Termos, ou unidades terminológicas, entendidos aqui como unidades lexicais com sentido especializado, são vetores de conhecimento. Eles representam os conceitos de um domínio e sua compreensão permite o acesso aos saberes contidos nos textos especializados. Ter domínio da terminologia correta é de grande importância para os pesquisadores que compartilham seus estudos e descobertas, e também para os profissionais de diversas áreas que se valem da informação especializada em seus contextos de trabalho. Novos conceitos, e, consequentemente, novos termos, são cunhados constantemente e os materiais terminográficos não são atualizados com a necessária rapidez, o que pode dificultar o acesso ao conhecimento especializado.

A pandemia do novo coronavírus é um exemplo da situação descrita. Pressionados pela evolução rápida da doença, pela publicação de um grande volume de pesquisas e pela necessidade de encontrar tratamento, prevenção e cura, pesquisadores e profissionais envolvidos com a pandemia deparam-se com necessidades terminológicas específicas que precisam ser atendidas de forma rápida e precisa. Tais necessidades, via de regra, estão relacionadas à compreensão do significado de termos e unidades terminológicas. Além dos pesquisadores e profissionais mencionados, outros sujeitos, como tradutores, lexicógrafos, professores universitários e alunos de graduação e pós-graduação, também apresentam necessidades terminológicas específicas que surgem em função da pandemia.

As necessidades terminológicas variam, pois estão atreladas a vários fatores, como, por exemplo, ao perfil de cada sujeito, aos seus conhecimentos prévios e aos seus contextos de atuação. Um pesquisador com muito conhecimento especializado na área e um alto nível de proficiência na língua inglesa, por exemplo, possivelmente terá necessidades lexicográficas diferentes de um tradutor que atue em uma agência governamental e que não seja especializado na área em questão, mas que tenha um alto nível de proficiência em língua inglesa. Da mesma forma, um professor universitário da área de Letras que trabalhe leitura e escrita acadêmicas com alunos de graduação do curso de Medicina em uma instituição de ensino superior brasileira, tendo, supostamente, um baixo nível de conhecimento especializado e um alto nível de proficiência em língua inglesa geral e para fins acadêmicos, terá necessidades lexicográficas diferentes das de seus alunos, que, por outro lado, estão em fase de aquisição de conhecimento especializado da área médica e possuem níveis variados de proficiência em língua inglesa.

Como mencionado, todos esses sujeitos têm necessidades terminológicas diversas e processam a informação obtida de maneira diferente em função de saberes prévios e experiências variadas que constituem seu perfil. Todos eles, no entanto, poderiam se beneficiar de um recurso que, de forma intuitiva, ágil, rápida e precisa pudesse apresentar uma compilação de fragmentos de textos autênticos que contivessem informações sobre características, funções e aspectos relevantes para a construção e entendimento do significado dos termos relacionados a suas necessidades (cf. SIERRA 2009).

Após a discussão de algumas abordagens utilizadas para a extração automática de traços e contextos definitórios, visamos, neste estudo, apresentar estratégias de busca de informações que auxilie especialistas, profissionais e estudantes no entendimento do significado de termos e unidades terminológicas de forma rápida e precisa. Em especial, buscou-se verificar a utilidade das sintaxes de busca (SB) construídas com a ferramenta Corpus Query Language (CQL) (KILGARRIFF et al. 2004) para esse propósito, a partir de um corpus especializado em língua inglesa. Para tanto, a partir da revisão dos conceitos de definição (D), traço definitório (TD) e contexto definitório (CD), e do levantamento de diferentes abordagens para a extração automática de definições, utilizou-se o Corpus COVID-19 para testar a utilidade das sintaxes mencionadas. Esse corpus de artigos científicos escritos em inglês sobre a temática COVID-19, com aproximadamente 156.756.091 de palavras, é parte do COVID-19 Open Research Dataset (CORD-19), e está disponível na ferramenta Sketch Engine (KILGARRIFF et al. 2004).

