José Victor de Souza 

 
 
 
 
 
 
 
 

Uma proposta de glossário bilíngue inglês-português de pesticidas 

organofosforados por meio da Linguística de Corpus: 

foco no trato da variação denominativa 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

 
 
 

 
São José do Rio Preto 

2023

Câmpus de São José do Rio Preto 



 

  

 

 
 
 

 José Victor de Souza 
 
 
 
 
 
 

 
 
 
 
 

Uma proposta de glossário bilíngue inglês-português de pesticidas 

organofosforados por meio da Linguística de Corpus: 

foco no trato da variação denominativa 
 

 

Dissertação apresentada como parte dos 
requisitos para obtenção do título de Mestre em 
Estudos Linguísticos, junto ao Programa de Pós-
Graduação em Estudos Linguísticos, do Instituto 
de Biociências, Letras e Ciências Exatas da 
Universidade Estadual Paulista “Júlio de Mesquita 
Filho”, Câmpus de São José do Rio Preto. 
 
Financiadora: FAPESP – Processo 2021/08830-9 
                       CNPq – Processo 130524/2021-2 

 
Orientadora: Profª. Drª. Paula Tavares Pinto 
Coorientadora: Profª. Drª. Marcela Marques de 
Freitas Lima 

                                                         

 
 
 

 
 

São José do Rio Preto 
2023



 

  

 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

 

 
 

 



 

  

 

 

José Victor de Souza 
    
 
 
 Uma proposta de glossário bilíngue inglês-português de pesticidas 

organofosforados por meio da Linguística de Corpus: 

foco no trato da variação denominativa  

 

 

Dissertação apresentada como parte dos 
requisitos para obtenção do título de Mestre em 
Estudos Linguísticos, junto ao Programa de Pós-
Graduação em Estudos Linguísticos, do Instituto 
de Biociências, Letras e Ciências Exatas da 
Universidade Estadual Paulista “Júlio de Mesquita 
Filho”, Câmpus de São José do Rio Preto. 
 
Financiadora: FAPESP – Processo 2021/08830-9 
                       CNPq – Processo 130524/2021-2 

 
Orientadora: Profª. Drª. Paula Tavares Pinto 
Coorientadora: Profª. Drª. Marcela Marques de 
Freitas Lima 

 

 

Comissão Examinadora 
 

 
Profª. Drª. Paula Tavares Pinto 
UNESP – Câmpus de São José do Rio Preto 
Orientadora 
 
Profª. Drª. Maria José B. Finatto  
Universidade Federal do Rio Grande do Sul 
 
Prof. Dr. Tony Berber Sardinha 
Pontifícia Universidade Católica de São Paulo 
 

 
São José do Rio Preto 

3 de maio de 2023 
 



 

  

 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

 
 

 
 
 
 
 
 
 
 
 
 
 
 
 

                                 A quem possa interessar. 



 

  

 

AGRADECIMENTOS 
 

 
À minha mãe, Carla das Graças, que me ensinou muito sobre resiliência. 
 
A todos meus familiares e amigos, que me ajudaram a chegar até aqui, e ao meu 
namorado, Fabrício Akira, por ser a melhor companhia. 
 
Às minhas orientadoras e mães acadêmicas, professoras doutoras Paula Tavares 
Pinto e Marcela Marques de Freitas Lima. Na verdade, a todas as professoras e 
professores, em especial da Unesp, que fizeram parte da minha formação. Espero 
deixá-los orgulhosos.  
 
Às minhas amigas do laboratório LETraQuim, sem as quais esse trabalho não 
aconteceria. São elas as professoras doutoras Talita Serpa e Francine Silveira, e a 
graduanda Maria Camila. 
 
Às minhas amigas e amigos do grupo de estudos en-Corpora, em especial as 
professoras mestras Carolina Tavares e Jeane Cardoso, com quem aprendi e dividi 
bons momentos. 
 
Ao nosso time suíço, da Universidade de St. Gallen, coordenado pelo professor doutor 
Siegfried Handschuh, tendo como membros a doutora Christina Niklaus e o doutor 
Reto Gubelmann. Muito obrigado por nos receberem de braços abertos. 
 
Meus agradecimentos ao professor doutor Odair Nadin da Silva pelas sugestões e 
debate do meu painel durante o Seminário de Estudos Linguísticos (SELIN). 
 
Agradeço aos membros da banca, os professores doutores Maria José Finatto, que 
também contribuiu para o debate no SELIN, e Tony Berber Sardinha pela inestimável 
contribuição de ambos e aos membros suplentes, professores doutores Eduardo 
Batista e Talita Serpa, pelo aceite ao convite. 
 
Às servidoras e servidores do Ibilce, em especial a Luciane da Biblioteca, que nos 
ajudou com prontidão a ter acesso às normas da ISO. 
 
Agradeço também aos professores doutores Marcos Lopes e Marcello Modesto, da 
USP, por terem me apresentado ao mundo da programação com muita paciência e 
didática. 
 
Agradeço à representante do CAS no Brasil, Denise Ferreira, por construir a ponte 
entre nosso grupo e a Sociedade Americana de Química. 
 
Agradeço ao CNPq pelo financiamento nas fases iniciais do projeto, sob o processo 
nº 130524/2021-2. 
 
Agradeço à FAPESP pela concessão da bolsa de pesquisa, sob o processo nº 
2021/08830-9, Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP). 
 
E agradeço a você que está lendo essa dissertação. Espero que goste. 



 

  

 

 
 
 

 
 

 

 
 

 
 
 
 
 
 
 
 

 

 

 

 

 

 

 
 
 
 

 
 
 
 
 
 
 
 
 

“Diga-me com quem andas e eu te direi quem és.” 

Ditado popular. 

 

“Birds of a feather flock together.” 

Ditado popular. 

 

“You shall know a word by the company it keeps!” 

Firth (1957, p. 11) 

 



 

  

 

 
RESUMO  

 

O presente estudo parte da importância dos Objetivos de Desenvolvimento 

Sustentável (ODS) da ONU, que tratam de questões como pobreza, desigualdade, 

mudanças climáticas, degradação ambiental, paz e justiça. No contexto brasileiro, 

destaca-se a necessidade de se estudar a Química de Pesticidas, dada a importância 

da agricultura no país e o fato de que o Brasil é um dos maiores consumidores de 

agrotóxicos no mundo. Dessa maneira, realizamos uma descrição linguística a partir 

de corpora da variação denominativa de nomes comuns de agrotóxicos em inglês e 

em português brasileiro, com ênfase nos pesticidas organofosforados, que têm sido 

associados a problemas de saúde pública. Concluímos que, em português, o número 

de variantes é proporcionalmente maior devido à falta de instituições normalizadoras 

na língua. Além disso, mostramos como nomes comuns apresentam desafios 

específicos para a tradução, o que faz com que pesquisadores muitas vezes 

mobilizem seu conhecimento do sistema de nomenclatura para propor traduções, que 

podem ser atravessadas por crenças sobre o funcionamento da língua. Destacamos 

o trabalho transdisciplinar para uma compreensão mais profunda do objeto de estudo 

e ressaltamos a importância do fator humano no uso de ferramentas de 

Processamento de Linguagem Natural. Por fim, apresentamos o glossário elaborado 

com objetivo de auxiliar estudantes de Química e tradutores especializados na 

produção de textos. 

 

Palavras–chave: Linguística de Corpus. Terminologia. Tradução. Variação 

denominativa. Agrotóxicos organofosforados. 

 
 
 
 
 
 
 
 
 

 
 
 
 

 



 

  

 

ABSTRACT 

 

The present study is based on the importance of the United Nations Sustainable 

Development Goals (SDGs), which address issues such as poverty, inequality, climate 

change, environmental degradation, peace, and justice. In Brazil, the study of pesticide 

chemistry stands out due to the importance of agriculture and the fact that the country 

is one of the largest pesticide consumers in the world. Therefore, we conducted a 

corpus-based analysis of the denominative variation of pesticide names in English and 

Brazilian Portuguese, with emphasis on organophosphate pesticides, which have been 

associated with public health problems. We concluded that, in Portuguese, the number 

of variants is proportionally higher due to the lack of standardization. Additionally, we 

showed how common names pose specific challenges for translation, causing 

Chemistry researchers to mobilize their knowledge of the nomenclature system to 

propose translations that may be influenced by their beliefs about the functioning of 

language. We highlighted the importance of transdisciplinary work for a deeper 

understanding of the object and emphasized the significance of the human factor in 

the use of Natural Language Processing tools. Finally, we presented a glossary 

designed to assist Chemistry students and specialized translators in their text 

productions. 

 

Keywords: Corpus Linguistics. Terminology. Translation. Denominative variation. 

Organophosphate pesticides. 

 

 

 

 

 

 

 

 

 

 



 

  

 

LISTA DE ILUSTRAÇÕES 

 

EQUAÇÃO 1 — FÓRMULA DO MÉTODO SIMPLE MATHS RESUMIDA 58 
EQUAÇÃO 2 — FÓRMULA PARA A FREQUÊNCIA RELATIVA POR MILHÃO 58 

 

FIGURA 1 — FÓRMULA ESTRUTURAL DO CO2 23 
FIGURA 2 — FÓRMULA ESTRUTURAL DO MALATION 23 
FIGURA 3 — PLN COMO SUBÁREA DA IA E SUAS RELAÇÕES COM AM E AP 31 
FIGURA 4 — ESQUEMATIZAÇÃO DE UMA REDE NEURAL COM VÁRIAS CAMADAS INTERMEDIÁRIAS 32 
FIGURA 5 — FREQUÊNCIA DE “AGROTÓXICO” E OUTROS ITENS 38 
FIGURA 6 — CONSTRUCTO TEÓRICO PARA A VARIAÇÃO NA TERMINOLOGIA 39 
FIGURA 7 — COMPILAÇÃO DE CORPUS A PARTIR DE TEXTOS DA WEB NO SE 50 
FIGURA 8 — PARTE DAS OBRAS QUE COMPÕEM OS CORPORA DISPOSTAS NO ZOTERO 53 
FIGURA 9 — EXEMPLO DE CONCORDANCIADOR NO SE 55 
FIGURA 10 — LINHA DE CONCORDÂNCIA COM VISUALIZAÇÃO DO LEMPOS DE CADA ITEM 56 
FIGURA 11 — LINHA DE CONCORDÂNCIA RESULTANTE DE UMA TABELA 57 
FIGURA 12 — KEYWORDS: INTERFACE AVANÇADA DO USUÁRIO COM VALORES PADRÕES 59 
FIGURA 13 — RESUMO DOS PASSOS METODOLÓGICOS PRINCIPAIS 64 
FIGURA 14 — FICHA TERMINOLÓGICA COM VARIANTES DENOMINATIVAS DE UM MESMO CONCEITO 68 
FIGURA 15 — SUBFORMULÁRIO EM INGLÊS 69 
FIGURA 16 — EDITOR DE VERBETE NO LEXIQUE PRO COM ETIQUETAS EM EVIDÊNCIAS À ESQUERDA 72 
FIGURA 17 — ESTRUTURAS DE ÉSTERES ORGANOFOSFORADOS 85 
FIGURA 18 — FÓRMULA ESTRUTURAL DO GLIFOSATO 91 
FIGURA 19 — FUNÇÃO CETONA 97 
FIGURA 20 — FUNÇÃO TIOCETONA OU TIONA 97 
FIGURA 21 — FÓRMULA ESTRUTURAL DO PARATHION-METHYL 101 
FIGURA 22 — FÓRMULA ESTRUTURAL DO PARATHION 102 
FIGURA 23 — TIPOS DE VARIANTES DE NOMES COMUNS EM INGLÊS 135 
FIGURA 24 — TIPOS DE VARIANTES DE NOMES COMUNS EM PORTUGUÊS 136 
FIGURA 25 — PROCESSO DE DOMESTICAÇÃO DA PRONÚNCIA E DA GRAFIA DO ITEM "PARATHION" 137 
FIGURA 26 — RAZÕES PARA A VARIAÇÃO EM RELAÇÃO À CONCORRÊNCIA OU COOCORRÊNCIA 139 
FIGURA 27 — ANÁLISE DOS MOTIVOS PARA A VARIAÇÃO NO CORPUS EM INGLÊS 140 
FIGURA 28 — ANÁLISE DOS MOTIVOS PARA VARIAÇÃO NO CORPUS EM PORTUGUÊS BRASILEIRO 141 

 

GRÁFICO 1 — QUANTIDADE DE DOCUMENTOS POR ANO EM ORCHEUS-PTBR 48 
GRÁFICO 2 — QUANTIDADE DE DOCUMENTOS POR ANO EM ORPHEUS-EN 52 

 

QUADRO 1 — MALATHION E SEUS EQUIVALENTES EM PORTUGUÊS 14 
QUADRO 2 — IUPAC COLOR BOOKS 22 
QUADRO 3 — CLASSIFICAÇÃO DO TAMANHO DO CORPUS 28 
QUADRO 4 — MODELO DE VERBETE PREENCHIDO 72 
QUADRO 5 — ITENS COMPLEXOS REGISTRADOS EM INGLÊS 74 
QUADRO 6 — ITENS NÃO ESCOLHIDOS COMO TERMOS-ENTRADAS APESAR DA ALTA FREQUÊNCIA 76 
QUADRO 7 — HAPAX LEGOMENA NO CORPUS EM INGLÊS 78 
QUADRO 8 — ITENS EXTERNOS AO CORPUS EM INGLÊS 79 
QUADRO 9 — HAPAX LEGOMENA NO CORPUS EM PORTUGUÊS 82 
QUADRO 10 — ASPECTOS SINTÁTICOS DE “ORGANOPHOSPHORUS”, “ORGANOPHOPHATE” E 

