Prezados participantes do encontro Avalon 2003:

Como não poderei estar presente, estou enviando por escrito uma
breve comunicação. Agradeço ao Luís que estará levando-a ao
encontro.

Num email recente a Diana Santos havia solicitado comentários à
Morfolimpíada, e também sugeriu temas específicos para serem
desenvolvidos nas apresentações no encontro.

No momento não tenho comentários, sugestões ou críticas à
Morfolimpíada num sentido técnico, isto é, no tocante aos
procedimentos e critérios adotados.

Até onde posso ver, a Morfolimpíada está convergindo para um
procedimento de avaliação sensato, capaz de ser aplicado a
diversos sistemas independentes, o que certamente não é algo
simples de se fazer.

O br.ispell participou da Morfolimpíada como verificador
ortográfico, filtrando os textos fornecidos. Para cada forma, foi
obtido também um lema via ispell. O br.ispell possui hoje
conteúdo lexical e ferramentas que permitiriam construir um
analisador morfológico simples, mas de fato esse analisador ainda
não existe.

A Diana indicou para o br.ispell o tema "formas desviantes, e
como avaliá-las". Sobre isso, seguem algumas observações rápidas.

Estão sendo chamadas desviantes as formas «erradas» que guardam
alguma analogia com formas «corretas». Nas diferentes listas e
emails enviados pelo Luís encontrei os seguintes casos marcados
como desviantes:

    loko        (louco)
    mais        (mas)
    pastéis     (pastel)
    dous        (dois)
    mulhé       (mulher)
    sinhô       (senhor)
    interviu    (interveio)
    capetalismo (capitalismo)
    níver       (aniversário)
    chego       (chegado)
    scanar      (escanear)

Um exame rápido mostra que há uma multiplicidade de causas que
concorrem nessas formas: a fonética, a semântica (capeta = pessoa
má), a abreviação, o uso de um vocábulo estrangeiro, o exótico,
etc. A multiplicidade de causas aumenta a complexidade do
fenômeno e do seu tratamento computacional.

Pergunta-se: como avaliar as formas desviantes?

No âmbito da Morfolimpíada, por razões práticas, e dentro do
procedimento que vem sendo sedimentado, acredito que a avaliação
dessas formas poderia ser sumária, no sentido de
desconsiderá-las, sem que isso implicasse em prejuízo para a
avaliação da qualidade dos analisadores.

Isso não significa que as formas desviantes em si não sejam
interessantes, tanto para a análise morfológica quanto para a sua
avaliação.

As formas desviantes chamam a atenção para processos e fenômenos
da língua que podem ser relevantes para o trato computacional da
língua, por levar a abordagens do léxico menos estáticas, e mais
voltadas aos processos que constroem vocábulos e permitem a
associação de significado a eles.

Como exemplo elementar temos a semelhança fonética, que encontra
já há bastante tempo aplicações na computação, e que poderia ser
entendida como associada à análise morfológica.

Um problema prático que poderia proporcionar uma oportunidade
para examinar mais cuidadosamente a relevância ou não das formas
desviantes, seria a tentativa de realizar a análise morfológica
de textos com ortografia antiquada e/ou não uniforme, por exemplo
textos anteriores ao acordo ortográfico. A Morfolimpíada poderia
eventualmente propor alguns desses textos na forma de desafio
opcional, como incentivo às iniciativas que tentassem explorar
essa vertente.

Eu mesmo tenho produzido versões digitais de alguns desses
textos, sem contar ainda com ferramentas para lidar com a
ortografia deles, por exemplo
http://www.claraocr.org/cgi-bin/dict.cgi/R/cf/page

Saudações a todos e meus votos de um bom encontro,

Ricardo Ueda Karpischek