O estudo proposto nos levou a três questões de pesquisa: (i) Quais são os padrões definitórios mais produtivos do corpus de estudo? (ii) É possível construir SBs a partir dos padrões definitórios mais produtivos de uma área de especialidade? (iii) As SBs construídas com a CQL da ferramenta Sketch Engine (SE) são capazes de extrair TDs e CDs de corpora especializados, de forma a contribuir para o entendimento de termos e de unidades terminológicas?

Após esta introdução, o restante do artigo está organizado em quatro seções principais. A seção 1 inicia com a revisão da literatura relativa aos conceitos de D, CD e TD e às estruturas discursivas dos CDs. Na seção 2 são apresentadas algumas abordagens utilizadas para a extração automática de TDs e CDs. Em seguida, na seção 3, descrevemos os corpora utilizados na pesquisa e as etapas metodológicas seguidas. Na seção 4, apresentamos os resultados e a discussão referentes ao uso de SBs construídas a partir de padrões definitórios produtivos do corpus de estudo para extração de TDs e CDs do Corpus COVID-19. Por fim, trazemos as considerações finais e propostas de trabalhos futuros.

Nesta seção, trazemos algumas considerações sobre os conceitos de definição (D), contexto definitório (CD) e traço definitório (TD) e refletimos sobre as formas como os TDs e CDs podem auxiliar na compreensão da terminologia de uma área de especialidade. Em seguida, tratamos da identificação e descrição de algumas das estruturas discursivas possíveis dos CDs.

A elaboração de definições, uma das etapas mais complexas do processo lexicográfico, envolve muitas decisões metodológicas. Há, basicamente, três processos possíveis para a construção de definições. Elas podem ser: (i) criadas por especialistas; (ii) copiadas de outras obras de referência; ou (iii) extraídas de textos autênticos, como artigos acadêmicos, teses, dissertações, normas, leis, textos jornalísticos etc.

Em um entendimento amplo, pode-se dizer que a definição é o conjunto de informações dadas sobre o termo ou palavra. Trata-se, portanto, da explicação de um item lexical por meio de outros, possibilitando o entendimento do significado do item definido. Segundo Finatto (1998), as definições podem ser lexicográficas, enciclopédicas ou terminológicas. Suas características são guiadas tanto pelo tipo de dicionário do qual fazem parte - dicionário de língua geral, dicionário enciclopédico e dicionário especializado - quanto pela “instância” a qual se referem, seja uma palavra, um referente ou uma porção de conhecimento sobre coisas ou fenômenos.

Na definição lexicográfica, há predominância de informações linguísticas. Nos dicionários de língua geral, supostamente são elencadas todas as acepções de uma palavra, seu uso mais geral, mas também mais específico, regional e, por vezes, como parte de expressões idiomáticas. A definição enciclopédica “se ocupa mais de referentes e de descrição de ‘coisas’” (FINATTO 1998: 135), apresentando informações de diversos tipos. Já a definição terminológica privilegia uma das acepções, apresenta o significado específico de um termo como parte de um sistema conceitual, de uma área específica, delimitando-o e distinguindo-o das outras noções do mesmo sistema conceitual. Segundo Finatto (1998), esse tipo de definição “surge da complexa combinação de uma série de fatores, tais como as necessidades de veiculação de determinada porção de conhecimento e o perfil epistemológico e textual da área de especialidade” (FINATTO 1998: 138).

Vale ressaltar que a definição apresenta diferenças dependendo do tipo de obra na qual será incluída e de seus propósitos. Como aponta Barros (2004), “não existe uma definição válida para dois dicionários, uma vez que a cada tipo de obra correspondem algumas características específicas que determinam o conteúdo e a organização do enunciado definicional” (BARROS 2004: 159).

