CAPÍTULO III METODOLOGIA DA PESQUISA
3.3 Análise multidimensional
Um ponto de partida para o entendimento da análise multidimensional é compreender o contexto no qual ela foi criada. Ela foi desenvolvida tendo em vista a pouca abrangência do estudo da variação entre textos que se faziam valer de poucas características ou traços linguísticos.
Para Biber (1988, 1995), era comum descrever-se uma variedade textual por meio de poucas características, como a formalidade, impessoalidade ou oralidade (as quais ele define como características situacionais), ou como a frequência de palavras, emprego de marcadores, ou traços coesivos (chamados de características linguísticas).
Entretanto, segundo o autor, a variação entre variedades linguísticas (gêneros, meios, períodos históricos, etc.) deve levar em conta uma quantidade maior de traços, já que nenhum traço isolado é suficiente para uma descrição adequada. Tampouco o estudo baseado somente em características situacionais ou linguísticas, é adequado. O ideal, conforme Biber, seria combinar as duas perspectivas, isto é, a descrição firmada em características situacionais com a descrição baseada em traços linguísticos (BERBER SARDINHA, 2000b).
A análise multidimensional se propõe justamente a isso, ou seja, a fornecer o instrumental para a identificação de padrões de coocorrências dos dois tipos de características, visando a uma caracterização de uma língua, ou de um conjunto de tipos de texto, de modo abrangente.
Ela se apresenta como uma metodologia na linguística atual, entretanto no Brasil ela ainda é uma proposta de pesquisa recente. A sua maior contribuição para o estudo da linguagem é a possibilidade de se utilizar concomitantemente uma variedade de traços linguísticos empregados na análise textual e de se aplicar a codificação desses traços a um número de textos maior do que se poderia fazer manualmente (e.g. HOEY, 1983; SWALES, 1990; VAN DIJK, 1980), por meio do emprego de computadores e técnicas estatísticas (BERBER SARDINHA, 2000b).
O conceito fundamental nesse tipo de análise é o construto dimensão, pois o nome da abordagem deriva do conceito de dimensão de variação.
Uma dimensão é um conjunto de traços que subjazem a um corpus. O corpus pode consistir de uma seleção de textos, de um conjunto de gêneros ou até mesmo de amostras relativas a um idioma inteiro. Esse conceito será discutido mais abaixo, na seção terminologia. Na sequência, são abordados os pressupostos da análise multidimensional.
3.3.1 Pressupostos da análise multidimensional
A análise multidimensional possui um caráter essencialmente quantitativo e computacional. Ela permite a descrição de línguas e tipos de textos por meio de uma grande quantidade de características linguísticas.
Douglas Biber criou a análise multidimensional com o objetivo de permitir uma descrição rica e complexa de corpora inteiros de textos por meios estatísticos e pela extração precisa de características textuais em comum entre corpora. Anteriormente à análise multidimensional, a tendência era de que se estudasse a coocorrência de poucos traços e que se fizesse a interpretação de modo intuitivo. A variação entre registros era investigada comumente por meio de poucos parâmetros, como, por exemplo, formalidade ou planejamento.
Como consequência, a distinção que se fazia entre textos era incompleta, pois privilegiava apenas uma das muitas diferenças que podem existir entre os textos. Essa ênfase no emprego de poucos parâmetros também tinha o efeito de polarizar a descrição de cada parâmetro. Assim, havia uma tendência para se descreverem textos através de dois opostos, como, por exemplo, formal versus informal, ou planejado versus espontâneo.
A análise multidimensional reconhece que a análise deve utilizar-se de uma quantidade maior de parâmetros para permitir uma comparação mais abrangente. Características como formalidade, planejamento, oralidade, referencialidade, entre outras, devem ser possíveis de serem incluídas. Além disso, o analista deve dispor de um arsenal que inclua o maior número possível de características linguísticas, já que o aumento da quantidade de parâmetros implica um número maior de traços linguísticos, necessários para cobrir um número maior de parâmetros.
As categorias empregadas não necessitam ser limitadas. Elas podem exibir maior possibilidade de variação, por exemplo, através de uma escala da formalidade (de mais formal para menos formal).
A descrição dos textos dentro desses aspectos mais abrangentes é feita por meio de técnicas estatísticas multivariadas, o que evita erros na especificação dos traços coocorrentes.
A abordagem multidimensional possui várias características que no seu conjunto distinguem essa metodologia de outros sistemas analíticos de descrição. Primeiramente, ela baseia-se em corpora, isto é, ela pretende descrever um grande número de textos autênticos. Outra característica é que ela é essencialmente computacional, fazendo uso de ferramentas automáticas e semiautomáticas para rotulação das características de interesse nos textos.
Além disso, ela se presta à descrição de conjuntos de textos ou registros, ao invés de textos individuais. Ela também tem um caráter essencialmente comparativo, pois promove o contraste entre os textos ou registros. Como diz seu rótulo, ela é multidimensional, ao reconhecer que a variação entre textos e registros pode ser descrita por meio de múltiplos parâmetros.
