Predição da complexidade sentencial do português brasileiro escrito, usando métricas linguísticas, psicolinguísticas e de rastreamento ocular

Abstract

Em primeiro lugar agradeço à melhor orientadora que um estudante poderia almejar, professora Sandra, se algum dia eu vier a orientar alguém, quero tentar ser pelo menos metade do que você foi pra mim.À minha co-orientadora não oficial, a incrível linguista e pesquisadora Magali Duran, nem consigo listar o quanto aprendi com você.À pesquisadora Vanessa Magalhães e à Embrapa, pelo apoio, motivação e acompanhamento em todas as fases deste trabalho.Aos demais co-autores dos artigos desta tese. Se tive algum mérito no resultado final, certamente foi o de servir de motivo para reunir tanta gente boa em torno do objetivo de me ajudar. Em especial às professoras Carol, Érica, Elis, Katerina e Teresa; aos professores Gustavo, Denis e Renê; e aos colegas João, Nathan e Edresson.À minha esposa, bailarina e professora, que há 16 anos vem me apoiando nessa jornada.Ao meu finado pai, que silenciosamente me ensinou que ser honesto é mais importante que saber ler e escrever. À minha mãe, que despertou em mim o gosto pela leitura por meio do exemplo, e sempre me incentivou a continuar estudando.Ao meu irmão e guia, que me trouxe para a área da computação e agora tenta me levar para a cafeicultura nas montanhas mineiras.Ao professor Thiago Pardo, por ensinar PLN com um entusiasmo contagiante.Ao professor Thiago e às professoras Graça Nunes, Carol Scarton, Maria José Finatto e Lilian Hubner pelas preciosas dicas nas bancas de qualificação de mestrado e doutorado.Às professoras Lilian Hubner e Renata Vieira e ao professor Marcelo Finger pela cuidadosa revisão e avaliação da tese na banca final.

Abordagem baseada em Aumento de Dados para Avaliação Automática de Leiturabilidade

“…Para isto, foi desenvolvido um corpus combinado, formado por textos classificados conforme o público-alvo da revista ou jornal de origem. O melhor classificadorLeal (2019) avaliou métodos de predição de complexidade de frases para o PB.Para isto, foram criados dois corpora, um com sentenças alinhadas peloPorSimples, o PorSimplesSent (LEAL et al, 2018), e outro com métricas de rastreamento ocular e normas de previsibilidade para estudantes de nível superior, denominado RastrOS(LEAL et al, 2022b). Foi considerada a versão mais recente da ferramenta NILC-Metrix(LEAL et al, 2021) (com 200 métricas), bem como abordagens de transferência de aprendizado com adição das métricas de rastreamento ocular Leal (2019).…”

Detecção automática de notícias falsas em português

“…A documentação do sistema, bem como as explicações de todas as métricas com seus exemplos práticos estão disponíveis on-line 17 e em Leal (2021).…”

“…A extração dos atributos de inteligibilidade ocorreu por meio da ferramenta NILC-Metrix (LEAL, 2021). No total, a ferramenta dispõe de 200 atributos que são agrupados em 14 categorias, detalhadas na Subseção 2.3.2.…”

“…onde W é o número médio de palavras por sentença, S é o número de sentenças do texto e SY L é o número médio de sílabas por palavra, em que pontuações mais altas indicam que o texto é mais fácil de ler; ii) o Índice de Brunét (BRUNET, 1978) é uma forma de relação tipo/token menos sensível ao tamanho do texto, calculado de acordo com a seguinte equação: V (4.10) onde V 1 é o número de palavras no vocabulário do texto que tem uma única ocorrência Leal (2021). cita V 1 como o hapáx legomena, que é uma palavra que aparece registrada uma única vez em um dado idioma; iv) a onde nW é o número de palavras no documento e CW é o número de palavras complexas no documento, indicado pelas palavras que possuem três ou mais sílabas, em que, quanto maior o índice, maior a complexidade e o nível de escolaridade exigidos.…”

“…A escolha pelo termo "inteligibilidade" com tradução para "readability" se deu pela opção deLeal (2021), que relacionou esse termo com "entender" e dominar a língua no cotidiano.…”