segmentação errada de sentenças da Lenda 12 de Casasnovas (2006)

[leoalenc]

• A segunda sentença do segmento n° 30 da p. 99 continua no segmento seguinte, o de n° 31, constituindo uma única sentença. Portanto, Casasnovas2006:12:29:195 deve ser modificada para incluir numa única sentença o que se encontra em Avila2021:2:1:10.
• O mesmo para n° 32 e 33.
• Atentar para consistência da anotação entre essas sentenças e as correspondentes de Avila (2021), salvo no que tange ao fato de que sentenças independentes de Avila (2021) serão juntadas. Atentar também para a nossa política de adaptação ortográfica mais conservadora.
• verificar se esse erro ocorreu em outras sentenças de Casasnovas (2006)

@juliana-gurgel , tome como ponto de partida a versão que se encontra neste repositório, pois editei várias sentenças das que você anotou.

[leoalenc]

@juliana-gurgel , no seu repositório, encontrei o seguinte:

Kurukuí uwitá yepé rwaxara kití uyeréu yepé pirantá turusú waá, aeté kwa sera Kurukuí.
# Kurukuí nadou para o lado esquerdo transformando-se na cachoeira chamada Kurukuí.
# Kurukuí swam to the left side transforming into the waterfall called Kurukuí. 

Ou seja, você já tinha feito a identificação correta das sentenças. Parece que isso afeta todas as sentenças atualmente no presente repositório desprovidas de ponto final (#555 ).

[leoalenc]

Relaciona-se com #555.

[juliana-gurgel]

A segunda sentença do segmento n° 30 da p. 99 continua no segmento seguinte, o de n° 31, constituindo uma única sentença. Portanto, Casasnovas2006:12:29:195 deve ser modificada para incluir numa única sentença o que se encontra em Avila2021:2:1:10.

Professor @leoalenc, vi no treebank do CompLin que Avila2021:2:1:10 é a segunda sentença do segmento nº 30, p. 99, e Avila2021:2:2:11 é a sentença do segmento de n° 31. Percebi que, em Casasnovas (2006), na segunda sentença do segmento nº 30, falta a pontuação após kití. Embora as sentenças apareçam na tradução do autor como partes da mesma sentença, fiz a segmentação depois de ver que no treebank do CompLin as duas apareciam como sentenças independentes.

Seguindo o raciocínio, fiz o mesmo com as sentenças dos segmentos:

• n° 32 (esta eu não incuí no Nheengabank porque seria idêntica a Avila2021:18:1:175, mas mencionei-a nos metadados da sentença Casasnovas2006:12:28:194)
• n° 33 (Casasnovas2006:12:29:195 e Avila2021:18:2:176 )

Se, mesmo assim, for necessária a correção, posso fazer a correção e enviar aqui nesta issue, por comentário, para o senhor validar antes de eu subir para o Nheengabank?
--------------------------------------------

Ou seja, você já tinha feito a identificação correta das sentenças. Parece que isso afeta todas as sentenças atualmente no presente repositório desprovidas de ponto final (#555 ).

Professor, quando fiz a nova segmentação desta sentença, fiz a correção no meu repositório, mas acabei não atualizando-o. Inclusive, na mesma ocasião, alterei a segmentação de sentenças posteriores a esta. Foi até bom não ter subido ainda essas sentenças para o repositório do Nheengabank, pois fiz a atualização da Lenda 12 no repositório e, assim, o senhor pode conferir se a segmentação está correta antes da anotação.

[leoalenc]

@juliana-gurgel , a segmentação de Avila (2021) frequentemente discrepa do original. Ora ele junta coisas que estão separadas, ora separa o que está junto nos textos originais, entre várias outras intervenções, conforme explica na sua tese. É por isso que ele coloca a abreviatura adapt. na maioria de seus exemplos. Portanto, os exemplos de Avila (2021) refletem uma outra realidade linguística, representando uma linguagem normatizada, gerando a necessidade de incluir no treebank as sentenças originais com suas respectivas anotações. Nosso propósito difere o de Avila (2021). Com nosso treebank, pretendemos facilitar o estudo por meios computacionais da evolução histórica do nheengatu e da sua variação dialetal, além de implementar um parser robusto capaz de lidar com a diversidade da língua em textos reais.
Acredito que foi a intenção de Casasnovas (2006), ao não incluir ponto final em 30 da lenda 12, que 31 seria a continuação dessa sentença, não obstante 31 iniciar por maiúscula. Do mesmo modo, 32 e 33 constituem uma única sentença. A tradução dele corrobora isso. Assim, precisamos incluir estas duas sentenças no nosso treebank: (i) 31-32, (ii) 33-34. O seu outro repositório implementava essa minha visão.
Então delego a você as tarefas acima.

