Transletters. International Journal of Translation and Interpreting 8 (2024), pp. 1-30 ISSN 2605-2954
Análisis de sentimiento y caracterización de Sheldon
Cooper en el doblaje italiano de The Big Bang Theory
Un enfoque con modelos GPT
Anna Perrone
Universidad de Valladolid
Recibido: 10/6/2024
Aceptado: 20/9/2024
Resumen
Este estudio analiza el impacto del doblaje en la representación de Sheldon Cooper en
The Big Bang Theory, utilizando análisis de sentimientos con modelos GPT de OpenAI.
Mediante técnicas avanzadas de procesamiento de lenguaje natural (PLN), se comparan
las expresiones emocionales de los diálogos en inglés e italiano, destacando diferencias
y similitudes clave. Los resultados indican que el análisis de sentimiento puede mejorar
significativamente la calidad del doblaje, ofreciendo una representación más auténtica y
emocionalmente coherente del personaje. Este enfoque enfatiza la importancia de
preservar los matices emocionales y las peculiaridades idiosincráticas de los personajes
en la traducción audiovisual.
Palabras clave
Análisis de sentimientos, Caracterización, The Big Bang Theory, Procesamiento de
lenguaje natural, Doblaje
Abstract
This study examines the impact of dubbing on the portrayal of Sheldon Cooper in The
Big Bang Theory, using sentiment analysis with OpenAI's GPT models. Through
advanced natural language processing (NLP) techniques, it compares the emotional
expressions in the English and Italian dialogues, highlighting key differences and
similarities. The results suggest that sentiment analysis can significantly enhance the
quality of dubbing, providing a more authentic and emotionally coherent representation
of the character. This approach underscores the importance of preserving emotional
nuances and the idiosyncratic peculiarities of characters in audiovisual translation.
Keywords
Sentiment Analysis, Characterization, The Big Bang Theory, Natural Language Processing,
Dubbing
Anna Perrone
2
1. Introducción
El doblaje es una modalidad compleja de traducción audiovisual que implica la
transferencia de texto, emociones y significados culturales. En este contexto, se
realiza el análisis de sentimientos de Sheldon Cooper, icónico personaje de la
serie The Big Bang Theory (Lorre y Prady, 2007-2019), empleando herramientas de
inteligencia artificial basadas en la tecnología Generative Pre-trained Transformer
(GPT).
Sheldon, conocido por su comportamiento excéntrico y su agudo intelecto,
plantea desafíos particulares para la percepción emocional de su personaje en el
doblaje italiano, en contraste con la versión original en inglés. Utilizando técnicas
avanzadas de procesamiento de lenguaje natural (PLN), esta investigación
examina de manera exploratoria cómo la polaridad (emociones positivas,
negativas o neutras) y la subjetividad (opiniones y juicios personales) de sus
diálogos influyen en la recepción y caracterización del personaje.
Aunque se trata de un análisis inicial con un número limitado de líneas de
diálogo, este estudio ofrece una visión novedosa sobre el uso de modelos GPT
en la evaluación del doblaje, resaltando cómo estos enfoques pueden aportar
nuevas perspectivas para mejorar la adaptación de personajes en contextos
audiovisuales. Los hallazgos abren la puerta a investigaciones futuras más
amplias sobre el impacto del doblaje en la percepción emocional de los
personajes.
2. El doblaje en la traducción audiovisual
El doblaje es fundamental en la traducción audiovisual, ya que permite que
audiencias de diversas lenguas y culturas accedan a contenidos audiovisuales.
Esta técnica no solo facilita la comprensión, sino que también influye
significativamente en la percepción del contenido, afectando a la recepción
emocional y la caracterización de los personajes. Chaume (2004, 2012) sostiene
que el doblaje debe mantener la coherencia semiótica entre la versión original y
la doblada, asegurando que tanto las emociones como los significados se
conserven. Gottlieb (2005) amplía esta perspectiva argumentando que este
Análisis de sentimiento y caracterización de Sheldon Cooper
3
proceso trasciende la simple transducción lingüística e involucra la transferencia
de significados y emociones a través de múltiples canales semióticos. Por lo
tanto, el doblaje en la traducción audiovisual requiere una atenta consideración
de factores semióticos para mantener la carga emocional y cultural original.
La integración del análisis de sentimientos mediante herramientas avanzadas de
PLN, como los modelos GPT, representa un progreso significativo en este
ámbito. Estas herramientas permiten evaluar con precisión cómo se transfieren
las emociones y las características de los personajes durante el doblaje, elevando
la calidad y fidelidad del producto final. Es posible realizar un análisis detallado
de los diálogos con estos modelos avanzados que asegurándonos que la versión
doblada ofrece una experiencia emocionalmente resonante y culturalmente
coherente con la original.
3. Análisis de sentimientos y procesamiento de lenguaje natural (PLN)
El análisis de sentimiento, una rama especializada de PLN, facilita la
identificación y categorización de emociones en textos. Algunos modelos de
PLN avanzados han demostrado ser altamente efectivos para detectar matices
emocionales, como evidencian estudios recientes (Frangidis, Georgiou y
Papadopoulos, 2020; Lei y Liu, 2021; Kheiri y Karimi, 2023; Rathje et al., 2023).
Estos modelos pueden analizar diálogos y guiones para discernir emociones
subyacentes y matices contextuales, asegurando que las versiones dobladas
conserven la intención emocional del original.
En el análisis de sentimiento se emplean tanto enfoques supervisados como no
supervisados. El enfoque supervisado se basa en términos predefinidos con
valoraciones emocionales y requiere datos etiquetados para perfeccionar los
modelos, ofreciendo alta precisión en contextos donde la identificación precisa
de sentimientos es crucial (Lei y Liu, 2021). En contraste, el enfoque no
supervisado se sirve de un léxico específico de emociones para categorizar
estados emocionales sin necesidad de etiquetas previas, lo que resulta útil para
analizar grandes volúmenes de datos textuales (Liu, 2020).
Un enfoque híbrido proporciona precisión y flexibilidad a la hora de manejar los
datos semiestructurados típicos de redes sociales y de reseñas en línea (Lei y Liu,
2021). Esta metodología es especialmente valiosa para el análisis de doblaje,
donde los diálogos varían en estructura y contexto emocional, facilitando una
mejor adaptación a los matices culturales y lingüísticos en las versiones dobladas.
Anna Perrone
4
3.1 Dominios del análisis de sentimientos
Internet se ha convertido en una fuente fundamental de información que destaca
por la abundancia y variedad de contenido textual en blogs, foros y redes
sociales, donde prevalecen opiniones, comentarios y reseñas de usuarios (Tan,
Lee y Lim, 2023). La vasta cantidad de datos y la diversidad de fuentes hacen
necesario el empleo de herramientas avanzadas para extraer, analizar y comparar
expresiones emocionales. El análisis de sentimientos es ahora una elección
estratégica para las empresas que busquen una retroalimentación sobre los
productos o la imagen de una marca, y para los consumidores que necesitan un
consejo para comprar, salir o para organizar un viaje.
Este enfoque también tiene un valor incalculable también para grupos de
encuestas que analizan reacciones del mercado y predicen resultados electorales
(Karoui, Benamara y Moriceau, 2019; Bordoloi y Biswas, 2023), así como para
la monitorización y gestión de la percepción pública, del servicio al cliente y del
análisis político (Haselmayer y Jenny, 2016; Gunasekaran, 2023; Sandoval-
Almazan y Valle-Cruz, 2018). Este proceso permite evaluar cómo una
organización, persona o marca es percibida en diversos canales de comunicación,
lo cual posibilita una respuesta proactiva ante situaciones que puedan afectar su
reputación. Las marcas obtienen información valiosa sobre la percepción de los
consumidores (Fornari et al., 2019), ajustar estrategias empresariales y tomar
decisiones clave (Rambocas y Pacheco, 2018; Wankhade, Rao y Kulkarni, 2022).
