Juliana Bertucci Bertucci Barbosa

Prof. Dr. Juliana Bertucci Bertucci Barbosa

orcid

Research Focus & Metrics

Academic Career Length

16Years (2011-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
13 January 2021 in Cadernos de Linguística
Verified
Journal Article
Open access
PDF file
MVMarcia dos Santos Machado Vieira
Marcia dos Santos Machado Vieira
JBJuliana Bertucci Bertucci Barbosa
Juliana Bertucci Bertucci Barbosa
RFRaquel Meister Ko Freitag
Raquel Meister Ko Freitag
Maria Manuel BorgesMaria Manuel Borges
Maria Manuel Borges
AMAna Lígia Silva Medeiros
Ana Lígia Silva Medeiros
Este artigo apresenta a proposta de uma plataforma digital nacional de arquivos de dados linguísticos e metadados interconectados para suporte às investigações linguísticas, com amostras de textos falados, escritos e/ou sinalizados das diferentes regiões brasileiras. Tal plataforma brasileira digital de bancos de dados linguísticos atende as demandas atuais da Ciência Aberta, que visam ao compartilhamento de informações, seu uso e reuso e (inter)ações coletivas não apenas dentro da comunidade científica, mas também para além dela, atingindo toda a sociedade. Além disso, evidenciamos como um repositório on-line possibilita a criação de redes de cooperação entre os linguistas atuantes em território nacional, contribui para a formação inicial e continuada de novos pesquisadores, promove a Educação Patrimonial e a difusão e popularização da área nos mais diversos espaços.

19 December 2025 in Cadernos de Linguística
Verified
Journal Article
Open access
PDF file
RFRaquel Freitag
Raquel Freitag
MVMarcia dos Santos Machado Vieira
Marcia dos Santos Machado Vieira
JBJuliana Bertucci Bertucci Barbosa
Juliana Bertucci Bertucci Barbosa
MJMiguel Oliveira, Jr.
Miguel Oliveira, Jr.
CACleber Ataíde
Cleber Ataíde
VDValter de Carvalho Dias
Valter de Carvalho Dias
Generative artificial intelligence is based on large-scale language models (LLMs), which are trained with data most often collected without consent or in breach of copyright. LLMs are trained with billions of words and millions of parameters, but we don't know exactly which texts are selected in the training or which parameters are controlled. While unsupervised learning requires a large volume of data, demanding more and more computational costs and generating energy impacts, supervised learning with structured and tagged data can optimize this process; more than that: supervised learning with structured and tagged data resulting from language documentation projects can contribute directly to the National Artificial Intelligence Plan: “Develop advanced language models in Portuguese, with national data that encompasses our cultural, social and linguistic diversity, to strengthen sovereignty in AI.” In Brazil, in addition to Portuguese and its varieties, there are more than 250 other languages (indigenous, immigration, sign language), which are neglected in digital inclusion due to a lack of structured data. The consortium of laboratories and research groups in this INCT aims to prepare linguistic data for the training of LLMs, considering Brazil's linguistic diversity, with the development of a joint protocol for collecting linguistic data in the field, to be replicated in the groups and laboratories longitudinally, as well as transcription procedures, as well as procedures for transcribing, aligning and labeling linguistic data to create a data set that represents Brazilian linguistic diversity, and conducting studies on linguistic processing of diversity to fine-tune LLMs, helping to reduce asymmetries and prejudice resulting from training LLMs with translations from English. A inteligência artificial generativa é baseada em modelos de língua em larga escala (LLMs), que são treinados com dados na maioria das vezes coletados sem consentimento ou infringindo direitos autorais. LLMs são treinados com bilhões de palavras e milhões de parâmetros, mas não sabemos exatamente quais textos são selecionados no treinamento ou quais parâmetros são controlados. Enquanto o aprendizado não supervisionado requer um grande volume de dados, demandando cada vez mais custos computacionais e gerando impactos energéticos, o aprendizado supervisionado, com dados estruturados e etiquetados pode otimizar esse processo; mais do que isso: o aprendizado supervisionado com dados estruturados e etiquetados resultantes de projetos de documentação linguística podem contribuir diretamente para o Plano Nacional de Inteligência Artificial: “Desenvolver modelos avançados de linguagem em português, com dados nacionais que abarcam nossa diversidade cultural, social e linguística, para fortalecer a soberania em IA.” No Brasil, além do português e suas variedades, há mais de 250 outras línguas (indígenas, de imigração, sinalizadas), negligenciadas na inclusão digital por falta de dados estruturados. O consórcio de laboratórios e grupos de pesquisa neste INCT visa a preparação de dados linguísticos para o treinamento de LLMs, considerando a diversidade linguística brasileira, com o desenvolvimento de um protocolo conjunto de coleta de dados linguísticos em campo, a ser replicado nos grupos e laboratórios longitudinalmente, assim como procedimentos de transcrição, alinhamento e etiquetagem de dados linguísticos para a constituição de um conjunto de dados que represente a diversidade linguística brasileira, e a realização de estudos sobre processamento linguístico da diversidade para o ajuste fino dos LLMs, contribuindo para a redução de assimetrias e preconceito resultantes do treino de LLMs com traduções do inglês.

