Cadernos de Linguística

No Instagram, o dono de uma página pode esconder comentários por palavra-chave antes mesmo de alguém lê-los. No YouTube, pode fixar um comentário no topo da lista. No Twitch, pode ativar um limite de tempo entre mensagens para desacelerar o chat. No X, pode restringir quem comenta a contas verif**adas.
Quatro plataformas, quatro conjuntos diferentes de regras. E por trás de cada uma, algoritmos que também intervêm, em silêncio, sem aviso.
O artigo de Aude Seurrat e María Inés Laitano, publicado na Cadernos de Linguística, analisa esses mecanismos a partir de comentários políticos coletados durante a campanha presidencial francesa de 2022. A conclusão central: moderar comentários não é só apagar o que é proibido. É organizar o que as pessoas conseguem ler, em que ordem, e quem se sente autorizado a escrever.
Leia o artigo: https://doi.org/10.25189/2675-4916.2026.V7.N3.ID935

Most research on online political speech starts with what's there. Seurrat and Laitano start with what isn't.
Their article in Cadernos de Linguística follows political comments collected across X, YouTube, Twitch, and Instagram. The problem they kept running into: the most consequential actions — deletions, hidden comments, suppressed accounts — leave almost nothing behind. Platform transparency reports give aggregate statistics. The algorithms are proprietary. Moderation decisions aren't logged anywhere accessible to researchers.
So what do you do? The authors propose treating the gaps themselves as material for analysis. A comment present in 2022 and gone by 2026. A ranking that doesn't match the like count. A chat that slowed suddenly mid-stream. None of these is proof of a specific decision. Each points to one.
That gap between what happened and what's documented is the actual field site.
Read the article: https://doi.org/10.25189/2675-4916.2026.V7.N3.ID935

O que um museu de língua guarda de fato?
Não a língua em si. Um museu não consegue preservar um fenômeno vivo distribuído por bilhões de enunciações e conversas. O que ele faz é criar pontos de contato: um áudio antigo, uma gramática de 1540, um registro de fala regional. Cada item é um convite à experiência.
Um ensaio de Gissele Chapanski, Bruna Soares Polachini, Cecilia Farias e outros sete pesquisadores (Cadernos de Linguística, 2026) examina seis museus e acervos linguísticos brasileiros sob essa perspectiva: não apenas o que guardam, mas quais escolhas fazem e o que essas escolhas signif**am para o futuro da pesquisa.
As seis iniciativas abrangem formatos bem distintos: o CEDOCH (USP), que produziu 30 iniciações científ**as, 27 dissertações de mestrado e 24 teses de doutorado em historiografia linguística; o Catálogo de Gramáticas do HGEL (UFPB), com 73 gramáticas de língua portuguesa dos séculos 16 ao 19, em 116 edições e reedições, disponível ao público desde 2024; o Dossiê de Gramáticas e Dicionários da FBN/FCRB, com 683 títulos publicados entre 1513 e 1960; o Web-Museu da Gramática MuGra (UFU), com quase 200 gramáticas de cinco séculos; o Museu da Língua Portuguesa, fundado em 2006 como o primeiro museu do mundo dedicado a uma única língua, falada por 261 milhões de pessoas; e o MILIS (Instituto Serendipe, Curitiba), formalizado em 2025 em torno de cerca de 26 mil livros e documentos.
O argumento central: um acervo de dados metalinguísticos não é um depósito neutro de fatos. Cada decisão sobre qual gramática digitalizar, qual autor incluir, qual variedade documentar reflete relações de poder e prioridades de pesquisa. Quem faz a curadoria decide quais perguntas os pesquisadores poderão fazer amanhã.
Isso inclui uma dimensão decolonial. Acervos como o Catálogo do HGEL deliberadamente evitam reduzir seu escopo às gramáticas mais celebradas no cânone de dominância europeia. Abrir espaço para outros autores, outras tradições e outros períodos é tanto um ato acadêmico quanto político.
https://doi.org/10.25189/2675-4916.2026.V7.N5.ID1001