En el sector del entretenimiento, resulta esencial para evaluar las reacciones del
público a películas y programas de televisión, guiando decisiones de marketing y
contenido (Lu y Wu, 2019). La detección rápida de comentarios negativos en
canales masivos de comunicación permite una respuesta oportuna, mejorando la
satisfacción del cliente (Al-Otaibi, 2018; Kumar, Yadava y Roy, 2019).
Recientes estudios han ampliado el uso del análisis de sentimientos al ámbito de
la literatura y la narrativa audiovisual, evidenciando su utilidad en la evaluación
de contenidos (Benlahbib y Nfaoui, 2021; Amalia et al., 2018). Investigaciones
enfocadas en la comprensión de las emociones en textos literarios (Jacobs, 2019;
Viola, 2023), su aplicación en series y películas (Rocchi, 2022; Frangidis,
Georgiou y Papadopoulos, 2020), y la detección de emociones en el habla y en
publicaciones de Twitter mediante modelos GPT (Mairano, Zovato y Quinci,
2018; Kheiri y Karimi, 2023) destacan la versatilidad del análisis de sentimientos
en los campos de la literatura, la lingüística y la comunicación.
Análisis de sentimiento y caracterización de Sheldon Cooper
5
3.2 Modelos GPT para el análisis de sentimientos en el doblaje
Los modelos GPT, una familia de redes neuronales basadas en transformadores,
han supuesto un avance significativo en el campo de la inteligencia artificial (IA)
por su capacidad para comprender contextos complejos y detectar emociones
sutiles en los diálogos. En este estudio, se emplearon herramientas específicas
como GPT-4 de OpenAI (Data Analyst), seleccionadas por su capacidad para
realizar análisis de sentimientos avanzados. También se utilizaron variantes
personalizadas desarrolladas por terceros y disponibles en la tienda de OpenAI,
lo que permitió una aproximación más flexible y adaptada a las necesidades del
estudio.
El análisis de sentimientos mediante GPT-4 se realizó utilizando Python, un
lenguaje ampliamente adoptado en el campo de la inteligencia artificial por su
entorno flexible y robusto. Python permite implementar modelos como GPT-4
y ofrece compatibilidad con bibliotecas adicionales, como TextBlob, que
complementan el análisis de sentimientos. Mientras que GPT-4 ofrece un
análisis contextual profundo, captando matices emocionales complejos en los
textos, TextBlob se basa en un enfoque de léxicos predefinidos, facilitando un
análisis más estructurado y cuantificable. TextBlob genera dos tipos principales
de puntuaciones: la polaridad, que mide el tono emocional del texto en una escala
que va de -1 (muy negativo) a 1 (muy positivo), y la subjetividad, que evalúa el
grado en que el texto refleja opiniones personales o juicios subjetivos en una
escala de 0 (muy objetivo) a 1 (muy subjetivo).
Los resultados se visualizan mediante tablas y gráficos que ofrecen una visión
clara de las diferencias en la traducción y adaptación del tono emocional en los
diálogos del personaje Sheldon en la versión italiana, en comparación con la
original en inglés.
3.3 Aplicación del análisis de sentimientos en el guion
Aplicar el análisis de sentimientos a los guiones de doblaje es esencial para
evaluar la transmisión de emociones y su impacto en la caracterización de los
personajes. Chaume (2004, 2012) destaca la importancia de mantener la
coherencia emocional en el doblaje, señalando que cualquier discrepancia puede
alterar significativamente la percepción de los personajes por parte del público.
Anna Perrone
6
Este enfoque no solo analiza las palabras con carga emocional, positiva o
negativa, sino que también tiene en consideración el contexto y los matices del
lenguaje, actuando como puente entre los datos textuales y las emociones
subyacentes.
Las herramientas avanzadas de PLN, como los modelos GPT, han demostrado
gran eficacia en detectar matices emocionales en los textos porque comprenden
contextos complejos y captan emociones sutiles (Rahman et al., 2020). A
diferencia de la introspección lingüística tradicional, que depende de la
percepción subjetiva del analista, los modelos computacionales ofrecen un
método objetivo y basado en datos para el análisis de sentimientos (Jacobs,
2019), revolucionando el análisis del discurso mediante una perspectiva
cuantitativa y detallada de las emociones y actitudes expresadas.
Esta técnica se puede ajustar a diversos niveles de análisis, desde una visión
global de un documento hasta el examen detallado de palabras individuales,
permitiendo una adaptación precisa a las necesidades específicas de cada
investigación. Por ejemplo, al analizar el guion de The Big Bang Theory,
diferenciamos cuatro niveles: guion, escena, línea de diálogo y “aspecto” del
personaje. Nos centramos en dos niveles al analizar los diálogos de Sheldon: la
línea de diálogo y el “aspecto” del personaje. En el nivel de línea de diálogo,
efectuamos un análisis minucioso de las frases específicas de Sheldon para captar
las emociones expresadas, evitando distorsiones por elementos narrativos más
amplios y proporcionando una comprensión precisa de la transmisión emocional
en el doblaje. En el nivel de “aspecto” del personaje, analizamos cómo se
retratan las características emocionales y conductuales distintivas de Sheldon y
su impacto en la percepción del personaje, lo que ayuda a comprender cómo sus
rasgos determinantes influyen en su caracterización y cómo esto puede ser
percibido por la audiencia italiana.
4. Caracterización de personajes
The Big Bang Theory es una serie ampliamente reconocida dentro del género de la
comedia de situación, destacada por su ingenioso humor basado en referencias
científicas, así como por sus personajes distintivos y complejas dinámicas
emocionales. Estrenada en 2007 y con una duración de 12 temporadas, se
convirtió en un fenómeno global, atrayendo a millones de espectadores y
recibiendo múltiples premios, incluidos varios Emmy. La serie explora las
Análisis de sentimiento y caracterización de Sheldon Cooper
7
interacciones de un grupo de amigos con intereses académicos y científicos, lo
que la diferencia de otras comedias de situación tradicionales al incorporar
elementos del mundo geek y científico en sus tramas. Comprender cómo estas
interacciones y las emociones complejas que emergen de ellas se traducen en el
doblaje, así como su influencia en la caracterización y percepción de los
personajes, resulta fundamental para entender el impacto que tienen en la
recepción de la serie.
Culpeper (2001) define la caracterización como el proceso mediante el cual se
forman impresiones sobre los personajes en la mente de los espectadores, un
proceso influenciado por una amplia gama de señales presentes en la narrativa,
como los atributos explícitos e implícitos de los personajes y las dinámicas de las
interacciones entre ellos. Esta visión sugiere que la caracterización va más allá de
la simple presentación de atributos, implicando la percepción y la interpretación
activa del espectador.
Autores como Bednarek (2011), Galán Fajardo (2005) y Seger (1990) enfatizan
la importancia de cómo se comunican y reciben los rasgos de los personajes y su
impacto en el desarrollo narrativo, así como en la creación de una representación
mental en el espectador. Estos aspectos son fundamentales para una traducción
efectiva y emotiva en el doblaje, asegurando que la esencia de cada personaje se
mantenga intacta en las versiones en otros idiomas.
