Yorùbá in Unicode: An Overview of a Problem

A língua é mais do que apenas um conjunto de sons; para milhões de pessoas, é um sistema onde o tom de uma voz altera inteiramente o significado de uma palavra. Na língua Yorùbá, falada por mais de 40 milhões de pessoas em toda a África Ocidental e na diáspora, a diferença entre uma nota alta e uma nota baixa pode transformar uma palavra para "mão" em uma palavra para "vassoura" ou "respeito". Essa dependência do tom, conhecida como pitch, não é um floreio poético, mas uma necessidade gramatical. Sem as marcações de tom corretas, uma frase simples pode se tornar um quebra-cabeça confuso com dezenas de significados possíveis, deixando os leitores adivinhando se um pai se moveu dentro de uma grande fazenda ou de um grande carro. Para resolver isso, os escritores usam um sistema de diacríticos — pequenos sinais colocados acima ou abaixo das letras — para indicar essas mudanças de tom.

No entanto, o mundo digital não foi construído com essas marcações complexas em mente. Quando os computadores chegaram, foram projetados para lidar com letras padrão do alfabeto inglês, não com os símbolos sobrepostos exigidos para línguas tonais. Isso criou um problema persistente: embora a tecnologia pudesse tecnicamente exibir as marcas, ela nem sempre conseguia mantê-las no lugar certo ou contá-las corretamente. Uma letra com uma marca de tom poderia parecer bem em uma tela, mas transformar-se em um quadrado vazio ou um símbolo deslocado em outra. Este artigo de Kọ́lá Túbọ̀sún investiga por que isso acontece, traçando a questão desde a história da escrita em Yorùbá até as regras rígidas que governam como os computadores armazenam texto hoje. O autor argumenta que o sistema atual é fundamentalmente quebrado para línguas tonais e propõe uma mudança estrutural específica para consertá-lo.

A história da escrita do Yorùbá começou muito antes da era do computador. Originalmente uma língua oral, foi escrita pela primeira vez por missionários e comerciantes no século XIX usando o alfabeto romano. Os primeiros escritores lutaram para adaptar as letras inglesas a uma língua onde o tom importa. Alguns tentaram usar letras extras, como adicionar um "h" ou um "r" para mostrar um tom, enquanto outros usaram pontos ou linhas acima das vogais. Com o tempo, um sistema padrão emergiu, utilizando pontos sob certas vogais e marcas sobre elas para mostrar o tom. Em meados do século XX, esse sistema já estava bem estabelecido, permitindo que os escritores distinguissem entre palavras que pareciam idênticas, mas soavam diferentes. Mas quando a era digital chegou, esse sistema cuidadosamente elaborado encontrou uma barreira.

O cerne do problema reside em como os computadores armazenam o texto. Para que o texto viaje facilmente entre diferentes dispositivos e programas, uma organização global chamada Unicode Consortium criou uma lista padrão de caracteres. Neste sistema, uma letra com uma única marca, como um "o" com um acento, é frequentemente armazenada como uma unidade única e pré-fabricada. Isso funciona bem para muitas línguas. No entanto, para o Yorùbá, o sistema exige o empilhamento de duas marcas diferentes em uma única letra: um ponto por baixo para mostrar o tipo de vogal e uma marca acima para mostrar o tom. O padrão digital atual não possui um código único e pré-fabricado para essas combinações empilhadas. Em vez disso, força o computador a construí-las juntando duas partes separadas: a letra base com o ponto e, em seguida, a marca de tom por cima.

Este método de construir caracteres peça por peça é onde os problemas começam. Embora possa funcionar em um computador, as peças podem se separar ou se deslocar quando o texto é movido para uma plataforma diferente, uma fonte diferente ou um país diferente. Um escritor pode digitar um nome perfeitamente, apenas para ver a marca de tom saltar para a letra errada ou desaparecer inteiramente quando o documento é salvo ou impresso. O autor documenta essa falha ao longo de décadas de publicações, mostrando capas de livros onde as marcas de tom foram desenhadas à mão após o texto ter sido impresso, porque as máquinas de composição não consegravam lidar com elas. Em bibliotecas digitais, catalogadores às vezes substituem os símbolos corretos por outros, porque os originais estão ausentes, tornando impossível para pesquisadores encontrarem livros por seus títulos reais. Até mesmo as plataformas de redes sociais, que contam cada caractere, tratam essas marcas empilhadas como múltiplos caracteres separados, limitando injustamente o quanto de texto Yorùbá uma pessoa pode escrever em uma única postagem.

O artigo contesta a explicação oficial para o motivo de esses caracteres não poderem ser corrigidos. O Unicode Consortium sustenta que seu sistema é estável e que adicionar novas combinações pré-fabricadas quebraria a consistência do texto armazenado em sistemas mais antigos. Eles argumentam que o método atual de combinar peças é suficiente e que os problemas surgem de fontes ruins ou softwares antigos. O autor contesta isso, apontando que as falhas ocorrem mesmo quando o texto é codificado corretamente e movido entre sistemas modernos de alta qualidade. A questão não é apenas sobre como o texto parece, mas como ele se comporta: ele falha ao ser pesquisado corretamente, é contado errado e se corrompe ao ser transferido. O autor observa que, embora o sistema tenha aberto espaço para milhares de novos emojis nos últimos anos, recusou-se a atualizar suas regras para as necessidades essenciais das línguas africanas tonais.

Para resolver isso, o artigo propõe uma intervenção direta e específica: a criação de quatro novos caracteres pré-fabricados no padrão digital. Estes seriam unidades únicas para as vogais abertas "o" e "e" com tanto o ponto embaixo quanto a marca de tom em cima. Isso permitiria que o texto viajasse como uma unidade única e inquebrável, garantindo que uma palavra para "mão" continue sendo uma palavra para "mão", não importa onde seja lida. O autor reconhece que ferramentas atuais, como teclados especializados e softwares que adicionam automaticamente as marcas de tom, tornaram a escrita mais fácil, mas são remendos temporários. Eles não resolvem a falha estrutural subjacente que faz o texto quebrar quando ele se move.

A conclusão é que o problema não é a falta de esforço dos escritores ou uma falha de um software individual, mas uma lacuna nas regras globais que governam a comunicação digital. O autor argumenta que o Unicode Consortium tem a capacidade técnica para corrigir isso e que fazê-lo é necessário para a sobrevivência e o uso adequado da língua no mundo moderno. Ao criar esses quatro caracteres específicos, o mundo digital poderia finalmente apoiar o Yorùbá da mesma forma que apoia línguas que não exigem marcas empilhadas. Isso não apenas ajudaria os milhões de falantes de Yorùbá, mas também estabeleceria um precedente para outras línguas tonais que enfrentam as mesmas barreiras digitais. O artigo serve tanto como um registro da luta quanto como um roteiro claro para uma solução que aguarda há décadas.