Prospéro Lusófono-Br

Adaptação do Software Prospéro para o Tratamento de Textos em Língua Portuguesa – Português Brasileiro

Flávia Gouveia

Doutoranda do Departamento de Política Científica e Tecnológica da Universidade Estadual de Campinas (DPCT/Unicamp – Brasil) e pesquisadora colaboradora do Grupo de Sociologia Pragmática e Reflexiva da Escola de Altos Estudos em Ciências Sociais (GSPR/EHESS – França)


No âmbito do estágio doutoral que realizei junto ao GSPR/EHESS no ano letivo 2014-2015, tive contato com o software Prospéro e seus desenvolvedores. Conheci também pesquisadores brasileiros interessados, como eu, nessa ferramenta de análise de controvérsias em corpora textuais e decidimos, de maneira informal, unir forças. Empreendemos um trabalho colaborativo de adaptação do Prospéro para a língua portuguesa, com pretensões de disponibilizar uma versão básica para o público acadêmico lusófono, notadamente brasileiro1. Este texto descreve sucintamente alguns aspectos fundamentais da adaptação do Prospéro para a língua portuguesa na variante brasileira2.

Uma equipe multidisciplinar foi formada, com pesquisadores das áreas de Comunicação, Economia, Educação, Educação Física, Linguística, Política Científica e Tecnológica e Sociologia. Essa rede promoveu assim laços entre universidades no Brasil e na França, em parceria com o GSPR/EHESS e a Universidade de Nanterre. A despeito da diversidade de nossas abordagens e problemas de pesquisa, assumimos coletivamente o desafio de explorar grandes quantidades de informações acerca de temas relevantes e controversos, à luz das sociologias pragmáticas que inspiraram a criação do Prospéro.IMG_9229

No intuito de criar a primeira versão do Prospéro lusófono-Br, nossa equipe adaptou os arquivos em francês por meio da tradução direta de termos, de pesquisas de listas categorizadas de fontes diversas, de testes sobre corpora textuais e de processos de revisão conjunta entre seus membros. A ideia de elaboração de uma versão básica do Prospéro lusófono-Br levou-nos a privilegiar as palavras cujos significados atendam a temas mais gerais, deixando de lado termos que na versão francesa parecessem provir de textos sobre temas específicos e/ou ligados a contextos particulares. Os problemas de polissemia e de terminações ambíguas, que designam distintas classes de palavras, foram discutidos pelo grupo e resultaram em escolhas centradas na otimização de resultados no contexto de temas mais abrangentes.

Procuramos incorporar diferentes formas de grafia das palavras – sobretudo nos casos em que o Novo Acordo Ortográfico da Língua Portuguesa3, em vigor no Brasil desde janeiro de 2009 (BRASIL, 2008)4, promoveu alterações (por exemplo, alterando a grafia de européia para europeia, ambas as formas presentes nos dicionários do Prospéro lusófono). Também incluímos as variações de iniciais em letra maiúscula e minúscula, bem como flexões de gênero e número. A seguir, descrevo resumidamente cada etapa desse processo de adaptação, que segue aberto e incorporando múltiplos refinamentos.

1. Identificação da língua

Para a identificação da língua dos textos constituintes dos corpora em estudo, traduzimos e adequamos os termos dos arquivos de suporte do Prospéro, quais sejam o arquivo dictio.cfg e os arquivos com extensão dic a partir dos arquivos em língua francesa. No dictio.cfg há um conjunto de repertórios ou listas: identificação de línguas, determinantes, tipo de suporte, pronomes, indicativos de pessoas e terminações por classe de palavra. A Tabela 1 apresenta o número de termos que inserimos em cada rubrica do arquivo dictio.cfg e alguns exemplos.

Tabela 1: Listas integrantes do arquivo dictio.cfg

Tab1_port

A relação de terminações foi feita por comparação com as listagens em francês e em espanhol disponíveis no próprio arquivo dictio.cfg e por verificação com o auxílio da função “Pesquisa por prefixo/sufixo” do Prospéro (botão Ferramentas).

Para contornar dificuldades em identificar palavras do português por meio de terminações regulares, inserimos um conjunto de palavras nos dicionários de base do Prospéro (arquivos .dic). Esse conjunto de arquivos compreende qualidades, marcadores, provas, entidades, numerais, palavras acessórias (artigos, preposições, pronomes e conjunções), nomes de pessoas e unidades de medida. As palavras inseridas foram selecionadas com base em conhecimentos sobre sua irregularidade bem como a partir de resultados de testes em corpora específicos, verificando-se a lista de indefinidos e utilizando-se a função “Pesquisa por prefixo/sufixo”. Essas listas crescem à medida que aumenta a utilização do Prospéro lusófono-Br para corpora textuais de temas diversificados.

Com esses arquivos, o Prospéro tornou-se capaz de identificar a língua portuguesa nos textos e classificar muitos termos na respectiva categoria. A Figura 1 mostra um exemplo da identificação de provas presentes em um corpus. Vale destacar que a complementação e reestruturação dos arquivos de base podem dar-se indefinidamente, em conformidade com o corpus em estudo e a problemática da pesquisa.