Por otro lado, McKee (2021) señala que la habilidad de los personajes para
evocar respuestas emocionales en el público es clave para la inmersión narrativa.
Esta conexión se logra no solo a través de situaciones extraordinarias, sino
también mediante la presentación de figuras tridimensionales cuyas
personalidades y conflictos resultan creíbles y coherentes dentro de su universo
ficticio. La armonía entre el mundo ficticio y las cualidades palpables y realistas
de los protagonistas permite a los espectadores sumergirse plenamente en la
historia, suspendiendo su incredulidad.
5. Metodología
Este estudio aplica técnicas avanzadas de análisis de sentimientos basadas en
GPT para evaluar la caracterización de Sheldon Cooper en el doblaje italiano de
The Big Bang Theory. La integración de sistemas avanzados de inteligencia artificial
(IA), como ChatGPT de OpenAI, marca un hito en la investigación,
Anna Perrone
8
demostrando un nivel de coherencia en la generación de texto y resolución de
preguntas cercano al humano (Alonso-Arévalo y Quinde, 2023).
Para guiar el análisis, empleamos prompts específicos que están diseñados para
extraer información relevante sobre el personaje. Estos prompts, instrucciones o
preguntas dirigidas al modelo GPT, orientan su generación de texto y respuestas,
permitiendo analizar en detalle aspectos específicos de la caracterización de
Sheldon, como su interacción social, comportamiento y rutinas, humor y
comunicación, intereses personales y profundidad emocional (Torres-Salinas y
Arroyo-Machado, 2023).
Dicha metodología basada en prompts desbloquea el potencial de GPT-4 para
proporcionar análisis detallados y contextualizados de los personajes, mejorando
nuestra comprensión de sus dimensiones más complejas. Al aplicar este enfoque,
no solo capturamos las manifestaciones explícitas de sus personalidades, sino
que también descubrimos sutilezas en sus conflictos y transformaciones. Un
análisis meticuloso como este profundiza en la experiencia narrativa global,
ofreciendo una representación más rica y matizada. Además, destaca la
importancia de considerar las diferencias culturales y lingüísticas en el doblaje
para garantizar una resonancia auténtica con audiencias diversas.
5.1 Análisis de sentimientos en el estudio de Sheldon Cooper
Para responder a la pregunta ¿Cómo se traduce la compleja caracterización de
Sheldon Cooper al doblaje italiano?, realizamos un análisis de sentimientos
enfocado en “aspectos” específicos de su caracterización. Se utilizaron los
guiones originales de la segunda temporada de la serie y se aplicó el prompt
“Realiza el análisis de sentimientos por aspecto (caracterización) de Sheldon”
con el modelo GPT-4. Este proceso permitió identificar patrones de
comportamiento y rasgos de personalidad clave en Sheldon, capturando de
manera integral los matices de su caracterización y seleccionando las líneas de
diálogo más representativas de cada aspecto.
Las dimensiones clave identificadas comprenden el aspecto cognitivo, que
resalta la notable inteligencia y el orgullo académico de Sheldon, evidenciados en
diálogos que destacan su erudición y sus intereses científicos. También se analizó
su interacción social, observando cómo su limitada empatía y habilidades
interpersonales repercuten en sus relaciones y en las dinámicas con otros
personajes. Asimismo, se evaluaron su comportamiento y rutinas, reflejando su
Análisis de sentimiento y caracterización de Sheldon Cooper
9
marcada necesidad de control y aversión al cambio, lo que pone de manifiesto
una rigidez que afecta sus reacciones ante situaciones imprevistas. Se consideró,
además, su humor y comunicación, caracterizados por un sarcasmo peculiar y
un humor involuntario, derivados de su literalidad y meticulosidad, que aportan
alivio cómico a la narrativa. Finalmente, se examinaron sus intereses personales,
orientados hacia en un enfoque lógico aplicado a situaciones cotidianas, junto
con su profundidad emocional, que emerge en momentos de sinceridad y
vulnerabilidad, revelando capas emocionales más complejas que contrastan con
su comportamiento habitual.
Para complementar este análisis, utilizamos el prompt específico «Realiza el
análisis de sentimientos del texto con TextBlob e interpreta cualitativamente los
resultados», lo que proporcionó valores de polaridad y subjetividad,
acompañados de un análisis cualitativo detallado. Este proceso permitió evaluar
cómo las emociones se mantuvieron, alteraron o perdieron en la versión italiana.
Para garantizar una precisión lingüística y una fidelidad emocional óptimas,
adoptamos una metodología de retrotraducción, que consistió en traducir
manualmente las líneas de diálogo del italiano al inglés. Esta etapa fue esencial,
debido a que los modelos de análisis de sentimientos están principalmente
optimizados para el inglés. Adicionalmente, contrastamos las traducciones
automáticas generadas mediante Python con nuestras retrotraducciones
manuales para verificar su fiabilidad. Esto aseguró que nuestro análisis de
sentimientos estuviera fundamentado en una interpretación textual precisa y
emocionalmente congruente con los diálogos originales.
5.2 Ejemplos prácticos del análisis de sentimientos en Sheldon Cooper
1) Aspecto cognitivo (inteligencia y orgullo académico)
Contexto: Sheldon está en la tienda de cómics junto a Howard, Raj y Leonard.
Howard comparte que su sistema de eliminación de residuos sin gravedad ha
sido instalado en la Estación Espacial Internacional. Leonard aprovecha para
hacer una broma que entrelaza la importancia del logro de Howard con una
alusión a Star Trek. Fiel a su carácter, Sheldon procede a desmenuzar el chiste de
Leonard, explicando meticulosamente el humor y el juego de palabras implicado.
Anna Perrone
10
Polaridad
Inglés (0,5): La polaridad refleja que el comentario de Sheldon contiene
elementos positivos, probablemente por cómo se presentan el humor y el juego
de palabras en el contexto original. La expresión “humorously mocking” añade
una connotación positiva, indicando apreciación por el ingenio del comentario.
Italiano (0,0): la neutralidad sugiere que el texto carece de elementos emocionales
claros, concentrándose más en la descripción objetiva y factual del chiste, lo que
lleva a una percepción neutra.
Subjetividad
Inglés (1,0): la subjetividad elevada demuestra que el texto está impregnado de
opiniones y percepciones personales, especialmente evidente a través del humor
y la interpretación del chiste. Frases como “humorously mocking” subrayan esta
valoración personal.
Italiano (0,0): en italiano, el texto se percibe como objetivo, centrándose en una
descripción factual del comentario de Sheldon sin añadir elementos de juicio
personal.
Implicaciones para el doblaje: Este análisis revela cómo las variaciones en la
traducción pueden influir significativamente en la percepción de las emociones
y el tono en los diálogos de Sheldon. Mientras que en inglés el comentario es
claramente humorístico y subjetivo, la traducción italiana tiende a diluir estas
cualidades, presentando el comentario de manera más objetiva y desprovista de
Guion original
Guion doblado
Sheldon: I believe it is. The
combination of the Star Trek reference
and the play on words involving the
double-meaning of the verb to go
suggests that Leonard is humorously
mocking your efforts in space
plumbing.
Sheldon: Io credo di sì. Il riferimento a
Star Trek, con la sostituzione del verbo
giungere col verbo fare, suggerisce che
Leonard si stia burlando delle tue
conquiste nell'idraulica spaziale.
