Antes de apresentarmos a abordagem proposta para a construção automática de mapas conceituais a partir de textos em português do Brasil, é necessário esclarecer a intenção subjacente à pesquisa. Em capítulos anteriores, afirmamos que os esforços presentes nesta pesquisa não são meros exercícios computacionais, mas ações que buscam alternativas favoráveis à integração de diferentes tecnologias e mídias a fim de criar oportunidades para a descoberta de maneiras de ensinar, aprender e desenvolver o currículo. Portanto, à luz da Educação, a ressignificação
7
A Língua Portuguesa é a língua materna de cerca de 200 milhões de pessoas e a sexta mais falada no mundo. As variações do português com maior número de falantes são o português europeu e o português brasileiro que diferem em aspectos fonológicos, lexicais, morfológicos e sintáticos. (ALUÍSIO et al., 2004).
59
de conteúdos convencionais por meio de mapas conceituais, possibilitando o seu uso como recursos de apoio à aprendizagem, passa pela necessidade de que estes mapas sejam: (i) fiéis ao conteúdo do texto que lhes deu origem e (ii) compreensíveis para leitores humanos.
A abordagem que propomos busca resguardar a fidelidade ao conteúdo do texto original, assegurando a compreensibilidade dos mapas conceituais construídos e por isso, necessita enfrentar os desafios inerentes à manipulação da linguagem natural, além das particularidades da Língua Portuguesa. Então, a adoção de métodos e técnicas que restrinjam a perda semântica no mapeamento texto-mapa conceitual sem comprometer a essência do conteúdo e sem limitar a leitura humana é crucial para o êxito desta abordagem.
Dentre os achados relatados no Capítulo 3 desta dissertação, encontramos números importantes: 10 das 15 abordagens, 66,67%, usam fontes de dados não estruturadas; destas, metade constrói mapas conceituais ditos completos por meio de métodos híbridos e métodos linguísticos. As opções metodológicas para esta pesquisa não poderiam ser realizadas à margem dos dados expostos. Levando-se em consideração os resultados apresentados pelas pesquisas similares desenvolvemos uma predileção natural pelos métodos linguísticos e híbridos para tratar do problema da representação do conteúdo de um documento em Língua Portuguesa por meio de mapas conceituais.
Novak e Gowin (1984) afirmam que, na construção de mapas conceituais, é importante que palavras adequadas sejam escolhidas para rotular conceitos e relações. Considerando que um documento é formado por sentenças, que por sua vez são listas de palavras dispostas segundo regras linguísticas, configura-se um grande desafio a identificação de um único subconjunto de palavras para nomear de forma adequada os elementos centrais dos mapas conceituais.
Com vistas a clarificar o problema, lançamos mão da analogia (NONAKA; TAKEUCHI, 1997, p.70) entre o documento e o brinquedo de encaixe, no formato do famoso sistema LEGO8. No brinquedo de encaixe, peças podem ser arranjadas de diversas maneiras, produzindo diferentes módulos. Analogamente, no documento,
8
LEGO é a designação comercial de uma família de brinquedos composta por peças que se encaixam (www.lego.com)
as sentenças são módulos constituídos por peças, no caso, por peças linguísticas, tais como: palavras, números e sinais de pontuação. Estas peças linguísticas são organizadas observando-se a sintática, a semântica e a pragmática. Tanto no conteúdo de um documento como em módulos construídos a partir das peças de encaixe, pode-se observar a existência de unidades atômicas de construção. O rearranjo das peças do brinquedo permite novas construções, assim como a recombinação das peças linguísticas admite outras representações, sendo a representação proposicional a peremptória para a construção de mapas conceituais.
A partir da definição da analogia, como exposta anteriormente, propomos uma abordagem em que o conteúdo de um documento deve ser fragmentado até que suas peças, de natureza linguística, tornem-se disponíveis. Posteriormente, as peças linguísticas são reconstruídas na forma de conceitos e relações em mapas conceituais. A expressão síntese da abordagem consiste na dicotomia “desconstruir- reconstruir”. Equacionando o problema, projetamos um modelo de processo composto por um conjunto de atividades que se concatenam por meio de suas entradas e saídas, formando um túnel, de sentido único, linear, como ilustrado na Figura 6.
A abordagem se inicia com a seleção do documento que será “desconstruído”. Primeiramente, o conteúdo do documento é processado com o objetivo de eliminar marcas de formatação para que o mesmo passe a conter somente texto puro. Em seguida, o conteúdo é separado em orações, que por sua vez, são divididas em
tokens, ou seja, em palavras, números e sinais. A seguir, cada token é etiquetado
com a etiqueta morfológica (Part-of-Speech tag9 ou POS tag) correspondente, deixando evidente a estrutura de constructos da oração.
Figura 6. Modelo de Processo para Construção de Mapas Conceituais a partir de Textos
9
Part-of-Speech tag (POS tag) é um rótulo que identifica uma “classe de palavra”, como por exemplo, verbos, adjetivos, substantivos, adjetivos, advérbios, preposições, etc.
61
Por meio de um conjunto de padrões linguísticos baseados nas etiquetas morfológicas, grupos linguísticos denominados de chunks10 são reconhecidos em uma atividade que visa à identificação de elementos candidatos a conceitos e relações, com o objetivo de iniciar a reconstrução na forma de um mapa conceitual. Os candidatos a elementos centrais de mapas conceituais, uma vez reconhecidos, passam a ser identificados como nós de grafos11. Por meio de uma atividade que consiste no caminhamento pelo grafo, buscam-se arranjos na forma de proposições. Quando uma tripla é reconhecida, os nós são mapeados na forma de conceitos ou de relações. Ao final da atividade, quando todos os nós do grafo já tiverem sido visitados, tem-se o conjunto de proposições que pode ser exibido graficamente como um mapa conceitual.
Na próxima seção, cada uma das atividades será explicada em mais detalhes.