Como encontrar as palavras-chave mais importantes de um corpus com WordSmith tools

Abstract

One of the most sensitive issues surrounding a keywords analysis with WordSmith Tools is the selection of a subset of words in a corpus that deserve being looked at in greater detail. This selection is normally needed because the size of the key word list can reach several hundred, up to 1,500 or more. One way to extract a selection consists of the pulling out exclusive key words . This key lexis is made up of keywords that only in a single corpus only, in comparison with a bank of keyword lists. Nevertheless, comparing several keyword lists together is a demanding task, which most users of WordSmith Tools are not expected to cope with. An alternative would be the application of a general cut-off point, established through previous uses of the keyword bank. Such a cut-off point would indicate the section of a keyword list where it would be more likely to find exclusive keywords, with a certain degree of likelihood. The results obtained here suggest that the area corresponding to the top 31% to 53% of a keyword list are more likely to contain exclusive keywords. KEY-WORDS: Corpora; key words; WordSmith Tools; key lexis. RESUMO: Um dos procedimentos mais delicados envolvidos numa análise de corpus via palavras-chave com WordSmith Tools KeyWords é a seleção de um sub-conjunto de palavras para serem investigadas em detalhe. A seleção se faz necessária, via de regra, porque o tamanho do léxico chave de um corpus de estudo é em geral muito grande, em geral em torno de 1500 palavras ou até mais. Uma maneira de fazer esse recorte consiste na extração de palavras-chave exclusivas. O léxico chave exclusivo é composto das palavras-chave que ocorrem somente no corpus de estudo em questão em comparação * Uma versão prévia deste artigo apareceu no DIRECT Paper 41, http://lael.pucsp.br/direct . ** O autor agradece os auxílios fornecidos pelo CNPq (350455/03-1) e pela CAPES (397/04-0).

Brasileiros e italianos no léxico das publicidades das revistas veja e l’espresso: Marcas de uma cultura de estereotipia

“…Além disso, por ser desenvolvido a partir do instrumental da Linguística de Corpus, que privilegia dados linguísticos autênticos, extraídos de corpora, tem ainda um caráter empírico, probabilístico e predominantemente indutivo (BERBER SARDINHA, 2004).…”