Voice Under Revision: Large Language Models and the Normalization of Personal Narrative

Resumo Técnico: Voice Under Revision: Large Language Models and the Normalization of Personal Narrative

Autor: Tom van Nuenen (UC Berkeley)

1. O Problema (Contexto e Motivação)

O estudo aborda a mediação textual causada pelo uso de Grandes Modelos de Linguagem (LLMs) na escrita assistida. Na área de Humanidades Digitais (DH), o estilo linguístico (uso de pronomes, contrações, padrões lexicais) é frequentemente tratado como evidência de "voz", identidade e experiência vivida, especialmente em narrativas pessoais.

O problema central é que a revisão por IA não é apenas uma correção gramatical, mas uma intervenção probabilística que pode alterar sistematicamente as características estilísticas que os pesquisadores utilizam para interpretar textos. O autor questiona se a revisão por LLMs impõe uma "normalização" — um deslocamento em direção a um registro linguístico mais polido, impessoal e menos situado — e se esse efeito é consistente entre diferentes modelos de IA.

2. Metodologia

O estudo utiliza um design experimental rigoroso:

• Corpus: 300 narrativas pessoais do dataset EmpathicStories, selecionadas para incluir variações de registro (transcrições de histórias orais, posts de Reddit, etc.).
• Modelos de IA: Três modelos de fronteira: GPT-5.4, Claude Sonnet 4.6 e Gemini 3.1 Pro.
• Condições de Prompt (Variáveis Independentes):
  1. Generic improvement (Melhoria genérica).
  2. Rewrite-only (Apenas reescrever, sem termos avaliativos como "melhorar").
  3. Voice-preserving (Instrução explícita para preservar a voz e o tom emocional do autor).
• Métricas de Análise: Foram utilizados 13 marcadores baseados em estilística computacional e estudos de registro, divididos em:
  • Palavras de função (proporção e cobertura).
  • Vocabulário (diversidade lexical como MTLD, riqueza de Honoré’s R, comprimento médio das palavras).
  • Sintaxe e Pontuação (comprimento de frases, frequência de vírgulas e travessões).
  • Registro (densidade de contrações, uso de pronomes de primeira pessoa e palavras de emoção).
• Análise Estatística: Testes t pareados, tamanho de efeito (Cohen’s d), análise de componentes principais (PCA) para espaço estilométrico e testes de recuperabilidade de texto original.

3. Resultados Principais

Os resultados revelam uma convergência direcional impressionante entre todos os modelos:

• Padrão de Normalização: Independentemente do modelo ou do prompt, a IA empurra o texto para um registro mais formal e "editado".
  • Diminuição: Palavras de função, pronomes de primeira pessoa e contrações (reduzindo a sensação de oralidade e imediatismo).
  • Aumento: Diversidade de vocabulário, comprimento das palavras e elaboração de pontuação (aumentando a complexidade sintática e o tom de prosa literária).
• Ineficácia do Controle via Prompt: Instruções para "preservar a voz" reduziram a magnitude do efeito em cerca de 32%, mas não alteraram a direção da transformação. A IA é mais eficaz em suprimir o que o usuário pede para manter (como a densidade de pronomes) do que em evitar o que ela tende a adicionar (como a inflação de vocabulário).
• Convergência Estilométrica: No espaço de PCA, os textos originais são dispersos, enquanto os textos reescritos agrupam-se densamente em uma região comum. A capacidade de identificar o texto original a partir da reescrita caiu drasticamente (em modelos como Claude e Gemini, a precisão de correspondência caiu para níveis próximos ao acaso).
• Mudança de Postura Narrativa (Narrative Stance): A IA altera a forma como o narrador se posiciona:
  • De uma narração incorporada/eventiva (descrever eventos conforme ocorrem) para uma narração distanciada/retrospectiva (olhar para trás com sabedoria e abstração).
  • De um raciocínio causal explícito para uma abstração interpretativa comprimida.

4. Contribuições e Significância

O artigo oferece contribuições críticas para as Humanidades Digitais e para o estudo da IA:

1. Assimetria do Controle do Usuário: Demonstra que os usuários têm pouco poder para impedir a "limpeza" estilística dos modelos; a IA remove traços de identidade de forma mais persistente do que aceita instruções para preservá-los.
2. Risco à Integridade de Corpus: Se a revisão por IA se tornar o padrão na digitalização de arquivos (ex: transcrição de histórias orais), pesquisadores podem estar analisando um "registro normalizado" que não reflete a realidade do autor original, comprometendo estudos de autoria e análise de gênero.
3. Implicações Metodológicas: O estudo alerta que a "voz" detectada em textos assistidos por IA pode ser uma simulação estilizada (uma "voz performática") e não um traço autêntico do sujeito, exigindo que pesquisadores de DH incluam metadados de proveniência (indicando se o texto passou por mediação de IA).

Conclusão: A normalização não é um erro de um modelo específico, mas uma característica estrutural da forma como os LLMs atuais operam, transformando narrativas situadas e humanas em prosa padronizada, previsível e impessoal.