IA para Pesquisa em Letras e Linguística

Uma área com relação ambígua com a IA

Vamos lá. Letras e Linguística têm uma relação peculiar com a inteligência artificial. Por um lado, a Linguística Computacional e os estudos de Processamento de Linguagem Natural (PLN) estão na origem técnica de boa parte do que chamamos de “IA” hoje. Por outro, pesquisadoras de literatura, análise do discurso, linguística aplicada ou teoria literária muitas vezes olham para as ferramentas de IA com ceticismo, e frequentemente com razão.

A questão que fica é: em que pontos específicos a IA pode genuinamente ajudar a pesquisa nessas áreas, e em que pontos ela cria mais problemas do que resolve?

Esse é o foco deste post.

Onde a IA ajuda com concretude

Análise de corpus

Essa é, provavelmente, a aplicação mais consolidada e mais direta de ferramentas computacionais, incluindo IA, em Linguística. Quando você está trabalhando com um corpus de textos, especialmente corpora grandes, ferramentas de análise permitem identificar frequências de palavras, padrões de colocação, distribuições morfossintáticas, variações diacrônicas e comparações entre registros ou variedades linguísticas que seriam inviáveis de analisar manualmente.

Ferramentas como AntConc (gratuita) e Sketch Engine (paga, mas com acesso institucional em muitas universidades) são estabelecidas na área. Modelos de linguagem mais recentes podem ajudar na elaboração de scripts de análise para corpora em Python ou R, mesmo sem formação técnica aprofundada.

A ressalva é que a interpretação dos padrões encontrados continua sendo trabalho do linguista. A ferramenta encontra a frequência; a análise do que isso significa teoricamente é sua.

Busca e mapeamento bibliográfico

O volume de produção em Letras e Linguística é enorme e disperso, em múltiplos idiomas. Ferramentas de busca inteligente como Semantic Scholar e Connected Papers ajudam a mapear redes de citação e a identificar trabalhos influentes em um campo antes de fazer a busca sistemática nas bases especializadas da área (MLA International Bibliography, Linguistics and Language Behavior Abstracts).

Isso não substitui a busca disciplinada nas bases especializadas. Mas organiza o ponto de partida antes de você entrar na base com critérios de inclusão e exclusão definidos.

Trabalho com múltiplos idiomas

Se você está fazendo pesquisa comparada, trabalhando com fontes em idiomas que domina parcialmente ou fazendo análise contrastiva, ferramentas como DeepL fornecem traduções de qualidade bastante superior aos tradutores automáticos mais antigos. Elas não eliminam a necessidade de revisão, especialmente para termos técnicos ou passagens que dependem de ambiguidade intencional. Mas agilizam muito o processo de compreensão inicial.

Para pesquisa com textos em idiomas clássicos, há projetos digitais robustos que incorporam IA para facilitar o acesso a glossários, edições críticas digitais e análise morfológica (Perseus Digital Library para grego e latim, entre outros).

Onde a IA tem limitações sérias em Letras e Linguística

Interpretação literária e análise crítica

Aqui está o ponto mais delicado. Modelos de linguagem conseguem produzir análises de textos literários que parecem sofisticadas. Reconhecem recursos estilísticos, identificam temas e fazem conexões intertextuais. Mas há uma diferença fundamental entre reconhecimento de padrão e interpretação crítica.

A análise literária de qualidade depende de contexto histórico aprofundado, de conhecimento das condições de produção do texto, das tradições que ele habita, das disputas interpretativas que o cercam e de uma posição teórica do analista. Um modelo de linguagem não tem nada disso. Ele tem acesso a textos que discutem esses elementos, o que é muito diferente.

Usar IA para gerar uma análise de um romance modernista e apresentá-la como sua não é só uma questão de ética acadêmica. É uma questão de qualidade: a análise será superficial, mesmo que pareça articulada.

