Agradeço imensamente pelo convite para participar desta mesa- redonda1. Sinto-me bastante à vontade para falar de um lugar distanciado das grandes discussões da Análise do Discurso praticada no Brasil (AD), pois não milito mais nessa área e talvez, pelo fato de a minha opinião não ser a de um especialista é que ela não venha a despertar furor e controvérsia. Eu seria apenas mais uma voz de quem fala de fora da grita e que possa ser ouvida ou não. Mas o melhor de tudo é não ter compromisso com alguma corrente da AD e por isso nenhum compromisso de fidelidade teórica ou ideológica. Por isso vou me sentir muito à vontade para usar termos como “empírico”, “estatística”, “dados quantitativos”, “recorrências quantificadas”, “grupo de formas”, entre outros. Essas primeiras palavras esquivadas da minha parte, no fundo, representam um pedido para que os analistas do discurso olhem para outras questões que na prática da análise foram obliteradas e se tornaram coisas de somenos. Tampouco tenho o direito dizer qual é a melhor ou a pior forma de se fazer. Meu objetivo é apenas demonstrar que uma possibilidade metodológica para a AD, dentre outras tantas possíveis, são os trabalhos de estatística lexical, em especial, a utilização de ferramentas de lexicometria, como uma entrada interpretativa para dados.

Como exemplo de ferramenta informatizada dedicada à análise lexicométrica, vou citar algumas operações possíveis com o software Lexico3 e dar sugestões para que futuras análises com corpus verbal possam ser aprimoradas e incrementadas através dessa tecnologia gratuita e acessível a todos interessados. Para tanto, este texto se organiza em duas partes: uma primeira que fundamenta o uso da máquina informatizada através da refle[ão metodológica, conceituando alguns pontos sobre a lexicometria, a segunda parte apresenta uma singela de exploração de dados e possibilidades interpretativas para eles. Também desejo que minhas palavras sejam apenas de incentivo para novas (pelo menos aqui no Brasil) abordagens da materialidade do discurso. Por isso, esta apresentação não é um “manual” nem sequer publicidade de uma ferramenta, mas a abertura das inúmeras possibilidades das quais os analistas podem se valer no futuro.

Historicamente, a AD difundida, no Brasil é aquela baseada nos trabalhos de Michel Pêcheux. Há uma literatura bastante rica no País sobre a contribuição desse autor, levando o estado da arte a uma íntima identificação com o seu pensamento. No entanto, em nossa humilde opinião, a matriz desse legado chegou a nós de modo bastante particular e atualmente é desenvolvida por muitos pesquisadores através de modelos metodológicos bastante diversos ao proposto em sua origem. Novamente nossa opinião: quando uma teoria se torna muito “popular” seja pelo mérito de seus pesquisadores, seja por cair na graça de muitos, ela corre riscos de banalização, o que leva a algumas práticas que provocam um trocadilho um pouco perturbante, mas real: “os analistas do discurso precisam fazer mais análises e menos discurso”.

Essa situação “um pouco perturbante” me leva a citar um texto de Pêcheux publicado em 1982 e traduzido para o português em 2011 como um exemplo bastante claro de que uma das principais referências da AD (no Brasil) não abandonou o sonho de um sistema informatizado e do tratamento de corpora diversificados e numerosos2.

A utilização da informática exige dos analistas de discurso uma construção explícita de seus procedimentos de descrição, o que é a pedra de toque da consistência de seus objetos teóricos. Ela permite, ainda, a apreensão de corpora variados de grande dimensão, o que consiste na pedra de toque da validade de seus objetos descritivos.” (Pêcheux et Marandin, [1982]1990, p. 282.3

