Verbos Dicendi como Indicadores de Coerência em Resumos

uma análise humana e automatizada

Autores

DOI:

https://doi.org/10.21814/lm.17.1.461

Palavras-chave:

Coerência Semântica, Semântica de Palavras, Verbos Dicendi, Modelo de Linguagem de Grande Escala

Resumo

O resumo escolar desempenha um papel fundamental no desenvolvimento da capacidade de síntese e compreensão de textos, promovendo a interpretação e expressão organizada dos conteúdos do texto-base. Este estudo investiga como a escolha de verbos dicendi (verbos de dizer) em resumos pode refletir a coerência e o objetivo do texto-base. Dada a importância da coerência para a qualidade dos resumos, a pesquisa explora o potencial de modelos de linguagem de larga escala (LLMs) em identificar ou sugerir verbos dicendi coerentes com o propósito do texto, contribuindo para uma avaliação automática mais precisa. Os experimentos relatados neste artigo utilizaram resumos propostos para um texto dado em um exame vestibular, sobre o qual especialistas e LLMs sugeriram verbos apropriados. As sugestões foram comparadas e avaliadas quanto à coerência com o texto de origem. Os resultados indicam que, embora os LLMs sejam capazes de identificar verbos adequados em alguns contextos, eles apresentam limitações quando comparados à interpretação humana. Concluímos que LLMs podem servir como ferramentas auxiliares na educação, apesar dos desafios relacionados à precisão e ao contexto na avaliação linguística automatizada.

Biografias do Autor

  • Osmar de Oliveira Braz Junior, Universidade do Estado de Santa Catarina

    Osmar de Oliveira Braz Junior é graduado em Ciência da Computação pela Universidade do Sul de Santa Catarina (1997) e mestre em Engenharia de Produção pela Universidade Federal de Santa Catarina (2000). Atualmente é professor adjunto da Universidade Estadual de Santa Catarina (UDESC) e professor horista da Universidade do Sul de Santa Catarina (UNISUL). Tem experiência na área de Ciência da Computação, com ênfase em Engenharia de Software, atuando principalmente nos seguintes temas: sistemas de informação, educação a distância, engenharia de software e banco de dados.

  • Ana Julia Araujo Sanchuki, Universidade Tecnológica Federal do Paraná

    Graduanda do curso de Licenciatura na UTFPR; atualmente, desenvolve seu trabalho de pesquisa na relação entre IA e o ensino de Língua Portuguesa, com foco no gênero resumo escolar.

  • Roberlei Alves Bertucci, Universidade Tecnológica Federal do Paraná

    Roberlei Alves Bertucci é graduado em Literatura Português-Inglês pela PUCPR (2004); mestre em Literatura (Estudos Linguísticos) pela UFPR (2007) e doutor em Linguística pela USP (2011). Concluiu parte do doutorado na Université Paris 8 (2009-2010). Realizou pesquisa de pós-doutorado na Bar-Ilan University em Israel (2012). Atualmente é professor da Universidade Tecnológica Federal do Paraná (UTFPR). Interessa-se por diferentes processos gramaticais (formais) de produção de significado em línguas naturais, tais como: sintaxe, semântica e pragmática de línguas naturais, especialmente o português brasileiro; descrição e análise linguística nos domínios verbal e nominal, especialmente por meio de ferramentas tecnológicas; e aplicação de fundamentos e descobertas linguísticas a ferramentas tecnológicas digitais.

  • Renato Fileto, Universidade Federal de Santa Catarina

    Renato Fileto é bacharel em Ciência da Computação pela Universidade Federal de Uberlândia (1992), mestre (1994) e doutor (2003) em Ciência da Computação pela Universidade Estadual de Campinas, Brasil, com estágio no Georgia Institute of Technology, EUA (2002), e pós-doutorado pela Universidade de São Paulo (2012). Sua carreira de pesquisa está interligada com atividades na indústria. Desde 2006, é professor permanente do Departamento de Informática e Estatística (INE) da Universidade Federal de Santa Catarina (UFSC), em Florianópolis-SC, Brasil. Sua área de pesquisa é ciência de dados, com foco em sistemas inteligentes para análise de dados.

Referências

Downloads

Publicado

2025-06-30

Edição

Vol. 17 N.º 1

Secção

Artigos de Investigação

Licença

Ao publicar na presente revista, os autores concordam com os seguintes termos:

  1. os direitos sobre a obra pertencem aos autores, que apenas concedem à Linguamática o direito de primeira publicação sob a licença Creative Commons, que permite que outros possam redistribuir a obra desde que acompanhada de referência ao autor e à Linguamática.
  2. os autores podem estabelecer outros contratos para a distribuição não exclusiva da obra, desde que mencionem que a sua primeira publicação foi efectuada na Linguamática.
  3. para aumentar as referências ao seu trabalho, os autores são encorajados a disponibilizar a obra, como "pré-publicação", antes de ou durante o processo de apreciação pela Linguamática, por exemplo em repositórios institucionais ou nas suas páginas pessoais na rede.

Como Citar

Verbos Dicendi como Indicadores de Coerência em Resumos: uma análise humana e automatizada. (2025). Linguamática, 17(1), 3-16. https://doi.org/10.21814/lm.17.1.461