“ORGANOFOSFORADO” 84 
QUADRO 11 — MAPA CONCEPTUAL 86 
QUADRO 12 — SELEÇÃO DE CONTEXTOS DE USO DOS ITENS GLYPHOSATE E GLIFOSATO 90 
QUADRO 13 — REGRAS PARA A TRADUÇÃO DE NOMES COMUNS DE AGROTÓXICOS 94 
QUADRO 14 — ITENS COMPOSTOS PELO FORMANTE -THION 95 
QUADRO 15 — ITENS TERMINADOS EM -ON, -TON E -OXON 98 
QUADRO 16 — OS TERMOS GLYPHOSATE E DISULFOTON COM SEUS EQUIVALENTES E TRANSCRIÇÕES 

FONÉTICAS 100 



 

  

 

QUADRO 17 — CASOS EM QUE OS FORMANTES METHYL E ETHYL APARECEM SEM O HÍFEN 102 
QUADRO 18 — EXEMPLOS DE OCORRÊNCIAS DOS FORMANTES “METIL”, “METÍLICO”, “ETIL” E “ETÍLICO” 103 
QUADRO 19 — RESUMO DA ANÁLISE TERMINOLÓGICA EM INGLÊS 140 
QUADRO 20 — RESUMO DA ANÁLISE TERMINOLÓGICA EM PORTUGUÊS BRASILEIRO 142 

 

LISTA DE TABELAS 
 

TABELA 1 — TIPOS TEXTUAIS EM ORCHEUS-PTBR 48 
TABELA 2 —TIPOS TEXTUAIS EM ORPHEUS-EN 51 
TABELA 3 — 20 PRIMEIROS RESULTADOS DO MÉTODO SIMPLE MATHS EM ORCHEUS-EN (N = 0,001) 60 
TABELA 4 — 20 PRIMEIROS RESULTADOS DO MÉTODO SIMPLE MATHS EM ORCHEUS-EN (N = 100) 61 
TABELA 5 — RECORTE DE RESULTADOS OBTIDOS PELO MODELO 66 
TABELA 6 — PUBLICAÇÕES ESTADUNIDENSES QUE CORRESPONDEM A MAIS DE METADE DO CORPUS 76 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 



 

  

 

LISTA DE ABREVIATURAS E SIGLAS 
 
 

AChE   Acetilcolinesterase  

AM   Aprendizado de máquina 

AP   Aprendizado profundo 

BCPC   British Compendium of Pesticide Common Names 

CAS   Chemical Abstracts Service  

DOCF   Frequência por documento 

EVOLVE Language as a tool for EnVirOnmentaLly sustainable actions in 

deVEloping countries: for the right to healthy food  

FA   Frequência absoluta 

INCA   Instituto Nacional do Câncer  

IA   Inteligência artificial 

ISO   Organização Internacional de Normalização  

IUPAC   União Internacional de Química Pura e Aplicada 

LC   Linguística de Corpus  

NIH   National Institutes of Health 

ODS   Objetivos de Desenvolvimento Sustentável  

ORCHEUS-ptbr  Organophosphorus Chemistry Corpus of Academic Brazilian 

Portuguese 

ORPHEUS-en Organophosphorus and Phosphorus Chemistry Corpus of Academic 

English 

PIN   Preferred IUPAC Name 

PLN   Processamento de Linguagem Natural  

SBQ   Sociedade Brasileira de Química  

SE   Sketch Engine 

TCC   Trabalho de conclusão de curso 

TCT   Teoria Comunicativa da Terminologia  

TGT   Teoria Geral da Terminologia 

 

 

 

 

 
 
 



 

  

 

LISTA DE SÍMBOLOS 

 

C carbono 

N nitrogênio 

O oxigênio 

P fósforo 

S enxofre 

  



 

  

 

SUMÁRIO 
 

1 INTRODUÇÃO 13 

2 FUNDAMENTAÇÃO TEÓRICA 18 

2.1 AGROTÓXICOS E SUA NOMENCLATURA 19 
2.1.1 Uma breve história dos organofosforados 19 
2.1.2 Nomenclatura e catalogação de substâncias: IUPAC, ISO e CAS 21 

2.2 LINGUÍSTICA DE CORPUS E PROCESSAMENTO DE LINGUAGEM NATURAL (PLN) 25 
2.2.1 Linguística de Corpus: empirismo linguístico por meio do computador 25 
2.2.2 Linguística Computacional ou Processamento de Linguagem Natural (PLN) 30 

2.3 INTERFACE ENTRE TERMINOLOGIA E TRADUÇÃO 34 
2.3.1 A importância do rigor terminológico na Química 35 
2.3.2 Variação na Terminologia 36 
2.3.3 Neologismo, empréstimo e decalque 41 
2.3.4 Tradução e Terminologia (a partir de corpora) 42 

2.4 DA PALAVRA-CHAVE AO TERMO 43 

3 MATERIAIS E MÉTODOS 46 

3.1 CRIAÇÃO DOS CORPORA 46 
3.1.1 ORCHEUS-ptbr (Organophosphorus Chemistry Corpus of Academic Brazilian Portuguese) 46 
3.1.2 ORPHEUS-en (Organophosphorus and Phosphorus Chemistry Corpus of Academic English) 49 
3.1.3 Metadados 52 

3.2 LEMATIZADOR, ETIQUETADOR DE CLASSE GRAMATICAL E CONCORDANCIADOR 54 
3.3 PALAVRAS-CHAVE 57 
3.4 SELEÇÃO DOS TERMOS 62 
3.5 IDENTIFICAÇÃO DE EQUIVALENTES EM PORTUGUÊS POR MEIO DE APRENDIZADO PROFUNDO 64 
3.6 REGISTRO DOS TERMOS 67 
3.7 MACRO E MICROESTRUTURAS DO GLOSSÁRIO 71 

4 RESULTADOS 73 

4.1 LINGUÍSTICA DE CORPUS É CONTAR PALAVRAS? 73 
4.1.1 Em inglês 73 

4.1.1.1 Frequência absoluta e frequência por documentos no corpus em inglês 74 
4.1.1.2 Hapax legomena e termos externos ao corpus em inglês 77 

4.1.2 Em português 80 
4.1.2.1 Frequência absoluta e frequência por documento no corpus em português brasileiro 81 
4.1.2.2 Hapax legomena e termos externos ao corpus em português brasileiro 81 

4.2 MAPA CONCEPTUAL A PARTIR DOS SIGNIFICANTES 83 
4.2.1 Organophosphate ou organophosphorus compound? 83 
4.2.2 Organofosforados e suas subcategorias 85 

4.2.2.1 O glifosato é um organofosforado? 89 
4.3 TRADUÇÃO MORFOLÓGICA OU MICROTRADUÇÃO 92 

4.3.1 Revisão da norma em português brasileiro 93 
4.3.1.1 Sobre nasalização 94 

4.3.1.1.1 O formante thion 95 
4.3.1.1.2 Outros formantes terminados em -n (-on, -ton e -oxon) 98 

4.3.1.2 Sobre o dígrafo “ss” 99 
4.3.1.3 Os formantes methyl e ethyl 101 
4.3.1.4 O acento agudo 104 

4.4 O GLOSSÁRIO 104 
4.5 TIPOS DE VARIANTES E SUAS MOTIVAÇÕES 133 

5 CONSIDERAÇÕES FINAIS 143 

REFERÊNCIAS 146 

APÊNDICE A – QUANTIDADE DE ITENS POR DOCUMENTO EM ORCHEUS-PTBR 154 

 



 

  

 

APÊNDICE B – QUANTIDADE DE DOCUMENTOS POR PUBLICAÇÃO EM ORCHEUS-PTBR 155 

APÊNDICE C – QUANTIDADE DE ITENS POR DOCUMENTO EM ORPHEU-EN 156 

APÊNDICE D – QUANTIDADE DE DOCUMENTOS POR PUBLICAÇÃO EM ORPHEUS-EN 158 

APÊNDICE E – REFERÊNCIAS BIBLIOGRÁFICAS DAS OBRAS QUE COMPÕEM ORPHEUS-EN 161 

APÊNDICE F – REFERÊNCIAS BIBLIOGRÁFICAS DAS OBRAS QUE COMPÕEM ORCHEUS-PTBR 178 

APÊNDICE G – EXEMPLO DE FICHA PREENCHIDA 185 

APÊNDICE H – MAPA CONCEPTUAL (FRAGMENTADO A FIM DE CABER NAS PÁGINAS) 186 

 

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 



13 

 

 

 

1 INTRODUÇÃO 
 

 Os Objetivos de Desenvolvimento Sustentável (ODS) tratam-se de estratégias 

para um futuro sustentável que abordam “os desafios globais que nós enfrentamos, 

incluindo aqueles relacionados à pobreza, desigualdade, mudanças climáticas, 

degradação ambiental, paz e justiça"1 (ONU, 2022, tradução nossa). Como 

consequência, pesquisadores de todos os países têm direcionado seus estudos para 

encontrar soluções para as questões relacionadas à Agenda 2030 da ONU.  

Ao voltarmos nossa atenção às pautas relacionadas ao meio ambiente e saúde, 

é indispensável considerar o Brasil dentro delas, principalmente quando o assunto é 

preservação de florestas e agricultura, pois, alinhados aos ODS, acreditamos que o 

direito à alimentação saudável e segura bem como a preservação ambiental devem 

ser preocupações da atividade agrícola. Nesse sentido, nasceu o projeto EVOLVE2 3, 

parceria da Unesp com a Universidade de St. Gallen4 por meio da Leading House for 

the Latin American Region5, que visa a lidar com questões de tradução e 

terminológicas na Química de Pesticidas no Brasil por meio de soluções linguísticas e 

de Processamento de Linguagem Natural (PLN), tendo em vista como a linguagem 

pode influenciar a saúde e a segurança das comunidades e cidades brasileiras. 

 É com intuito de integrar o projeto supracitado que introduzimos o presente 

estudo, focado em estudar a terminologia em inglês e em português brasileiro da 

Química de Pesticidas, que é de interesse nosso, pois o fato de o Brasil ser uma das 

maiores potências agrícolas  do mundo (EMBRAPA, 2022) faz com que o país também 

seja um dos maiores consumidores de agrotóxicos.  

No Brasil, alguns dos agrotóxicos em uso corrente pertencem à família dos 

organofosforados. Suas aplicações vão desde a agropecuária até o controle de 

vetores de doenças, como o Aedes aegypti. Contudo, o país enfrenta problemas como 

a venda ilegal de pesticidas proibidos e, quando não, a liberação nacional de 

 

 
1 the global challenges we face, including poverty, inequality, climate change, environmental 
degradation, peace and justice. 
2 Language as a tool for EnVirOnmentaLly sustainable actions in deVEloping countries: for the right to 
healthy food (https://www.ibilce.unesp.br/#!/departamentos/letras-modernas/projetos/evolve/) 
3 Parte do projeto da Profa. Dra. Paula Tavares Pinto, intitulado The United Nations Sustainable 
Development Goals (SDGs) in the Brazilian research: a corpus-based approach to support research-
paper writing and translation (Processo: 307287/2021-1 / Chamada CNPq Nº 4/2021 - PQ2). 
4 https://www.unisg.ch/  
5 https://cls.unisg.ch/de/forschung/leading-house  

https://www.ibilce.unesp.br/#!/departamentos/letras-modernas/projetos/evolve/
https://www.unisg.ch/
https://cls.unisg.ch/de/forschung/leading-house


14 

 

 

 

substâncias já banidas em muitos países — como é o caso dos pesticidas 

organofosforados, interesse especial de nossa pesquisa. Além disso, de acordo com 

o Instituto Nacional do Câncer (INCA), o contato, inalação ou ingestão de agrotóxicos 

em geral pode afetar a saúde da população, o que deixa evidente que o uso dessas 

substâncias também são uma questão de saúde pública. 

Trazendo o foco para a linguagem, muitas pesquisas sobre os efeitos dos 

agrotóxicos são divulgadas por meio de artigos científicos publicados em revistas com 

avaliação por pares, teses, dissertações, relatórios, monografias e livros. Voltando 

nossa atenção aos estudos da linguagem científica em língua portuguesa no Brasil, 

em especial da Química, destaca-se o projeto TEXTQUIM6, do grupo Termisul da 

UFRGS, o qual foca-se no estudo da linguagem técnica de manuais de Química Geral 

e publicações em periódicos e revistas de popularização da ciência. No entanto, no 

caso específico dos organofosforados, um trabalho que organize as designações com 

seus equivalentes em português ainda é inédito, com exceção de um glossário 

preliminar produzido pelo nosso grupo de pesquisa, disponível no portal eduCAPES7. 

Além disso, estudos anteriores (PINTO; LIMA, 2018; SOUZA, 2019; ROCHA; LIMA; 

SERPA, 2020; SOUZA; PINTO; LIMA, 2022) mostram que as normas originalmente 

publicadas em inglês por instituições normalizadoras são interpretadas e traduzidas 

para o português de mais de uma maneira, o que resulta em notável variação 

denominativa — ou seja, mais de um nome para um mesmo conceito. No Quadro 1, 

para fins de ilustração, trazemos um exemplo em que uma designação de agrotóxico 

em inglês (malathion) tem três equivalentes em português brasileiro (“malation”, 

“malationa” e “malatiom”) e um equivalente em português europeu (“malatião”).  

