Resumo Técnico: Representações Computacionais da Significância de Personagens em Romances

Definição do Problema

As abordagens computacionais tradicionais para a análise de personagens na literatura têm se baseado amplamente na modelagem de personagens com base em sua presença física em cenas, primariamente através de coocorrência ou troca de diálogos. Esses métodos frequentemente confundem "presença" com "significância", priorizando implicitamente o personagem principal que aparece com mais frequência. No entanto, essa visão centrada na interação contradiz teorias literárias como a de Alex Woloch, "o um vs. os muitos", que postula que as narrativas são estruturadas em torno de um indivíduo central e uma série de figuras subordinadas que competem por um espaço narrativo limitado. Além disso, os métodos existentes frequentemente negligenciam a distinção entre o narrador e o personagem, e falham em considerar como os personagens são discutidos por outros — um componente que revela interesse e posicionamento social sem exigir presença física.

Os autores abordam a necessidade de um arcabouço mais matizado e multidimensional para quantificar a significância do personagem que se alinhe à teoria literária contemporânea e capture dinâmicas relacionais além da simples interação.

Metodologia

O Modelo Estrutural de Seis Componentes

O núcleo da metodologia é um modelo estrutural de significância de personagem desenvolvido em colaboração com estudiosos da literatura (Marcus, 2025). Este modelo decompõe a presença do personagem em seis componentes distintos:

1. Nome (N): Instâncias dos nomes próprios do personagem (excluindo pronomes).
2. Comunicação (C): Sentenças da fala ou escrita citada do personagem.
3. Interioridade (I): Frases verbais que expressam pensamentos, sentimentos, intenções ou percepções do personagem.
4. Ação (A): Frases verbais que transmitem ações físicas (excluindo fala ou interioridade).
5. Discussão por outros personagens (DC): Sentenças de comunicação de outros personagens nas quais o personagem alvo é discutido.
6. Descrição pelo narrador (DN): Sentenças da voz narrativa que descrevem a aparência, o modo ou o traje do personagem.

Dados e Anotação

Os autores construíram um conjunto de dados anotando manualmente todos os capítulos de Orgulho e Preconceito (Jane Austen) e Jane Eyre (Charlotte Brontë) para estabelecer contagens de referência (ground truth) para esses seis componentes ao nível do capítulo. Eles observam que Jane Eyre apresenta desafios específicos devido ao seu narrador em primeira pessoa, onde o narrador e o protagonista são o mesmo, complicando a distinção entre interioridade e descrição do narrador.

Para permitir uma análise em escala, os autores curaram um corpus de 64 grandes romances realistas britânicos do século XIX (1800–1900), excluindo narrativas em primeira pessoa onde o narrador é um personagem, pois resultados preliminares indicaram um desempenho insatisfatório em tais textos.

Abordagens Computacionais

O artigo avalia dois pipelines principais para operacionalizar este modelo:

1. Pipeline baseado em BookNLP: Um pipeline baseado em transformers usando pacotes de entidade, citação, supersense, evento e correferência. Ele analisa o texto para identificar extensões (spans) que atendam aos critérios dos componentes (por exemplo, usando classes VerbNet para ações e interioridade).
2. Abordagens baseadas em LLM:
   • Contagens ao nível do capítulo: Solicitar que LLMs (gpt-4o-mini) gerem contagens em formato JSON para todos os componentes e personagens por capítulo.
   • Anotações ao nível de extensão (span-level): Solicitar que LLMs identifiquem extensões de texto específicas para componentes individuais (por exemplo, resolvendo pronomes em diálogos para determinar a "Discussão por outros personagens").

Construção de Redes

Os autores constroem três tipos de redes de personagens:

• Rede de Coocorrência: Arestas não direcionadas baseadas na copresença ao nível do parágrafo.
• Rede de Diálogo: Arestas não direcionadas baseadas na alternância de turnos de fala (Componente C).
• Rede de Discussão: Um grafo direcionado inovador onde as arestas $u \to v$ representam o personagem $u$ discutindo o personagem $v$ (Componente DC). Isso permite a distinção entre "ser o assunto" (grau de entrada) e "falar sobre outros" (grau de saída).

