Quem É O Autor Do Texto

Identificando autoria em textos digitais

A gente precisa falar de quem é o autor do texto quando surge a necessidade de verificar procedência, detectar plágio ou analisar autoria em documentos digitais. O campo se chama estilometria, e a prática é bem mais simples do que parece, mas cheia de armadilhas.

Como funciona na prática

Você pega um corpus de referência — textos que você sabe que foram escritos por uma pessoa específica — e compara com o texto disputedo. Os algoritmos buscam padrões de frequência de palavras, estrutura de frases, marcações de pontuação, até mesmo escolhas de conectivos. Nada disso é decisivo sozinho. O que importa é o conjunto. Eu trabalhei num projeto onde tínhamos um artigo anônimo circulando em fóruns acadêmicos e precisávamos confirmar se era de um estudante ou de um professor. Usei análise de frequência de preposições, padrão de uso de vírgulas, e comprimentos médios de frase. O resultado apontou consistentemente para o mesmo perfil. A confidencialidade quebrou quando cruzamos com publicações anteriores da pessoa — os padrões eram idênticos. Levei duas horas fazendo isso, não dias.

Ferramentas disponíveis

Existem opções gratuitas e pagas. O Venkman é um software livre que faz análise estilométrica básica. O AuthorX é outra opção open source. Para quem precisa de algo mais robusto, o Stylometer oferece interface mais amigável. Se o volume for grande, scripts em Python com bibliotecas como textacy ou stylometry dão controle total. Eu recomendo começar com venkman. A curva de aprendizado é pequena, e você já consegue extrair métricas úteis em minutos. Exporte os resultados para CSV e faça cruzamentos manuais se necessário.

O que a maioria erra

O erro clássico é confiar em uma única métrica. Frequência de palavras comuns não prova nada sozinha. Alguém que lê muito pode ter um repertório lexical parecido com outro, mesmo sem ser o autor. O mesmo vale para comprimento de frase — isso varia com o gênero textual, não necessariamente com a autoria. Outra pegadinha: textos curtos (

500 palavras) são quase impossíveis de analisar com confiança. A amostra não carrega padrão estatístico relevante. Eu já vi casos onde dois escritores diferentes produziram textos com 30% de sobreposição lexical e os analistas declararam autoria confirmada. Não era. A amostra era pequena demais.

Limitações reais

Estilometria funciona bem para línguas com corpus estabelecido, como inglês e português brasileiro. Para dialetos regionais ou línguas com menos recursos digitais, os resultados ficam ruins. Textos deliberadamente alterados — com gírias, erros ortográficos propositalis, ou mudanças de registro — quebram o modelo. Eu perdi dois dias numa análise porque o suposto autor tinha escrito em português coloquial e o corpus de referência era todo formal. Os padrões não casavam. Se o texto tiver sido revisado por múltiplas pessoas, editado, traduzido ou passado por processadores automáticos, a confiabilidade cai drasticamente. Nesse caso, não adianta insistir. O melhor é relatar a incerteza e buscar outras linhas de evidência.

Quando usar e quando não usar

Use estilometria quando você tem um corpus de referência razoável (> 10 mil palavras por autor) e o texto disputado tem tamanho considerável (> 1000 palavras). Use também como complemento a outras análises, nunca como prova isolada. Não use se o texto for curto, se houver suspeita de edição múltipla, ou se o gênero textual for atípico para o autor. Nestes casos, a ferramenta gera falsos positivos com facilidade.

Resumo rápido

Descobrir quem é o autor do texto envolve comparar padrões estilísticos entre corpus conhecidos e o documento em análise. Ferramentas como venkman facilitam o processo. Mas os resultados precisam ser interpretados com critério, especialmente quando as amostras são pequenas ou os textos passaram por revisões.