Outra característica é a utilização de um aparato quantitativo de descrição, o qual permite a especificação da coocorrência dos traços linguísticos de modo preciso. Porém, a abordagem não descarta a utilidade de técnicas qualitativas de
interpretação, pois as dimensões são rotuladas seguindo a interpretação qualitativa dos fatores.
Por fim, a abordagem multidimensional combina análises de nível macro com análises de nível micro, já que a microdescrição dos traços de cada texto permite a indução dos macroagrupamentos textuais ou genéricos.
A abordagem multidimensional apresenta caráter cumulativo. A descrição de um corpus de determinada variedade multidimensionalmente permite a comparação dessa descrição com a descrição de outras variedades, como, por exemplo, o contraste entre textos de negócio e textos jornalísticos.
A comparação posterior é feita por meio do contraste das dimensões finais obtidas em cada análise separadamente, não havendo necessidade de se promover outra análise por completo para fins comparativos.
Além da comparação de variedades diferentes, as análises individuais também se prestam para a comparação da descrição de corpora de línguas diferentes. Por exemplo, pode-se pensar na comparação das características multidimensionais de textos de negócios escritos em português e inglês.
Desse modo, é possível empreender-se uma análise de larga escala de um
corpus fazendo-se descrições individuais ao longo do tempo. E, posteriormente, é
possível combinar as análises para fins comparativos.
Por isso, a abordagem multidimensional presta-se a projetos de descrição de bancos de dados em crescimento, ou seja, aquelas bases de dados linguísticos que estão em processo de coleta.
Essa abordagem é flexível, podendo acomodar diversos tipos de traços linguísticos. De forma recorrente, tem-se utilizado características lexicais e gramaticais (BIBER, 1988, 1995), entretanto é possível incluir características de cunho mais discursivo (PACHECO, 1997) e funcionais (SHIMAZUMI, 1998).
Além disso, as próprias dimensões não são definitivas, podendo ser modificadas com a inclusão de novas características linguísticas.
Nesta pesquisa, faz-se uma comparação de traços linguísticos com ênfase nas características lexicais e gramaticais (modalização e modalidade) em três
corpora.
Na sequência, explica-se a terminologia da AM, que apresenta conceitos centrais empregados nesta análise.
3.3.2 Terminologia
Nesta seção, são apresentados alguns conceitos centrais empregados na análise multidimensional.
3.3.2.1 Traços
Traços são elementos linguísticos pertinentes à análise que se quantificam, a exemplo do número de infinitivos, gerúndios e substantivos. Os traços a serem levados em conta em uma análise multidimensional são escolhidos mediante pesquisa na literatura disponível e devem representar um aspecto funcional no nível do texto (BIBER, 1988, p.72). Os traços são chamados de variáveis na realização da análise fatorial.
Neste estudo, optou-se pelas variáveis substantivo, adjetivo e verbos modais, que foram previamente contabilizadas e etiquetadas pelo programa TreeTagger. Elas são frequentemente recorrentes em textos acadêmicos e representam o aspecto funcional da impessoalidade, característica dessa categoria textual.
3.3.2.2 Características
As características analíticas dividem-se em dois grupos: linguísticas e não linguísticas (também conhecidas por situacionais).
As características linguísticas são traços que se escolheu quantificar, como, por exemplo, a quantidade de substantivos, ou de marcadores discursivos, ou a densidade lexical.
As características situacionais são aquelas preexistentes e de uso não estritamente acadêmico que descrevem as características de uso de uma variedade. Por exemplo, tem-se propósito, tópico, meio, formalidade, etc.
Neste estudo, optou-se pela característica linguística, conforme já explicitado no item anterior.
3.3.2.3 Registro e gênero
Os termos são empregados com sentidos idênticos na análise multidimensional. Na análise multidimensional, registro ou gênero é um termo empregado para definir uma variedade linguística, geral ou específica, como discurso acadêmico ou cartas pessoais. Em trabalhos anteriores, Biber (1988) empregava o termo gênero e mais recentemente tem privilegiado o termo registro (BIBER, 1995).
Um registro ou gênero é uma variedade definida por variáveis situacionais, isto é, não linguísticas e cujos rótulos são empregados corriqueiramente por falantes nativos da língua no dia a dia.
Esse é um conceito considerado impreciso (cover term), pois pode definir tanto variedades de caráter geral, como conversação, quanto específicas, como, por exemplo, os textos escritos por um determinado autor.
Assim, a prosa acadêmica, foco desta análise, pode ser classificada como registro.
3.3.2.4 Tipo de texto
O conceito de tipo de texto é diferente do de registro e gênero. Ele designa um conjunto de textos formado exclusivamente com base em critérios linguísticos.
Chega-se à descrição de tipos de texto somente em estágios avançados da análise multidimensional, quando já se descreveram as dimensões e se mapearam os registros participantes em cada uma.
Por essa razão, não é uma meta de toda análise multidimensional descrever os tipos de texto de uma língua ou variedade.
3.3.2.5 Fator
Um fator é um grupo de variáveis que coocorrem significativamente do ponto de vista estatístico. Os fatores são extraídos mediante a aplicação do procedimento estatístico conhecido como Análise Fatorial.
