Can I guess where are you from? Modeling dialectal morphosyntactic similarities in BP

Sobre este material: Este arquivo contém o pôster apresentado no NWAV 53 – New Ways of Analyzing Variation (Sociolinguistics, Conflict, Justice, Peace), realizado na University of Michigan (Ann Arbor, MI, EUA), em 2025. O depósito tem por finalidade garantir o acesso aberto ao material de divulgação científica e preservar o registro da versão apresentada no evento. O trabalho investiga como um conjunto de variáveis morfossintáticas relacionadas à expressão de segunda pessoa (2P) co-ocorre na fala de estudantes universitários de origens dialetais diversas e se essas constelações de traços permitem identificar perfis dialetais regionais. A base empírica é o corpus Falares Sergipanos (181 entrevistas sociolinguísticas; 1.002.535 palavras). Quatro variáveis foram analisadas: pronome sujeito de 2P (você/cê/tu), clítico de 2P (te/se), possessivo de 2P (seu/teu) e presença do determinante antes do possessivo (Ø/ART). O principal avanço do trabalho para a pesquisa sociolinguística é a combinação de três técnicas estatísticas complementares aplicadas ao mesmo conjunto de dados, cobrindo diferentes níveis de análise da variação. 1. Classificação: Distribuição das variantes por fatores sociais (gênero, origem dialetal, idade) por meio de qui-quadrado, V² de Cramer e regressão logística. Estabelece as frequências de base e os condicionamentos individuais de cada variável. 2. Correlação (Rho de Spearman + modelos de efeitos mistos): Mede a direção e a força da relação entre variáveis. Captura o que os estudos variacionistas tradicionais raramente examinam: a covariação entre variáveis distintas no comportamento do mesmo falante. O resultado – correlação negativa entre pro2PS e det-poss (ρ = −0,18, p = 0,017) – só emerge nessa etapa. 3. Clusterização (K-Medoids / PAM): Agrupa falantes por similaridade no perfil global de uso das quatro variáveis, sem partir de categorias sociais predefinidas. Três grupos foram identificados (k = 3; variância total explicada pela ACP: 58,9%). A clusterização revela que clit2PS e poss2PS operam de forma categórica dentro de cada grupo e são os delimitadores principais das fronteiras dialetais, um padrão que não seria visível na análise variável isolada de cada traço. A combinação dessas três etapas responde à limitação apontada por Guy (2013) e Scherre et al. (2015): a identidade dialetal se expressa por constelações de traços, não por variáveis examinadas isoladamente. A abordagem proposta operacionaliza empiricamente esse princípio teórico. Os dados e o código de análise estão disponíveis em: https://osf.io/6nk4q Este trabalho contou com apoio da FAPITEC/SE (bolsa de doutorado) e do CNPq (bolsa de produtividade em pesquisa). Uma versão expandida e revisada por pares foi publicada nos anais do PROPOR 2026 (ACL Anthology): Siqueira, M.; Freitag, R. M. K. (2026). Can I guess where you are from? Modeling dialectal morphosyntactic similarities in Brazilian Portuguese. In: Proceedings of the 17th International Conference on the Computational Processing of Portuguese (PROPOR 2026). https://aclanthology.org/2026.propor-1.59/ A tese de doutorado que embasa este trabalho está disponível em: Siqueira, M. (2025). Covariação morfossintática no português brasileiro: identificação dialetal de estudantes da Universidade Federal de Sergipe. Tese de doutorado, Universidade Federal de Sergipe. https://ri.ufs.br/jspui/handle/riufs/21709