Polaridad 0,5
Subjetividad 1,0
Polaridad 0,0
Subjetividad 0,0
Tabla 1. Comparación entre versión original inglés y adaptación en el doblaje
italiano con puntuaciones de polaridad y subjetividad (escena 1, línea 8)
Análisis de sentimiento y caracterización de Sheldon Cooper
11
emociones explícitas. Esta discrepancia interpretativa puede afectar la manera en
que los espectadores italianos perciben a Sheldon, alterando tanto la intención
humorística como su caracterización. Sin embargo, más allá de las diferencias
culturales, hay otros factores fundamentales en el proceso de doblaje, como la
prosodia, las limitaciones de la sincronización labial y los recursos pragmáticos
entre ambas lenguas y culturas (Chaume, 2012).
La necesidad de respetar la sincronización puede obligar a realizar ajustes en la
estructura o la duración de las frases, lo que a menudo diluye el sarcasmo o altera
el ritmo característico de Sheldon. Estas adaptaciones pueden generar diálogos
más directos o simplificados, impactando así en la percepción del humor por
parte de la audiencia (Díaz Cintas, 2009). En la versión original en inglés, el
humor de Sheldon se transmite mediante una entonación sutil y pausas
estratégicas. Al doblar al italiano, los actores deben ajustar la prosodia a las
convenciones lingüísticas del idioma, lo que puede modificar el efecto
humorístico y aportar mayor rigidez o literalidad a los diálogos (Wennerstrom,
2001).
Adicionalmente, es importante considerar los recursos pragmáticos, que difieren
entre el inglés y el italiano. Mientras que en inglés el sarcasmo suele expresarse
de manera implícita, confiando en la interpretación contextual del oyente, en
italiano, por razones culturales, suele necesario hacerlo más explícito para
asegurar su comprensión.
2) Interacción social
Contexto: Sheldon y Howard discuten sobre un problema técnico en el sistema
de eliminación de residuos sin gravedad diseñado por Howard. Sheldon, en un
tono sarcástico, hace un comentario que pone en evidencia su falta de tacto
social.
Tabla 2. Comparación entre versión original inglés y adaptación en el doblaje italiano
con puntuaciones de polaridad y subjetividad (escena 7, línea 168)
Guion original
Guion doblado
Sheldon: I must say, Howard, I think a
detailed letter to MIT describing your
current circumstances might entitle you to a
refund on your master’s degree.
Sheldon: Howard, secondo me una
lettera al MIT che descriva la tua
situazione attuale potrebbe farti riavere
i soldi della specializzazione.
Polaridad 0,2
Subjetividad 0,58
Polaridad 0,0
Subjetividad 0,2
Anna Perrone
12
Polaridad
Inglés (0,2): la ligera polaridad positiva puede deberse al uso formal y cortés de
la frase “I must say”, y a la estructura de la oración, que podría ser percibida con
menos negativa a pesar de su contenido sarcástico.
Italiano (0,0): la polaridad neutra sugiere que la traducción no transmite
sentimientos positivos ni negativos, probablemente debido a una estructura más
directa y a la pérdida del matiz humorístico del comentario de Sheldon.
Subjetividad
Inglés (0,58): la subjetividad moderadamente alta refleja que el comentario es
claramente una opinión personal y sarcástica de Sheldon. La expresión “I think”
refuerza esta percepción, indicando una evaluación personal y crítica.
Italiano (0,2): la baja subjetividad en la versión italiana indica que el comentario
se percibe más como una declaración factual que como una opinión personal.
El uso de “secondo me” en lugar de “I think” puede hacer que el comentario se
interprete como menos subjetivo y más descriptivo.
Implicaciones para el doblaje: este caso ilustra cómo las diferencias en la
traducción pueden comprometer la percepción del sarcasmo y la crítica en los
comentarios de Sheldon que son, en realidad, los elementos fundamentales para
su caracterización como socialmente inepto e intelectualmente superior.
Mientras que en inglés el comentario denota un tono sarcástico y ligeramente
humorístico, en italiano puede parecer más directo y menos emotivo,
tergiversando la percepción del sarcasmo de Sheldon para los espectadores
italianos. Esta diferencia puede explicarse a través de los estudios de Attardo
(2002), quien señala que, aunque el sarcasmo está presente en múltiples culturas,
su interpretación varía dependiendo del contexto cultural y lingüístico. En inglés,
el sarcasmo tiende a expresarse de manera sutil, jugando con el tono y las
expectativas del oyente, mientras que, en italiano, debido a normas
comunicativas más directas, puede perder su matiz humorístico y volverse más
literal o serio. Esto provoca un cambio en la percepción de personajes como
Sheldon Cooper, cuyo sarcasmo suave y humorístico en inglés podría percibirse
como más severo o crítico en la versión italiana.
3) Comportamiento y rutinas (necesidad de control y aversión al cambio)
Contexto: Leonard recibe una llamada de Stuart, el propietario de la tienda de
cómics, posiblemente relacionada con Penny. Sin embargo, Leonard decide no
responder, ignorando tanto la llamada como el mensaje posterior. Sheldon,
Análisis de sentimiento y caracterización de Sheldon Cooper
13
preocupado por las posibles consecuencias de esta omisión, insiste en que
Leonard revise el mensaje, argumentando la importancia de cumplir con los
compromisos sociales implícitos en recibir comunicaciones.
Polaridad
Inglés (-0,08): la polaridad ligeramente negativa refleja la seriedad y la advertencia
implícita en el mensaje de Sheldon. La expresión “descend into anarchy”
contiene un tono negativo, aunque no excesivamente alarmante, manifestando
la preocupación de Sheldon por las normas sociales y el orden.
Italiano (-0,22): en la versión italiana, una polaridad más negativa sugiere una
percepción más severa y dramática. El uso de “piomberemo nell'anarchia”
connota un tono más urgente y catastrófico, amplificando la advertencia de
Sheldon sobre las consecuencias de ignorar los protocolos sociales. Este cambio
puede interpretarse como una compensación funcional, según la teoría
funcionalista de la traducción (Hatim y Mason, 1990).
Aunque la estructura y las elecciones léxicas difieren del original, el traductor ha
mantenido la función comunicativa y pragmática del diálogo. Al emplear un
lenguaje más enfático en italiano, se busca compensar la posible pérdida de
sutileza humorística en el nuevo contexto cultural, asegurando que el mensaje
transmita un impacto emocional y un dramatismo equiparables a los de la versión
original.
Guion original
Guion doblado
Sheldon: You have to check your
messages, the leaving of a message is
one half of a social contract which is
completed by the checking of the
message. If that contract breaks down
then all social contracts break down
and we descend into anarchy.
Sheldon: Devi ascoltare i messaggi
Leonard, lasciare un messaggio
rappresenta metà di un contratto
sociale che è completato dall'ascolto del
messaggio. Se quel contratto viene
meno, allora tutti i contratti sociali
verranno meno e piomberemo
nell'anarchia.
Polaridad -0,08
Subjetividad 0,18
Polaridad -0,22
Subjetividad 0,18
Tabla 3. Comparación entre versión original inglés y adaptación en el doblaje
italiano con puntuaciones de polaridad y subjetividad (escena 3, línea 74)
Anna Perrone
14
Subjetividad
Inglés e italiano (0,18): ambas versiones muestran un nivel bajo de subjetividad,
lo que indica que los comentarios de Sheldon se basan más en evaluaciones
lógicas que en opiniones o emociones personales. Sin embargo, la leve presencia
de subjetividad refleja su preocupación personal por los contratos sociales
implícitos.