 

Quadro 1 — Malathion e seus equivalentes em português 

Inglês Português brasileiro 

malathion 

malation 

malationa 

malatiom 

Português europeu 

malatião 

Fonte: adaptado de Souza, Pinto e Lima (2022) 

 

 
6 http://www.ufrgs.br/textecc/textquim/  
7 http://educapes.capes.gov.br/handle/capes/601774      

http://www.ufrgs.br/textecc/textquim/
http://educapes.capes.gov.br/handle/capes/601774


15 

 

 

 

Apesar de inevitável, a variação muitas vezes leva à incompreensão ou má 

interpretação dos termos da área não só por estudantes de Química e pesquisadores, 

mas também pela sociedade em geral, que tem de alguma forma lidar com essas 

substâncias, como é o caso dos trabalhadores do campo. A variação denominativa 

torna-se um problema de saúde pública quando a imprecisão terminológica se 

transfere para os rótulos dos produtos, podendo levar a acidentes, e para as leis do 

país, levando à liberação indiscriminada de substâncias diferentes, mas associadas a 

uma mesma designação ou a venda de substâncias ilegais sob outras denominações. 

 Desse modo, uma pesquisa que vise harmonizar a terminologia da área vem 

ao encontro da necessidade de fomentar pesquisadores e tradutores com recursos 

que aumentem a aceitabilidade e a naturalidade de suas escolhas tradutórias de 

acordo com padrões internacionais de nomenclatura. Numa pesquisa descritiva, como 

veremos na seção 2 FUNDAMENTAÇÃO TEÓRICA, entende-se que o ponto de 

partida é a real utilização dos termos em textos autênticos, ou seja, textos que circulam 

e cumprem funções dentro de práticas sociais — como a pesquisa acadêmica, no 

caso. A partir desses contextos autênticos, o terminólogo pode chegar a 

generalizações quanto ao(s) conceito(s) atrelado(s) a um termo bem como, a partir do 

uso, entender a variação denominativa. 

Atualmente, a pesquisa terminológica conta com o auxílio de ferramentas de 

Processamento de Linguagem Natural (PLN), isto é, programas de computador que 

analisam grandes quantidades de dados textuais e apontam para padrões linguísticos 

salientes. Por exemplo, é possível, por meio de cálculos estatísticos, apontar quais 

são as palavras-chave de um texto. Nesse contexto, palavras-chave são aqueles itens 

lexicais que definem o assunto de um documento e que podem ser usados para 

indexação. Para o trabalho terminológico, encontrar as palavras-chave de um texto, 

ou coleção de textos, é um dos caminhos para encontrarem-se os termos da área a 

qual pretende-se descrever — a ser visto na seção 3.4 Seleção dos termos. 

Como será discutido na seção 3 MATERIAIS E MÉTODOS, recorremos ao 

arcabouço teórico-metodológico da Linguística de Corpus (LC), que lança mão dos 

utilitários de PLN para conduzir análises linguísticas de grandes coleções de textos, 

que são chamadas de corpora (plural de corpus).  

 Por meio de um corpus, o pesquisador pode chegar a generalizações de como 

a linguagem se organiza dentro do recorte linguístico escolhido. Em nosso caso, o 

recorte são textos acadêmicos que tratam de organofosforados. Parte da motivação 



16 

 

 

 

para que focássemos somente no registro acadêmico está no fato de os alunos de 

Química do nosso instituto relatarem dificuldade ao traduzir os nomes em suas teses 

e dissertações. 

Dessa maneira, veremos como a LC não é considerada somente como 

metodologia, mas como uma postura de pesquisa empírica que considera o material 

linguístico em seu habitat natural: o texto. 

No que tange à padronização da nomenclatura de substâncias químicas, 

Finatto (1996) afirma: 

 

[...] há o reconhecimento, por parte de autores e de associações profissionais, 
da necessidade da normatização de sua terminologia, sem que haja, contudo, 
perda da flexibilidade e da capacidade de representação sistemática. 
Fenômeno impulsionado principalmente pelas ambiguidades provocadas por 
denominações comerciais de novos ou antigos produtos. Uma normatização 
ou nomenclatura recomendada tornaria, no Brasil, menores as diferenças de 
designação, quer no âmbito do comércio, indústria, ou administração pública 
e privada de produtos químicos. (FINATTO, 1996, p. 66-67). 
 

Assim, haja vista a necessidade de padronização terminológica e as 

possibilidades abertas pelas ferramentas de PLN por meio da LC, o presente estudo 

visa descrever a variação denominativa na designação de agrotóxicos 

organofosforados em inglês e em português, tendo como objetivo específico a 

elaboração de um glossário especializado da área, levando em conta suas 

particularidades, as variantes encontradas bem como suas possíveis causas, 

considerando como usuários finais tradutores especializados e estudantes de 

Química. 

O presente texto está organizado da seguinte maneira. Primeiro, conduzimos 

um estudo que recorre aos conhecimentos da área de Química, como a história dos 

pesticidas organofosforados, sua classificação e nomenclatura. Em seguida, 

propusemos uma reflexão sobre a natureza do dado linguístico referente à área 

estudada e apontamos como a Linguística de Corpus pode ser usada como uma 

abordagem de descrição da língua de especialidade. Por fim, mostramos como essa 

abordagem pode ser usada a favor de estudos de Terminologia e Tradução. 

Em seguida, descrevemos nossa metodologia, partindo da criação e 

processamento dos corpora de estudo. Então, apresentamos as ferramentas 

utilizadas na pesquisa para a coleta e descrição dos termos. Além disso, mostramos 



17 

 

 

 

como esses termos foram registrados em fichas terminológicas que auxiliaram no 

estudo da variação denominativa da área e na criação de nosso glossário. 

Na seção que se segue, discorremos em detalhes sobre as bases teóricas de 

nossa pesquisa. Mostramos como essas frentes podem ser aliadas para compreensão 

de como os termos realizam-se em contextos de uso, auxiliando, assim, na descrição 

da terminologia de um domínio e na criação de produtos terminográficos que vão ao 

encontro da realidade terminológica da área. 

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 



18 

 

 

 

2 FUNDAMENTAÇÃO TEÓRICA 
 

“Are these not just excuses to not connect? 

Our differences are irrelevant. 

To insist on absolute justice at all times, 

It blocks connection” 

Björk (2022) 

 

As pesquisas em Linguística Aplicada são frequentemente interdisciplinares. A 

Terminologia, dessa maneira, “pode ser definida como um prolongamento temático da 

linguística aplicada que se ocupa do fenômeno da designação nas línguas de 

especialidade” (FINATTO, 1996, p. 65).  O conjunto dessas designações numa dada 

área, por sua vez, é chamado de terminologia, com letra minúscula. Como ressalta 

Krieger (2010), a terminologia é um objeto transdisciplinar, pois não há linguagem 

especializada e fazer científico sem ela. Além disso, os estudos terminológicos, 

historicamente, têm sido um ponto de conversão entre linguística computacional, 

ciência da informação, informática e linguística (SAGER, 1990; FINATTO, 1996). 

 Por isso, dada a natureza da disciplina e de seu objeto, é comum a condução 

de pesquisas terminológicas com um time de especialistas multidisciplinar. Finatto e 

Kerschner (1999), por exemplo, destacam os benefícios do trabalho conjunto entre 

tradutor, terminólogo e especialista em Química: 

 

O especialista, na situação que experienciamos, contribui com a revisão 
terminológica do texto de chegada e, também, com a adequação do registro 
desse conhecimento, apontando a necessidade de atualização de termos em 
desuso. E, no caso da terminologia Química, o especialista, além de resgatar 
a adequação frente às determinações das entidades de padronização 
nacionais e internacionais, pode refletir sobre as condições dos textos que 
produz e utiliza. O terminólogo, por sua vez, exercendo o papel de 
dinamizador da descrição da terminologia envolvida, identifica pontos de 
reflexão teórico-metodológica necessários à prática tradutória e ao 
aprimoramento da sua própria pesquisa terminológica. Enquanto isso, o 
tradutor, na cooperação com os dois primeiros, tem acesso a um 
conhecimento que amplia suas condições de reconhecer a terminologia mais 
adequada para que o texto traduzido esteja em harmonia com padrões de 
linguagem e de conhecimento dos especialistas falantes da língua de 
chegada. (FINATTO; KERSCHNER, 1999, p. 281) 

 

 Pelas razões apresentadas acima, em nossa pesquisa, recorremos aos 

conhecimentos da Química8, da Linguística de Corpus, da Linguística Computacional, 

 

 
8 Contamos com a consultoria e coorientação da professora doutora Marcela Marques de Freitas 
Lima, da Unesp de São José do Rio Preto. 



19 

 

 

 

da Terminologia e da Tradução, tendo em nosso time profissionais de todas essas 

disciplinas.  

 

2.1 Agrotóxicos e sua nomenclatura 
 

  Nesta seção, apresentaremos alguns conceitos de Química necessários para 

a compreensão do nosso objeto de pesquisa. Para isso, primeiro apresentamos 

alguns pressupostos sobre a história dos organofosforados e, em seguida, 

discorremos sobre as lógicas de nomenclatura de substâncias de acordo com as 

instituições normalizadoras da língua inglesa. 

 

2.1.1 Uma breve história dos organofosforados 
 

De acordo com Chambers e Levi (1992), a química dos organofosforados data 

desde o começo do século XIX, mas a alta toxicidade de alguns desses compostos foi 

percebida somente no começo do século XX. Essa descoberta levou Gerhard 

Schrader, químico alemão, a sintetizar, em 1937, duas armas químicas usadas 

durante a Segunda Guerra Mundial, tabun e sarin. Essas armas são chamadas de 

agentes neurotóxicos por agirem diretamente no sistema nervoso de animais, sendo 

especialmente tóxicas a mamíferos (humanos inclusos). Mais tarde, em 1944, 

Schrader sintetizaria o paration com o intuito de criar um organofosforado com ação 

inseticida. Em 1950, a American Cyanamid Company apresentaria o malation, 

inseticida com baixa toxicidade a mamíferos. Desde então, vários outros 

organofosforados foram sintetizados. Até hoje, essa família de substâncias tem sido 

amplamente usada no controle de pestes na atividade agropecuária bem como no 

desenvolvimento de novos medicamentos devido à sua interação com o sistema 

nervoso, em especial com a enzima acetilcolinesterase (AChE). 

Atualmente, a maioria dos agrotóxicos organofosforados em uso tem pelo 

menos um átomo de fósforo (P) em sua fórmula, ao qual se ligam diretamente quatro 

outros átomos (geralmente, três deles por ligação simples e um por ligação dupla). 

Em nossa pesquisa, encontramos pesticidas em que esses átomos podem ser de 

oxigênio (O), enxofre (S), nitrogênio (N) ou carbono (C). Como veremos na seção 4.2 

Mapa conceptual a partir dos significantes, a identificação dos ligantes em volta do fósforo 

é essencial para a categorização dessas substâncias. 



20 

 

 

 

No Brasil, alguns dos agrotóxicos em uso corrente pertencem à família dos 

organofosforados. Suas aplicações vão desde a agricultura e pecuária até o controle 

de vetores de doenças, como o mosquito da dengue, ou Aedes aegypti. No entanto, 

segundo Carneiro et al. (2015), o país enfrenta problemas como a venda ilegal de 

pesticidas proibidos e, quando não, a liberação nacional de substâncias já banidas em 

muitos países — como é o caso dos pesticidas organofosforados, interesse especial 

de nossa pesquisa. De acordo com o Instituto Nacional de Câncer (INCA), o contato, 

inalação ou ingestão de agrotóxicos em geral pode afetar a saúde da população, em 

especial pessoas de grupos de risco (como gestantes, crianças e adolescentes) e 

trabalhadores rurais e da indústria química. Os efeitos dessa intoxicação podem ser 

agudos, ou seja, de aparecimento rápido, como irritação e náuseas, ou crônicos, isto 

é, que surgem após repetidas exposições a agrotóxicos, como problemas 

respiratórios, depressão e câncer (INSTITUTO NACIONAL DE CÂNCER, 2019). 

Considerando esses malefícios, fica evidente que o mau uso de agrotóxicos é um 

problema de saúde pública. 

Dessa maneira, surgem, em âmbito nacional, pesquisas acadêmicas sobre os 

efeitos dessas substâncias em pessoas (LEME et al., 2014; TEIXEIRA; AUGUSTO; 

MORATA, 2003) e animais (GRECCO et al., 2009; LOPES, et al., 2014), sobre seus 

impactos ambientais (SILVA et al., 2020; TORRES et al., 2017), e sobre sua 

destoxificação (LIMA et al., 2019), processo pelo qual os agrotóxicos tornam-se 

menos nocivos à saúde. 

É essa produção científica a que recorremos em nossa pesquisa a fim de 

descrever os agrotóxicos organofosforados sobre os quais a comunidade da área tem 

tratado nos últimos anos. Nesse meio de comunicação entre especialistas, um 

acontecimento comum é a criação de neologismos, em especial substantivos, sempre 

que conceitos novos são percebidos e delimitados. Na Química, em particular, um 

conceito novo muitas vezes significa uma substância nova. A essas palavras que 

designam conceitos específicos de uma área de especialidade, damos o nome de 

termos. 