A analogia da “pedra de toque” é bastante interessante, pois esse instrumento é utilizado por ourives com o intuito de testar as ligas de metais precisos, ela é, normalmente um mineral lítico escuro rico em compostos silicosos. O teste com a “pedra de toque” consiste em fazer um risco como metal a ser testado, fazendo um risco de resíduo, (p.ex. uma aliança de ouro) e outro risco com o metal padrão (p. ex. uma ponta de ouro 18KT) sobre a pedra, em seguida, aplica-se o ácido adequado cuja composição reage com o ouro 18KT, se os riscos mantiverem a mesma coloração, significa que a amostra testada é ouro desse quilate, caso contrário o teste deve ser feito com outro padrão de quilate diferente até que se chegue à medida ou se conclua que a liga é falsa. A feliz analogia de Pecheux e Marandin nos apresenta um panorama que nos motiva a olhar para alguns aspectos e que estão organizados em duas dimensões: a) os procedimentos de descrição são a “pedra de toque” que comprova a consistência dos objetos teóricos; b) a quantidade é o que assegura a validade para seus objetos descritivos. Ora, o que há de peculiar nessa citação? Primeiramente o eixo “a” demonstra que para o analista de discurso não há um objeto teórico, pois o emprego está no plural, portanto, se para a AD seu objeto teórico é o Discurso, para o pesquisador, o(s) seu(s) objeto(s) teórico(s) pode(m) ser outro(s) objeto(s) sujeito(s) ao Discurso, portanto um pesquisador pode fazer de uma manifestação discursiva um objeto teórico; no entanto o mais surpreendente está no eixo “b”: esse(s) objeto(s) que o pesquisador elege só pode(m) ser testado(s) na “pedra de toque” da quantidade sobre os objetos descritivos, ou seja, da descrição de um dado fenômeno discursivo.

Ora, afinal, o que pode ser um objeto descritivo em AD? Acredito que há vasta bibliografia cuidando disso, mas vou arriscar meu palpite: os objetos descritivos de uma pesquisa em AD estão cravejados na materialidade linguística, nos valores diferenciais entre todos os níveis, desde o fonético-articulatório até as estruturas te[tuais mais comple[as, passando pelas referências enunciativas e enuncivas das manifestações orais e escritas. Não seria uma modalidade anafórica usual/inusual um elemento indiciário de determinados posicionamento? A recorrência de terminado termo ou de conjunto de termos, com suas coocorrências, não seria algo para se rastrear em grupos de textos e de sujeitos enunciadores marcados social e historicamente? Determinada preferência para alguns termos em papéis temáticos de agente, paciente, beneficiário etc, não pode ser uma pista para um determinado posicionamento? Afinal, é a língua e sua estrutura que acionam não só o sentido como o efeito de sentido. Por isso vale lembrar Possenti (1996, p. 197):

Tenho defendido sempre que posso que a língua é o material mais relevante do discurso, e que, portanto, uma AD deve ter uma boa e adequada teoria da língua, para extrair dela o máximo de proveito que puder.

Neste ponto, desejo adicionar mais um conceito que julgo ser bastante interessante a partir de uma outra característica sobre as línguas que pouco é lembrada por analistas do discurso, o fato de que “A Linguística é a ciência estatística tipo; os estatísticos sabem muito bem disso, a maioria dos linguistas ainda ignora tal fato.”, (GUIRAUD, apud LERBAT; SALEM, 1994, p. 18). Se a Linguística, enquanto ciência que se debruça sobre a língua, é prototipicamente uma ciência estatística ou pelo menos um espaço em que a estática pode render resultados, nada mais justo que olhar para a língua e seus fenômenos a partir das pistas recorrentes. Não se trata de defender uma teoria sobre a língua, mas um aspecto que julgo deveras relevante sobre as línguas: o de concordar com Guiraud e perceber que os fenômenos linguísticos também se comportam estatisticamente.

Olhar esse aspecto da língua não é um espaço muito confortável para o tipo de AD desenvolvida no Brasil, mas é bom lembrar que o levantamento de dados com a devida quantificação, organização e interpretação demonstra, de modo mais aprimorado, fenômenos que podem estar dispersos em diferentes manifestações textuais (orais ou escritas). Qual seria então a ligação entre dados estatísticos sobre uso de termos, sintagmas etc., e sua recorrência? É simples: podemos, por e[emplo, entender que um determinado sintagma candidato à fórmula (CRIEG-PLANQUE, 2010) inicia sua jornada lentamente por algum grupo social ou se faz dele um jargão e quando menos se espera esse sintagma está em blogs, sites oficiais, te[tos jornalísticos, propagandas etc. Ora, esse crescente em ocorrência e disseminação pode ser um objeto teórico e pode ser rastreado, descrito e compreendido dentro de um panorama linguístico-textual (estrutura, composição, referencialidade, distribuição em sintagmas maiores, anáforas) que se liga ao efeito de sentido e explicita como determinadas relações do sentido podem estar ligadas às manifestações discursivas. Esse tipo de percurso retira o teor etéreo que às vezes se vê quando algum pesquisador fala sobre materialidade, mas não a demonstra, quantifica e qualifica nas análises de dados. Ou ainda, quando aplica interpretações sobre a materialidade que só se vê em poucos fragmentos de corpus. O que pouco corrobora com a perspectiva de que esse fenômeno possa surgir nos enunciados de mais e diversificados sujeitos.

