ETIQUETAGEM DE DADOS DE ENTREVISTAS SOCIOLINGUÍSTICAS: A PRODUTIVIDADE DA FERRAMENTA LANCSBOX PARA LEVANTAR OCORRÊNCIAS DO MODALIZADOR EPISTÊMICO “(EU) ACHO QUE”

• Autor
• Calyne Porto de Oliveira
• Co-autores
• Marta Deysiane Alves Faria Sousa
• Resumo

•  

  O uso de ferramentas computacionais para a anotação linguística com o propósito de automatizar a análise de amostras sociolinguísticas, principalmente aquelas com grande volume, é fundamental (SOUSA, 2020). Existem diversas ferramentas para etiquetagem automática, isto é, que atribuem automaticamente ao conjunto de dados marcações morfológicas, sintáticas, semânticas, entre outras. No entanto, nem todas são gratuitas e simples de utilizar, já que algumas exigem conhecimento de linguagem de programação. Tendo como foco a etiquetagem morfológica das categorias gramaticais do português brasileiro na amostra Deslocamentos 2019 do banco de dados Falares Sergipanos, apresentamos os resultados parciais do desempenho da ferramenta LancsBox 6.0 (BREZINA; WEILL-TESSIER; MCENERY, 2020), com o objetivo  de contribuir para  automatização da análise sociolinguística. Para realizar tal objetivo, selecionamos aleatoriamente 14 entrevistas que compõem a amostra e realizamos uma inspeção em cada uma para retirar marcas externas do texto como referências a risos, barulhos, interveniências, entre outros. Calculamos o quantitativo de palavras,  resultando em 100.437 palavras, o que corresponde a 20% do total de palavras da amostra. Em seguida, para analisar a produtividade do etiquetador, escolhemos como fenômeno o modalizador epistêmico “(eu) acho que”, que foi estudado em diferentes variedades do português brasileiro, e possui sentidos variáveis de verbo pleno, opinião, dúvida, ou incerteza (cf. CARDOSO, 2021). Importamos os arquivos finais para a ferramenta e analisamos inicialmente todas as 317 ocorrências do fenômeno na amostra em relação a marcações corretas e incorretas. Atribuímos, no próprio arquivo exportado do Lancsbox,  a cor vermelha às unidades da entrevista que estavam classificadas inadequadamente; e, para as unidades etiquetadas corretamente, aderimos à cor verde. No caso do fenômeno em questão, todas as 317 ocorrências foram corretamente marcadas morfologicamente. Nosso próximo objetivo é, a partir do levantamento inicial, refinar a busca utilizando filtros mais rápidos, pois fizemos, nessa primeira testagem, 4 tipos de pesquisa nos dados para buscar todas as ocorrências do fenômeno, para, posteriormente, a partir das etiquetas, levantar pistas acerca do contexto linguístico em que o fenômeno ocorre. Acreditamos que a  automatização das análises em corpus de língua falada é altamente relevante por beneficiar não só os pesquisadores que lidam com grande volume de dados, como é o caso da Sociolinguística, mas também desenvolvedores de ferramentas de processamento linguístico automático. É fundamental, nesse processo, a validação e avaliação do desempenho dos etiquetadores, para que possam atender às demandas dos projetos da área.

• Palavras-chave
• Etiquetagem morfológica; Lancsbox; ‘’(Eu) acho que’’; Variação.
• Área Temática
• Sociolinguística Variacionista

Voltar