Após essa avaliação da importância dos agrotóxicos organofosforados para a 

saúde e economia mundial, veremos agora um pouco sobre as instituições que 

regulam a criação de termos na Química. 

 



21 

 

 

 

2.1.2 Nomenclatura e catalogação de substâncias: IUPAC, ISO e CAS 
 

Historicamente, a criação dos nomes de substâncias segue normativas de 

instituições como a União Internacional de Química Pura e Aplicada (IUPAC)9 e a 

Organização Internacional de Normalização (ISO)10. Outras instituições, como o 

Chemical Abstracts Service (CAS)11, cuidam de catalogar as substâncias que surgem 

diariamente.   

A IUPAC define-se como uma união que “foi formada em 1919 por químicos da 

indústria e da academia, que reconheceram a necessidade de uma padronização 

internacional na química”12 (IUPAC, 2022a, tradução nossa). Parte das políticas de 

padronização foi a escolha da língua inglesa como a língua universal da Química. De 

acordo com a visão da união, “a padronização de pesos, medidas, nomes e símbolos 

é essencial para o bem-estar e contínuo sucesso do empreendimento científico e para 

o bom desenvolvimento e crescimento do comércio internacional”13 (IUPAC, 2022a, 

tradução nossa). Dessa maneira, todos os países signatários desse acordo (Brasil 

incluso) comprometem-se a seguir as recomendações de nomenclatura sistematizada 

da IUPAC. 

É de conhecimento comum na comunidade científica da Química a série de 

livros publicada pela IUPAC chamada de “IUPAC Color Books”, que é apresentada 

como “a fonte oficial mundial para nomenclaturas, terminologia e símbolos químicos”14 

(IUPAC, 2022b, tradução nossa). A série consiste em livros organizados pelas cores 

de suas capas. Como pode ser visto, no Quadro 2, cada cor é atrelada a um 

determinado domínio. Com exceção do Green Book, todos os outros volumes tratam 

de nomenclaturas.  O primeiro livro da lista, no entanto, é o mais traduzido para outros 

idiomas (como russo, húngaro, japonês, alemão, romeno, espanhol, catalão e 

português brasileiro).  

 

 

 
9 https://iupac.org/  
10 https://www.iso.org/  
11 https://www.cas.org/   
12 [...] was formed in 1919 by chemists from industry and academia, who recognized the need for 
international standardization in chemistry. 
13 the standardization of weights, measures, names and symbols is essential to the well-being and 
continued success of the scientific enterprise and to the smooth development and growth of international 
trade and commerce. 
14 the world’s authoritative resource for chemical nomenclature, terminology, and symbols. 

https://iupac.org/
https://www.iso.org/
https://www.cas.org/


22 

 

 

 

Quadro 2 — IUPAC Color Books 

Green Book Quantities, Units and Symbols in Physical Chemistry 

Red Book Nomenclature of Inorganic Chemistry 

Blue Book Nomenclature of Organic Chemistry 

Purple Book Compendium of Polymer Terminology and Nomenclature 

Orange Book Analytical Nomenclature 

Silver Book Compendium of Terminology and Nomenclature of Properties in Clinical 

Laboratory Sciences 

White Book Biochemical Nomenclature 

Gold Book Chemical Terminology 

Fonte: IUPAC, 2022b 

 

Um dos feitos mais conhecidos e causa fundadora da IUPAC é a criação de 

uma nomenclatura sistemática. Nos capítulos iniciais do Red Book, que trata da 

nomenclatura de substâncias inorgânicas, reconhece-se a importância de um sistema 

único de nomenclatura, sob a justificativa de que “a proliferação excessiva de 

alternativas pode dificultar a comunicação e até impedir o comércio e processos 

legislativos”15 (IUPAC, 2005, tradução nossa). Em consonância com essa afirmação, 

ao início do Blue Book, volume focado na nomenclatura de substâncias orgânicas, ou 

seja, à base de carbono (C), apresenta-se o conceito de “Preferred IUPAC Name” 

(PIN)16, que se refere aos nomes criados dentro do sistema de nomenclaturas 

proposto pela união. Esses nomes são chamados de “preferenciais”, pois o guia não 

exclui a possibilidade de nomes alternativos, os quais são denominados general 

IUPAC names (IUPAC, 2014). O Blue Book é de importância especial para nossa 

pesquisa, pois as substâncias organofosforadas (como o nome pode apontar) são 

substâncias orgânicas que contêm fósforo (P). Para o momento, interessa-nos saber 

que o sistema de nomenclatura criado pela IUPAC funciona de maneira que qualquer 

substância já (ou que venha a ser) identificada ou sintetizada pela comunidade 

científica receba um único nome com pretensão de univocidade. Para fins de 

ilustração, tomemos um exemplo de substância popular e vejamos o seu nome 

IUPAC. 

 

 
15 the excessive proliferation of alternatives can hamper communication and even impede trade and 
legislation procedures. 
16 Em nosso estudo, usaremos a designação “nome IUPAC” a fim de simplificação. 



23 

 

 

 

 O “gás carbônico” (CO2), substância que se popularizou devido às discussões 

sobre aquecimento global e efeito estufa, é um nome popular para o nome IUPAC 

“carbon dioxide”, como propõe o Red Book (IUPAC, 2005), cuja fórmula estrutural 

consta na Figura 1 e cuja tradução em português é comumente aceita como “dióxido 

de carbono”. A importância de observarmos a fórmula estrutural da substância está 

no fato de que o nome IUPAC é motivado pela composição de sua estrutura molecular. 

De tal maneira que “de carbono” é motivado pela presença do átomo homônimo (C) 

ligado a dois átomos de oxigênio (O2), motivando, portanto, “dióxido”. 

No entanto, o gás carbônico é uma substância inorgânica, cuja nomenclatura é 

relativamente menos extensa quando comparada a substâncias orgânicas. À guisa de 

comparação, vejamos um agrotóxico organofosforado como o malation, cuja fórmula 

estrutural pode ser vista na Figura 2. O seu nome IUPAC é o que se segue: rac-diethyl 

(2R)-2-[(dimethoxyphosphorothioyl)sulfanyl]butanedioate. Não nos atreveremos a 

tentar explicar quais partes da molécula motivam cada parte do nome, mas podemos 

inferir que a morfologia dos nomes IUPAC é recursiva e permite que nomes 

potencialmente não ambíguos sejam organizados sistematicamente de modo que 

programas de computador já podem designar o nome IUPAC apenas a partir da 

estrutura molecular.  

 

Figura 1 — Fórmula estrutural do CO2 

 

Fonte: o autor 

 

Figura 2 — Fórmula estrutural do malation 

 

Fonte: o autor 

 

Além disso, a numeração utilizada nos nomes remonta a iconicidade como 

motivação, uma vez que os números são utilizados para marcar em que posição da 



24 

 

 

 

cadeia carbônica principal o radical em questão está ligado. Linguisticamente, 

portanto, o sistema da IUPAC estaria preparado para nomear qualquer substância que 

existe ou venha a existir. 

Vale ressaltar que a tradução dos IUPAC Color Books para o português 

brasileiro fica por conta de algumas iniciativas. Como a versão em português do Green 

Book, publicada pela Sociedade Brasileira de Química (SBQ)17. No entanto, conteúdo 

oficial ainda é escasso em português brasileiro. No caso dos compostos 

organofosforados, o caso de escassez é ainda maior, pois, por serem substâncias 

sintéticas relativamente novas, não constam recomendações no Blue Book para todos 

os grupos orgânicos que envolvem fósforo presentes na literatura da área até agora. 

 A aparente complexidade e pouca praticidade de comunicação do nome IUPAC 

faz necessária a criação de “nomes comuns”, termo utilizado para referir-se a um 

“nome livre para uso geral na identificação de uma substância química sem que seja 

necessário recorrer ao seu nome científico” (ABAKERLI et al., 2003, p. 30), sendo 

esse nome “curto, único e não-ambíguo, de fácil pronúncia e grafia, visando facilitar a 

comunicação e sua utilização conveniente nas esferas científica, comercial e 

governamental.” (ABAKERLI et al., 2003, p. 30). Dessa maneira, em vez de usar o 

nome IUPAC que vimos acima para designar o agrotóxico em questão, o nome comum 

malation é preferencialmente usado pelos motivos supracitados. Uma semelhança 

entre o nome IUPAC e o nome comum é a motivação de seus formantes encontrada 

na estrutura da molécula. No entanto, enquanto o nome IUPAC é totalmente motivado 

pela estrutura, o nome comum é parcialmente motivado, deixando certo espaço para 

a criatividade dos proponentes do nome. 

As diretrizes para a atribuição de nomes comuns a agrotóxicos são reguladas 

pela International Standards Organization (ISO) por meio das normas 257 (ISO, 2018) 

e 1750 (ISO, 1981). As instituições que pretendem oficializar um nome comum de 

agrotóxico devem mandar uma proposta em forma de processo que deve ser avaliada 

pelo comitê responsável. Sendo assim, esses nomes não podem ser patenteados e, 

portanto, não poderiam tornar-se marcas registradas. No entanto, como observam 

Abakerli et al. (2003), no Brasil é comum que o nome da marca de um produto e nome 

de seu ingrediente coincidam, o que, de acordo com as autoras, deve ser evitado.  

 

 
17 http://www.sbq.org.br/noticia/livro-verde-da-iupac-est%C3%A1-dispon%C3%ADvel-em-
portugu%C3%AAs  

http://www.sbq.org.br/noticia/livro-verde-da-iupac-est%C3%A1-dispon%C3%ADvel-em-portugu%C3%AAs
http://www.sbq.org.br/noticia/livro-verde-da-iupac-est%C3%A1-dispon%C3%ADvel-em-portugu%C3%AAs


25 

 

 

 

Assim como no caso dos livros da série da IUPAC, as normas da ISO são 

publicadas em inglês (com adição do francês), e a tradução para o português brasileiro 

fica por conta da iniciativa dos próprios cientistas, como as pesquisadoras 

supracitadas. 

Por fim, o CAS, divisão da Sociedade Americana de Química, responsabiliza-

se por fazer a curadoria e catalogação de todas as substâncias que são diariamente 

identificadas e designadas. Dessa maneira, cada substância recebe um número que 

permite que ela seja identificada independente da variedade de nomes disponíveis. O 

malation, nosso exemplo, tem os seguintes dígitos como número CAS: 121-75-5. 

Portanto, de maneira simplificada em uma alegoria, poderíamos dizer que se 

uma substância química tivesse um documento de identificação como uma pessoa, o 

nome IUPAC seria seu nome de registro, o número CAS seria seu CPF e, enfim, o 

nome comum seria algo como um nome artístico ou social. Todas as três informações 

são regulamentadas para cumprir com os fins de padronização internacional. 

Uma vez apresentadas as bases teóricas da Química, na seção a seguir, 

mostramos os fundamentos para a análise linguística dos termos da área, enfatizando 

o papel da Linguística de Corpus no processamento e interpretação de dados. 

 

2.2 Linguística de Corpus e Processamento de Linguagem Natural (PLN) 
 

 Nesta seção, justificamos a escolha da Linguística de Corpus como a 

abordagem teórico-metodológica principal de nosso estudo. Além disso, mostramos 

como a Linguística Computacional pode ser uma aliada no desenvolvimento de 

ferramentas que ajudam linguistas a produzir análises cada vez mais refinadas, 

podendo extrair significado linguístico de resultados estatísticos. 

 

2.2.1 Linguística de Corpus: empirismo linguístico por meio do computador 
 

Conforme Berber Sardinha (2004), a palavra “corpus” significa “corpo” e é 

usada para referir-se a coleções de documentos. Como o autor aponta, embora dentro 

da Linguística de Corpus (LC) o termo seja usado para descrever coleções eletrônicas, 

a noção de coleção de textos antecede o surgimento do computador, como o Corpus 

Helenístico na Grécia Antiga e os corpora de trechos da Bíblia compilados na 

Antiguidade e na Idade Média. 



26 

 

 

 

Berber Sardinha (2004) destaca o Brown Corpus (Brown University Standard 

Corpus of Present-day American English), lançado em 1964, como pioneiro, sendo 

uma referência para a concepção atual de corpus eletrônico. Dentre outros marcos da 

história da LC, o autor também salienta o trabalho desenvolvido por Douglas Biber 

(1988), que traz a atenção para a variação linguística em diferentes gêneros da língua 

inglesa por meio da investigação de padrões linguístico-textuais organizados em 

forma de corpora. A publicação da Longman Grammar of Spoken and Written 

English (BIBER et al., 1999) consolidaria, então, as abordagens baseadas em corpus 

na construção de trabalhos gramaticais descritivos. 

De maneira resumida, por corpus tomamos a seguinte definição: 

 

Um conjunto de dados linguísticos (pertencentes ao uso oral ou escrito da 
língua, ou a ambos), sistematizados segundo determinados critérios, 
suficientemente extensos em amplitude e profundidade, de maneira que 
sejam representativos da totalidade do uso linguístico ou de algum de seus 
âmbitos, dispostos de tal modo que possam ser processados por computador, 
com a finalidade de propiciar resultados vários e úteis para a descrição e 

análise. (SANCHEZ, 1995,  p. 8-9 apud BERBER SARDINHA, 2000, p. 338). 
 

