP Individual (português individual): Cada enunciado falado é subdividido em termos individuais: isto é geralmente feito de forma semi-automática pelo ELAN (tokenização da linha do enunciado em sinais), com pontos iniciais/finais ajustados manualmente. � BP pho (fonologia do Português Brasileiro): Se a criança usa uma pronúncia incomum, transcrevê-la corretamente na linha BP pho. � Comment (comentário): Esta é uma linha para qualquer coisa que seja considerada relevante mencionar. Nesta linha poderão ser anotadas informações, caso o transcritor não esteja seguro sobre alguma coisa, se houver algum dado sobre o contexto do vídeo que pode ser útil para o entendimento do discurso, se quiser que algo seja revisado por outra pessoa, entre outras que não estejam associadas com uma sentença particular. � Feedback: Esta linha é incluída apenas no estágio da revisão. É usada pelos revisores para anotar mudanças potenciais que os transcritores devem checar. Cada trilha utilizada no modelo atual tem um papel diferente na pesquisa de dados e estão em inglês devido à parceria existente entre pesquisadores brasileiros e americanos – Chen-Pichler; Hochgesang; Lillo-Martin & Quadros (in press). No projeto também são convencionados alguns símbolos para a identificação do tempo do sinalizante/falante, como pausa (#), interrupção (/ ou //), repetição (+) e sinais estáticos (_). Também em palavras obscuras (não claras[?] e não identificadas XXX ou Anais do IX Encontro do CELSUL Palhoça, SC, out. 2010 Universidade do Sul de Santa Catarina 7 mesmo não identificadas, mas que podem oferecer uma informação YYY) sendo que as informações devem ser acrescentadas na trilha ‘pho’. Fig. 6 – Novo projeto com base em modelo de trilhas pré-determinado As trilhas podem ser criadas de forma independente ou o pesquisador pode determinar uma relação de dependência entre elas. Neste caso, uma anotação só pode ser feita na trilha dependente se tiver algum registro na trilha mãe, por exemplo, o pesquisador pode associar a tradução de um enunciado à trilha de transcrição das glosas, que no caso será a trilha mãe. O ELAN possibilita ainda outros recursos técnicos como a pré-determinação de vocabulários controlados e/ou do tipo linguístico de cada trilha. 4. Os avanços do grupo de pesquisa em aquisição de Libras com o uso do software ELAN A investigação em aquisição de Libras, assim como a aquisição de uma língua oral necessita de um banco de dados sistematizado semelhante aos existentes em língua portuguesa, por exemplo. Como não havia este banco, a professora Ronice Quadros iniciou a coleta de dados de crianças de zero a quatro anos em fase de aquisição da linguagem. Os dados coletados passam a fazer parte de um banco de dados que é composto de vídeos, com aproximadamente quarenta e cinco minutos cada, e suas respectivas transcrições. Estacoleta é feita desde 1994 com dados de produção espontânea em crianças adquirindo a Libras constituindo o corpus de aquisição de Libras. Essa produção espontânea ocorre em interações das crianças com suas famílias, colaboradoras do projeto, são, ora com adulto surdo ora com adulto ouvinte, podendo haver outros participantes. Estes são filmados em ambiente familiar para que não haja estranhamento para a criança e que a comunicação aconteça de forma natural. Confirmando a afirmação de Vygotsky (1984) de que a aprendizagem é um fenômeno grupal, os instrumentos Anais do IX Encontro do CELSUL Palhoça, SC, out. 2010 Universidade do Sul de Santa Catarina 8 culturais que irão permitir o pleno desenvolvimento da criança, respeitando-se suas diferenças e singularidades. Antes do uso do ELAN as transcrições eram registradas em um documento de texto comum. Essas glosas eram discutidas pelo grupo de pesquisa com base nos dados das próprias crianças. Ao definir a glosa para um determinado sinal, fotografava-se o vídeo da própria criança para identificar o sinal e registrar o nome eleito para ser utilizado pelos transcritores. No entanto, os vários arquivos gerados facilitavam a perda de informações e o trabalho se tornava cansativo pelo fato de ter que utilizar vários recursos tais como, descrição das ações, fotos e desenhos, na tentativa de representar