Complexidade textual em narrativas orais e em narrativas escritas
DOI:
https://doi.org/10.5433/2237-4876.2025v28n2p82-96Palavras-chave:
Narrativa, Complexidade textual, Modalidades de línguaResumo
A análise automática da complexidade de textos pode trazer benefícios como a escolha de textos de complexidade adequada ao nível dos alunos, a redação de documentos, de receitas e de procedimentos médicos de forma mais acessível para o público geral. Neste trabalho, investiga-se a complexidade textual de narrativas orais e de narrativas escritas produzidas por alunos de três níveis de escolaridade: fundamental, médio e superior. O objetivo principal do trabalho é verificar se a complexidade textual varia conforme o nível de escolaridade e as modalidades oral e escrita. A complexidade foi analisada automaticamente por uma ferramenta computacional que processa 200 métricas. Os resultados obtidos indicam que: as narrativas escritas tendem a apresentar maior complexidade textual em comparação com as narrativas orais, principalmente nos textos dos alunos da educação básica; nos textos de alunos do ensino superior, a diferença entre as modalidades não é tão marcada; em diversas métricas, a complexidade textual aumenta conforme aumenta o grau de escolaridade; algumas narrativas são melhores do que outras por serem mais elaboradas, utilizarem linguagem mais requintada, trazerem interpretações feitas pelos autores, apresentarem o conflito de forma mais complexa e maior variedade de adjetivos e de tempos verbais, estabelecerem relações lógico-semânticas diversas.
Downloads
Referências
BRANCO, António; RODRIGUES, João; COSTA, Francisco; SILVA, João; VAZ, Rui. Assessing automatic text classification for interactive language learning. In: INTERNATIONAL CONFERENCE ON INFORMATION SOCIETY (i-Society), 2014, London. [Anais…]. London: IEEE, 2014a. p. 70-78, DOI: 10.1109/i-Society.2014.7009014.
BRANCO, António; RODRIGUES, João; COSTA, Francisco; SILVA, João; VAZ, Rui. Rolling out text categorization for language learning assessment supported by language technology. In: BAPTISTA, Jorge; MAMEDE, Nuno; CANDEIAS, Sara; PARABONI, Ivandré; PARDO, Thiago Alexandre Salgueiro; NUNES, Maria das Graças Volpe (ed.). Computational processing of the portuguese language. Cham: Springer, 2014b. p. 256–261. DOI: 10.1007/978-3-319-09761-9_29.
DECAT, Maria Beatriz Nascimento. Estruturas desgarradas em língua portuguesa. Campinas: Pontes, 2011.
FLESCH, Rudolf. The art of readable writing. New York; Evanston: Harper & Row Publishers, 1949. Disponível em: https://dc135.wordpress.com/wp-content/uploads/2012/11/flesch-the-art-of-readable-writing.pdf. Acesso em: 1 out. 2025.
GOLDMAN, Susan Rotter; LEE, Carol Diane. Text complexity: state of the art and the conundrums it raises. Elementary School Journal, Chicago, v. 115, n. 2, p. 290–300, 2014. Disponivel em: https://www.journals.uchicago.edu/doi/10.1086/678298. Acesso em: 1 out. 2025.
JENSEN, Kristian Tangsgaard Hvelplund. Indicators of Text Complexity. Copenhagen Studies in Language, Copenhagen, n. 37, p. 61-80, 2009. Disponível em: https://research.cbs.dk/en/publications/indicators-of-text-complexity. Acesso em: 1 out. 2025.
LEAL, Sidney Evaldo; ALUÍSIO, Sandra Maria. Complexidade textual e suas tarefas relacionadas. In: CASELI, Helena de Medeiros; Nunes, Maria das Graças Volpe (org.) Processamento de linguagem natural: conceitos, técnicas e aplicações em português. 2. ed. São Carlos: BPLN, 2024. p. 537-562. Disponível em: https://brasileiraspln.com/livro-pln/2a-edicao/Livro_PLN_BPLN_2ed.pdf. Acesso em: 8 out. 2025.
LEAL, Sidney Eevaldo; DURAN, Magali Sanches; SCARTON, Carolina Evaristo; HARTMANN, Nathan Siegle; ALUÍSIO, Sandra Maria. NILC-Metrix: assessing the complexity of written and spoken language in Brazilian Portuguese. Language Resources and Evaluation, Dordrect, v.8, p. 73–110, 2021. Disponível em: https://doi.org/10.1007/s10579-023-09693-w. Acesso em: 1 out. 2025.
MCNAMARA, Danielle Siobhan; GRAESSER, Arthur C.; MCCARTHY, Philip M.; CAI, Zhiqiang. Automated evaluation of text and discourse with Coh-Metrix. Cambridge: Cambridge University Press, 2014.
SANTUCCI, Valentino; SANTARELLI, Filippo; FORTI, Luciana; SPINA, Stefania. Automatic classification of text complexity. Applied Sciences, Basileia, v. 10, n. 20, p. 1–19, 2020. Disponível em: https://www.mdpi.com/2076-3417/10/20/7285. Acesso em: 8 out. 2025.
SHEEHAN, Kathleen Marie; FLOR, Michael; NAPOLITANO, Diane. A two-stage approach for generating unbiased estimates of text complexity. In: WORKSHOP ON NATURAL LANGUAGE PROCESSING FOR IMPROVING TEXTUAL ACCESSIBILITY, 2., 2013, Georgia. [Anais...] Georgia: ACL, 2013. p. 49-58. Disponível em: https://aclanthology.org/W13-1506.pdf. Acesso em: 8 out. 2025.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Juliano Desiderato Antonio

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Signum: Estudos da linguagem, publica seus artigos licenciados sob a Licença Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional. Esta licença permite que terceiros façam download e compartilhem os trabalhos em qualquer meio ou formato, desde que atribuam o devido crédito de autoria, mas sem que possam alterá-los de nenhuma forma ou utilizá-los para fins comerciais. Se você remixar, transformar ou desenvolver o material, não poderá distribuir o material modificado.