 Nos parágrafos que se seguem, destrinchamos alguns pontos principais da 

criação e caracterização de um corpus. 

A formação de um corpus, como explana Berber Sardinha (2004), deve 

contemplar quatro pré-requisitos: (i) a origem dos textos deve ser autêntica, ou seja, 

eles devem ser produzidos em linguagem natural e sem o propósito de serem objeto 

de pesquisa linguística; (ii) a autenticidade dos texto está no fato de serem produzidos 

por falantes da língua, sendo necessário um apontamento quando os textos forem 

produzidos por aprendizes; (iii) os documentos devem ser cuidadosamente 

escolhidos, pois, enquanto os textos devem ser naturais e autênticos, o recorte feito 

por quem compila o corpus é artificial e deve ser feito de maneira a atender às 

necessidades da pesquisa; e (iv) o corpus deve ser representativo da variedade 

linguística em foco. Sobre esse último item, Berber Sardinha (2004) apresenta a 

dificuldade em definir-se a representatividade de um corpus, apontando que um 

corpus de linguagem geral tenta representar uma população (a língua como um todo) 

cuja extensão não se conhece. Dessa maneira, as generalizações feitas a partir dessa 

amostra da população devem ser feitas de maneira cautelosa, reconhecendo-se os 

limites do corpus. 



27 

 

 

 

Ademais, Berber Sardinha (2004) apresenta uma tipologia de corpus agrupada 

em sete tipos: modo, tempo, seleção, conteúdo, autoria, disposição interna e 

finalidade. O modo diz respeito à distinção entre corpus falado (geralmente composto 

por transcrições de falas) e corpus escrito (cujos textos podem ser impressos ou não). 

O segundo tipo, tempo, é subdividido em quatro categorias: sincrônico (um recorte 

temporal), diacrônico (vários recortes temporais), contemporâneo (representativo do 

tempo corrente) e histórico (representativo de um período passado). O terceiro grupo, 

seleção, divide-se em cinco características: de amostragem (feito para ser uma 

amostra finita da linguagem), monitor (cuja composição é periodicamente atualizada 

a fim de representar o estado atual da língua), dinâmico ou orgânico (em que é 

permitida a adição e remoção de textos, como no corpus monitor), estático (em que 

não é permitida a alteração da composição, como no corpus de amostragem) e 

equilibrado (em que o número de tipos textuais é igualmente distribuído). No que diz 

respeito ao conteúdo, o próximo grupo, o corpus pode ser classificado como 

especializado (com gêneros e registros específicos), regional ou dialetal (quando os 

textos cobrem um tipo ou mais de variedade sociolinguística) e multilíngue (que inclui 

vários idiomas). O quinto grupo de classificações é o da autoria, por meio do qual se 

sinaliza se os autores dos textos são falantes nativos ou aprendizes. O penúltimo tipo 

trata da disposição interna do corpus, ou seja, se ele é paralelo (textos comparáveis 

como original e tradução) e alinhado (em que as linhas do original estão seguidas das 

linhas traduzidas). Por fim, indica-se a finalidade do corpus, que pode ser de estudo 

(que se almeja descrever), de referência (para fins de contraste) e de treinamento ou 

teste (para o desenvolvimento de métodos e ferramentas). 

Trazendo essa tipologia para o contexto de nossa pesquisa, poderíamos 

afirmar que nossos corpora, cujo processo de criação será visto na seção de 

metodologia, são de língua escrita, sincrônicos, de amostragem (estático), com 

conteúdo especializado cuja autoria é de falantes nativos no caso do corpus em 

português e no caso do corpus em inglês assume-se proficiência na língua (nativa ou 

não) por consistir em publicações científicas. Esses corpora, apesar de comparáveis, 

não seriam chamados de paralelos em estudos de Tradução baseado em corpora 

(TOGNINI-BONELLI, 2001). Nesses estudos, é comum tratar como paralelo os corpus 

em que o texto original está alinhado à tradução e comparável quando os assuntos de 

dois ou mais corpora são semelhantes (como no nosso caso). 



28 

 

 

 

O tamanho do corpus está diretamente ligado à sua representatividade. No 

entanto, como falamos anteriormente, é desafiador estabelecer o tamanho mínimo da 

amostra sem que se saiba o tamanho máximo da população. Berber Sardinha (2004) 

apresenta uma classificação histórica do tamanho de um corpus, como podemos ver 

no Quadro 3. 

 

Quadro 3 — Classificação do tamanho do corpus 

Tamanho em palavras Classificação 

Menos de 80 mil Pequeno 

80 a 250 mil Pequeno-médio 

250 mil a 1 milhão Médio 

1 milhão a 10 milhões Médio-grande 

10 milhões ou mais Grande 

Fonte: Berber Sardinha (2004, p. 26) 

 

Baseados nessa classificação poderíamos dizer que nossos corpora são um 

de médio porte (em português) e o outro porte médio-grande (em inglês). Contudo, 

considerando os padrões atuais, em que existem corpora com bilhões de palavras, 

qualquer quantidade abaixo de 1 milhão parece-nos pequena. Por outro lado, como 

nossas amostras não pretendem representar a linguagem de maneira geral, mas 

apenas um recorte de uma área de especialidade, é esperado que as proporções das 

nossas coleções não cheguem à proporção de corpora de língua geral. 

Sobre as ferramentas de análise de corpus, Berber Sardinha (2004) enfatiza 

que em 1995 foi lançado o WordSmith Tools18, primeiro programa desse gênero feito 

para o sistema operacional Windows, ajudando a popularizar a LC entre usuários de 

computadores pessoais. Hoje em dia, temos à disposição ferramentas como o 

AntConc19, a #LancsBox20 e o Sketch Engine21, esse último usado nesta pesquisa. 

Na área dos estudos linguísticos, por muito tempo, debateu-se a origem do 

dado linguístico. Segundo Berber Sardinha (2000), Noam Chomsky, com sua teoria 

gerativista, propunha que o linguista deveria olhar para dentro de si, ou seja, consultar 

 

 
18 https://lexically.net/wordsmith/  
19 https://www.laurenceanthony.net/software/antconc/  
20 http://corpora.lancs.ac.uk/lancsbox/index.php  
21 https://www.sketchengine.eu/  

https://lexically.net/wordsmith/
https://www.laurenceanthony.net/software/antconc/
http://corpora.lancs.ac.uk/lancsbox/index.php
https://www.sketchengine.eu/


29 

 

 

 

sua própria competência linguística para conseguir dados de análise. Dessa maneira, 

não haveria motivos para a criação de coleções extensivas de dados produzidos por 

terceiros. 

A Linguística de Corpus (LC), por outro lado, concebe a língua como um 

sistema probabilístico que pode ser estudado por meio de uma abordagem empirista. 

Empirismo na linguística, como afirma Berber Sardinha (2000, p. 350), “significa dar 

primazia aos dados provenientes da observação da linguagem, em geral reunidos sob 

a forma de um corpus”.  

As ferramentas da LC, assim, permitem que o pesquisador interprete dados 

linguísticos com base, principalmente, na frequência de palavras e/ou frases numa 

coleção de textos. Existem vários tipos de dados que podem ser extraídos de um 

corpus, como listas de palavras, colocações, construções fixas e semifixas, e 

palavras-chave — sendo esse último tipo o que nos interessa para os fins almejados. 

Em resumo, enquanto o racionalismo de foca-se na análise da competência 

linguística e na busca por universais linguísticos, o empirismo da LC foca-se na análise 

do desempenho linguístico e na descrição dos padrões que emergem do uso (LEECH, 

1992; BERBER SARDINHA, 2000). 

Se à época da publicação de Syntatic Structures nos anos 1950, a pesquisa 

com corpus era menosprezada, hoje, no entanto, com o surgimento de modelos de 

linguagem22 capazes de produzir discurso coerente a partir de treinamento com 

quantidades gigantescas de dados (cujo poder pode ser visto em aplicativos como o 

ChatGPT23), parece-nos, afinal, que muitas das respostas para a eficácia na produção 

linguística podem estar “do lado de fora”, ou seja, na língua em uso.  

Os estudos de corpora desenvolvem-se de maneira independente dos estudos 

de PLN, mas convergem na escolha metodológica da primazia do dado linguístico. 

Conforme afirma Freitas (2022, p. 30, grifos da autora), “aquilo que para os linguistas 

é um corpus anotado, para os profissionais de PLN, é um conjunto de dados linguístico 

– um dataset". Atualmente, o uso de grandes quantidades de textos para o 

treinamento de modelos de linguagem tornou-se prática comum nos estudos de 

 

 
22 Tomamos o sentido de “modelo” dado por Freitas (2022, p. 33), que afirma que “um modelo de 
linguagem é um esquema teórico que permite prever [...] qual a próxima palavra em um texto, dada a 
palavra anterior”. 
23 https://openai.com/blog/chatgpt  

https://openai.com/blog/chatgpt


30 

 

 

 

aprendizado de máquina. Na seção a seguir, descrevemos como os estudos de PLN 

com aprendizado de máquina fazem uso de corpora. 

 

2.2.2 Linguística Computacional ou Processamento de Linguagem Natural (PLN) 
 

 De acordo com Freitas (2022, p. 12), a Linguística Computacional pode ser 

definida como “um ramo da IA [inteligência artificial] que lida com o processamento 

automático de uma língua”. A autora enfatiza que a área é interdisciplinar por envolver 

saberes linguísticos e computacionais apesar de, historicamente, essas áreas de 

formação poucas vezes dialogarem. Outro nome dado à disciplina é o de 

Processamento de Linguagem natural (PLN), usado como sinônimo, mas que realça 

o seu caráter aplicado, ou seja, a realização de tarefas como tradução automática, 

correção ortográfica e reconhecimento de voz, para citar alguns. 

Como pode ser visto na Figura 3, nem toda tarefa de IA é uma tarefa de PLN. 

Essa última, por sua vez, contempla abordagens baseadas em conhecimento (PLN 

baseado em regras) e abordagens guiadas por dados, que é onde entra o aprendizado 

de máquina, subárea da IA onde nos últimos anos desenvolveu-se o aprendizado 

profundo, um tipo de aprendizado de máquina baseado em redes neurais. Nos 

parágrafos que se seguem, desenvolveremos esses conceitos com base em Freitas 

(2022).  

O PLN baseado em regras, como o nome sugere, envolve a criação de 

sistemas que implementam regras criadas por especialistas para realizar tarefas 

linguísticas automaticamente, como análise gramatical, por exemplo. Trazendo esse 

conceito para a realidade de nossa pesquisa, podemos destacar as funções 

automáticas de lematização e etiquetação de classe gramatical presentes na 

plataforma Sketch Engine, cujos detalhes daremos na seção de metodologia. Para o 

momento, interessa-nos saber que os textos inseridos pelo usuário e processados 

pela plataforma passam por sistemas de regras desenvolvidos por especialistas e são 

específicos para cada língua, por meio dos quais são identificados o lema de cada 

item e sua respectiva classe gramatical. Esse tipo de PLN, ressalta Freitas (idem), 

envolve um trabalho complexo e demorado, que exige maior participação de 

especialistas em linguagem. 

 



31 

 

 

 

Figura 3 — PLN como subárea da IA e suas relações com AM e AP 

 

Fonte: Freitas (2022, p. 17) 

 

 Por outro lado, o surgimento e recente sucesso de métodos de PLN a partir do 

aprendizado de máquina, em especial o aprendizado profundo, marcam a diminuição 

da importância do papel do linguista no desenvolvimento desses sistemas.  

 Diferente do PLN por regras, o PLN com aprendizado de máquina lida com 

“algoritmos que podem aprender a realizar tarefas automaticamente com base em 

uma grande quantidade de exemplos, sem a necessidade de regras artesanais e 

explícitas” (FREITAS, 2022, p. 29).  

A pesquisadora aponta que a especificidade do aprendizado profundo está no 

uso de redes neurais, que permitem aprendizado não supervisionado, isto é, sem a 

necessidade de dados anotados para o treinamento. Na Computação, uma rede 

neural é: 

 

um conjunto de neurônios artificiais conectados entre si, que formam algo 
parecido com uma teia, ou rede [...]. A primeira camada da rede processa a 
entrada e passa as informações para as camadas intermediárias até a 
camada de saída, que é a final. (FREITAS, 2022, p. 32). 

 

A autora usa a Figura 4 para ilustrar uma rede neural com várias camadas 

intermediárias, ressaltando que “o adjetivo ‘profundo’ se refere às várias camadas das 

redes neurais atuais, como as da figura” (FREITAS, 2022, p. 32). 

 



32 

 

 

 

Figura 4 — Esquematização de uma rede neural com várias camadas intermediárias 

 

Fonte: Freitas (2022) 

 

Para que as redes neurais operem, no entanto, é necessário transformar o dado 

linguístico em dado numérico. Para isso, recorre-se aos vetores de palavras (word 

embeddings). Isso significa que, num determinado conjunto de textos, “cada palavra 

é representada como um conjunto de números atribuídos em função das palavras que 

coocorrem com ela e das dimensões” (FREITAS, 2022, p. 133). Dessa maneira, cada 

número do vetor está numa dimensão. Como esclarece a pesquisadora, o que cada 

dimensão denota é parte do mistério de como as redes neurais resolvem o problema. 

