A medida muda quando a regra de aspas muda
O mesmo romance digital pode dar estimativas bem diferentes do texto contido entre aspas sem que se mude uma única palavra da entrada. Nas duas transcrições examinadas, a variação entre três regras de pontuação fixas foi de 5,78 pontos percentuais em Pride and Prejudice e de 35,70 pontos percentuais em Frankenstein. Essas diferenças dizem respeito a uma medição mecânica do texto. Não mostram quanto cada autora usou diálogo, se uma narrativa é mais conversada que outra nem se os leitores preferem um estilo. O numerador depende de quais tokens (as palavras contadas) cada regra coloca dentro de trechos entre aspas; o denominador depende da transcrição escolhida e do procedimento de extração.
A análise começou com uma verificação pequena, de propósito: os primeiros cinquenta parágrafos mantidos de cada livro. As três regras deram porcentagens idênticas em cada janela inicial. Ao aplicar as mesmas regras aos textos completos extraídos, apareceram divergências que as aberturas não tinham mostrado. Essa sequência é central neste estudo de caso. A concordância em um trecho curto e fácil de obter não bastou para concluir que um analisador de aspas se comportaria de modo consistente no livro inteiro. Nem a concordância inicial nem a divergência posterior mostram uma propriedade universal dos romances; as duas são observações reproduzíveis sobre duas entradas fixas.
Uma pergunta delimitada, não um ranking literário
O que se mede é a porcentagem de tokens de palavras definidos que uma regra classifica como contidos entre aspas duplas, dentro de uma transcrição extraída. A grandeza de sensibilidade é a porcentagem máxima menos a mínima entre as três regras, para a mesma entrada. Manter o denominador fixo em cada comparação separa as escolhas sobre os limites das aspas das diferenças de tamanho entre os livros. A análise não tira a média dos dois romances para estimar a ficção em inglês. Não amostra autores, épocas, países, gêneros nem leitores, e não dá intervalo de confiança para uma população imaginária de livros.
A amostra é escolhida de propósito e fixa: o item 1342 do Project Gutenberg, Pride and Prejudice, de Jane Austen, e o item 42324, a versão de 1831 de Frankenstein, de Mary Shelley. Conversa e narração epistolar ou em moldura são situações contrastantes úteis para examinar regras de aspas, mas esse motivo de escolha não sustenta uma comparação geral de estilos literários. Nenhum romance foi acrescentado depois de os resultados aparecerem. O catálogo maior do Gutenberg, a disponibilidade de idiomas e a cobertura de formatos ficam fora deste estudo. Sua contribuição é uma auditoria de medição dentro de cada texto, e não mais uma contagem de itens de catálogo.
Os livros, as edições e os arquivos baixados
A autoria original continua sendo de Austen e de Shelley. Austen viveu de 1775 a 1817; Shelley, de 1797 a 1851. Pride and Prejudice apareceu pela primeira vez em 1813, mas a folha de rosto do item 1342 que se recebeu identifica a edição ilustrada de 1894 da George Allen, com prefácio de George Saintsbury e ilustrações de Hugh Thomson. Saintsbury viveu de 1845 a 1933 e Thomson, de 1860 a 1920. As contribuições deles são identificadas como tais e não são atribuídas a Austen; o prefácio e os blocos de ilustração ficam fora da narrativa medida. Não é uma comparação de primeiras edições.
O item 42324 identifica a publicação de H. Colburn e R. Bentley, de 1831, e a nota do transcritor descreve uma reimpressão fotográfica dessa edição. A identidade bibliográfica da própria reimpressão não é informada e não é inventada aqui. Os arquivos foram baixados em 30 de outubro de 2026. O cabeçalho do texto de Austen indica uma atualização em 1º de setembro de 2026, enquanto a página de apresentação dele informava 29 de setembro; o cabeçalho de Shelley indica 23 de outubro. Essas datas são diferentes das datas das edições históricas. As impressões digitais (hashes) dos bytes registrados, e não só um título ou um link de download atual, definem as entradas. A pontuação é evidência sobre estas transcrições, não sobre a tipografia dos manuscritos originais das autoras.
