Quantificando a produtividade

Segundo Bauer (2001), a primeira tentativa de se mensurar produtividade foi proposta por Aronoff (1976), a partir da razão entre as palavras realmente produzidas por uma dada regra de formação de palavras (doravante RFP) e as palavras potencialmente produzidas a partir desta regra. Baayen e Lieber (1991, p.803) formalizam essa razão como:

  138  

Em (91), I é o índice de produtividade, V é o número de tipos reais e S é o número de tipos que uma dada RFP poderia originar. Os autores apontam, contudo, alguns problemas nessa fórmula de medição. Primeiro, a noção de palavra real não é facilmente mensurável. A única possibilidade de se encontrar um número concreto de ocorrências seria em um corpus, que pode, entretanto, não exibir todos os usos de um determinado processo produtivo. Segundo, não é sempre claro qual o número de palavras potenciais formadas a partir de um processo. Assim, se S se mantém, em princípio, inumeravelmente infinito, toda RFP produtiva apresentaria o índice de produtividade zero. Embora não seja necessariamente verdade que o número de bases possíveis é infinito, o ponto importante é que processos produtivos podem não diferir drasticamente por meio dessa medição. Por essa razão, os autores concluem que a fórmula de Aronoff é interessante para se medir casos não produtivos de formação de palavras.

Aronoff (1983), ao comparar as palavras em –ivity e em –iveness em inglês, nota que a média da frequência de tokens de palavras formadas por processos produtivos é geralmente mais baixa do que a das palavras correspondentes formadas por processos não produtivos. A explicação para esse padrão se relaciona ao fato de que palavras que pertencem a processos não-produtivos devem ser, por definição, lexicalizadas. Um aspecto da lexicalização é a especialização semântica, i.e., a idiomatização. Assim, palavras lexicalizadas apresentam significados especializados. Por outro lado, palavras produzidas produtivamente podem ter um único significado composicional, que emerge do processo morfológico. A implicação disso é que frequência de tokens é apontada como uma medida indireta da complexidade semântica que, por sua vez, se relaciona a certos graus de produtividade.

Além disso, há um consenso de que produtividade se relaciona à capacidade de um dado processo morfológico dar origem a novas palavras (Baayen 1993, p. 183). Uma maneira de se localizarem neologismos, especialmente em grandes corpora, seria por meio do estudo das denominadas hapax legomena, ou seja, palavras que ocorrem uma única vez em determinado corpus. Tendo em vista essas noções, Baayen (1989) sugere uma nova medida de produtividade (P), que denomina de Category-Conditioned Degree

(92) P = !1

!

Em (92), n1 é o número de palavras formadas pelo processo morfológico

apropriado que ocorrem uma única vez em um corpus (hapax legomena) e N é frequência total de tokens das palavras criadas por esse processo no corpus. Essa medida de Baayen é uma tentativa de dar tratamento estatístico à probabilidade de se encontrarem novas palavras que revelem novos tipos (Baayen 1993, p. 183). Entretanto, essa medida não considera a frequência de tipos. Baayen (1992; Baayen; Lieber 1991) inclui esta frequência em uma medida de produtividade global que o autor denomina de P*. P* é mostrado em um gráfico bidimensional, com P no eixo horizontal, e V (número de diferentes tipos em um corpus) no eixo vertical. Se nesse gráfico um processo é marcado no canto inferior esquerdo, é possível dizer que o processo é improdutivo; e se o processo for marcado no canto superior direito, o processo é extremamente produtivo.

Baayen (1993:192) propõe ainda uma terceira medida de produtividade, que também rotula de P*, denominada de grau de produtividade condicionado à hapax (hapax-conditioned degree of productivity). A medida P* considera o número de hapaxes de uma categoria apropriada como uma proporção do número total de hapaxes no corpus.

(93) P* = !1,!,!1

!1

Em (93), E indica a categoria morfológica apropriada (e.g. nomes terminados em –ism), t indica o número de tokens no corpus e h é o número de hapaxes. Assim, a linha superior da fórmula deve ser lida como ‘o número de palavras da categoria morfológica apropriada que ocorrem uma única vez no corpus’. Segundo Baayen (1993), essa medida apresenta uma função distinta da medida P. O principal uso de P é diferenciar entre processos produtivos e não produtivos de formação de palavras, ao passo que P* permite ranquear processos produtivos de acordo com seus graus de produtividade.

  140  

Bauer (2010, p.150) aponta que é importante questionar se hapaxes em um corpus podem corresponder de maneira significativa a novas palavras em uso real. Quanto maior o número de tipos possíveis, maior será a possibilidade de nem todos estarem presentes em um determinado corpus. Adicionalmente, é fundamental considerar o tamanho da amostra, uma vez que quanto menor for a amostra, menos confiáveis serão as possíveis conclusões a respeito da produtividade de um dado processo.

1.3. Variação diacrônica na produtividade morfológica

Os estudos de produtividade morfológica em termos diacrônicos têm mostrado que dicionários eletrônicos são ferramentas interessantes de pesquisa, porque permitem a investigação de como uma determinada estrutura morfológica se tornou mais ou menos produtiva através do tempo (Aronoff; Lindsay, 2014).

Anshen e Aronoff (1999) discutem mudanças na produtividade dos sufixos –ity e –ment através do tempo, a partir do Oxford English Dictionary (doravante OED). Usando as ferramentas de pesquisa avançada, é possível buscar todas as palavras que apresentam um determinado critério de busca, por exemplo, todas as palavras que terminam no sufixo –ity. Cada entrada lexical no OED contém definições, informação etimológica e a datação da primeira e da última citação da palavra. Essa datação pode ser usada como um indicador aproximado do nascimento e da morte de um dado processo morfológico na língua (Anshen; Aronoff 1999, p.19).

Segundo os autores (Ibidem, p. 20), comparações entre pares de afixos podem ser desafiadoras. Um exemplo bastante estudado é o paralelo entre os sufixos –ity e –ness, uma vez que ambos competem produtivamente, durante uma boa parte de um milênio, pelo mesmo ‘nicho ecológico’ na língua. Os dois sufixos formam nomes abstratos a partir de adjetivos, contudo, -ness é um sufixo germânico cuja origem é anterior à história do inglês escrito; ao passo que –ity é um sufixo de origem latina, cujas formas mais recentes são emprestadas do francês.