Figura 1: Identificação de provas (épreuves) pelo Prospéro lusófono-Br com base em terminações do arquivo dictio.cfg e palavras do respectivo dicionário de base

Figura1_Socioargu_provas

2. Dicionários de conceitos: seres fictícios, coleções e categorias

Para conferir ao programa a capacidade de extrair do corpus informações e recortes conceitual ou semanticamente pertinentes, que permitam ao pesquisador estabelecer relações significantes e, por exemplo, identificar argumentos, atores e temporalidades, adaptamos ao português os três arquivos que integram os dicionários ou repertórios de conceitos, que compreendem os seres fictícios, as coleções e as categorias5.

Seres fictícios

O arquivo contém listas de palavras e expressões que constituem os seres fictícios, definidos como conjuntos de designações que representam diferentes formas de referência a determinadas entidades maiores, permitindo assim nomear sob um mesmo rótulo um “macro ator” ou um “grande personagem” cuja presença é marcante no contexto de determinada pesquisa. Além das diferentes variantes de escrita de uma palavra (de gênero e número, inicial maiúscula e minúscula), incluem-se expressões e palavras que tendam para um mesmo significado, sem comprometer a possibilidade de serem tratadas sob outras classificações. Um exemplo de ser fictício é AUTOMÓVEL@, que inclui termos como automóveis, AUTOMÓVEIS, carro, veículo pessoal (Figura 2).

Figura 2: Identificação do ser fictício AUTOMÓVEL@ – Prospéro lusófono-Br

Figura2_SeresFic_AUTOMOVEL

No momento da redação deste texto, há 38 seres fictícios prontos para utilização no Prospéro lusófono-Br. Selecionados e elaborados em função dos interesses de pesquisa de alguns membros da equipe, eles podem ser complementados de maneira contínua.

Coleções

O arquivo de coleções (.col), reúne listas de termos e expressões que remetem a formas ordinárias ou conhecidas de classificações taxonômicas, geralmente estabelecidas e comumente reconhecidas. Assim como ocorre com os seres fictícios, é possível criar tipos (sub-coleções) para cada lista, visando detalhar níveis ou ramos de uma classificação mais geral. Um exemplo de coleção frequentemente utilizada para medir o grau de internacionalização ou de transnacionalização de uma questão é PAÍS*, com as sub-coleções (tipos) América do Sul (Colômbia, Peru, entre outros), Ásia (Índia, China…), Europa (Alemanha, Espanha, França…) etc (Figura 3). O Prospéro lusófono-Br conta hoje com 37 coleções, número que cresce com as necessidades de utilização do programa pelos membros da equipe.

Figura 3: Coleção PAÍS*, tipo Europa – Prospéro lusófono-Br

Figura3_Colecoes_Pais_Europa

Categorias

No arquivo de categorias (.cat) inserimos tipos de objetos diferentes para dar conta das distinções entre qualidades, marcadores, provas e entidades, cada qual podendo remeter a agrupamentos metonímicos. Um exemplo de categoria de prova é Acusar/Opor-se (com verbos como acusar, desaprovando, polemizou) (Figura 4).

Figura 4: Categorie de prova Acusar/Opor-se – Prospéro lusófono-Br

Figura4_Conceitos_Cat Prova_Acusar

Para a construção das categorias, adotamos como padrão a grafia dos termos com suas possíveis flexões de gênero e número, e também flexões de pessoa e modo no caso das provas6, além das variantes com iniciais maiúsculas. À construção das listas seguiu-se um processo de dupla revisão e validação após uma reunião dos membros da equipe envolvidos na elaboração das listas de categorias: uma forma de mini conferência para o fechamento em consenso da versão básica. Até o momento, mais de 70% das listagens da versão em francês foram contemplados, tendo sido algumas delas eliminadas ou não priorizadas por guardarem forte relação com temas específicos e provavelmente pouco úteis em uma versão de base geral. As provas foram 100% traduzidas/adaptadas e passaram por todas as etapas de revisão e consenso. As qualidades e entidades passaram por uma revisão inicial e os marcadores foram construídos em dupla. A Tabela 2 resume a organização das categorias de conceitos, com seu respectivo número de listas, um comparativo com os arquivos da versão francesa, o número de representantes por categoria e exemplos.

Tabela 2: Status das categorias do Prospéro lusófono-Br

Tab2_port

Os arquivos de conceitos subsidiam a semântica formal do Prospéro dotando-o de ferramentas de pesquisa e de cruzamento de informações relevantes que auxiliarão o pesquisador a realizar a análise de seu corpus. A possibilidade de acesso e customização desses arquivos pelo pesquisador lhe confere autonomia e poder de decisão sobre a construção das ferramentas, em conformidade com seus conhecimentos prévios sobre o tema em estudo e sobre o corpus de interesse. Desta forma, nosso critério para a elaboração dos arquivos conceituais do Prospéro foi disponibilizar aos usuários listas de conceitos amplos, a partir das quais cada pesquisador poderá – e deverá – criar seus próprios dicionários.