Implicaciones para el doblaje: este ejemplo destaca cómo la rigidez de Sheldon
y su aversión al cambio se manifiestan en su insistencia para adherirse a las
normas sociales. En la versión italiana, el traductor ha buscado preservar la
urgencia característica de Sheldon, un rasgo recurrente en su comportamiento a
lo largo de la serie que se traduce en su necesidad de finalizar las frases o
completar las ideas. Más que una diferencia en la percepción de la severidad entre
las traducciones, lo que se pone de relieve es un mecanismo de cohesión
macrotextual, en el que la intensidad emocional del personaje se mantiene,
permitiendo que el público italiano perciba de manera coherente la naturaleza
obsesiva y meticulosa de Sheldon en su contexto cultural.
4) Humor y comunicación (sarcasmo y humor involuntario)
Contexto: durante una reunión social, los amigos de Sheldon bromean sobre el
logro de Howard relacionado con el sistema de eliminación de residuos sin
gravedad diseñado para la Estación Espacial Internacional. Sheldon, en
respuesta, analiza el chiste de manera literal y detallada, ilustrando su estilo único
de comunicación.
Tabla 4. Comparación entre versión original inglés y adaptación en el doblaje italiano
con puntuaciones de polaridad y subjetividad (escena 1, línea 11)
Guion original
Guion doblado
Sheldon: Oh, clever! Playing on the use
of cardinal numbers as euphemisms for
bodily functions.
Sheldon: Oh, geniale, hai giocato
sull'uso dei numeri cardinali, come
eufemismo delle funzioni corporali.
Polaridad 0,104
Subjetividad 0,47
Polaridad 0,45
Subjetividad 0,55
Análisis de sentimiento y caracterización de Sheldon Cooper
15
Polaridad
Inglés (0,104): La polaridad ligeramente positiva refleja el reconocimiento de
humor y juego de palabras en el comentario de Sheldon. La palabra “clever”
implica una valoración positiva, aunque moderada, del ingenio involucrado.
Italiano (0,45): La polaridad notablemente más alta en la versión italiana indica
una fuerte respuesta emocional positiva. El uso del término “geniale”
(fantástico) en la traducción realza significativamente la apreciación del ingenio
en el comentario.
Subjetividad
Inglés (0,47): La subjetividad moderada demuestra que el comentario contiene
elementos de opiniones personales, especialmente en cómo Sheldon percibe el
humor. El uso de “clever” subraya su evaluación personal del ingenio.
Italiano (0,55): La subjetividad ligeramente más alta en italiano sugiere que el
comentario lleva implícita una carga mayor de opiniones y juicios personales,
algo que puede intensificar la evaluación positiva del humor en el juego de
palabras.
Implicaciones para el doblaje: este caso demuestra cómo el estilo comunicativo
idiosincrático de Sheldon contribuye al humor en The Big Bang Theory. La
adaptación italiana, con mayor polaridad y subjetividad, indica que el comentario
fue percibido como más ingenioso y valorado de manera más explícita que en
inglés. Esto sugiere que los matices del humor de Sheldon, basados en su
tendencia a interpretar de manera literal y en detalle, fueron captados y, en cierta
medida, amplificados en la traducción italiana. La caracterización de Sheldon
como un personaje que, cómicamente, carece de la capacidad para comprender
o interpretar el humor en las interacciones sociales se ha mantenido en la
adaptación, preservando así su esencia. Este análisis destaca la importancia de
una traducción precisa del humor, especialmente en el caso de juegos de palabras
y referencias culturales específicas, que requieren un enfoque atento para
mantener la intención original y asegurar una recepción adecuada entre
audiencias de diferentes contextos culturales.
5) Intereses personales
Contexto: Stuart entrega a Sheldon un nuevo cómic de Hellboy, comentando que
es “mind-blowing” (asombroso). Fiel a su carácter literal, Sheldon interpreta esta
descripción como un “spoiler” y expresa su preocupación, temiendo que el
comentario haya revelado algo clave de la trama.
Anna Perrone
16
Tabla 5. Comparación entre versión original inglés y adaptación en el doblaje italiano
con puntuaciones de polaridad y subjetividad (escena 1, línea 15)
Polaridad
Inglés (0,0): la polaridad neutral refleja que el comentario de Sheldon no se
percibe ni positiva ni negativamente. A pesar de que “mind-blowing” suele tener
connotaciones positivas, la estructura de la respuesta de Sheldon se centra más
en el impacto del spoiler que en el contenido del cómic, sin transmitir emociones
fuertes.
Italiano (0,5): la puntuación sugiere que la traducción es percibida como más
positiva. El uso de “sconvolgente” en italiano intensifica la experiencia,
reflejando diferencias culturales en cómo se interpreta la intensidad de la
expresión.
Subjetividad
Inglés (0,0): la subjetividad neutral señala que el comentario es visto como
objetivo y que está centrado en la descripción lógica de los estados mentales
(“pre-blown”, “cannot be re-blown”). Esto es típico de Sheldon, que suele
analizar las situaciones desde una perspectiva lógica y científica.
Italiano (1,0): la alta subjetividad revela que el comentario se percibe con una
carga emocional significativa. Términos enfáticos y dramáticos como
“sconvolgente” y “non può essere risconvolta” aportan una fuerte dimensión
emocional y una perspectiva subjetiva más marcada.
Implicaciones para el doblaje: este ejemplo ilustra cómo la traducción afecta a la
percepción de las peculiaridades de Sheldon y de su comportamiento. En inglés,
su respuesta puede verse como una manifestación de su tendencia a la literalidad
y una expresión de su desinterés por emociones exageradas o efectos dramáticos,
Guion original
Guion doblado
Sheldon: You told me it’s mind-
blowing, so, my mind is going into it
pre-blown. And once a mind is pre-
blown, it cannot be re-blown.
Sheldon: Mi hai appena detto che è
sconvolgente, quindi la mia mente è
entrata in pre-sconvolgimento. E una
volta che la mente è sconvolta, non può
essere risconvolta.
Polaridad 0,0
Subjetividad 0,0
Polaridad 0,5
Subjetividad 1,0
Análisis de sentimiento y caracterización de Sheldon Cooper
17
mientras que la versión italiana eleva el tono emocional, haciendo parecer que
Sheldon es quizá más emotivo de lo que se pretende. Este cambio en la
interpretación podría influir en cómo los espectadores italianos perciben a
Sheldon, afectando su caracterización como un personaje lógico y científico
obsesionado con los detalles y la precisión.
6) Profundidad emocional
Contexto: Durante la discusión sobre la llamada no respondida de Stuart,
Sheldon plantea, exageradamente, que podría tratarse de una emergencia, como
un incendio en la tienda, y que Stuart podría necesitar urgentemente la ayuda de
Leonard.
Polaridad
Inglés e italiano (0,25): La polaridad positiva en ambos idiomas sugiere que,
aunque se menciona una emergencia potencial (un incendio), la posibilidad de
ayudar aporta un matiz positivo. Asistir a alguien en una emergencia puede
mitigar cualquier connotación negativa asociada con la situación. Las palabras
“assumption” e “ipotesi” refuerzan la idea de que Leonard está haciendo una
suposición sin influir significativamente en la polaridad emocional del
comentario.
Subjetividad
Inglés e italiano (0,5): la subjetividad moderada refleja que el comentario mezcla
hechos y opiniones personales. La afirmación “You’re making an assumption”
introduce una opinión personal de Sheldon sobre la acción de Leonard y muestra
cómo la especulación sobre un incendio alimenta la subjetividad del enunciado.
Guion original
Guion doblado
Sheldon: You’re making an
assumption. Perhaps the comic
bookstore is on fire, and he needs your
assistance.
