Resumo:

Ao se debruçar sobre a língua em uso, o linguista inevitavelmente se depara com a variação linguística: no português falado no Brasil, encontram-se, por exemplo, diversas realizações para o “r”, tanto em posição de ataque quanto em coda silábica (como tepe, vibrante múltipla, retroflexo, fricativa velar etc.); o emprego dos pronomes “tu”, “você”, “ocê”, “cê” para se referir ao interlocutor; o uso de sintagmas verbais plurais ora com marcação de número apenas no sujeito (por exemplo, “eles foi”), ora com marcação redundante no sujeito e no verbo (por exemplo, “eles foram”). Um dos principais fundamentos dos estudos sociolinguísticos é a premissa de que a variação linguística – verificada em todas as línguas, em todas as comunidades e, em última instância, na fala de um mesmo indivíduo – faz parte do sistema linguístico e da competência comunicativa dos falantes. A variação linguística não só é inerente, como também é ordenada (WEINREICH; LABOV; HERZOG, 1968): as flutuações observadas formam padrões, que podem ser descritos e analisados pelo estudioso da língua em uso.A observação desses padrões, no entanto, requer a análise de uma grande quantidade de dados. A partir da observação de poucas ocorrências, de um ou poucos falantes, dificilmente se poderia chegar a conclusões confiáveis sobre quais falantes tendem a empregar uma ou outra forma, em quais contextos (linguísticos ou sociais) elas tendem a ocorrer, e por que a variação ocorre do modo como se observa. A sociolinguística variacionista se assenta sobre o Paradigma Quantitativo (BAYLEY, 2002; GUY, 1993), que busca modelar a competência comunicativa dos falantes através da análise de formas linguísticas variáveis em seus contextos de uso, a fim de derivar afirmações acerca da probabilidade de co-ocorrência de uma forma linguística variável e as características contextuais. Desse modo, o sociolinguista variacionista lida com uma grande quantidade de dados. Dentre as suas diversas tarefas, incluem-se: (i) a coleta de dados (em geral, na forma de gravações de entrevistas sociolinguísticas com falantes de uma comunidade); (ii) a transcrição dessas gravações; (iii) a definição de uma variável sociolinguística e de seus contextos linguísticos possíveis (o contexto variável); (iv) a identificação de ocorrências no corpus de entrevistas; (v) o levantamento de hipóteses sobre fatores, de natureza social e linguística, que estejam correlacionados ao uso da variável; (vi) a codificação das ocorrências de acordo com as hipóteses levantadas; (vii) a análise quantitativa dos dados no GoldVarb X ou RBrul; e (viii) a interpretação de resultados obtidos. Algumas dessas tarefas exigem conhecimento especializado e criatividade para ser bem executadas – por exemplo, a coleta de boas gravações, o levantamento de hipóteses, a interpretação de resultados. Algumas outras podem ser bastante repetitivas, mecânicas e previsíveis – como a identificação de ocorrências no corpus (quando já se definiu a variável e seu envelope de variação) e a sua extração para codificação. Para esse segundo conjunto de tarefas, em princípio, não é necessário um conhecimento especializado; não é necessário, por exemplo, saber o que é um fonema para copiar e colar certos trechos de texto para uma planilha de codificação!As tarefas repetitivas, mecânicas e previsíveis podem ser automatizadas através do uso do computador. Nesse sentido, o programa R (R CORE TEAM, 2013) é de grande valia para a otimização do tempo empregado na execução dessas tarefas. O R é uma linguagem de programação voltada à análise de dados, que pode ser utilizada para realizar computações estatísticas e gráficas, compilar e anotar corpora, produzir listas de frequências, entre diversas outras tarefas. Uma de suas principais vantagens é o fato de ser gratuito e estar disponível para uma variedade de plataformas (UNIX, Windows e MacOS).Sendo uma linguagem de programação, o R permite que o usuário customize uma série de tarefas que deseja executar e, consequentemente, tenha maior controle sobre os resultados obtidos. Isso significa, no entanto, que ao invés de clicar em botões com funções limitadas e pré-definidas, o usuário normalmente define as funções que deseja executar através de linhas de comando, que instruem o programa sobre o que fazer. Uma sequência de linhas de comando é chamada de script ou código. O exemplo (1) abaixo mostra um pequeno script, que instrui o R a carregar um arquivo de transcrição, apagar as marcas de parênteses e salvar o arquivo limpo.(1)Andgt; FabianaBAndlt;-scan(file=choose.files(),what="char",sep="\n")¶Andgt; FabianaB.limpoAndlt;-gsub("\\(|\\)","",FabianaB)¶Andgt; cat(FabianaB.limpo,file="FabianaB-limpo.txt",sep="\n")¶Embora isso possa parecer complicado inicialmente, um pouco de prática levará o usuário a se familiarizar com o ambiente. Em geral, o esforço de criar um script só precisa ser feito uma vez, já que podemos salvar o código e reutilizá-lo quantas vezes forem necessárias, modificando apenas pequenas partes para readaptá-lo às novas demandas. Além disso, há uma série de scripts escritos previamente por outros usuários, na forma de funções e pacotes, que podemos baixar da Internet e utilizar em nossas próprias tarefas. Tal é o caso das funções identificacao(), extracao() e amostragem(), do pacote dmsocio, que serão mais detalhadamente exploradas na seção 5 adiante. Antes de descrever a aplicação dessas funções, é necessário tratar da instalação do programa (seção 2), de conceitos básicos e algumas funções úteis para sua utilização (seção 3), e de arranjos prévios na organização de nosso corpus (seção 4). O artigo se encerra com uma visão perspectiva dessas funções no âmbito das análises sociolinguísticas e com a indicação de leituras adicionais para um maior aprofundamento das aplicações do R a estudos linguísticos.Não é demais salientar que, em se tratando de um tutorial prático, este artigo foi pensado para ser lido com um computador à mão, de modo que o leitor possa reproduzir os exemplos durante a leitura. Não há como aprender a usar o R sem utilizá-lo. Portanto, mãos à massa!