Traçar e preservar os limites do corpo do texto
O começo e o fim foram conferidos com o texto ao redor. O corpo de Austen começa na frase inicial sobre uma verdade universal, depois da folha de rosto, do prefácio e do sumário. Termina no último parágrafo sobre os Gardiner, antes da ilustração final, das informações da gráfica e do material do Gutenberg. O corpo de Shelley começa na primeira frase narrativa de Walton, depois da introdução e do prefácio. O destinatário e a data da carta inicial vêm antes desse ponto de partida e ficam de fora. O corpo termina com o desaparecimento da criatura, antes do marcador de fim, das informações da gráfica, das correções do transcritor e da licença. As datas, assinaturas e destinatários de cartas posteriores permanecem no corpo.
Dentro desses limites, os blocos completos de ilustração são removidos por um procedimento de colchetes balanceados. Os títulos de capítulo e de carta, quando estão sozinhos, também são removidos. Linhas em branco definem os parágrafos, e os parágrafos mantidos são unidos por dois caracteres de nova linha. Os pontos exatos de início e fim, as posições em caracteres no texto normalizado e as impressões digitais acompanham o código. É uma especificação de extração reproduzível, e não a afirmação de que cada token mantido seja prosa narrativa. Notas de rodapé no corpo e marcas de formatação que as regras não cobrem continuam presentes. É uma limitação encontrada por inspeção e mantida, em vez de corrigida em silêncio depois dos resultados do texto completo.
Três regras fixadas antes da comparação do texto completo
A regra R1 é uma alternância global de aspas duplas. Aspas curvas são tratadas como aspas retas, e cada marca encontrada troca o estado entre fora e dentro. Um par completo define um trecho, mesmo que cruze limites de parágrafo. Um final sem par é excluído. Essa regra simples ignora a informação de direção das marcas curvas de abertura e de fechamento. Também trata como mudança de estado uma abertura repetida no começo de um parágrafo que continua a mesma fala, mesmo quando quem lê entenderia que a citação continua.
A regra R2 usa a mesma lógica de pares, mas reinicia a cada parágrafo. Os pares completos dentro de um parágrafo contribuem com tokens; um final não concluído é excluído antes de começar o parágrafo seguinte. A regra R3 distingue as aspas curvas de abertura e de fechamento e mantém o estado entre parágrafos. Se uma citação já está aberta, outra marca de abertura no começo de um parágrafo é tratada como continuação. As aspas retas, nos demais casos, alternam, com a mesma convenção de continuação no começo do parágrafo. Reaberturas curvas internas inesperadas e fechamentos soltos são registrados. São três definições de trabalho, e não uma disputa com uma resposta correta já estabelecida. R3 continua sendo uma regra prática (heurística), em especial para tipografia incomum e convenções de aspas misturadas.
Tokens, cobertura e diagnósticos
As palavras são reconhecidas pela expressão declarada [A-Za-z]+(?:['’][A-Za-z]+)*. Apóstrofos retos ou curvos dentro da palavra ficam no token quando estão entre letras; hifens separam tokens e algarismos ficam de fora. Letras acentuadas e ligaduras não estão nas faixas alfabéticas ASCII e, por isso, podem dividir palavras. Um token entra no numerador quando o ponto médio dele cai dentro de um trecho completo entre aspas. Essa convenção torna o cálculo exato e reproduzível, mas não deve ser confundida com um tokenizador linguisticamente completo. Mudar o tokenizador definiria outra análise e não faz parte da comparação apresentada.
As três regras ignoram de propósito as aspas simples como delimitadores independentes. Uma passagem entre aspas simples dentro de uma citação entre aspas duplas já contada não acrescenta cobertura, porque os tokens dela já estão no trecho externo. Falas entre aspas simples no nível mais alto, falas marcadas por travessão e discurso indireto sem marcas podem ficar de fora. Os diagnósticos registram trechos completos, finais sem par, aberturas de continuação, fechamentos soltos e reaberturas internas. Para R2, um final sem par significa que a alternância continua aberta no fim de um parágrafo; isso não prova que o sinal inicial fosse, no sentido semântico, uma abertura de aspas. Listas de posições guardam onde esses finais ocorreram.
