Artificial intelligence and the new frontiers of linguistic cartography

Authors

DOI:

https://doi.org/10.18764/2595-9549v8n16e26166

Keywords:

Dialectology, linguistic corpus, data mining

Abstract

Artificial intelligence (AI) is opening up new horizons for linguistic cartography, enabling a deeper and more accurate analysis of the geographic distribution and variation of languages. This article explores the main trends and challenges of applying AI in this field, highlighting its potential to revolutionize how we study and understand human language. We present examples of research projects that use AI techniques to analyze large text corpora, identify variation patterns, and create interactive maps. Finally, we discuss future research perspectives, exploring how AI can contribute to the creation of more sophisticated linguistic analysis tools, the preservation of linguistic diversity, and the development of technologies for intercultural communication. 

Downloads

Download data is not yet available.

Author Biographies

Antonio Carlos Santana de Souza, Universidade Estadual de Mato Grosso do Sul

Bolsista Produtividade CNPq/FUNDECT. Pós Doutor em Linguística PNPD-CAPES (2018/2019). Pós Doutor em Linguística pela UNEMAT (2016). Doutor em Letras pela UFGRS (2015). Mestrado em Semiótica e Linguística Geral pela Universidade de São Paulo (2000). Possui graduação - Bacharelado e Licenciatura em Letras (Português/Hebraico e Respectivas Literaturas) pela FFLCH da Universidade de São Paulo (1998). Docente Efetivo Nível 5 da Universidade Estadual de Mato Grosso do Sul. Coordenador do PROFLETRAS/Campo Grande da Universidade Estadual de Mato Grosso do Sul (UEMS). Docente Permanente do Programa de Pós-graduação (Mestrado/Doutorado) em Linguística da UNEMAT/Cáceres. Docente Permanente PROLETRAS-Campo Grande/UEMS. Atualmente é Líder do Núcleo de Pesquisa e Estudos Sociolinguístico e Dialetológicos do CNPq (NUPESD-UEMS) e do Laboratório Sociolinguístico de Línguas Não-Indo-europeias e Multilinguismo do CNPq (LALIMU). Avaliador de Cursos do INEP/MEC. É o Editor-chefe da Web-Revista SOCIODIALETO (ISSN 2178-1486, https://periodicosonline.uems.br/index.php/sociodialeto/index, Qualis B2) desde 2010. 

Nágila Kelli Prado Sana, Secretaria de Educação do Estado de Mato Grosso do Sul

Doutoranda em Linguística pela Universidade Estadual do Mato Grosso, com ênfase na análise do impacto da escravidão na toponímia feminina das comunidades quilombolas brasileiras, investigando o reflexo do preconceito e o estigma social. Mestra em Letras e graduada em Letras (Português/Inglês) e estudante de Direito pela Faculdade Anhanguera Dourados-MS.Com sólida experiência em ensino de Língua Portuguesa em diversos níveis, atuei como docente em escolas estaduais, cursinhos pré-vestibulares e instituições de ensino superior, como a Faculdade Estácio de Sá. Atualmente, sou professora efetiva na Secretaria de Educação do Estado de Mato Grosso do Sul. Minha trajetória profissional inclui a coordenação da área de Linguagens em escolas estaduais e a atuação como coordenadora da CPA - Comissão Própria de Avaliação em uma instituição de ensino superior. Possuo experiência em formação de professores e já ministrei palestras e cursos sobre temas como Reforma Ortográfica e Acordo Ortográfico. Minha pesquisa de doutorado, além de analisar as influências das línguas africanas no português brasileiro, aprofunda a compreensão sobre a construção identitária e as relações de poder nas comunidades quilombolas, com foco nos nomes femininos.

References

BIBER, D. et al. Longman grammar of spoken and written English. Longman, 1994.

BLOMMAERT, J.; RAMPTON, B. Language and superdiversity. Diversities, Paris, v. 13, n. 2, p. 1-21, 2011.

CASTILHO, Ataliba Teixeira de. Nova gramática do português brasileiro. São Paulo: Contexto, 2010.

CROOM, C. Cartography: A Basic Introduction. London: George Philip, 1999.

GOMES DE CARVALHO, M. E. Cartografia Linguística: Uma Introdução. São Paulo: Cortez Editora, 2008.