Sheldon: La tua è una mera ipotesi.
Magari la fumetteria sta andando a
fuoco e gli serve il tuo aiuto.
Polaridad 0,25
Subjetividad 0,5
Polaridad 0,25
Subjetividad 0,5
Tabla 6. Comparación entre versión original inglés y adaptación en el doblaje
italiano con puntuaciones de polaridad y subjetividad (escena 1, línea 66)
Anna Perrone
18
Esto evidencia su inclinación por analizar situaciones desde una perspectiva
lógica, llegando a proponer posibilidades remotas.
Implicaciones para el doblaje: este escenario destaca la profundidad emocional
de Sheldon, que frecuentemente queda disimulada detrás de su fachada lógica.
Al plantear dramáticamente la posibilidad de un incendio, Sheldon demuestra su
preocupación de una forma que coincide con su carácter analítico, pero también
revela su capacidad para preocuparse por los demás, aunque de manera poco
convencional. Este delicado equilibrio entre la lógica y la empatía debe ser
cuidadosamente conservado en las traducciones para preservar la complejidad
del personaje y asegurar que las sutilezas emocionales y las intenciones detrás de
sus palabras se transmitan con eficacia a públicos de distintas culturas e idiomas.
6. Resultados y visualización
Los resultados del análisis de sentimientos de las líneas de diálogo de Sheldon
Cooper, tanto en inglés como en italiano, se presentan a continuación mediante
gráficos y tablas estadísticas. Estas visualizaciones resaltan las diferencias y
similitudes en la caracterización emocional de Sheldon, ofreciendo una
perspectiva clara sobre el impacto del doblaje en su representación. En total, se
han analizado 15 líneas de diálogo del episodio 22, lo que proporciona una base
inicial para evaluar las variaciones en la traducción y su efecto en la
caracterización del personaje.
La siguiente tabla incluye estadísticas descriptivas como la media, desviación
estándar, valores mínimos y máximos para las mediciones de polaridad y
subjetividad, estableciendo una base sólida para entender las visualizaciones.
Estadística
Polaridad
(inglés)
Subjetividad
(italiano)
Polaridad
(inglés)
Subjetividad
(italiano)
Media
0,1447
0,3494
0,1102
0,3064
Desviación
estándar
0,1647
0,2881
0,1957
0,3050
Mínimo
-0,0820
0,0000
-0,2200
0,0000
Máximo
0,5000
1,0000
0,5000
1,0000
25 % percentil
0,0000
0,1940
0,0000
0,0000
Análisis de sentimiento y caracterización de Sheldon Cooper
19
Tabla 7. Estadísticas descriptivas de polaridad y subjetividad de los diálogos originales y
doblados
Los diagramas de caja (boxplots) muestran la distribución de la polaridad y
subjetividad en cada idioma, destacando la mediana, cuartiles y valores atípicos.
Estos gráficos son útiles para identificar rápidamente las variaciones en cómo se
distribuyen las emociones y las opiniones entre los guiones inglés e italiano.
Figura 1. Diagramas de caja comparativos de la polaridad
El diagrama de caja de la polaridad (Figura 1) revela una tendencia generalmente
positiva. Sin embargo, el guion original en inglés presenta una media de polaridad
ligeramente superior y una menor dispersión en comparación con la versión
doblada al italiano. Este patrón sugiere que el guion original mantiene un tono
positivo más consistente a lo largo de sus diálogos, reflejando una representación
emocional más estable y predecible. La menor dispersión también podría indicar
que los matices emocionales están mejor controlados y equilibrados, lo que
facilita una experiencia de visualización más fluida para el público que sigue la
versión original.
Estadística
Polaridad
(inglés)
Subjetividad
(italiano)
Polaridad
(inglés)
Subjetividad
(italiano)
Mediana (50%
percentil)
0,1292
0,2750
0,0083
0,2250
75% percentil
0,2589
0,5089
0,2125
0,5125
Anna Perrone
20
Figura 2. Diagramas de caja comparativos de la subjetividad.
En cuanto a la subjetividad (Figura 2), ambos guiones muestran niveles
significativos, lo que indica la presencia frecuente de opiniones y juicios
personales a lo largo de los diálogos. Sin embargo, el guion original no solo
presenta un mayor grado de subjetividad, sino también una variabilidad más
amplia en esta medida. La riqueza de esta diversidad sugiere que se incorpora
una gama más extensa de expresiones subjetivas, enriqueciendo la interpretación
de los diálogos y alineándose más estrechamente con la intención original de los
creadores. La profundidad emocional y la variedad en la interpretación de los
diálogos pueden ofrecer una experiencia de visualización más enriquecedora
Análisis de sentimiento y caracterización de Sheldon Cooper
21
para los espectadores, un rasgo que podría perderse parcialmente en la versión
doblada.
Subjetividad diálogos originales
Figura 4. Histograma de subjetividad con curva de densidad
Frecuencia
Figura 3. Histograma de polaridad con curva de densidad
Polaridad diálogos originales
Frecuencia
Anna Perrone
22
Los histogramas con curvas de densidad brindan una visión detallada de cómo
se distribuyen las frecuencias de polaridad en los guiones original y doblado
(Figura 3). Aunque ambos presentan una tendencia general hacia valores
positivos, el original destaca por una concentración más elevada de estos valores.
La mayor densidad y la menor dispersión en el guion original enfatizan una
consistencia en la expresión de emociones positivas. Este patrón refuerza la idea
de que hay una uniformidad más pronunciada en cómo se manifiestan estas
emociones a lo largo del guion.
Los histogramas de subjetividad (Figura 4) revelan notables diferencias entre el
guion original y el doblado. El original no solo presenta una subjetividad
promedio más alta, sino también una mayor variabilidad de estos valores,
indicando una gama más amplia de opiniones y juicios personales. Esta densidad
elevada de subjetividad refleja una propensión a integrar más elementos
subjetivos en los diálogos, enriqueciendo la representación de las emociones y
pensamientos del personaje de manera más detallada y matizada.
A su vez, los gráficos de línea ilustran cómo varían los valores de polaridad y
subjetividad a lo largo del tiempo, destacando patrones y tendencias específicas
en la expresión emocional y subjetiva del personaje.
Figura 5. Polaridad en las líneas de diálogo de Sheldon
Líneas de diálogo
Polaridad
Análisis de sentimiento y caracterización de Sheldon Cooper
23
En cuanto a la polaridad (Figura 5), el guion original (línea azul) exhibe
fluctuaciones significativas, con picos que denotan momentos de alta
positividad. Esta variabilidad captura con precisión la dinámica emocional de
Sheldon, al reflejar sus características respuestas lógicas y sarcásticas, que a
menudo alcanzan extremos. En contraste, el guion doblado (línea roja) presenta
una variabilidad más moderada y picos menos pronunciados, lo que podría
responder a un intento de hacer que el personaje sea más accesible y menos
brusco para una audiencia con sensibilidades culturales diferentes. Este ajuste
puede estar influido por las asimetrías en la concepción de la relación de amistad
entre los personajes en ambos contextos culturales, así como por las diferencia
en el manejo del registro entre la lengua escrita y la oral en italiano e inglés.
Además, los objetivos comerciales y de marketing asociados al doblaje deben
tenerse en cuenta, ya que responden a un contexto sociocultural específico que
puede haber cambiado desde el lanzamiento original de la serie. En conjunto,
estos factores contribuyen a que la versión doblada de Sheldon proyecte una
intensidad emocional diferente, afectando su humor característico y su tono
crítico.