[juliana-gurgel]

Assim, precisamos incluir estas duas sentenças no nosso treebank: (i) 31-32, (ii) 33-34. O seu outro repositório implementava essa minha visão.
Então delego a você as tarefas acima.

Professor @leoalenc , considerando a sua explicação, gostaria de consultar o senhor sobre esta proposta de segmentação das últimas sentenças da Lenda 12:

Casasnovas2006:12:26:192 (p. 99, No. 28-30):

# text_orig = Aintá umuramunha pukusawa, paá, ií upurakái aintá igara upé, Ape, paá, aintá uyupipika paraná pitérupi, Aintá uyupirú ta uwitá.
# text_por = Durante a luta, as canoas começaram a se encher de água, Até que todos se alagaram no meio do rio, E começaram a nadar.
# cross_reference = Avila2021:30:1:346, Avila2021:30:2:347

Casasnovas2006:12:27:193 (p. 99, No. 30-31):

# text_orig = Kurukuí uwitá yepé rwaxara kití Uyeréu yepé pirantá turusú waá, aeté kwa sera Kurukuí.
# text_por = Kurukuí nadou para o lado esquerdo Transformando-se na cachoeira chamada Kurukuí.
# cross_reference = Avila2021:2:1:10, Avila2021:2:2:11

Casasnovas2006:12:28:194 (p. 99, No. 32-33):

# text_orig = Buburi, kirimbawa piri, uwitá amú ruaxara kití Uyeréu amú pírantá turusú piri, sera Buburi.
# text_por = Buburi, o mais forte guerreiro, nadou para o outro lado E tornou-se a enorme cachoeira de Buburi.
# cross_reference = Avila2021:18:1:175, Avila2021:18:2:176

Casasnovas2006:12:29:195 (p. 99, No. 34):

# text_orig = Adana, paá, uyupipika paraná pitérupi uyeréu yepé kapwamu, sera waá Adana.
# text_por = Adana se alagou no meio dos dois e transformou-se na ilha que hoje chamamos Adana.

Casasnovas2006:12:30:196 (p. 100, No. 35):

# text_orig = Yawé resewara nhaã musapiri, paá, iké pawaté ta uikú, yané tawa upé.
# text_por = Dizem que até hoje os três continuam vivendo naquele lugar.
# next = Avila2021:0:0:517

A sentença do segmento, No. 36, p. 100, abaixo, não será incluída no Nheengabank, pois já está no treebank do CompLin (Avila2021:0:0:517). Mencionei-a no metadado next da sentença Casasnovas2006:12:30:196 :

Mukũi kurumĩ-wasú kirimbawaitá ta upitá ta umanhana uikú kwa kunhã-mukú puranga.
Os dois moços guerreiros são os guardas da bela moça.

Casasnovas2006:12:31:197 (p. 100, No. 37-38):

# text_orig = Kuxiíma miraitá ta usú muíri akayú nhaã kapuamu kití ta uyaxiú umandwari ramé Adana, Asuí ta uyuíri umunhã arã dabukurí Kurukuí iwí-kwí upé.
# text_por = Outrora todos os anos ia o povo à ilha chorar a lembrança da Adana, Em seguida atravessavam a cachoeira Kurukuí e faziam dabukurí na praia.

Casasnovas2006:12:32:198 (p. 100, No. 39):

# text_orig = Iké, yané tawa upé, "São Gabriel da Cachoeira", panhé yandé yamandwari kwa kunhã-mukú puranga, sera waá ADANA.
# text_por = Nesta nossa cidade de São Gabriel da Cachoeira, continua viva a lembrança de ADANA, A MAIS BELA MOÇA DO RIO NEGRO.

[leoalenc]

@juliana-gurgel , bom trabalho. Obrigado. Minhas observações:
os segmentos 39 e 40 do original formam uma única sentença, assim como as respectivas traduções. Do mesmo modo 37 e 38.

