LOS PILARES DE UN DICCIONARIO MODERNO SECO, M. Seminário: Karina Rodrigues

Corpus, uma solução para todos os problemas? “A nova ordem entre os lexicógrafos é o corpus: pequeno, médio ou grande, estamos tão convencidos de sua importância que o que no início era apenas um complemento indispensável para realizar o trabalho da melhor maneira, tornou-se o próprio trabalho, de forma que muitos esperam dos próprios corpora a solução de problemas que nem mesmo a Lexicografia se atrevera a resolver, ou acreditava simplesmente não haver solução.” (Pascual, 1996, apud Seco, 2003) Ocorre, nos últimos anos, um fenômeno de mitificação da informática aplicada ao léxico.

Quando a Real Academia Espanhola criou dois corpora da língua espanhola, com 250 milhões de palavras, gerou-se informações nem sempre bem formuladas e quase sempre mal interpretadas. Muitos acreditam que esse seria o dicionário do futuro. Esquecem-se, no entanto, de que um dicionário não é uma mera coleção de palavras, mas uma chave destinada a decifrar um a um os signos com que tão mal nos explicamos e com os quais tão mal nos entendemos.

O corpus Trata-se de um registro das palavras do idioma. Pode ser entendido como um armazém de materiais de construção. Sua utilidade é potencial, depende do uso que o lexicógrafo faz dele. Os serviços oferecidos por essa ferramenta podem ser numerosos e variados, mas dependem das características que lhe derem seus criadores. É imprescindível que a constituição do corpus léxico leve em conta a visão nítida do objetivo concreto que se busca com sua utilização.

A revolução do computador Em 1984, a Sección Filológica del Institut d’Estudis Catalans, na confecção de um dicionário descritivo do catalão moderno, teve como premissa a elaboração de um corpus informatizado conforme o objetivo proposto. Os famosos: Diccionario de autoridades e Oxford English Dictionary bem como o Diccionario histórico de la Academia Española foram elaborados antes da era da informática. O advento do computador mudou de maneira espetacular as perspectivas do trabalho dos lexicógrafos. A informática permitia e prometia a criação de corpora textuais com grandes quantidades de dados léxicos.

Projeto dispendioso As exigências financeiras para um projeto dessa monta são grandes. O Institut d’Estudis Catalans foi a primeira entidade capaz de financiar, ou de captar recursos, para tanto. Joaquim Rafel (1996), diretor do corpus informatizado do catalão, conta que em um primeiro momento (por 4 anos) foi criada a infraestrutura material, se traçaram os programas básicos, formou-se a equipe de profissionais. Somente a partir de 1989, convênios com entidades públicas permitiram a conclusão do corpus, o que ocorreu em 1998.

Corpus textual informatizado da língua catalã Abarca um período de quase 150 anos, de 1833 a É um corpus de língua escrita que inclui textos literários (narrativa, teatro, ensaio, poesia) e não literário (filosofia, religião, ciências sociais, ciências puras e naturais, ciências aplicadas, belas artes, história etc) “Um corpus representativo da língua não pode ser constituído introduzindo obras no computador sem nenhum planejamento prévio ou critério de seleção” (Rafel, 1996) Os grupos tipológicos acima têm o objetivo de trazer um retrato amplo da língua, atendendo a vários domínios de interesse da atividade humana.

No entanto, o autor ressalta que somente o cérebro humano é capaz de uma organização inteligente de todas essas peças, dotando-as de sentido para compor o dicionário. O corpus também é capaz de oferecer dados sobre a frequência das palavras. A frequência, ou número de vezes que uma palavra aparece em um texto, parece ser um bom dado objetivo para valorar a utilidade da palavra. A frequência absoluta, porém, pode dar uma falsa impressão de importância da palavra. É necessário observar o critério da dispersão (a frequência com que a palavra aparece em cada um dos texto do corpus)

Recomendação do autor Desconfiar dos dados do corpus. O corpus é compilado a partir de um critério determinado subjetivamente pela equipe lexicográfica, logo, os dados “objetivos” desse material advém de decisões “subjetivas” como o tipo de fonte explorada, os limites cronológicos e geográficos das fontes, a proporção das fontes no que concerne a variados aspectos (há uma homogeneidade no conjunto sobre os variados e possíveis aspectos dos textos?) Esses são pontos a refletir e a levar em consideração, o autor não invalida a importância e relevância do trabalho com corpus para a confecção de dicionários.

questões 1) Em que medida o corpus e a informática são úteis ao trabalho do lexicógrafo? 2) Como extrair bons resultados de um corpus? 3) A frequência de uso é um dado confiável para se estabelecer a importância de uma palavra? Por quê?