Contar quantas vezes os pronomes “tu” e “você” são utilizados em cerca de 70 mil textos escritos em português, publicados entre os séculos 13 e 21, é uma tarefa impossível para o ser humano, mas não para uma máquina. E os resultados dessa contagem são reveladores da transformação da língua escrita no Brasil. Foi isso que o mexicano Cuauhtémoc García-García, um estudante de pós-graduação em Culturas Ibéricas e Latino-americanas da Universidade de Stanford, na Califórnia, fez nos últimos 18 meses em parceria com o biólogo Marcus Feldman, professor da instituição e um dos pioneiros nos estudos sobre evolução cultural, e o linguista brasileiro Agripino Silveira: utilizou um software para analisar como o registro escrito do português mudou ao longo dos séculos.
Tudo começou quando García-García frequentava as aulas de Lyris Wiedemann, professora brasileira que é conferencista-sênior em Stanford, e ela explicava o uso dos pronomes. Ele ficou impressionado que o “tu”, a segunda pessoa do singular, fosse substituído por “você”, com os verbos conjugados na terceira pessoa do singular. Afinal, por que os brasileiros utilizam a “terceira pessoa” para se referir à “segunda pessoa?”. Fascinado pelas obras do professor emérito de Genética da universidade, Luca Cavalli-Sforza, que realizou pesquisas sobre as origens das línguas e sua evolução, percebeu que poderia abordar a questão de uma maneira diferente.
“Meses depois (das aulas de português), um grupo de Harvard publicou um artigo na revista Science demonstrando o princípio de que era possível utilizar o data mining (o processo de explorar grandes quantidades de dados em busca de padrões e relações entre variáveis) em uma grande quantidade de livros para extrair informações sobre tendências culturais. A conexão entre o data mining e a evolução da língua ficou então óbvia. Eu disse para mim mesmo que poderia utilizar um grande material digitalizado na busca por respostas sobre as divergências na evolução do português no Brasil e na Europa”, conta o estudante, em entrevista por e-mail ao Globo.
Transformações na língua
O primeiro passo era conseguir acesso a todos os textos em português digitalizados da biblioteca da universidade. Para a sua sorte, anos antes, várias instituições americanas fizeram uma parceria com o Google neste sentido e, por ser aluno de Stanford, García-García tinha o direito de acessá-los. Só que o caminho não foi tão simples. Todas as obras publicadas depois de 1923 são protegidas por direito autoral. Foi preciso deixar claro que eles não seriam desrespeitados durante a pesquisa, o que levou alguns meses. Resolvido este problema – com a ajuda dos curadores GlenWorthey, Adan Griego e Everardo Rodrígues –, o desafio seguinte foi “limpar” os textos: muitas vezes, o material digitalizado carrega erros do processos. Era essencial identificá-los e excluí-los, assim como as eventuais repetições.
Terminada esta etapa, a base de dados estava finalmente pronta para ser analisada. A decisão de começar a pesquisa pelos pronomes foi tomada porque a sua utilização é capaz de revelar diversos aspectos da evolução da língua. Além, é claro, da própria curiosidade de García-García. Uma das conclusões do trabalho foi a confirmação de que a transformação do registro escrito foi muito mais lento do que o idioma falado pelos brasileiros porque Portugal proibiu, por 276 anos, a criação de universidades e a impressão de livros e jornais no Brasil, tese já defendida por especialistas na área. É possível também, segundo o pesquisador, fazer uma associação entre o uso dos pronomes e a cronologia dos movimentos literários no país. “Neste caso particular, penso que é possível estabelecer uma conexão. No romantismo brasileiro, os autores usavam ‘tu’ nos seus romances; contudo, a geração dos escritores realistas preferiu usar ‘você’. Nós fizemos uma rigorosa análise estatística e demonstramos que há uma clara distinção na preferência pronominal entre os dois grupos. É interessante notar que os escritores naturalistas, muitas vezes associados aos românticos, na realidade utilizam mais ‘você’.”
As pesquisas de García-García e Feldman continuam, agora com outros objetivos, que ele prefere não adiantar antes de chegar a resultados conclusivos. Contudo, apesar da empolgação com a utilização do data-mining para estudar línguas, ele reconhece que existem limitações. “A primeira limitação é que nós restringimos nossa pesquisa à linguagem escrita. Isso é muito significante no caso do Brasil, dado o histórico de restrição a publicações de qualquer tipo. Nestes 276 anos, não foi produzido um corpo de textos que refletisse as transformações que ocorriam na língua falada. O que nós sabemos, baseados nos trabalhos de linguistas, é que a língua estava mudando, mas não há registros que possam ser analisados.”
******
Leonardo Cazes, do Globo