En relación con la subjetividad (Figura 6), el guion original (línea verde) muestra
picos altos, señalando momentos en los que Sheldon expresa opiniones intensas
y personales, lo cual se traduce en una manifestación directa de sus perspectivas
únicas. Por otro lado, la versión doblada (línea púrpura) presenta una tendencia
más nivelada y uniforme que indica una reducción en la intensidad o frecuencia
Figura 6. Subjetividad en las líneas de diálogo de Sheldon
Líneas de diálogo
Subjetividad
Anna Perrone
24
de las expresiones subjetivas. Esto podría representar un intento de hacer que
Sheldon resulte más simpático o comprensible para un público menos
familiarizado con su singular estilo comunicativo al simplificar expresiones que
podrían percibirse como más complejas o culturalmente específicas.
6.1 Correlación de Pearson de polaridad y subjetividad: guion original vs. guion doblado
Para profundizar en la relación entre la polaridad y la subjetividad en los guiones
original y doblado, calculamos la correlación de Pearson (Tabla 8). Este
coeficiente mide la fuerza y la dirección de la relación lineal entre dos variables
cuantitativas. A continuación, presentamos los resultados para cada variable, lo
que permite evaluar cómo se interrelacionan las emociones con las expresiones
subjetivas en ambos guiones y determinar si existen diferencias significativas
entre ellos.
Polaridad
La correlación de Pearson (r = 0,2016) muestra una relación positiva, aunque
débil, entre las medidas de polaridad en ambos guiones, indicando una
correlación limitada. A pesar de que los diálogos tienden a mantener una
polaridad similar, la conexión entre ellos no es fuerte.
El valor p (0,4336), muy por encima del umbral de significancia estadística (p <
0.05), confirma que la correlación observada no es estadísticamente significativa.
Subjetividad
La correlación es extremadamente baja (-0,0241), prácticamente inexistente, e
indica que no existe una relación lineal significativa entre la subjetividad de los
Comparación
Correlación (r)
Valor p
Polaridad
0,2106
0,4336
Subjetividad
-0,0241
0,9294
Tabla 8. Correlación entre los valores de polaridad y subjetividad entre
guion original y doblado
Análisis de sentimiento y caracterización de Sheldon Cooper
25
diálogos original y doblado. Al igual que con la polaridad, el valor p alto (0,9294)
refuerza la insignificancia estadística de esta correlación.
Estos resultados destacan la ausencia de correlaciones significativas entre las
versiones de los diálogos en términos de polaridad y subjetividad. Esto puede
atribuirse a la necesidad de adaptar el contenido a los diferentes contextos
culturales y lingüísticos, lo que influencia profundamente cómo se expresan las
emociones y opiniones en la versión doblada. Este hallazgo subraya la
importancia de considerar las particularidades culturales y emocionales en el
proceso de doblaje, así como de evaluar y ajustar las técnicas de doblaje para
preservar la riqueza emocional y la intención original de los diálogos.
7. Discusión
El análisis de sentimiento de las líneas de diálogo de Sheldon Cooper en The Big
Bang Theory revela cómo el doblaje modifica su expresión emocional y subjetiva,
influyendo directamente en la percepción del personaje. Este efecto se observa
principalmente en la moderación de la polaridad y de la subjetividad de sus
diálogos, resultando en una representación que parece emocionalmente más
equilibrada y menos extrema. Sin embargo, una simplificación de tal calibre
también puede ser vista como una pérdida de autenticidad y profundidad,
especialmente para aquellos que conocen la versión original. Esto puede alterar
la percepción de su excentricidad y sarcasmo, diluyendo características esenciales
que definen su identidad única.
Más allá de la mera traducción lingüística, el doblaje adapta el tono emocional y
la subjetividad del diálogo para alinearse con las expectativas y sensibilidades de
la audiencia meta. Al suavizar las expresiones emocionales y subjetivas, se busca
hacer el contenido más accesible y menos polarizado para un público más
amplio. Sin embargo, estos ajustes pueden comprometer la fidelidad al personaje
original, alterando su esencia y la forma en que es percibido por el público. Por
lo tanto, el doblaje actúa como una herramienta de adaptación cultural,
facilitando que el contenido conecte eficazmente con audiencias de diversos
trasfondos culturales.
Sin embargo, el presente estudio presenta limitaciones que no podemos ignorar,
ya que se basa en un único episodio y personaje; esto restringe la posibilidad de
generalizar los resultados a otros contextos o series sin investigaciones
adicionales. Los matices culturales y lingüísticos juegan un papel crucial en cómo
se perciben las emociones y la subjetividad, y es posible que no se capturen
Anna Perrone
26
completamente en un análisis cuantitativo. Investigaciones futuras podrían
expandir el corpus de análisis a múltiples episodios y personajes, e incorporar
componentes cualitativos que capten mejor las sutilezas culturales.
8. Conclusiones
El estudio de las líneas de diálogo de Sheldon Cooper en The Big Bang Theory
ofrece valiosas perspectivas sobre el impacto del doblaje en su expresión
emocional y subjetiva. Se observa que el guion doblado tiende a moderar la
polaridad y la subjetividad de los diálogos, moldeando activamente la percepción
del personaje para resonar con las sensibilidades culturales de la audiencia
objetivo. Este proceso no solo implica la adaptación del contenido lingüístico,
sino que también está condicionado por patrones técnicos, siendo la
sincronización labial una de las máximas a seguir en el doblaje. La asincronía
entre el movimiento labial y el diálogo puede limitar la libertad creativa en la
traducción, obligando a ajustes en la estructura y la duración de los diálogos para
mantener la coherencia visual y auditiva. Esta modulación de los rasgos
potencialmente polarizantes es un aspecto crucial para garantizar la coherencia
del personaje y el éxito internacional de la serie.
La incorporación de herramientas GPT para el análisis de sentimientos
representa un avance innovador en el estudio del doblaje. Este enfoque
demuestra cómo la inteligencia artificial puede evaluar y garantizar la fidelidad
de la traducción y realzar la resonancia emocional de los personajes.
Implementar estas tecnologías puede mejorar significativamente la calidad del
doblaje, proporcionando a los espectadores una experiencia más auténtica y
emocionalmente coherente.
Este estudio sienta un precedente para futuras investigaciones en el campo del
doblaje y la traducción audiovisual. La metodología aplicada podría extenderse a
otros personajes y series para ampliar la comprensión de las dinámicas del
doblaje. Además, sería beneficioso explorar cómo aplicar prácticamente estos
hallazgos para mejorar los procesos de doblaje en la industria audiovisual,
asegurando que las adaptaciones conserven la integridad del contenido original
y respeten las diferencias culturales y lingüísticas de las audiencias globales.
En conclusión, este trabajo ilustra la complejidad del doblaje como un proceso
de mediación cultural y tecnológica, enfatizando la necesidad de enfoques
Análisis de sentimiento y caracterización de Sheldon Cooper
27
sofisticados capaces de manejar eficazmente las sutilezas emocionales y
culturales inherentes al contenido audiovisual globalizado.