27 February 2012 in Signótica
Verified
Journal Article
Open access
PDF file
JBJuliana Bertucci Bertucci Barbosa
Juliana Bertucci Bertucci Barbosa
TMTalita De Cássia Marine
Talita De Cássia Marine
Neste artigo, analisaremos os processos de ampliação lexical relacionados à recontextualização e à reutilização de palavras. Para tal, selecionamos 50 nomes de animais em PB e as consultamos em dois dicionários, sendo extraídas apenas as definições com sentido conotativo relacionadas a atributos e a ações humanas. Por meio desse estudo, confirmamos alguns princípios linguísticos praticamente consensuais, dos quais destacamos o fenômeno polissêmico como um dos fatores que mais contribuem para a economia do sistema linguístico.

26 June 2020 in Estudos Linguísticos (São Paulo. 1978)
Verified
Journal Article
Closed access
PDF file
JBJuliana Bertucci Bertucci Barbosa
Juliana Bertucci Bertucci Barbosa
DFDeolinda de Jesus Freire
Deolinda de Jesus Freire
Este artigo tem como objetivo apresentar parte do resultado de uma pesquisa que vem sendo realizada no âmbito do Mestrado Profissional em Letras (Profletras) da Universidade Federal do Triângulo Mineiro (UFTM) desde 2016. Nessa etapa, elaboramos e aplicamos um questionário para diagnosticar conceitos que os professores da Educação Básica, alunos do mestrado profissional, têm sobre a diversidade linguística, tanto no Português Brasileiro quanto na Língua Adicional, em sua prática profissional. Também foi investigado como essa diversidade é abordada em suas aulas e se eles têm conhecimento do Celpe-Bras. A partir da análise das respostas do questionário, propomo-nos a refletir sobre posicionamentos teóricos que envolvem a formação de professores no que se refere à abordagem da diversidade linguística no ensino de língua portuguesa, bem como o plurilinguismo no Brasil.

30 July 2019 in Iniciação & Formação Docente
Verified
Journal Article
Closed access
PDF file
JBJuliana Bertucci Bertucci Barbosa
Juliana Bertucci Bertucci Barbosa

28 December 2024 in Revista Intertexto
Verified
Journal Article
Open access
PDF file
MLMaria Alice Maximiâno Lins
Maria Alice Maximiâno Lins
PTPriscila Marques Toneli
Priscila Marques Toneli
JBJuliana Bertucci Bertucci Barbosa
Juliana Bertucci Bertucci Barbosa
The present article presents an analysis of referential lexical cohesion through anaphora used in written textual productions in the ENEM style. The primary objective of the research was to identify and recognize the types of cohesion that occurred and how they contribute to the construction of textual coherence, as well as how the mechanisms support this, in order to assist students in a more productive, conscious, and active writing process. We start from the hypothesis that the use is varied to avoid the repetition of words and to meet the evaluation expectations of cohesion competence in these assessment tests. Our theoretical framework is based on studies by Marcuschi (1983, 2008), Koch (2004), Costa Val (1991), Antunes (2005), and Cavalcanti (2014), among others, which point to the referential process as essential in constructing sequences that convey the meaning of the text and as a driving force in textual progression and maintenance, which are important for coherence. The corpus consists of textual productions from a preparatory writing course for the ENEM/college entrance exams in the city of Uberaba-MG, and the analysis involves identifying, classifying, and quantifying the occurrences of cohesion mechanisms (in anaphora). The results showed a higher number of occurrences of coreferential anaphora without recategorization, mainly through the use of synonyms rather than repetition of terms. As for the group of non-coreferential anaphora, there was a greater number of occurrences involving the use of non-labeling nominal phrases. Overall, these results contribute to understanding the mechanisms most frequently used by students in the context of college entrance exams when planning writing activities.