Quanto ao uso de definições em textos, Pearson (1996) ressalta que, quando especialistas escrevem artigos acadêmicos, eles podem definir (usando “definições originais”¹) ou redefinir (usando “definições relatadas”²) termos. A autora afirma ainda que,

Alguns autores fazem a distinção entre D e CD. Geralmente, entende-se contexto como porção de texto extraída de textos autênticos. Segundo De Besse (1991), contexto corresponde ao entorno linguístico de um termo e é constituído pelo enunciado ao seu redor. O CD possui duas funções: esclarecer o significado de um termo e exemplificar seu uso. O autor menciona vários tipos de contextos, distribuídos em dois grupos: os contextos que se referem ao conceito e os contextos que se referem ao termo, ou seja, à forma. O CD se encontra no primeiro grupo e “é formado por um certo número de elementos úteis e necessários para a descrição do conceito, mas insuficientes para a redação de uma definição”⁴ (DE BESSE 1991: 112).

De Besse (1991) considera CD o que Pavel e Nolet (2002) denominam contexto explicativo: “Os CDs apresentam características essenciais do conceito em estudo, enquanto que os contextos explicativos fornecem informação sobre algumas das características” (PAVEL & NOLET 2002: 48). Em TERMIUM Plus®⁵, banco de dados linguísticos e terminológicos do Governo Canadense, o contexto explicativo esclarece um ou mais de um aspecto da unidade terminológica, mas não contém elementos suficientes para constituir uma definição. Essa distinção também é feita em De Lucca (2006). Para o autor, o CD “apresenta descritores essenciais do conceito” (DE LUCCA 2006: 8).

Pearson (1998) menciona que, ao produzirem textos em contextos especializados, os autores possivelmente expliquem o significado de alguns termos usados. A quantidade de informação que constituirá essas explicações dependerá da disparidade existente entre o conhecimento do autor e do (suposto) leitor. Segundo a autora, as explicações podem ser fragmentos de informações presentes nos textos e necessitam ser recuperadas e organizadas para a formulação de definições dos termos.

Segundo Sierra (2009), o CD é uma estrutura discursiva formada por, no mínimo, dois elementos, o termo (T) e uma definição (D), os quais são conectados por um padrão definitório (PD)⁶, que pode ser tipográfico (por exemplo, dois pontos, parênteses) ou sintático (por exemplo, ‘se define como’, ‘é um’). Há também o elemento optativo, chamado de padrão pragmático (PPR), que apresenta informação metalinguística ou pragmática referente a forma, condições de uso ou alcance operativo (SIERRA 2009). Reproduzimos abaixo a figura que corresponde a essa estrutura:

Figura 1 Fonte: Sierra (2009: 17).

Em nosso estudo, a partir do entendimento de Pearson (1998) e adaptando a proposta de Sierra (2009), chamamos de contexto definitório (CD) fragmentos de texto autêntico, contendo traços definitórios (TDs) e escritos por especialistas, ou seja, informações sobre características, funções e aspectos relevantes que auxiliam o leitor na construção do entendimento do significado dos termos. Diferentemente da definição, o CD não é um texto especialmente construído por lexicógrafos ou especialistas para compor uma obra lexicográfica ou terminográfica. Consideramos traço definitório (TD) a informação extraída de um contexto definitório que pode auxiliar na construção de uma definição ou na construção do significado do termo. Fornecem dados sobre características do termo, como composição, estrutura, função ou relação com outros termos. Como exemplo, apresentamos o seguinte contexto definitório: Novel coronavirus is a respiratory disease caused by a viral infection. Ele contém dois traços definitórios - (i) a respiratory disease (doença respiratória) e (ii) caused by a viral infection (causada por uma infecção viral). O primeiro indica um hiperônimo e o segundo expressa uma causa.