O que se sabe é que as dimensões são baseadas na análise dos padrões de 

coocorrência das palavras e o número de dimensões criadas pode variar de 50 a 300, 

demandando maior trabalho de processamento quanto maior o número de dimensões. 

Sobre isso, a autora afirma: 

  

O que cada dimensão contém será aprendido automaticamente, em função 
do número de dimensões estabelecido, mas quem estabelece o número de 
dimensões? Até o momento, não há pesquisas que demonstrem uma regra 
clara para a escolha da quantidade de dimensões; a decisão tem sido 
baseada na experiência, a partir do teste com diferentes números de 
dimensões. (FREITAS, 2022, p.136). 
  

Sobre os números gerados para cada dimensão, a pesquisadora afirma que 

eles são frutos de cálculos matemáticos, cuja construção pode variar conforme o 

tamanho do contexto de análise, ou seja, o tamanho da janela de palavras à direita e 

à esquerda da palavra-alvo.  



33 

 

 

 

De acordo com Menezes (2023), existem abordagens de vetorização estáticas 

e contextualizadas. Nas abordagens estáticas, presume-se que há apenas um vetor, 

ou conjunto de número, que pode representar uma palavra. Já nas abordagens 

contextualizadas, assume-se que a representação de uma palavra é dependente do 

seu contexto, chegando ao conceito de vetor contextual, que assume a incorporação 

dos diferentes contextos de ocorrências na vetorização de uma palavra. 

De acordo com a autora, a criação de vetores parte da ideias de que “as 

palavras que participam de contextos linguísticos similares tendem a ser similares” 

(FREITAS, 2022, p. 132), ideia também conhecida como hipótese distribucional 

(LENCI, 2018). No caso dos vetores, a semelhança entre os números em dadas 

dimensões determina o quão próxima uma palavra está da outra semanticamente. A 

ideia de que o sentido está no uso, no entanto, como aponta a autora, não é uma 

discussão nova na linguística, retomando pontos feitos por Wittgenstein (1984 [1953]), 

Harris, (1954) e Firth (1957), que afirmam que o sentido de uma palavra é depreendido 

a partir do seu contexto de uso. Ao nosso ver, o sentido de uma palavra podendo ser 

descrito a partir das palavras que a acompanham vai ao encontro da linguística 

saussuriana, que postula que o valor de um signo linguístico só se dá em relação aos 

outros signos dentro do mesmo sistema. 

Esse tipo de criação de modelos a partir do aprendizado pela observação de 

padrões em uso só é possível hoje graças à disponibilidade de corpora maiores e 

computadores mais rápidos. No entanto, os princípios de que léxico e sintaxe não são 

independentes, obtidos por meio da análise de padrões de combinação frequentes, já 

estavam dados por estudos de Halliday e Sinclair (BERBER SARDINHA, 2004). 

 Em nossa pesquisa, utilizamos um modelo de linguagem baseado em 

transformers, um tipo específico de arquitetura de redes neurais:  

 

composta por camadas de entrada, que transformam os dados de entrada 
em uma representação vetorial; e camadas de saída, capazes de transformar 
essas representações em saídas legíveis. Entre essas camadas, existem 
camadas de atenção, que calculam a importância de cada elemento em 
relação aos outros elementos do conjunto de dados por meio do acesso aos 
estados ocultos da rede. Assim, a rede é capaz de capturar dependências 
entre as palavras. (MENEZES, 2023, p. 37). 

 

Os dados de entrada e saída são relacionados por meio da criação de vetores 

contextuais. Por exemplo, a tradução de uma sentença é a transformação de um input 

textual em uma língua em um output também textual em outra língua. Esse processo 



34 

 

 

 

de transformação é intermediado pelos vetores gerados pelo modelo. Por “atenção”, 

entendem-se as partes do contexto que devem receber mais peso no processamento 

(LOPES, 2023).  

O modelo de linguagem baseado em transformers escolhido pelo nosso grupo 

foi o XML-roBERTa (CONNEAU et al., 2019), uma versão do modelo BERT 

(Bidirectional Encoder Representations from Transformers), o qual aprende as 

dependências entre as palavras de maneira bidirecional, ou seja, ao mascarar um item 

de uma sentença, o modelo aprende a prevê-lo considerando as dependências com 

itens antes e depois do item-alvo (DEVLIN et al., 2019; MENEZES, 2023). O XML-

roBERTa é pré-treinado em 100 línguas diferentes, e usa os dados de seu pré-

treinamento para gerar vetores contextuais que representam as sentenças e as 

palavras dos dados de entrada. Esse pré-treinamento não depende da anotação de 

corpora e é feito a partir de dados disponíveis na web.  

 Em suma, vimos que o sucesso recente do PLN baseado em aprendizado 

profundo fez com que a necessidade de regras explícitas diminuísse, diminuindo 

também a necessidade de especialistas em linguagem para formular essas regras.  

Na seção de metodologia, veremos como utilizamos aprendizado profundo para 

a obtenção de nomes de pesticidas organofosforados em português a partir de nomes 

em inglês.  Na seção que se segue, veremos como a Linguística de Corpus é utilizada 

para fins terminológicos e de tradução. 

 

2.3 Interface entre Terminologia e Tradução 
 

Nesta seção, apresentaremos alguns aspectos históricos da Terminologia e de 

sua afirmação como disciplina científica no final do século XX. Discorremos sobre a 

busca por univocidade terminológica por meio da prescrição em contraste com a 

descrição da linguagem de especialidade como ela de fato se realiza. Mostramos 

como a Química enquanto disciplina preza pela normalização de sua terminologia ao 

mesmo tempo que assume a existência de variantes. Além disso, abordamos alguns 

conceitos de Tradução caros à nossa pesquisa (neologismo, empréstimo e decalque). 

Por fim, vemos como a Linguística de Corpus é usada em pesquisas terminológicas e 

de tradução. 

 



35 

 

 

 

2.3.1 A importância do rigor terminológico na Química 
 

De acordo com Barros (2004), as origens da Terminologia remontam a própria 

origem da linguagem, pois a humanidade desde seus primórdios sente a necessidade 

de nomear as coisas ao seu redor. No entanto, a Terminologia enquanto disciplina 

científica só se afirma no século XX, principalmente por meio da Teoria Geral da 

Terminologia (TGT), cujos princípios foram traçados pelo engenheiro Eugen Wüster. 

Em suma, a teoria de Wüster assume que a linguagem de especialidade ocorre à parte 

da linguagem geral e os critérios para a criação de termos devem ser definidos a modo 

de evitar polissemia e ambiguidade. Dessa maneira, a Terminologia à época de 

Wüster tem caráter normatizador e o termo é visto como unidade artificial descolada 

da linguagem como um todo. 

Ao nosso ver, as instituições normatizadoras da Química, com destaque para 

a IUPAC, partem de pressupostos parecidos com as da TGT, pois visam à unificação 

da linguagem química por meio de uma língua, a inglesa, e por meio de um conjunto 

de regras que permite a criação de nomes para qualquer substância existente ou que 

venha a existir. No entanto, a IUPAC reconhece a variação como parte inescapável 

da linguagem, até mesmo a altamente especializada. Dessa maneira, em seus 

manuais, há quase sempre uma distinção entre variantes aceitáveis e os nomes 

preferenciais. Na maioria dos casos, uma variante é aceita quando ela não se 

confunde com outro termo de conceptualização diferente. 

No caso de nomes de substâncias perigosas como os agrotóxicos, a variação 

denominativa, apesar de inevitável de um ponto de vista linguístico, é indesejada, pois 

a padronização das nomenclaturas é importante “em situações legais, com 

manifestações em patentes, regulamentos de exportação-importação, informações de 

saúde e segurança e comunicações em ciências ambientais e suas implicações 

legais.”24 (IUPAC, 2014, tradução nossa). Além disso, assim como os nomes IUPAC, 

o estabelecimento de critérios de tradução de nomes comuns em português brasileiro 

é necessário para que esses nomes cumpram sua função e “para evitar a 

desqualificação da língua portuguesa” (ABAKERLI et al., 2003, p. 30). 

 

 
24 important in legal situations, with manifestations in patents, export-import regulations, health and 
safety information, and communications in environmental sciences and their legal implications. 



36 

 

 

 

No que diz respeito à harmonização terminológica, Barros (2004) a compara 

aos conceitos de recomendação e normalização. No processo de harmonização, o 

terminólogo, junto a um comitê institucional, adequa, modifica ou consagra o uso de 

termos. Dessa maneira, a prática de harmonização estaria entre a normalização, em 

que se usam dispositivos coercitivos para aplicação de uma norma, e a 

recomendação, em que se apontam caminhos de utilização sem retirar a liberdade do 

utilizador. Nossa pesquisa pode assim ser concebida como tendo uma postura de 

recomendação, por não desconsiderarmos a variação. Ao mesmo tempo, pelo fato de 

essas recomendações serem embasadas na revisão da terminologia da área à luz das 

regras propostas pela própria comunidade da Química, pode-se também considerar 

nosso trabalho como o de harmonização. 

Nossas recomendações de uso, por sua vez, são divulgadas por um de uma 

obra terminográfica. Um exemplo de obra terminográfica é o glossário. Segundo 

Barros (2004, p. 144), a principal característica de um glossário é a apresentação de 

“uma lista de unidades lexicais ou terminológicas acompanhadas de seus com 

equivalentes em outras línguas”. A principal diferença do glossário para um dicionário 

é a ausência de definições. Em nosso caso, consideramos o produto fruto de nossa 

pesquisa um glossário, por apresentar termos e equivalentes. No entanto, incluímos 

no verbete elementos como definição e informações enciclopédicas como a estrutura 

molecular das substâncias e sua identificação numérica de acordo com o CAS. Dessa 

maneira, tratamos nossa obra terminográfica como um glossário que traça caminhos 

para a elaboração de um dicionário. 

 

2.3.2 Variação na Terminologia 
 

No que tange aos estudos de variação terminológica, a Teoria Comunicativa da 

Terminologia (TCT), conforme Cabré (1999), e diferente da Teoria Geral da 

Terminologia (TGT) de Wüster (1998), considera indissociável a relação entre 

significado e significante. Wüster propõe um trato onomasiológico do termo, ou seja, 

a partir do conceito. Para ele, seria possível organizar os conceitos de um domínio 

para assim se determinarem seus significantes. Em outras palavras, o significado 

independeria do contexto de ocorrência do termo, bem como de sua expressão, 

contrariando, como afirma Barros (2004), a Linguística Saussuriana, em que o signo 

linguístico é composto por duas partes indissociáveis. A TCT vai ao encontro da 



37 

 

 

 

linguística geral ao partir do fato de que não há significado (conceito) sem significante 

(designação). Dessa forma, a existência do termo não antecede seu uso, ou seja, de 

seu contexto de comunicação. Assim, a variação e a mudança, resultantes das 

diferentes interações sociais capazes de gerar mais de um termo para um único 

conceito, não podem ser deixadas de fora. 

Quanto às razões para a variação acontecer, Freixa (2006) classifica cinco 

motivos: dialetal, funcional, discursivo, interlinguístico e cognitivo. O dialetal foca-se 

principalmente nas variantes causadas por diferenças geográficas, cronológicas e 

sociais. Por exemplo, temos “malation” e “malatião” como variantes, respectivamente, 

brasileira e europeia. As diferenças entre Brasil e Portugal na linguagem da Química 

são um dado já apresentado por estudos anteriores. Finatto e Kerschner (1999) 

apontam que: 

 

o sistema lusitano de nomenclatura, além de apresentar particularidades 
ortográficas, tal como ião (Portugal) e íon (Brasil), adota uma “escola de 
nomenclatura” diferente da brasileira, tal como observamos na alternância 
entre sulfureto de hidrogênio (Portugal) e ácido sulfídrico (Brasil). (FINATTO; 
KERSCHNER, 1999, p. 278, grifos das autoras) 
 

A diferença das escolas de nomenclatura é notada até mesmo na designação 

de elementos da tabela periódica: enquanto no Brasil usa-se “nitrogênio” (N), em 

Portugal prefere-se a forma “azoto” (FINATTO, 1996; FINATTO; KERSCHNER, 1999).  

A segunda motivação é a funcional, que contempla as adaptações lexicais 

feitas de acordo com o nível de especialização da interação. Isto é, para ilustrar, 

enquanto uma química especialista poderia usar o termo “agrotóxico”, uma pessoa 

que trabalha no campo pode se referir ao grupo de substâncias simplesmente como 

“veneno”. 

As causas discursivas dizem respeito aos recursos estilísticos utilizados por 

autores, seja para evitar repetição, exercer criatividade ou economizar 

linguisticamente. No texto desta dissertação, por exemplo, utilizamos vários sinônimos 

de “agrotóxico” para evitar repetições (como, “pesticida”, “produto”, “substância”, 

“composto” etc.). 

A categoria seguinte, a interlinguística, é de especial interesse ao nosso estudo, 

pois trata justamente da coexistência entre formas vernaculares e empréstimos, além 

de prever a diversidade de opções tradutórias. As causas interlinguísticas, portanto, 



38 

 

 

 

explicam a quantidade de variantes em português brasileiro, a exemplo de “malation”, 

“malationa” e “malatiom”.  

