DOESTE

Repositório de Escrita para Fins Investigativos

O DOESTE é um repositório de corpora de textos escritos em língua portuguesa, criado para fins de pesquisa em diferentes campos dos estudos linguísticos. O repositório oferece acesso a amostras textuais tokenizadas, anotadas morfologicamente e lematizadas, possibilitando buscas refinadas por forma, lema e classe gramatical.

A anotação linguística dos textos é realizada com o UDPipe, ferramenta amplamente utilizada na Linguística de Corpus e em estudos linguísticos computacionais. No DOESTE, essa anotação garante padronização, consistência e comparabilidade dos dados, permitindo análises linguísticas mais precisas e replicáveis.

Corpora disponíveis

• Corpus TEJ – Corpus de Escrita Jornalística
  Notícias extraídas de veículos da imprensa digital brasileira.
  Acessar corpus TEJ

• Corpus TED – Escrita Escolar em Desenvolvimento
  Textos narrativos e argumentativos de estudantes brasileiros e portugueses em diferentes níveis da educação básica.
  Acessar corpus TED

• Corpus TEK – Escrita Escolar Proficiente
  Redações que receberam nota máxima no Exame Nacional do Ensino Médio (ENEM), coletadas de fontes públicas.
  Em desenvolvimento

Expansão do repositório

O DOESTE é um repositório dinâmico e em permanente expansão. Está prevista a incorporação progressiva de novos corpora — políticos, administrativos, literários, jurídicos, acadêmicos, entre outros — sempre com o objetivo de fornecer bases empíricas consistentes para investigações científicas sobre o português escrito.

Como citar o DOESTE

Martins, Mário; Janssen, Maarten; Santos, Taiza; Lopes, Raquel; Souza, Thiago. 2020.
DOESTE v0.5. LINDAT/CLARIAH-CZ Digital Library, Institute of Formal and Applied Linguistics (ÚFAL).
http://hdl.handle.net/11234/1-3262