Os desafios científicos e técnicos para a extração de CDs a partir de um corpus especializado são muitos. É necessário, em primeiro lugar, descrever as diferentes estruturas discursivas dos CDs para, só então, tratar das estratégias para sua extração. A metodologia proposta por Triki (2019) mostra a importância de se ter dados linguísticos precisos antes de iniciar o processo de extração de CDs. A autora parte de um processo manual de extração de segmentos definitórios (definitional segments), equivalentes ao que chamamos neste estudo de traços definitórios (TDs), realizado por especialistas a partir de um corpus de 40 artigos (317.000 palavras) de duas áreas de especialidade: Ciência da Computação e Linguística. O processo de codificação, descrito por Triki (2019), iniciou com a leitura detalhada dos textos, durante a qual todas as definições foram marcadas. Em seguida, segmentos definitórios foram categorizados quanto a sua estrutura. Por fim, foi feita uma classificação do aspecto funcional das unidades definitórias (defining units) conforme as categorias estabelecidas por Triki (2014): nomeação, classificação, composição, função ou explicação.

Com base em Sierra (2009), classificamos os padrões definitórios em dois grupos: (i) padrões definitórios formais, que se referem a algum elemento formal - por exemplo, uso de dois pontos (:), de fonte diferente ou marcação em itálico ou negrito diferente para o termo e definição ou contexto definitório; e (ii) padrões definitórios linguísticos, relacionados ao uso de estruturas com verbos como define, know ou call (por exemplo, x is defined as) ou uso de marcadores reformulativos (por exemplo, that is). Para nossa análise, utilizamos os padrões definitórios sugeridos por Kovář, Močiariková e Rychlý (2016), como será demonstrado na próxima seção.

Como afirmam Kosem et al. (2019), a extração de exemplos para a construção de produtos lexicográficos pode ser baseada em três tipos de input: humano, por máquina ou ainda uma combinação de ambos. O mesmo acontece com a extração de CDs. Nesta seção, revisamos a literatura quanto às abordagens para a extração automática desses contextos. Não é nossa intenção fazer uma revisão exaustiva de todas as abordagens existentes, mas sim um levantamento dos principais estudos conduzidos entre 2000 e 2020 que tiveram como objetivo principal o desenvolvimento de processos para a extração automática de CDs.

As pesquisas em extração automática de Ds e CDs empregam diferentes métodos de identificação de informações em um texto. Entre 2000 e 2020, alguns estudos (por exemplo, KLAVANS & MURESAN 2000; CUI, KAN & CHUA 2004 e 2005; FAHMI & BOUMA 2006; JIN et al. 2013; KOVÁŘ, MOČIARIKOVÁ & RYCHLÝ 2016; e VEYSEH et al. 2020) desenvolveram e aprimoraram esses processos. Veyseh et al. (2020) sugerem que tais abordagens sejam divididas em três categorias, conforme o tipo de extração: (i) abordagem baseada em regras; (ii) abordagem baseada em engenharia de atributos (feature engineering); e (iii) abordagem baseada em aprendizagem profunda (deep learning). O Quadro 1 elenca os estudos citados, listando o nome dos pesquisadores que conduziram o projeto, o ano de publicação do artigo que apresenta o estudo e a abordagem adotada para a extração de Ds e CDs do corpus.

Quadro 1

Pesquisadores/Desenvolvedores	Ano de publicação do artigo	Abordagem adotada para extração das Ds e CDs
Klavans e Muresan	2000	Abordagem baseada em regras
Cui, Kan e Chua	2004 e 2005	Abordagem baseada em regras
Fahmi e Bouma	2006	Abordagem baseada em regras
Jin et al.	2013	Abordagem baseada em engenharia de atributos
Kovář, Močiariková e Rychlý	2016	Abordagem baseada em regras
Veyseh et al.	2020	Abordagem baseada em aprendizagem profunda

Fonte: Elaborado pelas autoras.