3. O prosseguimento de uma experiência colaborativa

Uma das prioridades das próximas atividades será o trabalho sobre as fórmulas e classes de fórmulas, um recurso importante na panóplia de instrumentos oferecidos pelo Propéro para o estudo de corpora textuais. Elas permitem recuperar palavras, expressões, seres fictícios, coleções, categorias e termos no seu entorno, possibilitando ao pesquisador a visualização das relações existentes entre os elementos críticos do corpus, tais como atores, temas e temporalidades7. Na versão do Prospéro em língua francesa, há um conjunto de fórmulas que auxiliam buscas de enumeração de elementos, acontecimentos, expressões de base, formas negativas ligadas a entidades, grandes princípios, leis importantes, relatórios, enfim, toda sorte de agenciamentos que possam fazer sentido e atuar na descrição e na análise de corpora. Detalhes podem assim ser levados em conta, incluindo nomes de avenidas e ruas citadas pelos textos!

Nossa proposta é colocar à disposição dos usuários essas fórmulas para o Prospéro lusófono-Br e dar indicações tanto sobre os códigos como sobre as funções que desempenham, por meio de legendas e orientações acerca dos comandos. Uma vez compreendidos os possíveis usos das fórmulas já prontas, os pesquisadores poderão criar suas próprias fórmulas de acordo com seus interesses de pesquisa.

Finalmente, no intuito de ampliar a quantidade de usuários do Prospéro lusófono-Br, está em curso a tradução dos termos presentes na interface do programa, em todos os níveis, e também do manual do usuário, que orienta passo-a-passo as ações necessárias para o desenvolvimento de pesquisas com o auxílio do Prospéro. Assim, esperamos receber contribuições dos usuários que auxiliem o aperfeiçoamento contínuo do Prospéro em português.

Instituições ligadas pela equipe Prospéro lusófono-Br e seus membros :

Instituições brasileiras
Unicamp – DPCT
Flávia Gouveia
UFRGS e FURG
Raquel da Silveira
UFMG – Cedecom
Tacyana Arce
USP – EDM
Carla Cristina Pompeu
Vinício de Macedo Santos
Unila
Rodrigo Cantu
UFMG – FAFICH
Tiago Barcelos
UFSC – CPGA
Gustavo Matarazzo
UDESC – ESAG
Aghata Gonsalves
Instituições francesas
EHESS – GSPR
Francis Chateauraynaud
Josquin Debaz
Markku Lehtonen
 EHESS
 Waldir Rocha
Université de Nanterre
Patrick Trabal
Université Paris VIII
Lina Shimada
  1. Um exercício preliminar de adaptação do Prospéro para o tratamento de textos em português, com foco no tema do ensino da matemática no Brasil e na França, havia sido realizado pelos professores Patrick Trabal (Universidade de Nanterre) e Vinício de Macedo Santos (USP) entre os anos 2010-2011. Ver Trabal & Santos (2011), L’enseignement des mathématiques et les difficultés des élèves : des questions pour la recherche, disponível em: http://www.m2real.org/spip.php?article161&lang=fr (acesso em 27/10/2015). []
  2. Ainda que o trabalho realizado contemple em grande medida o núcleo comum às variantes do idioma, ressaltamos que a utilização de textos em português não brasileiro exigirá ajustes apropriados à variante considerada. Descrições sobre o processo de adaptação do Prospéro para as línguas espanhola e italiana encontram-se publicadas no carnet socioargu [ver as contribuições respectivas de Juan Carlos Guerrero Bernal (2012) et de Fabio Marcodoppido (2014)]. []
  3. Trata-se de um tratado internacional firmado em 1990 entre Angola, Brasil, Cabo Verde, Guiné-Bissau, Moçambique, Portugal e São Tomé e Príncipe, com a inclusão de Timor-Leste em 2004. O acordo visa criar uma ortografia unificada para o português, a ser usada por todos os países de língua oficial portuguesa. []
  4. BRASIL. Decreto n. 6583, de 29 de setembro de 2008. Promulga o Acordo Ortográfico da Língua Portuguesa, assinado em Lisboa, em 16 de dezembro de 1990, 2008. Disponível em: <http://www.planalto.gov.br/ccivil_03/_Ato2007-2010/2008/Decreto/D6583.htm> []
  5. Arquivos fict_port.fic, cole_port.col e cat_port.dic, respectivamente. []
  6. Em função da rara ocorrência das formais verbais flexionadas na segunda pessoa do plural (vós) e no pretérito mais-que-perfeito simples do modo indicativo em textos do português brasileiro, optamos, na maior parte dos casos, por não inseri-los nas listas de provas do Prospéro lusófono-Br. []
  7. Sobre as classes de fórmulas, ver texto de Chateauraynaud e Debaz « De l »usage des formules discursives en sociologie argumentatives » (jan. 2011). []

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.