Referencias
Al-Otaibi, S., Alnassar, A., Alshahrani, A., Al-Mubarak, A., Albugami, S.,
Almutiri, N. y Albugami, A. (2018). Customer Satisfaction Measurement
using Sentiment Analysis. International Journal of Advanced Computer Science and
Applications, 9(2). https://doi.org/10.14569/IJACSA.2018.090216
Amalia, A., Oktinas, W., Aulia, I. y Rahmat, R. F. (2018). Determination of
quality television programmes based on sentiment analysis on Twitter. Journal
of physics: Conference Series, 978(1), 012117. https://doi.org/10.1088/1742-
6596/978/1/012117
Attardo, S. (2024). Linguistic Theories of Humor. Berlín, Boston: De Gruyter
Mouton. https://doi.org/10.1515/9783111280332
Bednarek, M. (2011). Expressivity and televisual characterization. Language &
Literature, 20(1), 1-19.
Benlahbib, A. y Nfaoui, E. H. (2021). MTVREP: A movie and TV show
reputation system based on fine-grained sentiment and semantic analysis.
International Journal of Power Electronics and Drive Systems, 11(2), pp. 1613-1626.
https://doi.org/10.11591/ijece.v11i2.pp1613-1626
Bordoloi, M. y Biswas, S. K. (2023). Sentiment analysis: a survey on design
framework, applications and future scopes. Artificial Intelligence Review, 56(11),
12505-12560. https://doi.org/10.1007/s10462-023-10442-2
Chaume, F. (2004). Cine y traducción. Madrid: Ediciones Cátedra.
Chaume, F. (2012). Audiovisual translation: Dubbing (Translation Practices Explained)
(1ª edición). Londres: Routledge.
Culpeper, J. (2001). Language and characterisation: People in plays and other texts.
Londres: Routledge.
Díaz Cintas, J. (2009). New Trends in Audiovisual Translation. Bristol: Multilingual
Matters.
Fornari, J., Constanza, A., Mariano, F., Gonzalo, P. y Boglione, S. (2019). El
potencial de la minería de opinión para la gestión de la reputación online
corporativa. Brazilian Journal of Development, 5(10), pp. 22310-22320.
https://doi.org/10.34117/bjdv5n10-357
Anna Perrone
28
Frangidis, P., Georgiou, K. y Papadopoulos, S. (2020). Sentiment analysis on
movie scripts and reviews. En IFIP advances in information and communication
technology (pp. 430-438). https://doi.org/10.1007/978-3-030-49161-1_36
Galán Fajardo, E. (2005). La creación psicológica de los personajes para cine y
televisión. International Journal of Developmental and Educational Psychology, 3(1),
263-173.
Gunasekaran, K. P. (2023). Exploring sentiment analysis techniques in natural
language processing: A comprehensive review. arXiv
https://doi.org/10.48550/arXiv.2305.14842
Haselmayer, M. y Jenny, M. (2016). Sentiment analysis of political
communication: Combining a dictionary approach with Crowdcoding.
Quality & Quantity, 51(6), 2623-2646. https://doi.org/10.1007/s11135-016-
0412-4
Hatim, B. y Mason, I. (1990). Discourse and the Translator. London: Longman.
Jacobs, A. (2019). Sentiment analysis for words and fiction characters from the
perspective of computational (neuro-)poetics. Frontiers in Robotics and AI, 6,
53. https://doi.org/10.3389/frobt.2019.00053
Karoui, J., Benamara, F. y Moriceau, V. (2019). Automatic detection of irony: Opinion
mining in microblogs and social media. Hoboken: John Wiley & Sons.
Kheiri, K. y Karimi, H. R. (2023). SentimentGPT: Exploiting GPT for advanced
sentiment analysis and its departure from current machine learning. arXiv.
https://doi.org/10.48550/arxiv.2307.10234
Kumar, S., Yadava, M. y Roy, P. P. (2019). Fusion of EEG response and
sentiment analysis of products review to predict customer satisfaction.
Information Fusion, 52, 41-52. https://doi.org/10.1016/j.inffus. 2018.11.001
Lei, L. y Liu, D. (2021). Conducting sentiment analysis. Cambridge: Cambridge
University Press.
Liu, B. (2020). Sentiment analysis: Mining opinions, sentiments, and emotions.
Cambridge: Cambridge University Press.
Lu, K. y Wu, J. (2019). Sentiment Analysis of film review texts based on
sentiment dictionary and SVM. En Proceedings of the 2019 3rd International
Conference on Innovation in Artificial Intelligence (ICIAI '19) (pp. 73–77).
Association for Computing Machinery, Nueva York. https://doi.org/
10.1145/3319921.3319966
Mairano, P., Zovato, E. y Quinci, V. (2018). La sentiment analysis come
strumento di studio del parlato emozionale? En Proceedings of the Fifth Italian
Análisis de sentimiento y caracterización de Sheldon Cooper
29
Conference on Computational Linguistics CLiC-it 2018, editado por E. Cabrio, A.
Mazzei, F. Tamburini, Accademia University Press.
https://doi.org/10.4000/books.aaccademia.3442
McKee, R. (2021). Character: The art of role and cast design for page, stage, and screen.
Nueva York: Twelve.
Rahman, R., Masud, A., Jahan Mimi, R. y Sultana Dina, M. N. (2020). Sentiment
analysis on adventure movie scripts. En 2020 2nd International Conference on
Sustainable Technologies for Industry 4.0 (STI) (pp. 1-6).
https://doi.org/10.1109/STI50764.2020.9350525
Rambocas, M. y Pacheco, B. G. (2018). Online sentiment analysis in marketing
research: A review. Journal of Research in Interactive Marketing, 12(2), 146-163.
https://doi.org/10.1108/jrim-05-2017-0030
Rathje, S., Dan-Mircea, M., Sucholutsky, I., Marjieh, R., Robertson, C. y Bavel,
J. J. (2023). GPT is an effective tool for multilingual psychological text
analysis. PsyArXiv. https://psyarxiv.com/sekf5/download.
https://doi.org/10.31234/osf.io/sekf5
Rocchi, M. (2022). Applying automatic text analysis methodologies to
audiovisual serial product. DOAJ (Directory of Open Access Journals).
https://doi.org/10.6092/issn.2280-9481/13501
Sandoval-Almazan, R. y Valle-Cruz, D. (2018). Facebook impact and sentiment
analysis on political campaigns. En Proceedings of the 19th Annual International
Conference on Digital Government Research: Governance in the Data Age (pp. 1-7).
https://doi.org/10.1145/3209281.3209328
Seger, L. (1990). Creating unforgettable characters: A practical guide to character
development in films, tv series, advertisements, novels and short stories. Nueva York:
Holt Paperbacks.
Tan, K. L., Lee, C. P. y Lim, K. M. (2023). A survey of sentiment analysis:
Approaches, datasets, and future research. Applied Sciences, 13, 4550. DOI:
10.3390/app13074550
The Big Bang Theory. (2007-2019) Dirigida por M. Cendrowski. [DVD] Italia:
Warner Bros. Entertainment Inc.
Torres-Salinas, D. y Arroyo-Machado, W. (2023). Manual de ChatGPT:
Aplicaciones en investigación y educación universitaria. Granada: InfluScience
Ediciones. https://doi.org/10.5281/zenodo.10025783
Viola, L. (2023). On the use of sentiment analysis for linguistics research:
Observations on sentiment polarity and the use of the progressive in Italian.
Anna Perrone
30
Frontiers in Artificial Intelligence, 6, 1101364. https://doi.org/
10.3389/frai.2023.1101364
Wankhade, M., Rao, A. C. y Kulkarni, C. (2022). A survey on sentiment analysis
methods, applications, and challenges. Artificial Intelligence Review, 55(7), 5731–
5780. https://doi.org/10.1007/s10462-022-10144-1
Wennerstrom, A. (2001). The Music of Everyday Speech: Prosody and Discourse
Analysis. Oxford: Oxford University Press.