O Definder, desenvolvido por Klavans e Muresan (2000), foi um dos primeiros sistemas de extração automática de termos e CDs. Baseado em um sistema de regras, ele busca artigos completos e deles extrai termos e definições. Em um estudo posterior, Klavans e Muresan (2001) propõem uma avaliação quantitativa e qualitativa do recurso. Kovář, Močiariková e Rychlý (2016) sugerem uma forma automática de extração de definições também baseada em regras. Utilizando a linguagem de consulta de corpus (CQL), os autores construíram SBs que representam padrões definitórios recorrentes no corpus analisado para localizar e armazenar candidatos a definições no corpus. Corpus Query Language (CQL) é a linguagem utilizada para extrair informações de um corpus. Na composição do termo CQL, a palavra query significa questionamento, consulta ou busca. Os questionamentos realizados por meio da CQL utilizam uma série de atributos que, combinados, resultam em uma sintaxe de busca (por exemplo, [word="coronavirus"]) que extrairá do corpus todas as linhas de concordância que contêm a informação solicitada. O Quadro 2 mostra alguns exemplos desses padrões de forma simplificada.

Quadro 2

• TERM “is/are/means/was/were” “a/an”, including:
	- TERM” (in quotes)
	- TERM parenthesis “is/are/...” “a/an” (parenthesis expressed by commas, dashes or brackets)
	- TERM prepositional-phrase “is/are/...” “a/an”
	- optional “a/an” in selected cases
• What” “is” TERM, with a definition in the following sentence
• TERM “refers” “to”, plus variants with parentheses and prepositional phrases, as above
• TERM “is/are” “defined” “as”, plus variants with parentheses and prepositional phrases, as above
• ... “is/are” “known/called/referred to” “as” TERM
• TERM “is/are” “used” “to” “describe/denote/mean/refer to”, plus variants with parentheses
• TERM “is” “a” “term” “for/referring to”, plus variants with parentheses
• TERM “is/are” “understood” “to”, plus variants with parentheses
• TERM “consists” “of”, plus variants with parentheses

Fonte: Kovář, Močiariková e Rychlý (2016: 391).

Kovář, Močiariková e Rychlý (2016) ressaltam que, em todos os padrões apresentados no Quadro 2, TERM é um sintagma nominal. Os autores também mencionam que os padrões, em CQL, são bastante complexos. Um exemplo de padrão definitório em CQL é mostrado na Figura 2.

Figura 2 Fonte: Kovář, Močiariková e Rychlý (2016).

A partir da identificação de padrões definitórios recorrentes, um link chamado Definitions foi incluído no SE. Tal link filtra os resultados de qualquer concordância a partir dos parâmetros estabelecidos nas SBs construídas com base nos padrões definitórios recorrentes identificados pelos autores. A Figura 3 mostra os padrões definitórios sugeridos por Kovář, Močiariková e Rychlý (2016), bem como o número de vezes que o padrão definitório descrito aparece no corpus (No. of hits), o percentual de linhas de concordância (LCs), em uma amostra de 50 linhas, que contêm definições (Prec. on sample) e, por fim, uma estimativa do número de definições contidas no corpus a partir do percentual identificado na amostra observada (Estimated no. definitions).

Figura 3 Fonte: Kovář, Močiariková e Rychlý (2016).

Até a publicação deste artigo, a funcionalidade Definitions estava disponível apenas para os corpora English Wikipedia Corpus e enTenTen 13. Nesses corpora, essa funcionalidade é identificada pelo ícone de uma lâmpada, como mostra a Figura 4:

Figura 4 Fonte: Sketch Engine (KILGARRIFF et al. 2004).

Tendo em vista o objetivo deste trabalho, que é oferecer aos especialistas estratégias de busca de informações que permitam o entendimento do significado de termos e unidades terminológicas, e considerando que muitos desses especialistas possivelmente não têm conhecimentos mais aprofundados de informática e de programação, é importante que a alternativa de busca proposta seja acessível e de fácil implementação. Por essa razão, optou-se por testar a metodologia sugerida por Kovář, Močiariková e Rychlý (2016) de forma a verificar sua aplicabilidade para a extração de CDs e TDs de termos presentes em um corpus especializado.