Nesse caso, fundamentos estatísticos são de grande relevância para o tratamento dos dados, pois conceitos controvertidos, tais como “formação discursiva”, “formação ideológica”, “assujeitamento” podem, dependendo do método e de como se chegar aos dados, ser aplicáveis a grupos e populações de textos dispersos em diferentes categorias, tipos textuais, modos de manifestação ou sob o pretexto de qualquer outra divisão obviamente bem delimitada na metodologia. Por exemplo, um pesquisador poderia se dedicar a colher opiniões em blogs pessoais a partir de um tema comparando-as às opiniões de outros veículos como os textos institucionalizados em jornais e revistas sob o mesmo tema. Logo, os princípios estatísticos servem tanto para uma análise de te[tos (orais e/ou escritos) de um único autor, ou de um grupo de enunciadores, ou ainda de um período histórico, pois é bem provável que fórmulas, sintagmas, recorrências e distribuições de determinadas estruturas indiquem se um grupo compartilha ou não, por exemplo, de uma formação discursiva opondo-se à outra.

São muitas as pesquisas que se valeram ou se valem de alguma ferramenta informatizada para tratamento de dados lexicométricos em diferentes corpora. Não há espaço para apresentar tais trabalhos, tampouco esmiuçar seus matizes que são variados e ricos metodologicamente, por isso recomendamos a visita ao sítio eletrônico da revista Lexicometrica (http://le[icometrica.univ-paris3.fr) e também ao sítio do Centre de Lexicométrie et d’Analyse Automatique des Textes (SYLED-CLA2T) (http://syled.univ-paris3.fr/cla2t.html). Tratam-se de excelentes fontes sobre trabalhos realizados nessa área4. Esses vários trabalhos apresentam em comum, como ponto de partida para a explicação de fenômenos discursivos, os indicadores lexicométricos, levando em conta uma dada empiria muito salutar que parte dos dados para possíveis generalizações a respeito de algum fenômeno discurso, ou mesmo para a busca de dados negativos que frustram hipóteses, o que não deixa ter validade.

Há várias ferramentas de informática que podem ser adquiridas ou simplesmente baixadas gratuitamente, mesmo correndo o risco de me esquecer de alguma delas, quero citá-las: WordSmith, Sphinx, Alceste, IRaMuTeQ, Lexicon5 e, finalmente, Le[ico3. Vou me deter neste último por dois motivos: a) trata-se do sistema que mais domino; b) está disponível gratuitamente para os pesquisadores. Alerto, no entanto, que a melhor ferramenta é aquela com a qual o pesquisador consegue melhores resultados, logo não defendemos o uso de um ou outro sistema, mas que se tenha uma metodologia explicitada, bem construída, como recomendou Pêcheux acima.

Minha intimidade com o Lexico3 foi desenvolvida durante meu doutorado (CONDE, 2008), momento em que usei, além dele, o software Systemic Coder e o gerenciador de banco de dados Access da Microsoft6, integrando os programas para dar conta de toda problemática do meu objeto de análise. O software Lexico está em sua terceira versão desde quando foi criado em 1990 e seu uso envolve um conjunto de procedimentos, não muito complexos, mas bastante trabalhosos que vão desde a preparação do corpus até os procedimentos técnicos para e[tração dos dados, esta por, por sua vez, é uma fase instantânea do trabalho, preparada pelos cálculos automáticos do próprio sistema. Por fim, uma última e mais comple[as fase, é a da interpretação dos dados que envolve dois passos: primeiro) extração dos dados a partir das ferramentas disponíveis no sistema; segundo) interpretação dos dados levantados. Vamos, nesta apresentação, apenas demonstrar o primeiro passo.