[leoalenc]

@juliana-gurgel , como estamos realizando uma normalização ortográfica tanto do original quanto da tradução, conforme
a nossa política mais conservadora, não vamos deixar palavra no meio de sentença com inicial maiúscula, salvo nos casos em que isso ocorreria caso Casasnovas escrevesse a sentença junta. Ou seja, ao juntarmos sentenças, fazemos a normalização da caixa do texto.

[leoalenc]

Tirando essas observações, @juliana-gurgel , está tudo correto. Mas poste aqui, por favor, a versão a ser anotada pra eu dar mais uma olhada.

[juliana-gurgel]

@leoalenc, vi que em Avila2021:2:2:11 o senhor anotou aité como dislocated. Li a documentação de UD e, ainda assim, fiquei com dúvida. Por isso, gostaria de pedir a sua opinião sobre esta outra análise.

Casasnovas2006:12:27:193 (p. 99, No. 30-31):

# sent_id = Casasnovas2006:12:27:193
# text = Kurukuí uwitá yepé ruaxara kití uyeréu yepé pirantá turusú waá, aité kwá sera Kurukuí.
# text_eng = TODO
# text_por = Kurukuí nadou para o lado esquerdo transformando-se na cachoeira chamada Kurukuí.
# text_source = p. 99, No. 30-31
# text_orig = Kurukuí uwitá yepé rwaxara kití uyeréu yepé pirantá turusú waá, aeté kwa sera Kurukuí.
# text_annotator = Juliana Lopes Gurgel
# text_sec =  Kurukuí uwitá yepé ruaxara kití. Uyeréu yepé pirantá turusú waá, aité kwá sera Kurukuí.
# text_por_sec = Kurukuí nadou para um lado. Virou uma grande cachoeira, o nome dessa é Kurukuí.
# text_sec_source = Avila (2021)
# text_por_sec_source = Avila (2021)
# cross_reference = Avila2021:2:1:10, Avila2021:2:2:11
# acknowledgement = DACILAT Project, FAPESP's Process No. 2022/09158-5
# inputline = Kurukuí uwitá yepé/art ruaxara/n kití uyeréu yepé/art pirantá/n turusú/a waá, aité kwá/demx sera/n+ncont Kurukuí.
1	Kurukuí	kurukuí	PROPN	PROPN	_	2	nsubj	_	TokenRange=0:7
2	uwitá	witá	VERB	V	Mood=Ind|Person=3|VerbForm=Fin	0	root	_	TokenRange=8:13
3	yepé	yepé	PRON	ART	Definite=Ind|PronType=Art	4	det	_	TokenRange=14:18
4	ruaxara	suaxara	NOUN	N	Number=Sing|Rel=Cont	2	obl	_	TokenRange=19:26
5	kití	kití	ADP	ADP	AdpType=Post	4	case	_	TokenRange=27:31
6	uyeréu	yeréu	VERB	V	Mood=Ind|Person=3|VerbForm=Fin	2	parataxis	_	TokenRange=32:38
7	yepé	yepé	DET	ART	Definite=Ind|PronType=Art	8	det	_	TokenRange=39:43
8	pirantá	pirantá	NOUN	N	Number=Sing	6	xcomp	_	TokenRange=44:51
9	turusú	turusú	ADJ	A	_	8	acl:relcl	_	TokenRange=52:58
10	waá	waá	PRON	REL	Number=Sing|PronType=Rel	9	nsubj	_	SpaceAfter=No|TokenRange=59:62
11	,	,	PUNCT	PUNCT	_	15	punct	_	TokenRange=62:63
12	aité	aité	PRON	EMP	PronType=Emp	14	nsubj	_	TokenRange=64:68
13	kwá	kwá	DET	DEMX	Deixis=Prox|Number=Sing|PronType=Dem	12	det	_	TokenRange=69:72
14	sera	sera	NOUN	N	Number=Sing|Number[psor]=Sing|Person[psor]=3|Rel=NCont	15	nsubj	_	TokenRange=73:77
15	Kurukuí	kurukuí	PROPN	PROPN	_	6	parataxis	_	SpaceAfter=No|TokenRange=78:85
16	.	.	PUNCT	PUNCT	_	2	punct	_	SpaceAfter=No|TokenRange=85:86

[juliana-gurgel]

Tirando essas observações, @juliana-gurgel , está tudo correto. Mas poste aqui, por favor, a versão a ser anotada pra eu dar mais uma olhada. - @leoalenc