Principais Contribuições

1. Enquadramento Teórico e Conjunto de Dados: O artigo introduz um modelo de seis componentes de significância de personagem para os estudos literários computacionais e libera um conjunto de dados acompanhante de pontuações de componentes anotadas por especialistas para Orgulho e Preconceito e Jane Eyre.
2. Pipeline Computacional: Os autores desenvolvem e liberam um pipeline capaz de rotular esses componentes em romances do século XIX. Eles demonstram que, embora os LLMs possam ser usados para rotulagem, o pipeline baseado em BookNLP oferece maior confiabilidade e menores taxas de erro para análise de corpus em escala, particularmente para componentes como Ação e Interioridade.
3. Nova Representação de Rede: O artigo propõe a "Rede de Discussão" (DC), um grafo direcionado que captura como os personagens são posicionados uns em relação aos outros através do discurso, oferecendo uma nova lente sobre a centralidade de personagem distinta da coocorrência ou do diálogo.
4. Análise de Nível de Corpus: Os autores aplicam essas representações a um corpus de 64 romances para responder a questões literárias específicas sobre centralidade de personagem e dinâmicas de gênero.

Resultados

Precisão de Rotulagem

• BookNLP vs. LLM: O pipeline baseado em BookNLP alcançou um Erro Médio Absoluto (MAE) de 1,7 e uma correlação de Pearson de 0,75 contra as contagens de referência para Orgulho e Preconceito. Em contraste, os métodos baseados em LLM, mesmo com prompting granular, exibiram um MAE mais alto e desempenho inconsistente, particularmente para personagens secundários e componentes como Ação (A) e Interioridade (I).
• Narrativas em Primeira Pessoa: O pipeline teve dificuldades com Jane Eyre devido a problemas de resolução de correferência entre o narrador e o protagonista. Sem correção manual, o MAE foi de 4,35; com correção, caiu para 3,00. Consequentemente, as narrativas em primeira pessoa foram excluídas da análise principal do corpus.

Análise de Rede e Insights Literários

• Discrepâncias de Centralidade: O estudo descobriu que diferentes construções de rede produzem diferentes classificações de proeminência de personagem. Por exemplo, em Orgulho e Precesso, Mr. Darcy ocupa o primeiro lugar em "força de entrada" (sendo discutido), enquanto Elizabeth ocupa o primeiro lugar em "força de saída" (discutindo outros). Isso destaca que "ser o assunto" e "fazer o discurso" são dimensões distintas de proeminência social.
• O "Um vs. Muitos" de Woloch: A análise de métricas de desigualdade (coeficiente de Gini) através do corpus revela que a atenção narrativa é altamente concentrada, mas não monolítica. O "um" não é um único indivíduo, mas um cluster centralizado de vários personagens, com múltiplos graus de "muitos" constituindo a periferia.
• Dinâmicas de Gênero: A Rede de Discussão revelou estruturas de gênero significativas não visíveis em redes não direcionadas:
  • Personagens femininas estão sobrerrepresentadas entre os discutentes centrais (grau de saída) e os mais discutidos (grau de entrada).
  • Existe um padrão de atenção entre gêneros assimétrico: arestas de mulheres para homens ocorrem significativamente mais frequentemente do que de homens para mulheres ($F \to M / M \to F = 1,26$).

Significância e Alegações

O artigo afirma oferecer uma nova lente computacional para a análise literária que vai além das métricas de interação simples. Ao integrar uma teoria de componentes de personagem com análise de redes, os autores demonstram que:

1. A Significância do Personagem é Multifacetada: Uma visão abrangente de um personagem requer a consideração da interioridade, descrição e discussão, não apenas presença física ou diálogo.
2. Grafos Direcionados Revelam Novas Camadas Sociais: A Rede de Discussão descobre dinâmicas relacionais (quem discute quem) que são invisíveis para as redes tradicionais de coocorrência ou diálogo não direcionadas.
3. O Gênero Molda o Espaço Narrativo: A análise computacional fornece evidências empíricas para dinâmicas de gênero na discussão de personagens, mostrando que as mulheres têm maior probabilidade de serem o tópico de discussão e de discutirem outras pessoas, uma nuance perdida por estudos de rede anteriores.

Os autores concluem que, embora seus métodos sejam atualmente limitados a romances de terceira pessoa do século XIX em inglês devido aos custos de anotação e desafios de correferência em narrativas de primeira pessoa, este arcabouço fornece uma base robusta para trabalhos futuros na escala da teoria literária para grandes corpora. Eles declaram explicitamente que seu objetivo é facilitar pesquisas futuras, em vez de fornecer uma solução definitiva e livre de erros para todas as formas narrativas.