Esse procedimento baseia-se na extração de conjuntos de variáveis que se correlacionam. O procedimento estatístico proporciona várias soluções, isto é, conjuntos com vários números de fatores (por exemplo, uma solução com dois fatores, três fatores, etc.).
O analista é quem escolhe a solução mais apropriada. Não há métodos estatísticos comprovadamente eficazes para a identificação do número exato de fatores subjacentes a um conjunto de dados.
Por isso, o analista deve recorrer ao leque de técnicas para escolher qual é a melhor solução para os seus dados.
Da identificação criteriosa do número de fatores depende a localização das dimensões de forma correta.
Neste estudo, o ponto de partida para a escolha das variáveis que compõem a análise multidimensional foi o jogo de etiquetas gerado pelo etiquetador morfológico TreeTagger, para a língua portuguesa (SCHMIDT, 1993), bem como os dados numéricos gerados pelo programa WordSmith Tools 6.0, além das subcategorias dos fatores de atribuição da THA (RICHTER, 2011). Os dados gerados pelos programas TreeTagger e WordSmith Tools 6.0 estão gravados no CD, em anexo.
3.3.2.6 Dimensão
A dimensão é o caráter que um fator assume assim que ele é interpretado do ponto de vista de sua função comunicativa.
Uma dimensão permite visualizar características em comum partilhadas por uma porção significativa dos dados.
A interpretação do fator leva em conta tanto as características linguísticas quanto as características partilhadas pelos registros que estão representados no fator.
As dimensões permitem redefinir o quadro de registros inicial. Nesta tese, as dimensões selecionadas para a pesquisa são:
Dimensão 1: Produção informacional; Dimensão 2 : Informação abstrata; Dimensão 3: Referências explicitas;
Dimensão 4: Informação elaborada de antemão.
Todas as dimensões estão relacionadas ao registro dos textos escolhidos para análise, ou seja, a prosa acadêmica.
Na subseção que segue, tem-se as etapas da análise multidimensional.
3.3.3 Etapas de uma análise multidimensional
Nas seções e subseções anteriores foram definidos os conceitos centrais da análise multidimensional. A partir disso, apresentam-se os passos envolvidos na consecução de uma investigação dentro dessa linha.
De modo geral, a execução de uma análise multidimensional envolve três etapas básicas. A primeira, de caráter preliminar, compreende a revisão da literatura em busca de traços linguísticos relevantes a serem levados em conta na análise, a coleta do corpus e a codificação dos textos de acordo com o elenco de características linguísticas selecionadas para análise.
A segunda fase da análise refere-se à análise fatorial. Durante essa fase, é feito um agrupamento das características linguísticas em fatores, bem como a sua interpretação funcional, a descoberta do traço comunicativo dominante subjacente ao fator, e a determinação das dimensões.
Por fim, na terceira etapa, faz-se o cálculo de escores de cada texto em relação a cada fator e interpretam-se as dimensões à luz dos textos que as compõem.
Mais especificamente, os passos a serem seguidos numa análise multidimensional são apresentados abaixo. As etapas principais compreendem:
1. o levantamento das características linguísticas relevantes para análise, por meio de ampla consulta à literatura disponível;
2. a coleta ou a adoção de um corpus de dados linguísticos representativo e compatível com as metas da análise;
3. a transformação das características linguísticas em variáveis quantificáveis;
4. a codificação dos dados baseada nas variáveis selecionadas, usando-se ferramentas computacionais para análise automática, semiautomática (interativa), ou manual;
5. a conferência manual da codificação feita por computador para se assegurar de sua exatidão;
6. a computação de frequências médias de cada variável;
7. a padronização das frequências (em geral por 1000 palavras), para permitir a comparação entre variedades (textos, registros ou corpora) de extensões diferentes;
8. a análise fatorial inicial, a fim de se obterem os pesos (loadings) de cada variável em cada variedade;
9. a determinação do número de fatores, por meio da aplicação de técnicas como observação dos valores eigen (eigenvalues) em um gráfico scree (scree
plot);
10. a análise fatorial posterior, fazendo-se a rotação dos fatores para se evitar sobrecarga de um fator;
11. a interpretação de cada fator e a rotulação das dimensões;
12. o cálculo de escores de cada corpus por fator, através da padronização dos escores com base na média e no desvio padrão; e
13. o cálculo de escores médios de cada variedade por fator.
Em resumo, uma pesquisa multidimensional envolve análises macroscópicas e microscópicas. As primeiras são efetuadas quando da computação dos fatores. Nesse momento, as análises de cada corpus são agrupadas de modo que se possa perceber a variação das mesmas em nível macro.
As análises microscópicas, por outro lado, se dão quando da interpretação dos fatores de modo funcional. Nesse nível, leva-se em conta cada corpus e cada registro individualmente.
Neste estudo, as análises macro e microscópicas foram feitas a partir dos dados numéricos gerados pelos softwares (TreeTagger, WordSmith Tools 6.0 e Mapeador Semântico, nesta mesma sequência). Passa-se, assim, para a análise, a discussão e a interpretação dos resultados desta pesquisa .