Você está lendo uma receita: "bata os ovos e acrescente à ___". Você provavelmente já pensou em "tigela" ou "panela" antes mesmo de terminar de ler. Esse momento, em que uma palavra se torna quase inevitável antes da frase acabar, é o que parte da linguística estuda para entender como antecipamos a linguagem. A pergunta que Jane Aristia (Université Paris Nanterre) faz em seu novo artigo em acesso aberto em Cadernos de Linguística é se sistemas de IA treinados em português conseguem fazer a mesma coisa.
Ela apresentou 117 frases incompletas a 125 leitores nativos de português e rodou as mesmas frases em dois sistemas de IA abertos, treinados para o português. Os leitores costumaram concordar em uma palavra por frase. Os sistemas de IA f**aram bem menos consistentes. Na avaliação pública do artigo, uma linguista da Universidade Federal do Ceará classificou a abordagem da autora como responsável: a IA em português funciona como complemento à pesquisa sobre a linguagem humana, e não como substituto.
Leitura interessante para quem se pergunta como a IA lida com línguas que não são o inglês, ou como leitores antecipam palavras na leitura cotidiana.
ARISTIA, J. (2026). Word Predictability in Portuguese: Cloze Norming Study vs. LLMs. Cadernos de Linguística, v. 7, n. 2, e865.

https://doi.org/10.25189/2675-4916.2026.V7.N2.ID865

You're reading a recipe: "Beat the eggs and add to the ___". You probably thought "bowl" or "pan" before finishing the sentence. That moment, when a word becomes almost inevitable before you finish reading, is what part of linguistics studies to understand how we anticipate language. The question Jane Aristia (Université Paris Nanterre) asks in her new open-access article in Cadernos de Linguística is whether AI systems trained for Portuguese can do the same.
She gave 117 incomplete sentences to 125 native Portuguese readers and ran the same sentences through two open AI systems trained for Portuguese. The readers tended to agree on one word per sentence. The AI systems were far less consistent. In her public review of the article, a linguist at the Federal University of Ceará called Aristia's framing responsible: Portuguese AI works as a complement to research on human language, not as a substitute.
A useful read for anyone curious about how AI handles non-English languages, or about how readers anticipate words in everyday reading.
ARISTIA, J. (2026). Word Predictability in Portuguese: Cloze Norming Study vs. LLMs. Cadernos de Linguística, v. 7, n. 2, e865.

https://doi.org/10.25189/2675-4916.2026.V7.N2.ID865

O que signif**a escutar de verdade quando se lê?
Um ensaio da professora Neuda Lago (Universidade Federal de Goiás) argumenta que as literaturas em língua inglesa, lidas com atenção à forma, são práticas sociais que desestabilizam desigualdades históricas e reeducam o olhar para a diferença.
O ensaio lê de perto cinco obras: Recitatif (Toni Morrison), Dead Men's Path (Chinua Achebe), Josee, the Tiger and the Fish (Seiko Tanabe), Every Day Is a Trans Day (H. Melt) e for colored girls who have considered su***de / when the rainbow is enuf (Ntozake Shange). Em cada texto, o ensaio argumenta que escolhas estéticas (quem narra, o que f**a em silêncio, que ritmo organiza a leitura) são modos de crítica, não ornamentos.
A proposta inclui uma abordagem praxiológica: cada seção fecha com perguntas críticas nascidas da prática docente da autora, indicando como a leitura literária pode ser trabalhada como um exercício de escuta, convivência e responsabilidade ética.
Literaturas de língua inglesa e justiça social: perspectivas críticas, descoloniais e praxiológicas
Cadernos de Linguística, v. 7, n. 4, 2026
https://doi.org/10.25189/2675-4916.2026.V7.N4.ID893