Casasnovas2006:12:26:192 (p. 99, No. 28-30):

# text = Aintá umaramunha pukusawa, paá, ií upurakari aintá igara upé, ape, paá, aintá uyupipika paraná pitérupi, aintá uyupirú ta uwitá.
# text_orig = Aintá umuramunha pukusawa, paá, ií upurakái aintá igara upé, ape, paá,aintá uyupipika paraná pitérupi, aintá uyupirú ta uwitá.
# text_por = Durante a luta, as canoas começaram a se encher de água, até que todos se alagaram no meio do rio, e começaram a nadar.
# cross_reference = Avila2021:30:1:346, Avila2021:30:2:347

Casasnovas2006:12:27:193 (p. 99, No. 30-31):

# text = Kurukuí uwitá yepé ruaxara kití uyeréu yepé pirantá turusú waá, aité kwá sera Kurukuí.
# text_orig = Kurukuí uwitá yepé rwaxara kití uyeréu yepé pirantá turusú waá, aeté kwa sera Kurukuí.
# text_por = Kurukuí nadou para o lado esquerdo transformando-se na cachoeira chamada Kurukuí.
# cross_reference = Avila2021:2:1:10, Avila2021:2:2:11

Casasnovas2006:12:28:194 (p. 99, No. 32-33):

# text = Buburi, kirimbawa piri, uwitá amú ruaxara kití uyeréu amú pirantá turusú piri, sera Buburi.
# text_orig = Buburi, kirimbawa piri, uwitá amú ruaxara kití uyeréu amú pírantá turusú piri, sera Buburi.
# text_por = Buburi, o mais forte guerreiro, nadou para o outro lado e tornou-se a enorme cachoeira de Buburi.
# cross_reference = Avila2021:18:1:175, Avila2021:18:2:176

Casasnovas2006:12:29:195 (p. 99, No. 34):

# text = Adana, paá, uyupipika paraná pitérupi uyeréu yepé kapuãmu, sera waá Adana.
# text_orig = Adana, paá, uyupipika paraná pitérupi uyeréu yepé kapwamu, sera waá Adana.
# text_por = Adana se alagou no meio dos dois e transformou-se na ilha que hoje chamamos Adana.

Casasnovas2006:12:30:196 (p. 100, No. 35):

# text = Yawé resewara nhaã musapiri, paá, iké pawa tẽ ta uikú, yané tawa upé.
# text_orig = Yawé resewara nhaã musapiri, paá, iké pawaté ta uikú, yané tawa upé.
# text_por = Dizem que até hoje os três continuam vivendo naquele lugar.
# next = Avila2021:0:0:517

A sentença do segmento, No. 36, p. 100, abaixo, não será incluída no Nheengabank, pois já está no treebank do CompLin (Avila2021:0:0:517). Mencionei-a no metadado next da sentença Casasnovas2006:12:30:196 :

Mukũi kurumĩ-wasú kirimbawaitá ta upitá ta umanhana uikú kwa kunhã-mukú puranga.
Os dois moços guerreiros são os guardas da bela moça.

Casasnovas2006:12:31:197 (p. 100, No. 37-38):

# text = Kuxiima mira-itá ta usú muíri akayú nhaã kapuãmu kití ta uyaxiú umandwari ramé Adana, asuí ta uyuíri umunhã arã dabukurí Kurukuí iwikuí upé.
# text_orig = Kuxiíma miraitá ta usú muíri akayú nhaã kapuamu kití ta uyaxiú umandwari ramé Adana, asuí ta uyuíri umunhã arã dabukurí Kurukuí iwí-kwí upé.
# text_por = Outrora todos os anos ia o povo à ilha chorar a lembrança da Adana, em seguida atravessavam a cachoeira Kurukuí e faziam dabukurí na praia.

Casasnovas2006:12:32:198 (p. 100, No. 39-40):

# text_orig = Iké, yané tawa upé, "São Gabriel da Cachoeira", panhé yandé yamandwari kwa kunhã-mukú puranga, sera waá ADANA.
# text_por = Nesta nossa cidade de São Gabriel da Cachoeira, continua viva a lembrança de ADANA, A MAIS BELA MOÇA DO RIO NEGRO.

[leoalenc]

@juliana-gurgel , tudo certo. Ótimo trabalho.