Nesta seção, a partir da aplicação de elementos da metodologia proposta por Kovář, Močiariková e Rychlý (2016) e de dados extraídos do Corpus COVID- 19, exemplificamos análises realizadas para a identificação dos padrões definitórios mais produtivos no corpus de estudo, que pudessem ser usados para a extração de TDs e CDs. Para tanto, iniciamos descrevendo os corpora, e, em seguida, apresentamos os procedimentos metodológicos adotados.

Os procedimentos metodológicos para a extração dos CDs e TDs iniciaram com a identificação de termos do Corpus COVID-19 com maior índice de chavicidade¹¹ e frequência normalizada (pmp). As palavras-chave identificadas são mostradas no Quadro 6:

Quadro 6

Termos simples	Índice de chavicidade	Frequência (pmp)
RNA	277.490	933,48
coronavirus	231.190	229,76
SARS	207.470	327,58
Termos compostos
influenza virus	110.740	128,34
viral replication	93.530	97,95
respiratory tract	82.040	118,61

Fonte: Elaborado pelas autoras.

Uma vez identificados os termos e as unidades terminológicas com maior chavicidade e frequência normalizada (pmp) do corpus de estudo, o termo coronavirus foi escolhido para exemplificar o tipo de análise proposto, a partir dos padrões definitórios sugeridos por Kovář, Močiariková e Rychlý (2016).

Diferentemente das metodologias descritas nas pesquisas citadas, neste estudo não buscamos o percentual de LCs com ocorrência de definições, mas sim a ocorrência de LCs que contivessem TDs e CDs. O Quadro 7 mostra os resultados extraídos do Corpus COVID-19 para os padrões definitórios sugeridos por Kovář, Močiariková e Rychlý (2016) com o termo coronavirus:

Quadro 7

Padrão definitório	Número total de ocorrências no corpus	Percentual de LC com TDs na amostra12 (%)	Número estimado de LC com TDs no corpus
coronavirus is a /an	127 (0,45 pmp)	94%	119
what is coronavirus	0	0%	0
coronavirus refers /referred to	10	100%	10
coronavirus is defined as	1	0%	0
coronavirus is known as	5 (0,02 pmp)	100%	5
coronavirus is used to describe	0	0%	0
coronavirus is a term for	0	0%	0
coronavirus is understood to	0	0%	0
coronavirus consists of	5 (0,02 pmp)	100%	5

Fonte: Elaborado pelas autoras.

Para a identificação dos padrões definitórios mais produtivos do corpus de estudo, a partir dos padrões sugeridos por Kovář, Močiariková e Rychlý (2016), construímos as SBs usando a funcionalidade CQL builder disponível no SE. Exemplificamos a construção das sintaxes mostrando os atributos usados para o padrão definitório TERM is /are a/an: [tag="N.*"] [word="is" | word="are"] [word="a" | word="an"]. O atributo tag indica a classe gramatical da palavra que se quer extrair - no caso, noun (substantivo); e word indica a palavra exata que se busca - is. A barra vertical (|) também foi usada, indicando que se quer uma das opções que se encontram antes ou depois da marcação vertical.

Uma vez construídas todas as SBs, verificou-se a frequência absoluta e a frequência normalizada dos padrões, bem como o percentual de LCs com TDs em uma amostra de 50 LCs. Por fim, o número estimado de LCs com TDs foi calculado, como mostra o Quadro 8:

Quadro 8

Padrão definitório	Sintaxe de busca (SB)	Número total e pmp de LC extraídas do corpus com a CQL genérica	Percentual de LC com TDs na amostra (%)	Número estimado de LC com TDs no corpus
TERM is /are a/an	[tag="N.*"] [word="is" | word="are"] [word="a" | word="an"]	88.617 (315,6 pmp)	86%	74.490
what is TERM	[word="what"] [word="is" | word="are"] [tag="N.*"]	44 (0,1 pmp)	5%	2
TERM refers /referred to	[tag="N.*"] [lemma="refer"] [word="to"]	3.342 (11,9 pmp)	84%	2.807
TERM is defined as	[tag="N.*"] [word="is"] [word="defined"] [word="as"]	3.003 (10,7 pmp)	100%	3.003
TERM is known as	[tag="N.*"] [word="is"] [word="known"] [word="as"]	888 (3,1 pmp)	100%	888
TERM is used to describe	[tag="N.*"] [word="is"] [word="used"] [word="to"] [word="describe"]	71 (0,2 pmp)	100%	71
TERM is a term for	[tag="N.*"] [word="is"] [word="a"] [word="term"] [word="for"]	7 (0,02 pmp)	100%	7
TERM is understood to	[tag="N.*"] [word="is"] [word="understood"] [word="to"]	24 (0,09 pmp	100%	24
TERM consists of	[tag="N.*"] [word="consists"] [word="of"]	8.468 (30,1 pmp)	100%	8.468

Fonte: Elaborado pelas autoras.

De todos os padrões analisados, o que apresentou menor percentual (5%) de LCs com TDs na amostra analisada e uma das mais baixas frequências normalizadas (0,1 pmp) foi o padrão what is TERM , destacado no Quadro 8 em azul. Outros padrões ( TERM is known as, TERM is used to describe, TERM is a term for, TERM is understood to ), destacados no Quadro 8 em verde, ainda que tivessem um percentual alto (100%) de LCs com TDs, apresentavam frequências normalizadas baixas, menores que 10 ocorrências (pmp). Assim, para determinar os padrões definitórios mais produtivos do corpus de estudo, dois pontos de corte foram estabelecidos: (i) o padrão definitório deveria ter pelo menos 80% da amostra de LC com TDs e uma frequência normalizada mínima de 10 ocorrências (pmp). Dessa forma, foram considerados produtivos no Corpus COVID-19 os padrões definitórios TERM is /are a/ an, TERM refers / referred to, TERM is defined as e TERM consists of , todos destacados em vermelho no Quadro 8.

Uma vez estabelecidos os padrões definitórios mais produtivos do corpus de estudo, procuramos verificar se haveria a possibilidade de agrupar vários padrões definitórios em uma única SB, de forma a extrair um maior volume de LCs com TDs. O agrupamento de padrões definitórios em uma mesma sintaxe de busca, inicialmente pretendido, aconteceu apenas com o padrão TERM is defined as, como pode ser observado no Quadro 9. Ao incluir na SB outros verbos, como known, presented, treated, described, understood e used, buscou-se extrair do corpus de estudo um volume maior de LCs com TDs. Por fim, percebeu-se a possibilidade de trocar todos os verbos listados pela etiqueta de verbos ([tag="V.*"]):

Quadro 9

Padrão definitório	Sintaxe de busca
TERM is /are a/an	TERM [word="is" | word="are"] [word="a" | word="an"]
TERM refers /referred to	TERM [lemma="refer"] [word="to"]
TERM is defined as	TERM [word="is"] [word="are"] [tag="V.*"] [word="as"]
TERM is known as
TERM consists of	TERM [lemma="consist"] [word="of"]

Fonte: Elaborado pelas autoras.

As Figuras 5 e 6 comparam, respectivamente, os resultados obtidos na extração de LC com TDs para o termo coronavirus com a combinação de palavras is defined as e com a SB [word="coronavirus"] [word="is"] [word="defined" | word="presented" | word="known" | word="treated" |word="described" | word="understood" | word="used"] [word="as"]. Ressalta-se que, com a combinação de palavras is defined as, apenas um CD foi extraído. A utilização da SB, por outro lado, permitiu a extração de quatro CDs:

Figura 5 Fonte: Sketch Engine (KILGARRIFF et al. 2004).

Figura 6 Fonte: Sketch Engine (KILGARRIFF et al. 2004).