What does it mean to truly listen when you read?
An essay by Neuda Lago (Universidade Federal de Goiás, Brazil) argues that literatures in English, when read carefully, are social practices that unsettle historical inequalities and re-educate attention to difference.
Lago reads five works closely: Toni Morrison's Recitatif, Chinua Achebe's Dead Men's Path, Seiko Tanabe's Josee, the Tiger and the Fish, H. Melt's Every Day Is a Trans Day, and Ntozake Shange's for colored girls who have considered su***de / when the rainbow is enuf. In each text, the essay argues that aesthetic choices (how a story is told, who narrates, what stays silent, what rhythm organizes the reading) operate as methods of critique, not decoration.
The essay also includes a praxiological approach: each section closes with reflective questions drawn from Lago's own university teaching, showing how literary reading can be approached as an exercise in listening, coexistence, and ethical responsibility.
Literaturas de língua inglesa e justiça social: perspectivas críticas, descoloniais e praxiológicas
Cadernos de Linguística, v. 7, n. 4, 2026
https://doi.org/10.25189/2675-4916.2026.V7.N4.ID893

Você faz uma pergunta à IA do X: “O que é ditadura?”. Depois, muda não a pergunta, mas o perfil e o tipo de acesso.

No ensaio “Quanto vale ser sujeito? Efeitos de sujeito na constituição do arquivo do/no X”, Thiago César da Costa Carneiro compara quatro respostas geradas no X: em um perfil pessoal e em um perfil criado para a pesquisa, cada um nas versões gratuita e paga.

O texto não trata essas respostas como neutras. A questão é como texto automatizado, dados, pagamento, repetição e imagem do usuário se cruzam na plataforma. O ensaio também propõe “enunciado-comando” para pensar o que uma pessoa escreve quando pede que uma IA responda.

Leia em Cadernos de Linguística:
https://doi.org/10.25189/2675-4916.2026.V7.N3.ID944

Quando você fala, as ideias não terminam onde apareceria um ponto-final no papel. Terminam onde a voz pausa, desacelera ou muda de tom. Pesquisadores vêm treinando modelos de computador para encontrar automaticamente esses fins de ideia. As aplicações são bem práticas: transcrição automática, assistentes de voz e ferramentas de acessibilidade.
O problema, conhecido nesse tipo de trabalho, é que um modelo que funciona bem em um conjunto de gravações pode falhar em outro.
Em um relato registrado publicado em Cadernos de Linguística, Caroline Adriane Alves, Rian Pereira Fernandes, Julio Cesar Galdino, Giovana Meloni Craveiro, Flaviane Romani Fernandes Svartman e Sandra Maria Aluísio descrevem o plano de testar um segmentador de fala do português brasileiro, treinado por aprendizado de máquina, num conjunto independente de gravações: 17 horas de conversas em São Paulo, gravadas entre 1971 e 1977, incluindo áudios com chiado, ruído de fundo e fitas degradadas.
O protocolo fixa os critérios de sucesso antes do processamento do áudio, então a resposta para "deu certo?" não pode ser ajustada depois. É exatamente para isso que serve um relato registrado: tornar o teste honesto antes de o teste acontecer.
📄 Testando a Eficiência de um Método de Segmentação Prosódica Automática Baseado em Aprendizado de Máquina para o Português Brasileiro
🔗 https://doi.org/10.25189/2675-4916.2026.V7.N1.ID912

When you speak, ideas don't end where periods would on paper. They end where your voice pauses, slows down, or shifts in pitch. Researchers have been training computer models to spot those endings automatically. The applications are practical: transcription, voice assistants, and tools that make audio accessible.
But there is a familiar problem with this kind of work. A model that performs well on one set of recordings can stumble on another.
In a pre-registered protocol just published in Cadernos de Linguística, Caroline Adriane Alves, Rian Pereira Fernandes, Julio Cesar Galdino, Giovana Meloni Craveiro, Flaviane Romani Fernandes Svartman and Sandra Maria Aluísio describe their plan to test a machine learning segmenter for Brazilian Portuguese on a separate corpus: 17 hours of São Paulo conversations recorded between 1971 and 1977, including audio with hiss, background noise and tape damage.
The protocol locks in the success thresholds before any audio is processed, so the answer to "did it work?" cannot be quietly adjusted later. That is part of why a registered report matters: it makes the test honest before the test happens.
📄 Testing the Efficiency of a Machine Learning-Based Automatic Prosodic Segmentation Method for Brazilian Portuguese
🔗 https://doi.org/10.25189/2675-4916.2026.V7.N1.ID912