Mini Corpus Lab – Manual Pedagógico e Técnico

1. Perspectiva Pedagógica

O Mini Corpus Lab é uma ferramenta que coloca em prática a metodologia de Aprendizagem Baseada em Dados (Data-Driven Learning – DDL). A proposta é fazer com que os alunos aprendam inglês observando padrões reais da língua, extraídos de textos autênticos (como músicas, artigos ou notícias). Em vez de receber regras prontas, eles descobrem como a língua funciona a partir da análise de exemplos.

Como cada função pode ser usada em sala de aula:

• Importar Corpus: O professor seleciona textos próximos ao universo cultural dos alunos (por exemplo, músicas pop). Com isso, é possível discutir não apenas vocabulário, mas também temas sociais, culturais e estilísticos.

• Concordance (KWIC): O aluno pesquisa uma palavra e vê diferentes contextos em que ela aparece. Isso possibilita identificar padrões, usos e significados variados. O professor pode pedir que eles formulem hipóteses sobre o uso de get, por exemplo.

• Frequência: Mostra quais palavras aparecem mais. Essa informação pode servir para discutir vocabulário central em determinado gênero. Em músicas, palavras como love ou heart revelam temas recorrentes.

• Coligações: Aponta combinações fixas, como fall in love ou make a mistake. O professor pode transformar esses pares em atividades de preenchimento de lacunas, incentivando a produção de frases naturais.

• Keywords: Permite comparar o corpus de estudo com outro corpus de referência (ex.: inglês falado geral). Isso ajuda a mostrar que cada gênero textual tem vocabulário característico.

• Atividades DDL: Gera folhas de concordância prontas para exercícios de gap-fill, matching ou simples observação (noticing). Aqui a análise linguística se transforma em prática pedagógica concreta.

2. Perspectiva Técnica

O Mini Corpus Lab é um aplicativo 100% client-side (roda no navegador), desenvolvido em HTML, CSS e JavaScript puro, sem necessidade de servidor. Essa abordagem garante leveza, acessibilidade offline e independência de infraestrutura — ideal para escolas com recursos limitados.

Estrutura e funcionamento técnico:

• Importação de corpus:

  • Aceita arquivos .txt e .json.

  • Reconhece marcações <song title="..." artist="..." theme="..."> para organizar subcorpora por artista, título ou tema.

  • O texto é tokenizado (separado em palavras) usando expressões regulares.

• KWIC (Concordance):

  • Utiliza expressões regulares para localizar palavras-alvo no corpus.

  • Mostra uma janela de contexto (n caracteres à esquerda/direita da ocorrência).

  • Resultados podem ser exportados em CSV.

• Frequência:

  • Conta a ocorrência de cada token.

  • Remove stopwords (listas pré-definidas de palavras funcionais em inglês/português).

  • Exporta resultados em CSV para análise externa.

• Coligações (Collocations):

  • Extrai bigramas (pares de palavras consecutivas).

  • Calcula três métricas estatísticas: PMI, Dice e t-score.

  • Permite ordenar resultados e exportar para CSV.

• Keywords:

  • Requer upload de um corpus de referência.

  • Calcula log-likelihood para identificar palavras características do corpus de estudo em relação ao de referência.

  • Exibe tabela comparativa com frequências e estatísticas.

• Atividades DDL:

  • Gera automaticamente linhas de concordância de uma palavra-alvo.

  • Monta folha pronta para exercícios (TXT).

  • Ajuda o professor a aplicar a metodologia DDL sem precisar editar manualmente.

Diferenciais técnicos:

• Leve e offline: roda direto no navegador sem instalação.

• Exportação universal: todos os módulos exportam resultados em CSV ou TXT.

• Filtros de subcorpora: aplicação dos metadados para análises específicas.

• Expansível: pode ser integrado a lematizadores/PoS (spaCy/UDPipe) via WebAssembly futuramente.

🎯 Conclusão

O Mini Corpus Lab é, ao mesmo tempo, um recurso pedagógico e uma ferramenta técnica.

• Do lado pedagógico, permite que professores e alunos trabalhem com dados reais da língua, favorecendo a descoberta e a análise crítica.

• Do lado técnico, é um sistema robusto, simples e independente, que oferece estatísticas linguísticas essenciais sem necessidade de infraestrutura cara como a do Sketch Engine.

Assim, ele se torna um aliado direto da metodologia de Corpus Linguistics aplicada ao ensino de inglês, como defendida na dissertação que inspirou sua criação.