GAPCORE v5.1 — Dataset auditável e análise de robustez de métricas linguísticas de negatividade, agência e contexto em corpus literário multilíngue

Descrição O GAPCORE nasceu de uma intuição simples e exigente: a linguagem humana não apenas descreve o mundo, mas também distribui peso, responsabilidade, circunstância, dano e, às vezes, reparação. Se isso for verdade, então textos podem guardar vestígios observáveis dessas forças. Este projeto não pretende reduzir a ética a números, nem transformar pessoas em índices. Seu propósito é mais modesto e, por isso mesmo, mais sério: construir uma base auditável, reproduzível e prudente para estudar como a linguagem organiza aquilo que chamamos de agência, contexto e negatividade. A ideia central do GAPCORE é tratar livros e outros textos como registros duradouros da linguagem humana. Quando muitos textos são reunidos em diferentes idiomas, eles podem servir como um campo inicial de observação para um software linguístico capaz de detectar padrões recorrentes: quando a linguagem enfatiza ação e autoria do ato; quando desloca o peso para circunstâncias e contexto; quando intensifica dano, conflito e negatividade; e quando, eventualmente, abre espaço para reparação. Este depósito apresenta a versão v5.1 do GAPCORE como um dataset + pipeline + resultados exploratórios, com foco explícito em: integridade dos dados, rastreabilidade por manifestos e hashes, auditoria dos textos realmente presentes, e interpretação metodologicamente prudente. O que este release contém Esta versão inclui: tabelas de métricas por livro; agregações por idioma; diagnósticos de corpus; resultados estatísticos; relatórios de robustez; e arquivos de integridade para auditoria externa. A organização foi pensada para facilitar tanto a leitura humana quanto a reprodutibilidade técnica. O objetivo deste release não é apresentar uma teoria final, mas deixar um instrumento honesto, que possa ser examinado, criticado, refinado e continuado. O que foi encontrado até agora Entre os marcadores avaliados, o resultado mais robusto desta fase foi o índice NEG (negatividade linguística). No ambiente de análise atual, executado e auditado no Replit, o marcador NEG permaneceu associado ao idioma mesmo após controles simples de forma textual, incluindo: tamanho do texto, riqueza lexical, e pontuação. Essa observação foi importante porque, ao longo do desenvolvimento do GAPCORE, uma das maiores dificuldades foi justamente distinguir: o que era sinal real, do que poderia ser apenas artefato de estilo, tamanho ou estrutura textual. Em outras palavras: a negatividade encontrada nesta fase não parece ser explicada apenas por textos maiores, vocabulário mais rico ou diferenças de pontuação. Isso não significa que o projeto tenha resolvido o problema da linguagem moral, nem que a negatividade seja “a verdade” sobre um idioma ou sobre pessoas. Significa algo mais modesto, e ao mesmo tempo importante: há indícios de que NEG está captando um padrão linguístico estável no corpus atual. O que isso significa em linguagem comum No dia a dia, este resultado pode ser entendido assim: alguns textos carregam o mundo com mais peso, mais conflito, mais dano, mais sombra. Outros distribuem esse peso de forma diferente. O GAPCORE tenta observar isso de maneira explícita e reprodutível. O marcador NEG não diz que uma pessoa, uma cultura ou uma língua “é negativa” em essência. Ele apenas sugere que, no corpus atual, existe um padrão detectável de negatividade linguística que não se reduz facilmente a artefatos simples de forma textual. Esse tipo de resultado pode ser útil, no futuro, para: estudar como textos distribuem responsabilidade e circunstância; comparar diferentes tipos de discurso; investigar padrões de dano, conflito e reparação; e ajudar na auditoria de linguagem em sistemas automáticos e de IA. O que este projeto ainda não tem Um ponto central deste release é a honestidade metodológica. O GAPCORE ainda não deve ser interpretado como: uma medida direta de moralidade humana; uma prova de causalidade psicológica; ou um sistema pronto de julgamento ético. Também é importante afirmar com clareza que: o corpus atual é majoritariamente literário; nem todos os índices compostos mostraram estabilidade suficiente; alguns resultados ainda dependem de validação adicional; e ainda falta validação humana sistemática para vários construtos. Em especial: NEG é hoje o marcador mais promissor; AGENCY e CONTEXT ainda exigem o mesmo protocolo completo de robustez; IDX e outras composições devem ser tratados com cautela e como hipótese em aberto. Dificuldades enfrentadas Este projeto foi construído com muitas dificuldades práticas e metodológicas. Entre elas: organização e limpeza de corpus; auditoria de textos realmente presentes; correção de duplicatas; limitação de memória e armazenamento; ajustes sucessivos de pipeline; necessidade constante de revisar resultados para evitar exagero; e o desafio permanente de não confundir entusiasmo com prova. Por isso, esta versão procura demonstrar não apenas um achado, mas também um compromisso: o compromisso de dizer apenas o que os dados permitem dizer. O valor deste trabalho não está em afirmar grandezas prematuras, mas em mostrar o caminho percorrido com transparência: o que foi encontrado, o que ainda não foi encontrado, onde o sinal parece forte, e onde ainda há fragilidade. O que este projeto já oferece de valor científico Mesmo com limitações, o GAPCORE já contribui com algo real: um pipeline reproduzível; um dataset auditável; uma estratégia explícita de integridade e rastreabilidade; um protocolo inicial para distinguir sinal de ruído; e um primeiro achado robusto o suficiente para orientar a próxima fase. O projeto começa a deixar de ser apenas uma intuição e passa a se tornar uma infraestrutura de pesquisa. Próximos passos Os próximos passos mais importantes são: aplicar o mesmo protocolo de robustez usado em NEG aos marcadores AGENCY e CONTEXT; testar com mais profundidade o papel de época, gênero e autor como possíveis confundidores; construir um pequeno conjunto com anotação humana para validar melhor os construtos; comparar literatura com outros domínios textuais; manter a publicação incremental dos resultados, sempre com prudência e transparência. Em uma frase Este depósito apresenta o GAPCORE v5.1 como um projeto auditável, exploratório e cientificamente humilde, que encontrou em NEG seu achado mais robusto até agora, sem esconder suas limitações e sem abandonar o caminho de validação futura.