dados de uma língua de modalidade viso- espacial, como é o caso de Libras. Em uma viagem à Alemanha em 2004, a pesquisadora responsável, Ronice Quadros, conheceu o ELAN. A partir de 2006, o grupo de pesquisa passou a utilizar o software na transcrição dos dados. O professor Tarcísio Leite, atual professor do curso Letras Libras – UFSC foi convidado a ministrar um mini curso para os pesquisadores da UFSC, sobre sua experiência com o uso do ELAN em seu doutoramento na USP. Iniciando as transcrições através do ELAN, percebeu-se que o armazenamento de dados ficou mais rápido e eficiente. Atualmente o banco de dados digital possui vídeos de crianças surdas com pais surdos, criança ouvinte com pai surdo, criança surda com implante coclear e com pais ouvintes, criança surda com pais ouvintes, criança com implante coclear e com pais surdos, criança ouvinte com pais surdos. Em termos quantitativos tem-se 439 sessões coletadas, com cerca de 45 minutos cada, que totalizam um banco de aproximadamente 329 horas de vídeos. Este banco de dados que continua em expansão, pois no momento são realizadas coletas de três crianças e com possibilidades de novos participantes, cada vez que amplia seus dados aumenta a probabilidade resultados mais confiáveis nas investigações, mas também dificulta o trabalho de tratamento dos dados pelo pesquisador. Com o uso do ELAN foi dado um passo importante na solução desta dificuldade, pois o software possibilita a busca automática de termos, semelhante a um editor de texto, como word, por exemplo. Nas investigações em aquisição de Libras é imprescindível a busca e localização dos sinais para que seja efetuada a análise do processo de aquisição. Como ainda não foi explorada uma tecnologia que permita busca de imagens pré-definidas pelo usuário, a associação do vídeo a um termo e a localização automática deste termo e de todas as suas ocorrências em uma transcrição contribui para o trabalho do pesquisador na análise dos dados. De posse dos dados o pesquisador pode escolher qual o foco de sua investigação. Assim, atualmente, a professora Ronice Quadros em parceria com as pesquisadoras americanas Débora Chen-Pichler e Diane Lillo-Martin, investiga o desenvolvimento bilíngüe bimodal de crianças expostas à língua de sinais e à língua oral, mais especificamente, crianças ouvintes filhas de surdos e crianças surdas com implante coclear. Em relação a isso, o ELAN é especialmente útil para a codificação de enunciações discursivas bimodais bilíngues, distribuindo-as em camadas enfileiradas separadas tanto para as sinalizações quanto para as falas, mas, podendo ser conectadas com o vídeo para quantos participantes forem necessários. A figura número sete abaixo, apresenta uma visão geral do ambiente de trabalho do ELAN com a apresentação de uma parte das transcrições das enunciações em língua de sinais, sua tradução para o português e posteriormente para o inglês. Anais do IX Encontro do CELSUL Palhoça, SC, out. 2010 Universidade do Sul de Santa Catarina 9 Fig. 7 – Tela do ELAN visualização com vídeo, modelo de trilhas e transcrições 5. Perspectivas de avanço na sistematização dos dados O entendimento do processo de aquisição bilíngue bimodal tem especial impacto na educação de surdos e de crianças surdas com implante coclear. O estudo de crianças ouvintes, filhas de pais surdos, adquirindo língua de sinais e língua falada simultaneamente tornam-se referência para o estudo em crianças surdas com implante coclear que estejam crescendo bilíngues. Nosso estudo examina as habilidades linguísticas na fala e nos sinais. Conforme anteriormente citado, com o uso do ELAN, todos os dados são transcritos utilizando palavras do português em letra maiúscula que nomeiam sinais por meio de glosas, como por exemplo: CARRO, MESA, NÃO-QUERER. Esse uso se justifica, uma vez que o uso de palavras escritas com sistema alfabético é compatível com o ELAN permitindo que pesquisadores realizem busca de termos específicos e localizem todas suas ocorrências. Dessa forma, os ‘nomes’ atribuídos aos sinais precisam ser escolhidos de forma apropriada e, se possível ter um correspondente em escrita de sinais. Este movimento de escolha e padronização dos nomes