Por fim, a última categoria (cognitiva) atribui a variação à imprecisão 

conceptual, posicionamento ideológico ou conceptualização divergente. Por exemplo, 

em nosso texto preferimos usar os sinônimos de agrotóxicos citados anteriormente a 

usar outros, como “defensivos agrícolas” ou “fitossanitários”, por acreditarmos que a 

associação ideológica a esses itens não vai ao encontro de nossos objetivos. 

É válido ressaltar que o termo “agrotóxico” foi criado pelo pesquisador brasileiro 

Adilson Dias Paschoal (SANTOS, 2021), designação que deixa evidente a natureza 

tóxica desses produtos usados em atividades agrícolas. Ao criar o termo, Paschoal 

advoga pela não intercambialidade entre “pesticida”, “praguicida” e “defensivo”, 

argumentando que seus sentidos são diferentes. 

Em nosso corpus de estudo em português, cujos detalhes daremos na seção 

de metodologia, numa análise preliminar, constatamos a ocorrência de “agrotóxico”, 

“pesticida”, “praguicida”, “defensivo” e “fitossanitário” (Figura 5). 

 

Figura 5 — Frequência de “agrotóxico” e outros itens 

 
Fonte: captura de tela feita pelo autor 

 

 Como se pode notar, o item “agrotóxico” é o que tem maior frequência absoluta 

(FA). No entanto, baseado no índice de frequência por documento (DOCF) percebe-

se que o item “pesticida” ocorre em mais documentos. Um estudo futuro sobre o uso 

efetivo dos termos elencados na figura poderia revelar se o que motiva os autores a 

alternar entre as formas é a diferente percepção conceptual e ideológica ou a 

necessidade estilística. 

 Além disso, Santos (2021) aponta para o fato de o item “pesticida” acenar para 

um internacionalismo, pois a forma se assemelha com as de outras línguas (como 

“pesticida”, em espanhol, e “pesticide”, em inglês), não tendo uma conotação 



39 

 

 

 

necessariamente negativa como a do item “agrotóxico”. É justamente essa conotação 

negativa que motivou, segundo a autora, a proposta, por parte de um segmento da 

sociedade, de alteração da designação dessas substâncias na legislação brasileira 

para termos como “defensivos agrícolas” e “fitossanitários”, que, como afirma a autora, 

não evidenciam a toxicidade desses produtos. 

No que tange à forma dos termos, mais especificamente tipos de variação 

denominativa, partimos do constructo de Faulstich (2001), sumarizado na imagem 

abaixo: 

 

Figura 6 — Constructo teórico para a variação na Terminologia 

 

Fonte: adaptado de Faulstich (2001, p. 38) 

 

As três grandes categorias de variantes propostas pela autora são as 

concorrentes, co-ocorrentes e competitivas. As variantes concorrentes dizem respeito 

às formas vernaculares que concorrem entre si (como “mandioca” e “aipim”), ou seja, 

não aparecem no mesmo contexto discursivo. A autora faz, então, uma separação 

entre variantes linguísticas e de registro. Nessa separação, como a autora sugere, 

algumas categorias podem se combinar.  

Contudo, conforme vimos a partir de Freixa (2006), os motivos para variação 

atravessam vários aspectos externos à língua, o que significa que o registro é na 

verdade um dos vários fatores que podem influenciar na variação. Essa variação, por 

sua vez, manifesta-se em várias formas de acordo com as regras linguísticas do 

 

variação 

variável(is) 

variantes 

co-ocorrentes 

sinônimos 

competitivas concorrentes 

empréstimo 

estrangeirismo empréstimo pp. dito 

forma 

estrangeira vernacular híbrida 

formais 

de registro linguísticas 

fonológica 
morfológica 

gráfica 
lexical 

sintática 

geográfica 
de discurso 

temporal 



40 

 

 

 

vernáculo. Dessa maneira, variantes de registro tomariam forma como um tipo de 

variante linguística. 

Não obstante, no constructo é possível observar que não há uma categoria 

formal para variantes que se manifestam por meio de um lexema completamente 

diferente. Por exemplo, linguisticamente, onde se encaixaria a oposição entre 

“macaxeira” e “aipim”? Poderia se esperar o encaixe na categoria lexical; contudo, 

Faulstich (2001) descreve a categoria como a que contempla unidades terminológicas 

complexas em que algum item é apagado sem prejuízo para sua compreensão, como 

“melhoramento genético de plantas” em contraposição a “melhoramento de plantas”. 

A segunda categoria, de variantes coocorrentes, diz respeito aos sinônimos 

vernaculares que não concorrem entre si, ou seja, ocorrem nos mesmos contextos 

discursivos sem mudanças no plano do conteúdo. A autora traz como exemplos 

“infeccionar” e “infectar”. No entanto, podemos argumentar que pode haver razões 

para a variação não observáveis sob as categorias do constructo de Faulstich (2001). 

Isto é, as diferenças entre “infeccionar” e “infectar” poderiam ser explicadas por meio 

de métodos de Linguística de Corpus que, aliados a uma análise que não perde o 

texto de vista (considerando aspectos como gênero textual, autoria, local de produção 

etc.), poderiam revelar “lugares” do discurso em que “infectar” e “infeccionar” são 

concorrentes morfológicas e não sinônimos co-ocorrentes. Ao nosso ver, uma vez que 

são formas diferentes, também seriam consideradas variantes linguísticas. Dessa 

maneira, fica evidente que a classificação linguística não é exclusividade das variantes 

concorrentes. 

A terceira categoria, das variantes competitivas, diz respeito à competição entre 

formas vernaculares e estrangeiras, tendo a forma híbrida como uma opção 

intermediária. Um dos exemplos trazidos pela autora é o empréstimo delivery (forma 

estrangeira), que compete com “serviço de delivery” (forma híbrida) e “serviço de 

entrega em domicílio” (forma vernacular). Contudo, ao voltarmos para as razões para 

a variação acontecer, vemos que o processo de tradução é apenas um dos motivos 

para tal. Além disso, o aparecimento de várias formas vernaculares faz delas formas 

concorrentes, o que também as torna parte da primeira categoria de variantes 

proposta pela autora. 

Dessa maneira, sugerimos que o empréstimo é de alguma forma acomodado 

ao vernáculo; afinal, voltando aos exemplos, por mais que a escrita da variante seja 

“delivery”, sua pronúncia é adaptada aos sons do português brasileiro. Portanto, ao 



41 

 

 

 

nosso ver, todas as variantes (estrangeiras ou não) estariam acomodadas como 

concorrentes ou coocorrentes no vernáculo, a depender do recorte discursivo 

analisado, e critérios como diferenças de registro ou origem estrangeira não podem 

ser utilizados para dividir os tipos de variantes, mas sim para descrevê-las em mais 

detalhe. Isso significa que as variantes “delivery”, “serviço de delivery”, “serviço de 

entrega em domicílio” devem ser observadas como concorrentes, sendo variantes 

linguísticas lexicais e sintáticas com motivações interlinguísticas para a variação. 

Ademais, a concorrência e a coocorrência entre variantes parecem-nos uma 

maneira de descrever o status do termo em determinados contextos discursivos, e 

não uma característica inerente a ele. Em outras palavras, enquanto, em alguns 

contextos, determinadas variantes podem coocorrer, em outros, pode-se haver a 

preferência de uma pela outra. 

Portanto, dados os motivos acima, argumentamos a favor da seguinte 

classificação: primeiro, categoriza-se a variante quanto à forma, depois quanto aos 

motivos para a sua realização (aqui, incluem-se as diferenças de registro), 

identificando-se a coocorrência ou concorrência a depender do recorte discursivo em 

análise. 

Na seção a seguir, veremos como o fenômeno de inserção de um vocábulo 

estrangeiro à língua é visto pela ótica dos estudos da tradução por meio dos conceitos 

de neologismo, empréstimo e decalque. 

 

2.3.3 Neologismo, empréstimo e decalque 
 

Como vimos, a criação ou descoberta de substâncias incorre na criação de 

palavras novas, ou neologismos. Conforme Alves (1996, 2001), o conceito de neologia 

está atrelado aos processos linguísticos subjacentes à criação de novas palavras 

numa língua ou o seu empréstimo de outra língua, mas não está restrito a isso. Devido 

ao desenvolvimento técnico-científico, a criação neológica torna-se preocupação de 

instituições que visam definir critérios para tal atividade, como o caso da IUPAC na 

Química. Dessa maneira, vê-se na linguagem de especialidade um lugar propício para 

neologismos terminológicos. 

Esses neologismos, por sua vez, no caso de nosso estudo, originam-se na 

língua inglesa e são inseridos no português brasileiro por meio de duas modalidades 

tradutórias: o empréstimo e o decalque (ALVES, 1984; AUBERT, 2003a, 2006, 



42 

 

 

 

2003b). Aubert (2006) define empréstimo como a reprodução do segmento textual do 

texto de origem no texto traduzido. Esse segmento pode vir ou não com indicações 

de que se trata de um empréstimo, como pelo uso de itálico. Já decalque é definido 

por Aubert (2006, p. 64) como “uma palavra ou expressão emprestada da Língua 

Fonte mas que foi submetida a certas adaptações gráficas e/ou morfológicas [...]”.  

Essas adaptações têm o intuito de domesticar o vocábulo na língua de chegada. No 

caso dos nomes comuns de pesticidas, o decalque é a modalidade de tradução 

preferida por via de regra. 

Dada a falta de uma instituição normalizadora que proponha uma organização 

desses termos dentro de um sistema de nomenclatura adaptado ao nosso idioma, os 

cientistas da área recorrem ao seu próprio conhecimento da área e intuição linguística 

para sugerir traduções. 

No entanto, essas traduções, como constataram Pinto e Lima (2018), não têm 

uma linearidade, gerando uma sequência de adaptações dos termos em inglês, indo 

contra às recomendações da própria IUPAC, que desaconselha a proliferação de 

variantes em excesso. Quando não, os termos em inglês figuram como empréstimos 

sem adaptação à língua de chegada. 

 

2.3.4 Tradução e Terminologia (a partir de corpora) 
 

  A Tradução e a Terminologia, apesar de áreas diferentes nos estudos da 

linguagem, tem algumas confluências entre si, como apontam Krieger e Finatto 

(2004). Por exemplo, a construção de obras terminográficas bilíngues envolve, ao 

mesmo tempo, a mobilização de conhecimentos das duas áreas. 

 Um ponto de contato entre as duas disciplinas está na busca por equivalentes. 

Segundo Dubuc (1985), o equivalente terminológico diferencia-se do equivalente 

tradutório. Para que um termo de uma língua seja considerado equivalente 

terminológico de outra língua, segundo o autor, é preciso que haja uma coincidência 

no campo semântico e no pragmático. Ou seja, tanto o significado quanto o uso devem 

coincidir. No caso de nosso estudo, os nomes comuns dos pesticidas recobrem tanto 

a questão do significado, por retomarem a estrutura química da molécula, quanto do 

uso, devido ao recorte do corpus ser de textos acadêmicos. Quando não há uma 

sobreposição completa entre termos de diferentes línguas, o autor chama-os de 

correspondentes. Por exemplo, como veremos na seção de resultados, os termos 



43 

 

 

 

“organophosphate”, em inglês, e “organofosforado”, em português, não coincidem 

totalmente quanto ao significado, sendo, portanto, formas correspondentes e não 

equivalentes. 

 A equivalência entre dois termos por meio da análise de seus contextos é feita 

por meio da análise dos ganchos terminológicos. Segundo Dubuc (1985), chama-se 

de contexto definitório aquele que caracteriza precisamente o termo, explicativo 

aquele que dá um deslumbre do significado do termo por meio do uso, e associativo 

aquele em não é explicitada nenhuma informação semântica do termo, como, por 

exemplo, em listas. 

 Com os avanços na informática, popularizaram-se os trabalhos de terminologia 

e tradução a partir de corpora. Dentre as facilidades proporcionadas pelas ferramentas 

de corpus está a criação de corpora paralelos, que permitem o alinhamento sentença 

por sentença de um texto e sua tradução. Quando a criação de corpora paralelos não 

é possível, como no nosso caso, recorre-se à criação de corpora comparáveis 

(TOGNINI-BONELLI, 2001). 

 Nesse caso, devido ao fato de os corpora não serem um a tradução do outro, 

torna-se mais difícil a coleta de equivalentes. Portanto, é preciso recorrer a métodos 

de extração automática ou semiautomática de termos. Um desses métodos é a 

geração de listas de palavras-chave nas línguas de partida e chegada. 

A LC, dessa maneira, colabora com o trabalho terminológico, pois, por meio de 

suas ferramentas, mostra os termos mais prováveis e frequentes de determinada área 

de especialidade, permitindo um trabalho semasiológico, isto é, partindo do 

significante, o que gera maior fluência e naturalidade para os textos produzidos ou 

traduzidos com o seu auxílio (KRIEGER, 2000; TAGNIN, 2002; FINATTO, 2004; 

PAIVA, 2006, 2009). 

 

2.4 Da palavra-chave ao termo 
 

 

Antes de entendermos como as listas de palavras-chave são geradas, é 

necessário primeiro entender como diferentes áreas compreendem o conceito de 

“palavra-chave”. Na Linguística Computacional, de acordo com Firoozeh et al. (2020),  

“palavras-chave” são itens lexicais que servem de descritores importantes para o 

conteúdo de um texto, podendo ser unidades mono ou multilexicais. Essas unidades, 

por sua vez, passam a ser chamadas de “termos” quando assumem o status de 



44 

 

 

 

indexadores/descritores do conteúdo de um documento ou quando ajudam a construir 

a conceptualização de domínios de especialidade. Dessa maneira, os métodos de 

extração de palavras-chave podem ser gerais (isto é, independente do domínio de 

especialidade) ou específicos (feitos especificamente para uma área do 

conhecimento); além disso, a análise pode levar em consideração o corpus todo e 

gerar uma lista de palavras-chave para a coleção em si ou tomar texto a texto da 

coleção e gerar palavras-chave individualmente. 