Análise de discurso

A Análise do Discurso, em suas diferentes vertentes (francesa, crítica, americana), trabalha com a construção social do sentido, com as condições de produção, com o que o texto apaga tanto quanto com o que diz. Isso exige que o analista tenha posição teórica clara, conheça o contexto de produção e seja capaz de situar o discurso em relação a outros discursos.

Um modelo de linguagem treinado em corpus de internet não tem condições de fazer isso de forma adequada. Ele pode ajudar a organizar categorias, identificar recorrências lexicais ou sugerir conexões que o pesquisador não tinha percebido como ponto de partida. Mas a análise discursiva em si precisa ser do pesquisador.

Análise de oralidade e variação

Para pesquisa em sociolinguística, dialetologia, análise da fala ou estudos de variação, a IA atual ainda tem limitações significativas para lidar com a riqueza dos dados orais: variação prosódica, marcadores discursivos conversacionais, sobreposições de fala, variantes regionais e sociais que os modelos de treinamento representam de forma desigual.

Ferramentas de transcrição automática melhoraram muito, mas erram em formas sistemáticas (subespecificação de variantes não-padrão, dificuldade com sotaques menos representados nos dados de treinamento). O pesquisador precisa revisar as transcrições com atenção.

Como usar IA de forma metodologicamente consciente

O primeiro passo é distinguir o uso da IA como ferramenta de análise do uso como fonte de análise.

Quando você usa a IA para processar um corpus e gerar frequências, ela é uma ferramenta. Você analisa o output. Quando você pede para uma IA “analisar” um texto literário e toma o resultado como base para o seu trabalho, ela se tornou uma pseudo-fonte cujas limitações você não declarou.

Essa distinção precisa aparecer no texto, especialmente na metodologia. Se você usou uma ferramenta de PLN para identificar padrões no corpus, isso precisa estar descrito: qual ferramenta, como foi usada, quais foram os parâmetros. Transparência metodológica com ferramentas de IA é hoje uma exigência crescente nos periódicos da área.

O segundo passo é manter o referencial teórico como âncora. A IA pode ajudar na operacionalização de categorias, mas as categorias precisam vir da sua ancoragem teórica, não da IA.

Isso se conecta ao que discuto sobre ética no uso de IA na pesquisa dentro do Método V.O.E.: a ferramenta serve ao método, não o substitui.

O caso específico da linguística computacional

Vale um parêntese para pesquisadores que estão na fronteira entre Linguística e Computação. Para quem trabalha com análise automatizada de linguagem, construção de corpora, modelos de PLN ou linguística de corpus, a IA não é apenas ferramenta de apoio: ela pode ser objeto de pesquisa ou componente central da metodologia.

Nesse caso, as exigências são outras: formação em programação, conhecimento dos fundamentos de aprendizado de máquina, capacidade de avaliar criticamente os modelos usados e transparência total sobre os parâmetros e limitações. Esse campo é vibrante e crescente no Brasil, com programas de pós-graduação que combinam formação linguística e computacional.

Para fechar

Letras e Linguística podem se beneficiar do uso de ferramentas de IA em tarefas bem delimitadas: análise de corpus, busca bibliográfica, trabalho com múltiplos idiomas, transcrição assistida com revisão. O que não muda é que a interpretação crítica, a posição teórica e a análise de sentido continuam sendo trabalho do pesquisador.

Usar IA como apoio consciente nessas áreas é diferente de deixar que ela produza o conteúdo intelectual do trabalho. A fronteira não é sempre óbvia, mas vale o esforço de pensar sobre ela.

Para mais recursos sobre uso de ferramentas na pesquisa, confira os recursos disponíveis no blog. E se você é pesquisadora de Letras ou Linguística e está tentando entender como incorporar ferramentas de IA no seu processo de pesquisa sem comprometer a integridade do trabalho, essa é uma conversa que vale ter com atenção às especificidades da sua subárea e do seu objeto. Não existe resposta única para isso. O que existe é a disposição de pensar sobre cada uso antes de adotá-lo, o que já é o começo do caminho certo.