O que o piloto de abertura mostrou e o que não podia mostrar
Depois da extração corrigida, os primeiros cinquenta parágrafos mantidos de Austen têm 1.254 tokens, dos quais 955 são contados por todas as regras: 76,1563%. A abertura correspondente de Shelley tem 3.885 tokens, dos quais todas as regras contam 156: 4,0154%. Há 52 trechos completos na abertura de Austen e 13 na de Shelley, sem finais sem par em nenhuma regra. As janelas têm quantidades de texto diferentes, porque os parágrafos variam de tamanho. As porcentagens muito diferentes não devem servir para classificar romances inteiros nem para caracterizar a prática habitual das autoras.
A inspeção de trechos encontrou um defeito na primeira versão da extração, antes de o piloto ser aceito. Uma expressão regular parava a remoção de ilustrações em um colchete aninhado, deixando restos de colchetes e um marcador de ilustração sem legenda que ocupavam posições na janela de cinquenta parágrafos. O resultado inválido de Austen era 850 de 1.140 tokens, ou 74,5614%. A remoção com colchetes balanceados restaurou a janela pretendida e mudou a porcentagem em 1,5949 ponto percentual. O resultado inválido é mantido com um rótulo explícito. Ele é evidência de uma falha de implementação, não uma estimativa geral do viés de extração. A concordância entre as regras de aspas não tinha detectado essa falha.
Sensibilidade do texto completo na transcrição de Austen
O corpo completo extraído de Austen tem 122.174 tokens em 2.060 parágrafos mantidos. R1 inclui 57.181 tokens, ou 46,8029%. R2 inclui 50.280, ou 41,1544%. R3 inclui 57.345, ou 46,9372%. A diferença entre o máximo e o mínimo é de 5,7827 pontos percentuais. R1 encontra 1.751 trechos completos; R2 e R3 encontram 1.735 cada uma. R2 registra 32 finais sem par em fins de parágrafo, enquanto R3 reconhece 32 aberturas de continuação. R1 e R3 terminam sem final sem par; R3 também não registra fechamentos curvos soltos nem reaberturas curvas internas.
O fato de as porcentagens totais da alternância global e da regra com continuação serem próximas não prova que a atribuição dos trechos seja idêntica. A cobertura somada pode esconder mudanças que se compensam, e não se apresenta nenhuma estimativa de exatidão token a token. A diferença maior para a regra que reinicia a cada parágrafo mostra que limitar os pares completos a um único parágrafo exclui texto que as outras definições incluem. A auditoria dos trechos aponta, entre as estruturas relevantes, cartas escritas que se estendem por vários parágrafos. Por isso, uma parcela mecânica maior não pode ser interpretada, automaticamente, como a recuperação de mais conversa falada. Ela também pode incluir mais texto de uma carta ou de outro objeto escrito citado.
Sensibilidade do texto completo na transcrição de Shelley
O corpo completo extraído de Shelley tem 75.234 tokens em 768 parágrafos mantidos. R1 inclui 38.625 tokens, ou 51,3398%. R2 inclui 11.769, ou 15,6432%. R3 inclui 30.545, ou 40,6000%. A variação é de 35,6966 pontos percentuais. R1 informa 388 trechos completos; R2 e R3 informam 293 cada uma. R2 registra 190 finais sem par em fins de parágrafo, e R3 reconhece 190 aberturas de continuação. Nenhuma das duas regras globais termina com final sem par. Como esse arquivo usa aspas duplas retas no texto medido, os diagnósticos de R3 específicos para aspas curvas (fechamentos soltos e reaberturas internas) não resolvem as questões semânticas de fundo.
Esses resultados mostram por que um número par de aspas no final é uma verificação de qualidade fraca. Uma alternância global pode voltar ao estado de fora no fim, depois de ter cruzado limites indevidos antes. Aberturas repetidas de parágrafo podem mudar o estado e alterar longos trechos de cobertura sem deixar desequilíbrio no fim. A auditoria confirma estruturas de continuação no relato da criatura e em uma carta escrita, mas não classifica cada token em disputa nem atribui toda a diferença numérica a uma única característica. A variação observada pertence a esta transcrição e a estas regras, não a Frankenstein em todas as edições.