Na Terminologia, Finatto (2007, p. 222) define “termo” como uma unidade 

poliédrica e afirma: 

 

Esse termo cada vez mais é entendido como uma condição especial da 
palavra, um signo linguístico dotado de significado e significante, e atrelado a 
uma determinada unidade e corpo de conhecimentos historicamente 
estabelecidos. Desse modo, terminologias deixam de ser unidades 
‘estranhas’ ou ‘artificiais’, índices de uma língua à parte da língua-sistema, e 
passam a ser vistas como palavras que têm ou adquirem um estatuto peculiar 

em uma dada situação de comunicação. 
 

Dentro dessa definição, a função dos itens como indexadores de documento é 

deixada de lado, uma vez que o trabalho terminológico geralmente envolve o 

processamento de grandes coleções de texto com o intuito de remontar conceitos de 

um campo especializado, sem o objetivo de usá-los para identificar e recuperar 

documentos numa coleção diversa. O termo pode ser composto de mais de uma 

palavra, sendo classificados, conforme Barros (2004, 2007) como simples 

(constituídos de apenas um lexema), como "pesticidas", complexos (constituídos por 

uma sequência lexemática), como "pesticidas organofosforados" e compostos 

(constituído por sequência lexemática conectada por hifens), como “paration-metílico”. 

A Linguística de Corpus, portanto, parte do conceito de “palavras-chave” da 

Linguística Computacional para encontrar itens que sirvam tanto para compreender o 

assunto do corpus quanto para construir a terminologia de uma área, seja para fins de 

tradução, ensino ou produção terminográfica. 

Em nossa pesquisa, essas listas de palavras-chave são geradas na plataforma 

Sketch Engine (SE) ao atribuir-se uma pontuação de chavicidade de cada item (aqui 

sinônimo de "palavra") do corpus por meio de um cálculo chamado de simple maths 

(KILGARRIFF, 2009), feito independente do domínio e para a coleção toda. Esse 

método compara a frequência relativa dos itens do corpus de estudo (compilado pelo 

pesquisador e de domínio específico) com a frequência relativa dos itens de um corpus 



45 

 

 

 

de referência (que serve como amostra de língua geral)25. Nesse cálculo, um 

parâmetro pode ser alterado a fim de gerar listas com palavras mais ou menos raras 

(ver seção 3.3 Palavras-chave). Em meio às palavras-chave, é possível identificar itens 

que poderiam ser considerados termos quando olhados pelo prisma da Terminologia.  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 
25 No SE, o corpus de referência já vem pré-carregado. 



46 

 

 

 

3 MATERIAIS E MÉTODOS 
 

 Nesta seção, discorremos sobre os passos metodológicos. São eles, a criação 

dos corpora, a geração de palavras-chave para a busca de termos e a tradução 

automática por meio de aprendizado profundo. Em seguida, descrevemos o processo 

de seleção de candidatos a termo bem como o seu registro em fichas terminológicas. 

Por fim, apresentamos a estrutura do glossário construído a partir do estudo dessas 

fichas. 

 

3.1 Criação dos corpora 
 

Como visto na seção 2 FUNDAMENTAÇÃO TEÓRICA, partimos de uma 

perspectiva que vai ao encontro da terminologia da maneira que ela se realiza na 

realidade. Além disso, considerando que o texto é um lugar privilegiado de análise 

linguística, seja pelo fato de o dado escrito poder ser mais facilmente analisado ou 

pelo fato de o gênero discursivo ser o lugar onde o termo exerce uma função 

comunicativa, elegemos um recorte de textos acadêmicos (artigos, teses, 

dissertações, relatórios e livros) e montamos dois corpora comparáveis. A plataforma 

escolhida para hospedar os corpora foi o Sketch Engine (SE), por, além de ser um 

repositório de corpora, ser uma ferramenta de PLN com recursos que, como veremos 

ao longo da metodologia, são valorosos para análises automatizadas. A seguir, 

descrevemos os passos para a criação, primeiro, do corpus em português, depois, do 

corpus em inglês. 

 

3.1.1 ORCHEUS-ptbr (Organophosphorus Chemistry Corpus of Academic Brazilian Portuguese) 
 

Mesmo após o acordo ortográfico de 1990, com o intuito de unificar a escrita 

dos países lusófonos, o sistema de nomenclatura química do português europeu é 

historicamente diferente do usado em português brasileiro. Isso fica evidente, por 

exemplo, em obras de referência da IUPAC traduzidas para o português europeu, 

como as versões lusófonas do Red Book (QUÍMICA, 2018) e do Blue Book 

(FERNANDES et al., 2010), produzidas na Europa e cujos editores salientam que são 

traduzidas nas variantes europeia e brasileira da língua. A diferença entre as variantes 

da língua portuguesa também se evidencia em obras produzidas no Brasil, como a 

versão simplificada e comentada do Red Book (TOMA et al., 2014), em cuja capa é 



47 

 

 

 

deixado claro que o livro foi adaptado e traduzido para a língua portuguesa do Brasil. 

Dessa maneira, focamo-nos apenas em textos escritos em português brasileiro. Por 

fim, como a questão da variação foi primeiramente percebida em artigos científicos, 

demos preferência ao registro acadêmico – o que não descarta um trabalho futuro 

com outros tipos de registros menos especializados.  

O nosso corpus em português recebeu o nome de ORCHEUS-ptbr 

(Organophosphorus Chemistry Corpus in Brazilian Portuguese). Os textos foram 

coletados manualmente entre 2016 e 2022 de bases de pesquisa como o Athena26, 

da Unesp, por meio da qual tem-se acesso ao Portal de Periódicos da Capes, e 

indexadores como o Google Acadêmico27 e o Scielo28. Além disso, consultamos a 

Biblioteca Digital Brasileira de Teses e Dissertações29 (BDTD). As palavras-chave 

usadas em nossas buscas foram “agrotóxicos”, “pesticidas”, “organofosforados” e 

“organofosfato”. Assim, o corpus é composto por 84 textos acadêmicos, publicados 

em revistas científicas ou bancos de teses/dissertações entre 1996 e 2020. Seu 

número de tokens (ou itens, isto é, todas as ocorrências das palavras) é de 830.144, 

enquanto o número de words ou types (palavras ou tipos, ou seja, ocorrências 

repetidas contadas apenas uma vez) é de 621.213.  No Apêndice A, a fim de propiciar 

um panorama da distribuição dos itens, estão listados todos os arquivos registrados, 

bem como o número de itens de cada um deles. Além disso, apresenta-se no Gráfico 

1 a distribuição desses documentos de acordo com o ano de publicação. 

Nota-se um aumento da produção de artigos a partir do início do século XXI, 

com um pico peculiar em 2020, ano cujo número de documentos é o maior entre todos   

os anos (17 documentos). Não foram encontrados artigos que datassem de antes de 

1996.  

Podemos ver os nomes das fontes das quais os textos foram retirados no 

Apêndice B. Uma breve análise dos títulos permite notar que a área dos pesticidas 

organofosforados é de interesse para diversas áreas do conhecimento além da 

química, como a saúde, a agricultura, a veterinária, e até mesmo a engenharia de 

alimentos. 

 

 

 
26 https://unesp.primo.exlibrisgroup.com/discovery/search?vid=55UNESP_INST:UNESP  
27 https://scholar.google.com/  
28 https://www.scielo.br/  
29 https://bdtd.ibict.br/vufind/  

https://unesp.primo.exlibrisgroup.com/discovery/search?vid=55UNESP_INST:UNESP
https://scholar.google.com/
https://www.scielo.br/
https://bdtd.ibict.br/vufind/


48 

 

 

 

 

Gráfico 1 — Quantidade de documentos por ano em ORCHEUS-ptbr 

 

Fonte: o autor 

 

Por ser um corpus relativamente pequeno, procuramos otimizar os dados, 

limpando de cada texto trechos que estejam em inglês (como o abstract e as 

referências bibliográficas, que contam com muitas obras em língua inglesa). Os textos, 

ou documentos, foram então nomeados de acordo com seu gênero, língua e ordem. 

Por exemplo, o primeiro artigo em português recebeu o nome <artpt00>. A contagem 

começa do 0 devido ao fato de o SE, por ser programado em Python, operar com listas 

cuja primeira posição corresponde à posição 0, não 1. Apesar de a numeração não 

necessariamente interferir nas análises, acreditamos que essa escolha facilita a 

organização e visualização dos documentos dentro da plataforma.  

 

Tabela 1 — Tipos textuais em ORCHEUS-ptbr 

Tipo textual Nome dos documentos Total 

Artigo científico artpt00-64 65 

Dissertação (mestrado) disspt00-09 10 

Tese (doutorado) tesept00-05 6 

TCC tccpt00-01 2 

Livro livropt00 1 

  84 

 

Fonte: o autor 

0

2

4

6

8

10

12

14

16

18

1
9

9
6

1
9

9
7

1
9

9
9

2
0

0
0

2
0

0
1

2
0

0
2

2
0

0
3

2
0

0
4

2
0

0
5

2
0

0
6

2
0

0
7

2
0

0
8

2
0

0
9

2
0

1
0

2
0

1
1

2
0

1
2

2
0

1
3

2
0

1
4

2
0

1
5

2
0

1
6

2
0

1
7

2
0

1
8

2
0

1
9

2
0

2
0



49 

 

 

 

Para um panorama geral dos tipos textuais do corpus, apresentamos na Tabela 

1 uma classificação. Como pode ser visto, a maioria dos textos são artigos científicos, 

seguidos de dissertações de mestrado e teses de doutorado. Por fim, há uma porção 

menos representativa que é a de trabalhos de conclusão de curso (TCC), com dois 

exemplares, e um livro. 

Descrito o nosso corpus em português brasileiro, partimos para a descrição da 

coleta e processamento dos dados para o corpus em inglês, cuja metodologia muito 

se assemelha à do seu corpus irmão. 

 

3.1.2 ORPHEUS-en (Organophosphorus and Phosphorus Chemistry Corpus of Academic 
English) 
 

Diferente do que acontece em português, em que diferenças regionais 

influenciam na tradução dos nomes químicos, em inglês, a variação, apesar de existir, 

é mais controlada, uma vez que a IUPAC publica suas recomendações em língua 

inglesa, a qual, portanto, ocupa um valor de prestígio entre toda a comunidade 

internacional. Assim sendo, nesta pesquisa não fazemos diferença entre as 

variedades do inglês, tratando-o, neste caso, como língua franca. Contudo, veremos 

algumas influências regionais principalmente vinda da América do Norte. 

Dito isso, apresentamos nosso segundo corpus, em inglês, que foi batizado de 

ORPHEUS-en (Organophosphorus and Phosphorus Chemistry Corpus of Academic 

English). A coleta dos textos foi feita entre 2016 e 2022, utilizando dois métodos 

principais. O primeiro, assim como no corpus em português, consistiu em procurar 

artigos científicos manualmente em bases de pesquisa, como o Athena e o Google 

Acadêmico, já mencionados. As palavras-chave usadas na busca foram “phosphorus”, 

“organophosphorus”, “organophosphate” e “pesticide”. O segundo método foi o de web 

scrapping, ou seja, a extração automática de textos publicamente disponíveis na web. 

O SE oferece essa opção de criação de corpus a partir desse método ao integrar o 

BootCaT, conhecido programa de web scrapping para a criação de corpora, em sua 

plataforma. Como pode ser visto na Figura 7, após a inserção das palavras-chave de 

busca (também chamadas de seeds), no filtro de URL, restringimos os domínios de 

busca para somente “.edu” (próprio de sites de instituições educacionais nos EUA). 

Nesse caso, preferimos excluir a palavra-chave “phosphorus”, uma vez que já 

havíamos obtido muitas obras que tratavam deste tópico e tivemos de priorizar obras 



50 

 

 

 

que travam de organofosforados. Todos esses critérios foram selecionados a fim de 

aumentar as chances de conseguirmos textos acadêmicos do escopo desejado. Após 

a extração automática, foi feita uma análise qualitativa para decidir quais textos 

ficariam ou não. 

 

Figura 7 — Compilação de corpus a partir de textos da web no SE 

 

Fonte: captura de tela feita pelo autor 

 

Ao todo, o corpus consiste em 210 textos, publicados entre 1943 e 2022, com 

o total de 3.472.000 tokens e 2.221.494 words. A nomeação dos documentos seguiu 

lógica semelhante ao corpus em português brasileiro, de maneira que o primeiro artigo 

do corpus recebeu o nome de <arten00>. No Apêndice C, veem-se listados os textos 

registrados e o número de itens de cada um deles. Na Tabela 2, podemos ver a 

totalidade dos documentos dividida em tipos textuais. 

Assim como o ORCHEUS-ptbr, essa coleção trata de organofosforados. 

Contudo, decidimos incluir também textos que tratem do fósforo e seus derivados 

inorgânicos (sem carbono e hidrogênio) a fim de contemplar outros nomes de 

substâncias e