Code-switching in text and speech challenges information-theoretic speaker design

Conclusão Técnica: A Mudança de Código em Texto e Fala Desafia Modelos de Design do Falante Baseados na Teoria da Informação

Problema
A mudança de código, a alternância entre variedades linguísticas (por exemplo, chinês e inglês), é um fenômeno amplamente difundido na comunicação multilíngue. Pesquisas anteriores estabeleceram uma correlação entre a mudança de código e áreas de baixa previsibilidade (alta surpresa) na língua primária. No entanto, a motivação subjacente a essa correlação permanece controversa. A hipótese predominante, de orientação centrada no falante, postula que os falantes alternam de língua para reduzir a carga cognitiva quando a continuação na língua primária é difícil de produzir; essencialmente, assume-se que a língua secundária é mais acessível ou mais fácil de produzir nesses pontos. Em contraste, uma perspectiva de orientação centrada no ouvinte ou de design do falante sugere que os falantes podem alternar para sinalizar aos ouvintes que o conteúdo iminente é complexo, incentivando-os assim a dedicar mais atenção. Este trabalho investiga se a relação entre previsibilidade e mudança de código inserida é impulsionada exclusivamente pela facilitação da produção pelo falante ou se outros mecanismos, como a sinalização ao público, desempenham um papel.

Metodologia
Os autores utilizam modelagem linguística para analisar tanto a mudança de código escrita quanto falada entre chinês e inglês.

• Corpora:
  • Escrito: Uma versão expandida do corpus de Calvillo et al. (2020), contendo 1.476 frases com mudança de código e 1.476 frases de controle sem mudança de código, extraídas de fóruns online. Estas foram traduzidas para versões inteiramente em chinês e inteiramente em inglês para permitir modelagem monolíngue.
  • Falado: Um subconjunto do corpus South East Asia Mandarin-English (SEAME), contendo 6.171 enunciados com mudança de código e 22.770 enunciados chineses sem mudança de código.
• Modelos:
  • Escrito: Modelos linguísticos monolíngues de 5-gramas com suavização Kneser–Ney, treinados em conjuntos de dados da Wikipedia em chinês e inglês. Modelos de Linguagem de Grande Escala (LLMs), como o GPT-2, também foram utilizados para validação.
  • Falado: Modelos monolíngues de 5-gramas treinados em transcrições de linguagem conversacional (CallHome para inglês, HUB5 para chinês).
• Métricas: O estudo utiliza a surpresa (logaritmo negativo da probabilidade) como medida primária de previsibilidade.
• Desenho Experimental:
  1. Replicação: Verificação de que palavras com mudança de código (CS1) na língua primária (chinês) apresentam maior surpresa do que palavras sem mudança de código.
  2. Análise da Língua Secundária: Comparação das características (comprimento, frequência, classe gramatical e surpresa) das palavras em inglês com mudança de código inseridas em frases chinesas com o inglês monolíngue normal.
  3. Comparação Interlinguística: Normalização da surpresa das palavras CS1 em ambas as línguas em relação às suas respectivas linhas de base monolíngues, para determinar se a continuação na língua secundária é realmente mais fácil (surpresa menor) ou mais difícil (surpresa maior) do que a alternativa na língua primária.
  4. Regressão: Modelos de regressão logística foram utilizados para controlar variáveis de confusão, como comprimento da palavra, classe gramatical e posição.

Principais Resultados

1. Replicação de Efeitos na Língua Primária: O estudo confirma que as mudanças de código ocorrem tanto na escrita quanto na fala em áreas de alta surpresa dentro da língua primária (chinês).
2. Complexidade da Língua Secundária: Em contradição à hipótese centrada no falante, as palavras em inglês inseridas em frases chinesas são mais complexas do que o inglês monolíngue normal. Especificamente:
   • Palavras em inglês com mudança de código são mais longas (em caracteres/fonemas) do que a média das palavras em inglês monolíngue.
   • Elas ocorrem significativamente com menos frequência e apresentam maior surpresa do que palavras em inglês monolíngue.
3. Dificuldade Relativa: Mesmo após normalização para a dificuldade basal de cada língua, a surpresa da mudança de código em inglês (CS1) é significativamente maior do que a surpresa que a continuação correspondente em chinês teria sido.
   • Escrito: A surpresa das palavras CS1 em inglês é, em relação às suas linhas de base monolíngues, maior do que a das palavras CS1 em chinês.
   • Falado: O mesmo padrão se aplica aos dados falados; a alternância para inglês resulta em um enunciado mais surpreendente (teoricamente mais pesado em termos de informação) do que permanecer no chinês.
4. Consistência das Modalidades: Essas descobertas são consistentes tanto para modalidades escritas quanto faladas, apesar de condições de produção diferentes (por exemplo, a possibilidade de revisão na escrita).

Principais Contribuições

• Análise Bilíngue: Ao contrário de trabalhos anteriores que se concentraram exclusivamente na língua primária, este estudo analisa as propriedades da língua secundária (inglês) no ponto da alternância.
• Rejeição de uma Teoria Puramente Centrada no Falante: Os resultados mostram que a mudança de código nem sempre leva a uma produção "mais fácil" para o falante. De fato, a alternância para inglês frequentemente aumenta a carga informacional em comparação com permanecer no chinês.
• Evidência para Design do Ouvinte: Os resultados indicam que a mudança de código pode cumprir uma função comunicativa além da facilitação da produção e pode servir como um sinal aos ouvintes de que o conteúdo iminente é desafiador, incentivando-os a dedicar mais recursos cognitivos.

Significado e Afirmações
Os autores afirmam que seu trabalho fornece fortes evidências de que a explicação "centrada no falante" da mudança de código (na qual a alternância é exclusivamente um mecanismo para facilitar a produção) é insuficiente para explicar o fenômeno. Ao demonstrar que áreas com mudança de código na língua secundária são frequentemente mais surpreendentes do que na língua primária, o trabalho argumenta que os falantes podem estar praticando "design do ouvinte" e utilizando a mudança de código para controlar a atenção e a compreensão dos ouvintes.

O trabalho registra modestamente que, embora os resultados sejam consistentes com pressões centradas no ouvinte, não provam definitivamente esse mecanismo, pois outros fatores podem desempenhar um papel. Os autores sugerem que pesquisas futuras devem investigar como esses padrões variam entre diferentes pares linguísticos com distâncias tipológicas distintas. O estudo conclui que as restrições teóricas da informação na mudança de código não são impulsionadas exclusivamente pela facilitação da produção, mas provavelmente envolvem um compromisso no qual os falantes aceitam uma maior complexidade de produção para apoiar a compreensão do ouvinte.