já se iniciou no Brasil, por meio da elaboração um software livre denominado Identificador de Sinais. Ao usar um sistema computacional espera-se tornar ainda mais eficiente o sistema de busca de fenômenos lingüísticos, que apresentará dados mais consistentes, tornando os resultados das investigações ainda mais confiáveis. O Identificador de Sinais é mais um recurso tecnológico relevante para o tratamento de dados em língua de sinais, pois pelo fato da Libras ter sido reconhecida e oficializada há pouco tempo, ainda existem lacunas nas investigações sobre esta língua, como por exemplo, as características que diferenciam sinais – considerados lingüísticos – emblemas e gestos. Grosso modo, sinais seriam os correspondentes a palavras da língua portuguesa; emblemas seriam gestos relativamente convencionados por um grupo de falantes, por exemplo, de uma região, ou mesmo país; e gestos seriam os inteligíveis tanto por pessoas surdas, quanto por Anais do IX Encontro do CELSUL Palhoça, SC, out. 2010 Universidade do Sul de Santa Catarina 10 pessoas ouvintes sem associação com uma língua de sinais sistematizada. Portanto, ao propor o Identificador de Sinais, aumenta-se a consistência das glosas associadas a cada sinal. O Identificador de Sinais está sendo desenvolvido e vai compor, inicialmente, os nomes dos sinais mais recorrentes nos dados das crianças bilíngues bimodais. Ao surgir um novo sinal os transcritores participantes do grupo brasileiro de pesquisa em aquisição de língua de sinais da UFSC, deverão propor uma nova glosa e o grupo que administra o sistema avalia com surdos pesquisadores a sugestão e passa a integrá-la na versão proposta ou na versão modificada pelo grupo administrador. Para a inserção de uma nova glosa são considerados critérios lingüísticos e o conjunto de glosas que compõe o Identificador de Sinais. O Identificador de Sinais se destaca pela proposta de um sistema de busca que além de oferecer a possibilidade de localização de um termo por seu nome em português, possibilitará também a busca pelos parâmetros do sinal, isto é, pelas características visuais do sinal. O sistema de busca por parâmetros do sinal, inicialmente, terá dois filtros de busca: a configuração de mão inicial do sinal e a localização do sinal. O resultado da busca apresentará umatela com o nome que identifica o sinal em português, o vídeo do sinal e a tradução do nome que o identifica para inglês. Atualmente o sistema está disponível somente para pesquisadores do grupo que o acessam mediante login e senha pessoais, pois ainda está em fase de aperfeiçoamento, no entanto, em breve, será disponibilizado em página da internet com livre acesso a pesquisadores que poderão se cadastrar para envio de sugestões entre outras possibilidades de interação. Assim, todos aqueles que estiverem transcrevendo sinais no Brasil poderão utilizar o mesmo nome que identifica um determinado sinal tornando as transcrições de Libras ainda mais consistentes e padronizadas. Referências Chen Pichler, D.; Hochgesang, J.; Lillo-Martin, D.; Quadros, R. (in press). Conventions for Sign and Speech Transcription in Child Bimodal Bilingual Corpora. In Acquisition d’une langue des signes comme langue première / Acquiring sign language as a first language. Special Issue of Language, Interaction and Acquisition 1:1 (2010), by Sallandre, Marie-Anne and Marion Blondel (eds.) [LIA 1:1]. John Benjamins Publishing Company, scheduled to be published in September 2010. HELLWING, B. Manual do ELAN. <http://www.lat-mpi.eu/tools/elan/>. Acesso em maio 2010. LEITE, T. A. Tarcísio de Arantes Leite: depoimento [maio de 2010]. Entrevistadora: Karina Elis Christmann. Florianópolis: UFSC, 2010. Duração: 7 minutos. QUADROS, R. M. de. Identificador de sinais para banco de dados de aquisição de língua de sinais. Projeto distribuído para o Grupo de Transcritores e colaboradores do projeto. Universidade Federal de Santa Catarina Florianópolis, Brasil, 2010. ___________; PIZZIO, A. L. Língua Brasileira de Sinais IV. Vídeo Aula do 5º Período do Curso de Letras Libras à Distância da Universidade Federal de Santa Catarina – UFSC, 2009. VYGOTSKY, L. S. A Formação Social da Mente. São Paulo: Martins Fontes, 1984