Text readability analysis with Natural Language Processing Tools: assessment of the “Literatura para Todos” Collection

O presente trabalho apresenta resultados de pesquisa referente à inteligibilidade dos livros da Coleção Literatura para Todos 1, publicada pelo MEC/SECAD (2006) e distribuída para jovens e adultos recém-alfabetizados. A investigação da inteligibilidade dos textos buscou conjugar pressupostos da Psicolinguística e ferramentas de processamento automático da língua portuguesa. Utilizamos critérios de inteligibilidade referidos na literatura psicolinguística, e tentamos capturar de maneira objetiva o grau de complexidade linguística dos livros através de ferramentas computacionais: o analisador morfossintático PALAVRAS e o programa Coh-Metrix Port. Nossos resultados sugerem que os livros dessa coleção são complexos para o público pretendido. Assumindo que os neoleitores estão na etapa inicial do processo de alfabetização, é nítido que esses livros exigem um esforço de decodificação da escrita que está além de sua capacidade.This paper presents results of a research on readability of the Literatura para Todos 1 Collection, published by MEC/SECAD (2006) and distributed to newly literate youth and adults. The investigation of text readability combined assumptions from Psycholinguistics and natural language processing tools. We used readability criteria referred in psycholinguistics literature and tried to evaluate objectively the degree of linguistic complexity of the books by means of computational tools: the morphosyntactic analyzer PALAVRAS and the program Coh-Metrix Port. Our results suggest that these books are complex for the intended audience. Assuming that new readers are in the initial stage of literacy process, it is clear that reading the books of the Collection takes an effort which is beyond their ability