A preparação do corpus é de e[trema relevância porque é o momento que determinará considerável parte do tratamento dos dados. Para um efetivo uso do Lexico37 devemos observar que o sistema está pautado sobre um eixo de unidade e um eixo da diferença, pois analisar dados lexicais a partir de textos de qualquer natureza exige do pesquisador um critério que una todos os itens a serem analisados e para tanto várias hipóteses podem ser aventadas enquanto unidade, p. e[. todas as obras de Machado de Assis, todos os artigos de opinião de um dado veículo de comunicação em um determinado período de tempo; todos os discursos presidenciais oficiais em um momento específico do ano, cartas de um personagem histórico, entre outros. No eixo da diferença, se tomarmos as obras de Machado de Assis, podemos identificar aquelas produzidas para diferentes finalidades e/ou gêneros: artigos para jornais, peças teatrais, romances, contos, cartas; sendo cada um desses subgrupos reagrupados em suas massas textuais e etiquetados diferentemente, desse modo a unidade é “Machado de Assis” e a diferença é “gêneros”. Se pensarmos nos artigos de opinião de certo veículo, podemos criar os subgrupos cronologicamente (mês, semestre, ano, tema etc.). Poderíamos ainda, observar marcas linguísticas sob a autoria de faixas etárias ou gênero, etc.

No tocante ao processamento do corpus o Lexico3 faz sua segmentação da massa textual a partir dos itens lexicais tomando por base o espaço em branco entre as palavras e a pontuação, ou sinais não alfanuméricos de modo que, ao se etiquetar um texto ou grupo de textos, é possível além de fazer o levantamento de termos, observar a sua distribuição. De modo simplificado, a etiquetagem tem também dois eixos: a) critério e, b) item, sendo textualmente colocado antes da parte segmentada da seguinte forma <critério=item>, ou seja, se tomarmos como objetivo analisar textos de opinião poderíamos ter no conjunto de critérios de segmentação do corpus as seguintes configurações: A = {<mês=01>, <semestre=01>, <ano=2011>}; B = {<mês=13>, <semestre=01>, <ano=2012>} ... X = {<mês=yy>, <semestre=0w>, <ano=zzzz>}. Assim, um texto ou segmento do corpus que tivesse em sua etiquetagem a configuração “A” poderia ser comparado a “B” em suas características lexicais e de distribuição desse léxico, permitindo ao pesquisador, se perguntar porque um determinado item, ou conjuntos de itens, ao tratarem do mesmo tema estão em coocorrência entre si ou concorrência de uma parte a outra se considerarmos a diferença entre os anos, entre os meses e semestres. Asssim, sendo critérios e itens moldáveis ao percurso metodológico de análise, as possibilidades se tornam infinitas em termos de comparação.

Observada essa situação preparatória, podemos partir de um brevíssimo estudo de caso, ilustrar as ferramentas disponíveis no sistema Lexico3.

Diferentemente do final dos anos de 1960, contamos com muita tecnologia disponível ao alcance de nossas mãos! Os computadores pessoais estão a um custo relativamente baixo e são potentes para lidar com alguns modelos de corpora linguísticos e há vários materiais disponíveis em rede. Em relação ao que havia no final do século xx, temos uma infinidade de possibilidades em termos de ferramentas para a composição e manutenção de grandes bancos de dados localmente ou através da Internet. Do conforto de nosso gabinete ou de nossa casa, podemos acessar bibliotecas, textos, arquivos em diferentes línguas, de diferentes épocas etc. Há sistemas gratuitos patrocinados por entidades de pesquisa disponíveis para a comunidade científica. Se o que Pêcheu[ e Marindin (1990) afirmaram tinha consistência, mas era impraticável no Brasil dos anos de 1980, por causa das dificuldades tecnológicas, isso já não acontece mais. Se, no entanto, a opção metodológica da AD praticada no Brasil é por uma pesquisa com corpus pequeno ou a partir de um arquivo constituído sem necessariamente um rigor metodológico, a recusa a ferramentas como a apresentada aqui se sustenta, porém, se o pesquisador faz uma opção por lidar com corpus, faz a opção por lidar com fenômenos linguísticos de qualquer nível ou ordem para poder compreender também fenômenos discursivos, então ferramentas como a apresentada aqui são de grande relevância.

