validar estrutura de metadados

[juliana-gurgel]

• corrigir title_por_orig em Casasnovas2006:2:6:20
• corrigir casos análogos nessa lenda
• Casasnovas2006:3:9:33 etc.
• incluir title = TODO em Rodrigues1890:1-1-2:101:101
• substituir text_por_orig_sec por text_por_sec em Casasnovas2006:4:8:43 (@juliana-gurgel , orig 'original' e sec 'secundário' são incompatíveis entre si, ver Qual a diferença entre texto primário e texto secundário? #443 )
• fazer essa substituição em todos os demais casos
• verificar via script se há mais casos para corrigir

@leoalenc , na anotação das lendas de Casasnovas (2006), comecei a adotar a seguinte estrutura de metadados como base:

sent_id = Casasnovas2006:11:18:149
text = Amuramé, paá, uyaxiú yumasí irumu.
text_eng = TODO
text_por = As vezes chorava porque estava com fome.
text_source = p. 95, No. 25
text_orig = Amuramé, paá, uyaxiú yumasí irumu.
text_sec = Amuramé paá uyaxiú yumasí irumu.
text_por_sec = Às vezes ele chorava de fome.
text_sec_source = Avila (2021)
text_por_sec_source = Avila (2021)
text_annotator = Juliana Lopes Gurgel
title = Kurasí resewara
title_orig = Kurasí Resewara
title_por_orig = História do Sol
title_eng = Story of the Sun
aknowledgement = DACILAT Project, FAPESP's Process No. 2022/09158-5

Passei a utilizar essa estrutura a partir da sentença Casasnovas2006:11:16:147. Posso seguir assim?

[leoalenc]

@leoalenc , na anotação das lendas de Casasnovas (2006), comecei a adotar a seguinte estrutura de metadados como base:

sent_id = Casasnovas2006:11:18:149
text = Amuramé, paá, uyaxiú yumasí irumu.
text_eng = TODO
text_por = As vezes chorava porque estava com fome.

@juliana-gurgel , falta mesmo a crase aqui? Esta página falta no PDF.

text_source = p. 95, No. 25
text_orig = Amuramé, paá, uyaxiú yumasí irumu.
text_sec = Amuramé paá uyaxiú yumasí irumu.
text_por_sec = Às vezes ele chorava de fome.
text_sec_source = Avila (2021)
text_por_sec_source = Avila (2021)
text_annotator = Juliana Lopes Gurgel
title = Kurasí resewara
title_orig = Kurasí Resewara
title_por_orig = História do Sol

@juliana-gurgel , de modo geral, só faz sentido o sufixo orig se divergimos no atributo respectivo. Por exemplo, em Casasnovas2006:1:1:1, title difere do que está em Casasnovas (2006, p. 64), pelos critérios de normalização que temos adotado:

# title = Urubú, wirawasú
# title_orig = Urubú, Wirá-Wasú

Via de regra, quando divergimos de algo citado, reproduzimos o original em atributo com sufixo orig, em se tratando de fonte primária, como neste caso.

title_eng = Story of the Sun
aknowledgement = DACILAT Project, FAPESP's Process No. 2022/09158-5

Passei a utilizar essa estrutura a partir da sentença Casasnovas2006:11:16:147. Posso seguir assim?

@juliana-gurgel , veja minhas respostas acima. A rigor, só precisamos informar metadados de título na primeira sentença de cada lenda.
Deve haver muitas incoerências a serem corrigidas no treebank. Se encontrar alguma coisa estranha, abra issue neste repositório.

[leoalenc]

@juliana-gurgel , pode deixar a repetição dos metadados de título se já tiver feito isso. Apenas é uma redundância que podemos evitar para ter menos trabalho. Um script pode inserir esses dados, por exemplo.

[juliana-gurgel]

@juliana-gurgel , falta mesmo a crase aqui? Esta página falta no PDF.

Sim. Segue a foto da página. Assim que possível, vou escanear o meu livro para termos a obra completa em PDF.

[leoalenc]

@juliana-gurgel , falta mesmo a crase aqui? Esta página falta no PDF.

Sim. Segue a foto da página. Assim que possível, vou escanear o meu livro para termos a obra completa em PDF.

@juliana-gurgel , então text_por_orig reproduz o teor literal do n° 25 dessa página, ao passo que text_por introduz a versão corrigida, ou seja, com crase. Via de regra, devemos adotar uma visão bem liberal (e fiel) aos textos originais, incluindo o atributo text_por_orig apenas no caso de erros ortográficos ou tipográficos óbvios. Só pra confirmar, você pode postar aqui os metadados atualizados dessa sentença bem como as de n° 23 e 24?

[juliana-gurgel]

p. 95, No. 23-24

sent_id = Casasnovas2006:11:17:148
text = Nhaã pukusá, paá, Teyú raíra mirĩ, teité, arupí upunhẽ-punhẽ ukara rupí, i manha usú pukusá kupixá kití.
text_eng = TODO
text_por = Enquanto o filhinho do Calango, coitado, ficava engatinhando pelo terreiro quando sua mãe ia na roça.
text_por_orig = Enquanto o filhinho do Calango, coitado, ficava engatilhando pelo terreiro quando sua mãe ia na roça.
text_source = p. 95, No. 23-24
text_orig = Nhaã pukusá, paá, Teyú raíra mirí, teité, arupí upunhépunhé ukara rupí, imanha usú pukusá kupixá kití.
text_annotator = Juliana Lopes Gurgel
aknowledgement = DACILAT Project, FAPESP's Process No. 2022/09158-5

p. 95, No. 25

sent_id = Casasnovas2006:11:18:149
text = Amuramé, paá, uyaxiú yumasí irumu.
text_eng = TODO
text_por = Às vezes chorava porque estava com fome.
text_por_orig = As vezes chorava porque estava com fome.
text_source = p. 95, No. 25
text_orig = Amuramé, paá, uyaxiú yumasí irumu.
text_sec = Amuramé paá uyaxiú yumasí irumu.
text_por_sec = Às vezes ele chorava de fome.
text_sec_source = Avila (2021)
text_por_sec_source = Avila (2021)
text_annotator = Juliana Lopes Gurgel
aknowledgement = DACILAT Project, FAPESP's Process No. 2022/09158-5

@juliana-gurgel , veja minhas respostas acima. A rigor, só precisamos informar metadados de título na primeira sentença de cada lenda.

Obrigada, professor. Da lenda 11 em diante, vou registrar os metadados de título dessa maneira que o senhor orienta. Os metadados das lendas anteriores deixo para corrigirmos automaticamente, como o senhor sugeriu.

[leoalenc]

Relaciona-se com #443.

[leoalenc]

@juliana-gurgel , substituí _orig_sec por _sec nos atributos das histórias de Casasnovas (2006), pois um texto não pode ser secundário e original ao mesmo tempo.