corpus
O termo corpus possui significados distintos dependendo do campo de estudo, sendo fundamental diferenciar seu uso técnico do uso comum. No contexto da linguística e da ciência de dados, ele se refere a um conjunto vasto e organizado de dados linguísticos (textos ou áudios) que servem de base para análises estatísticas ou para o treinamento de inteligências artificiais. Diferente de um simples "texto", um corpus implica em uma metodologia de coleta e estruturação para representar a língua real.
Nuances Semânticas e Contextos
Além do uso linguístico, corpus é frequentemente utilizado em contextos jurídicos ou literários para designar o "corpo" principal de um documento ou de uma obra, excluindo-se as partes introdutórias ou complementares. É importante notar que, embora a palavra seja idêntica ao termo latino e compartilhe a raiz com a palavra "corpo" em português, no inglês acadêmico ela mantém essa distinção técnica.
Uso Linguístico: The researchers used a corpus of spoken English to study dialects. (Os pesquisadores utilizaram um corpus de inglês falado para estudar dialetos.)
Uso Documental: The corpus of the treaty contains the primary obligations of the states. (O corpo do tratado contém as obrigações principais dos estados.)
Possíveis Confusões e Falsos Cognatos
Para falantes de português, o maior risco é a simplificação excessiva. Embora corpus possa ser traduzido literalmente como "corpo", em contextos de tecnologia e linguística, a tradução "corpo" seria imprecisa e confusa. Deve-se manter o termo corpus (como estrangeirismo técnico) ou utilizar "coleção de textos" para evitar que o leitor pense em anatomia ou em um objeto físico.
❌ Incorreto: The AI was trained on a body of texts. (Embora body seja usado às vezes, em contextos técnicos de NLP, corpus é o termo preciso).
✅ Correto: The AI was trained on a large corpus. (A IA foi treinada em um grande corpus.)
Aspectos Gramaticais
O termo é um substantivo contável. No plural, pode-se utilizar tanto a forma latina corpora (comum em textos acadêmicos e científicos) quanto a forma anglicizada corpuses. A escolha entre as duas depende do nível de formalidade do texto.
Meanings
Uma coleção grande e estruturada de textos ou fala gravada, utilizada para análise linguística ou treinamento de modelos de aprendizado de máquina
The researchers analyzed a corpus of ten million words to identify patterns in spoken English.
Os pesquisadores analisaram um corpus de dez milhões de palavras para identificar padrões no inglês falado.
O corpo principal de uma obra escrita, excluindo a introdução, apêndices ou outro material suplementar
The legal scholars examined the corpus of the treaty to determine the original intent of the authors.
Os estudiosos do direito examinaram o corpo do tratado para determinar a intenção original dos autores.
O corpo físico de um ser humano ou animal, tipicamente utilizado em contextos anatômicos ou médicos
The forensic pathologist examined the corpus to determine the cause of death.
O patologista forense examinou o corpo para determinar a causa da morte.