Insisto em dizer que uma análise lexicométrica é apenas uma forma de levantar pistas sobre a materialidade linguística, outras ferramentas e métodos podem ser utilizados. O fato de ser viável ou não, útil ou não para os analistas do discurso depende exclusivamente de sua opção metodológica e também de sua e[periência, empiricamente falando. Essa e[periência só pode ser avaliada se e[perimentada, pois simplesmente ignorar não é algo que a ajude a disciplina ou que ajude cientificamente o desenvolvimento da refle[ão. Ao participar desta mesa-redonda intitulada Discurso e “novos” diálogos teórico-metodológicos não apresentei necessariamente algo “novo”, mas talvez algo desconhecido de muitos analistas do discurso em virtude da história da constituição dessa disciplina no Brasil. Longe de mim querer dizer que exista um jeito certo ou errado de fazer AD, mas há no mínimo, um modo linguístico de se fazer AD e sem dúvida é o olhar para sua materialidade. A materialidade pode ser um conceito, mas sua e[istência é, digamos, material... Nada melhor que qualificar, quantificar e objetivar esse material, mesmo que isso nos leve a nenhuma conclusão, ou a dados negativos o importante é que fizemos análise e não discurso. Talvez seja uma boa oportunidade para que a língua e sua materialidade saiam da condição etérea, inapreensível dada por uma cultura que e[clui a empiria para um fazer teórico-prático mais interessado no fenômeno do que necessariamente em uma bandeira teórica. Por fim, ressalto que o diálogo entre Linguística de Corpus, Processamento de Linguagem Natural e Discurso seria de grande valia para o desenvolvimento e aprimoramento de diversas ferramentas que auxiliariam grandemente o progresso das pesquisas.

BENZÉCRI, J.-P. et alii. Pratique de l’Analyse des Données : linguistique et lexicologie. Paris: Dunod, 1981

CONDE, C. Le[ico3 - Manual resumido de utilização do Lexico3. Université Paris 3 – La Sorbonne Nouvelle, 2007. Disponível em <http:// www.tal.univ-paris3.fr/le[ico/le[3-10pas/Le[ico3-10premierspas- portugais.pdf>.

_____ . A alternância da referência ao sujeito enunciador e seus efeitos de sentido. Tese de Doutorado, Universidade Estadual de Londrina. 2008.

FOUCAULT, M. A ordem do discurso: aula inaugural no Collège de France. Trad. Laura T. de A. Sampaio, 7. ed. São Paulo: Edições Loyola, 2001.

GUILHAUMOU, J. L’historien du discours et la lexicométrie [Étude d’une série chronologique: le « Père Duchesne » d’Hébert (Juillet 1793 - mars 1794) ]. In: Histoire & Mesure, v. 1 - n°3-4. Varia. pp. 27-46. 1986.

_____ . L’analyse de discours et la texicometrie. Le Père Duchesne et Le Mouvement Cordelier (1793-1794). In Lexicometrica, n. 0, 1997.

KRIEG-PLANQUE, A. A noção de “fórmula” em análise do discurso: quadro teórico e metodológico. (Trad) Luciana Salazar Salgado; Sírio Possenti. São Paulo: Parábola Editorial, 2010.

LEBART, L. e SALEM, A. Statistique Textuelle. Dunot, Paris, 1994. MORTUREAUX, M-F. Paradigmes désignationnel. In Semen, n° 8, Paris, 1993. Disponível em <http//semen.revue.org/document4132.html>, acessado em 10 de fev. 2007.

PÊCHEUx, M. E MARANDIN, J-M. Informatique et Analyse Du Discours. In L’inquietude Du Discours. MALDIDIER, D. (org.). Paris: Éditions des Cendres, 1990. _____. in PIOVEZANI, C (Org.); SARGENTINI, V. (Org.) . Legados de Michel Pêcheux: inéditos em Análise do discurso. 1. ed. São Paulo: Contexto, 2011.

POSSENTI, S. O dado dado e o dado dado. In PEREIRA DE CASTRO, M. F. O método e o dado no estudo da linguagem. Campinas: Ed. Da Unicamp, 1996.

SALEM, A. Analyse factorielle et lexicométrie: synthèse de quelques expériences. In: Mots, mars 1982, N°4. p. 147-168.

1. WordSmith - http://www.le[ically.net/wordsmith/

2. Sphin[ - http://www.sphin[brasil.com/

3. Alceste - http://www.image-zafar.com/

4. IRaMuTeQ - http://www.iramuteq.org/

5. Lexicon – de responsabilidade do Professor José Barbosa Machado – Universidade Trás-os-Montes e Ato Douro (UTAD) - http://www.degois.pt/visualizador/curriculum. jsp?key=2492418931497508

Recebido em 21/11/2014 e Aceito em 15/03/2015.