Na Figura 7, mostra-se a SB que substitui todos os verbos listados ([word="defined" | word="presented" | word="known" | word="treated" | word="described" | word="understood" | word="used"]) pela etiqueta que representa verbos ([tag="V.*"]). Tal opção resulta não apenas em uma maior frequência normalizada (pmp), mas também em um maior percentual de LCs com CDs e TDs. Certamente, um volume maior de LCs com TDs e CDs facilitará o entendimento do significado do item lexical em questão.

Figura 7 Fonte: Sketch Engine (KILGARRIFF et al. 2004).

Cabe destacar, também, que, com exceção de what is TERM , os percentuais de LCs com CDs e TDs foram sempre maiores no corpus especializado, em comparação com o corpus geral, como pode ser observado no Gráfico 1. Tal fato não surpreende, pois é esperado que textos especializados, especialmente de temática recente, como a da COVID-19, tenham um volume maior de termos a serem definidos e ressignificados e, consequentemente, de contextos definitórios, do que textos da língua geral.

Gráfico 1 Fonte: Elaborado pelas autoras.

O objetivo deste trabalho foi identificar estratégias de busca de informações que auxiliassem especialistas, profissionais e estudantes na compreensão do significado de termos e unidades terminológicas. Em especial, buscou-se verificar a utilidade das SBs construídas com a Corpus Query Language (CQL) para esse propósito, com base nos padrões definitórios sugeridos por Kovář, Močiariková e Rychlý (2016) e nas análises realizadas a partir do Corpus COVID-19.

Primeiramente identificamos os padrões definitórios mais produtivos do corpus: (i) TERM [tag="N.*"] [word="is" | word="are"] [word="a" | word="an"] , (ii) TERM [tag="N.*"] [lemma="refer"] [word="to"] , (iii) TERM [tag="N.*"] [word="is"] [word="defined"] [word="as"] , e (iv) TERM [tag="N.*"] [word="consists"] [word="of"].

Quanto à possibilidade de construir SBs a partir dos padrões definitórios mais produtivos de uma área de especialidade, observamos que os resultados obtidos não derivam do agrupamento dos padrões definitórios mais produtivos do Corpus COVID-19, como era esperado. Tais padrões, no entanto, serviram de base para a construção das SBs. Mudanças nos atributos das SBs permitiram a construção de sintaxes que fossem capazes de extrair um maior percentual de LCs com TDs e CDs.

Por fim, com relação à possibilidade de as SBs construídas com a ferramenta CQL serem capazes de extrair TDs e CDs de corpora especializados, os resultados obtidos mostraram que as SBs complexas (por exemplo, TERM [word="is"] [word="are"] [tag="V.*"] [word="as"]) , construídas com a CQL do SE a partir dos padrões definitórios mais produtivos do Corpus COVID-19, extraíram, em apenas uma busca, um percentual de LCs com TDs e CDs maior do que as buscas com combinação de palavras como RNA is defined as, ou com SBs mais simples (por exemplo, TERM [word="defined" | word="presented" | word="known" | word="treated" | word="described" | word="understood" | word="used"] ).

Espera-se que os resultados obtidos neste estudo possam auxiliar não apenas especialistas da área médica, mas também estudantes e outros profissionais, como tradutores e lexicógrafos, a processarem de forma rápida e precisa o conhecimento expresso por meio dos termos contidos em textos especializados.

Em estudos futuros, outros padrões definitórios podem ser usados para informar a construção de SBs com a CQL. Da mesma forma, pode-se construir SBs a partir da identificação dos padrões definitórios mais produtivos e recorrentes em diferentes áreas de especialidade, pois os padrões definitórios variam conforme a área de especialidade e o gênero dos textos. Acreditamos que outros estudos poderão fazer uso da metodologia descrita na construção de recursos para a extração automática de CDs de corpora especializados.

Em uma perspectiva mais qualitativa, à semelhança do estudo realizado por Klavans e Muresan (2001), uma comparação das definições disponibilizadas em dicionários especializados com os TDs e CDs identificados por meio das SBs trará contribuições para os estudos sobre definições.