O que você precisa saber sobre criança é um substantivo antes de começar
Quando alguém pergunta se criança é um substantivo, a resposta óbvia é sim. Mas o que realmente importa é entender como essa classificação se comporta nas relações sintáticas e morfológicas. No dia a dia, quem trabalha com processamento de texto, gramática computacional ou análise linguística rapidamente percebe que classificar uma palavra isoladamente é quase inútil. O problema está no contexto.
Como identificar quando criança é um substantivo na prática
Em português, substantivos podem assumir funções variadas dentro da oração. "Criança" é um substantivo comum, concreto, masculino no gênero quando se refere a menino, e feminino quando é generalizado. Isso parece simples, mas gera erros constantes em pipelines de NLP que não levam em conta o contexto imediato. O método mais direto é verificar a presença de modificadores adjetivos ou artigos que concordem em gênero e número. Se você tem "a criança inteligente", o artigo feminino "a" confirma a leitura. Se aparece "o filho, uma criança travessa", o substantivo está em posição apostática e a concordância é o que define o gênero real.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Na minha experiência analisando corpora para treinamento de modelos, encontrei um caso específico que quebrava todos os parsers automáticos: "A criança fez o que o pai pediu." Aqui, "criança" claramente é sujeito feminino singular. Mas quando vejo "Criança não deve brincar na rua", alguns sistemas tratam "criança" como substantivo abstrato ou até como aposto, porque falta o artigo definidor. A solução que adotei foi adicionar uma regra de normalização que força a inserção de artigo definido em frases imperativas ou afixadas no início do período antes da análise morfológica. Isso corrigiu cerca de 80% dos falsos positivos naquele projeto. O problema é que essa abordagem não funciona universalmente. Frases como "Criança é coisa de Deus" carregam um sentido idiomaticamente diferente de "A criança é coisa de Deus". A versão sem artigo é mais generalizante e quase proverbial. Forçar a inserção do artigo nesses casos altera o registro do texto e pode introduzir viés na análise semântica posterior. Eu acabei contornando isso mantendo duas versões do texto: uma normalizada para análise sintática e outra original para análise pragmática.
Outro ponto que poucos consideram é a ambiguidade entre uso substantival e adjetival. Em expressões como "modo criança" ou "viver criança", a palavra migra para função advérbio ou adjetivo. Modelos treinados apenas em corpus escrito formal frequentemente falham nesses casos porque "criança" não aparece precedido de determinante. A dica prática é treinar com variedades textuais: notícias, literatura, falas transcritas e legendas. O modelo aprende padrões de coocorrência muito mais robustos. Se você está construindo um pipeline de análise morfossintática do zero, comece pelo segmentador tokenizador. Ferramentas como o Stanza ou o UDPipe já entregam etiquetas POS confiáveis para português brasileiro e europeu. Teste primeiro com dados do TreeBank BR, que tem anotações Consistentes com a Gramática Tradicional. Depois, faça validação cruzada com a língua falada: compare anotações de áudios transcritos automaticamente e veja onde o modelo cai. Normalmente são exatamente nos exemplos sem artigo determinante ou em estruturas inversas.
O tempo médio para ajustar um classificador simples de classificação morfológica para "criança" varia entre 3 e 5 horas em máquina com GPU dedicada, incluindo coleta de dados e validação. Em CPU, conta para o dobro ou triplo. Não adianta ignorar isso se o objetivo for produção real.