GOOSKENS, C. Atlas of language variation in Europe. Oxford University Press, 2007.

ISQUERDO, Aparecida Negri. As ciências do léxico: lexicologia, lexicografia, terminologia: volume III. UFMS, 2007.

JURAFSKY, Daniel; MARTIN, James H. Speech and Language Processing. 3. ed. Pearson, 2023.

MATTOS E SILVA, Rosa Virgínia. Para uma história do português do Brasil. São Paulo: Contexto, 2001.

MORETTI, Franco. Distant reading. Londres: Verso, 2013.

MANNING, Christopher D.; SCHÜTZE, Hinrich. Foundations of statistical language modeling. MIT press, 1999.

Teses e Dissertações:

SILVA, M. G. A cartografia linguística na era digital: novas perspectivas para o estudo da variação linguística. Tese de doutorado, Universidade de São Paulo. 2015.

Artigos em periódicos (eletrônicos):

BENDER, Emily et al. On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?. arXiv preprint arXiv:2201.07285, 2022.

BIRD, Graham et al. OpenAI GPT-3: Language Models That Can Generate Text, Translate Languages, Write Different Kinds of Creative Content, and Answer Your Questions in an Informative Way.. arXiv preprint arXiv:2201.07285, 2022.

VASWANI, Ashish et al. Attention is all you need.. arXiv preprint arXiv:1706.03762, 2017.

Sites:

IBM. Inteligência Artificial. Disponível em: https://www.ibm.com/br-pt/topics/artificial-intelligence. Acesso em: 08 jul. 2024.

SOCIEDADE BRASILEIRA DE COMPUTAÇÃO. Inteligência Artificial. Disponível em: https://sbc.org.br/2-uncategorised/94-inteligencia-artificial. Acesso em: 08 jul. 2024.

Ferramentas e Plataformas:

Gephi. Gephi Consortium. Gephi: Open Graph Viz Platform. Versão 0.10.1. Disponível em: https://gephi.org/. Acesso em: 10 jul. 2024.

Google Colaboratory. Google. Google Colaboratory. Disponível em: https://colab.research.google.com/. Acesso em: 10 jul. 2024.

NLTK (Natural Language Toolkit). BIRD, S.; KLEIN, E.; LOPER, E. NLTK: the natural language toolkit. Disponível em: https://www.nltk.org/. Acesso em: 10 jul. 2024.

Python. PYTHON SOFTWARE FOUNDATION. Python Programming Language. Versão 3.12. Disponível em: https://www.python.org/. Acesso em: 10 jul. 2024.

QGIS (Quantum GIS). QGIS DEVELOPMENT TEAM. QGIS Geographic Information System. Versão 3.36. Disponível em: https://www.qgis.org/. Acesso em: 10 jul. 2024.

R. R CORE TEAM. R: A language and environment for statistical computing. Versão 4.3.1. R Foundation for Statistical Computing, Vienna, Austria. Disponível em: https://www.R-project.org/. Acesso em: 10 jul. 2024.

scikit-learn. PEDREGOSA, F. et al. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, v. 12, p. 2825-2830, 2011. Disponível em: https://scikit-learn.org/. Acesso em: 10 jul. 2024.

spaCy. HONNIBAL, M.; MONTANI, I.; VAN LANDEGHEM, S.; BOYD, A. spaCy: Industrial-strength Natural Language Processing in Python. Versão 3.7. Disponível em: https://spacy.io/. Acesso em: 10 jul. 2024.

Downloads

Published

2025-04-10

How to Cite

SOUZA, Antonio Carlos Santana de; SANA, Nágila Kelli Prado.
Artificial intelligence and the new frontiers of linguistic cartography
. Infinitum: Revista Multidisciplinar , v. 8, p. 1–22, 10 Apr. 2025 Disponível em: https://cajapio.ufma.br/index.php/infinitum/article/view/26166. Acesso em: 16 aug. 2025.

Issue

v. 8, n. 16, 2025: Dossiê PARFOR

Section

Artigos

License

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

A Infinitum: Revista Multidisciplinar está licenciada com uma Licença Creative Commons Atribuição 4.0 Internacional.