Uma inspeção sistemática fixa nos dois corpos
Antes de calcular os resultados dos textos completos, foram fixadas doze posições de parágrafo por livro, com índices igualmente espaçados do primeiro ao último parágrafo mantido. Em detalhe, a posição k é 1 + floor(k × (N − 1) / 11), com k de zero a onze e N parágrafos mantidos (floor é a parte inteira). Os 24 parágrafos escolhidos foram todos inspecionados. Os índices (contados a partir de um), as impressões digitais e os rótulos descritivos deles estão no arquivo de auditoria. Esse procedimento distribui a inspeção entre o começo, o meio e o fim, sem escolher parágrafos por darem a maior divergência numérica.
Os parágrafos de Shelley escolhidos incluem uma parte contínua do relato da criatura, uma fala entre aspas simples dentro desse relato, um parágrafo de continuação da carta de Elizabeth e um texto identificado explicitamente como inscrição. Outro parágrafo escolhido é uma nota de rodapé no corpo que cita um título literário. As escolhas de Austen incluem fala direta, narração, perguntas relatadas de modo indireto e correspondência descrita dentro da narração. O espaçamento igual não garante que se cubra toda característica rara, e essas são descrições qualitativas de trechos, não um conjunto de anotações validado de forma independente. A auditoria sustenta descrições específicas das estruturas encontradas, mas não precisão, revocação, prevalência de erros nem concordância entre avaliadores para todo o corpus.
Por que texto entre aspas não pode ser rebatizado de diálogo
Uma auditoria anterior, separada e feita com escolha intencional, inspecionou 26 parágrafos, sendo doze das janelas de abertura e quatorze de trechos diagnósticos posteriores. Ela registra, em Austen, cartas com marcas de continuação, fala relatada aninhada, um provérbio citado e apóstrofos. Em Shelley, registra uma exclamação imaginada de um destinatário, referências literárias, falas inseridas em uma carta sem aspas, uma pergunta relatada sem aspas e uma carta escrita ao longo de vários parágrafos. Essa auditoria é distinta do conjunto sistemático fixo; alguns parágrafos aparecem nos dois, portanto os totais não podem ser somados como se cada trecho inspecionado fosse único. Os exemplos escolhidos de propósito não são usados para estimar uma taxa de erro.
Essas categorias importam porque a citação tipográfica e a função na comunicação respondem a perguntas diferentes. Uma carta pode estar toda entre aspas sem ser uma troca de conversa. Uma inscrição pode ser citada como um objeto que um personagem encontra. Uma expressão pode citar uma obra literária, e uma fala imaginada pode representar uma resposta esperada, não um fato falado. Ao contrário, uma narrativa pode relatar que alguém fez uma pergunta sem marcar as palavras como citação. As regras deste estudo não resolvem essas distinções. Chamar os resultados delas de porcentagens de diálogo introduziria uma afirmação sobre o significado que a medição e a auditoria não validaram.
Limites que restam na extração e alcance da evidência
A auditoria sistemática fixa mostrou uma nota de rodapé de Shelley dentro do corpo, e a inspeção intencional anterior encontrou restos de sintaxe de formatação em torno da saudação de uma carta de Austen. Esses tokens continuam na especificação de extração, que não foi alterada. Mantê-los torna reproduzível o cálculo fixado, mas impede afirmar que o denominador seja prosa narrativa depurada. Retirar a nota de rodapé ou a sintaxe de formatação exigiria uma variante de extração especificada à parte e um novo cálculo, e não uma correção invisível dos números atuais. Do mesmo modo, o tokenizador ASCII, o tratamento dos limites de parágrafo e a exclusão das aspas simples são limites de escopo deliberados, e não escolhas que os resultados observados provem ser as melhores.
A amostra é pequena e escolhida de propósito demais para sustentar uma conclusão sobre uma população. Os textos históricos chegam por transcrições atuais, que podem diferir dos livros impressos de origem, e este estudo não as cotejou com imagens de páginas nem com manuscritos. Não se tenta nenhuma comparação entre pontuação moderna e histórica. Falta também uma anotação semântica de referência feita de forma independente. Essas restrições não apagam as diferenças de sensibilidade dentro de cada entrada, mas delimitam o que elas significam: outra pessoa que analise pode reproduzir como esses três procedimentos se comportam com estes bytes, mas não pode concluir a intenção de uma autora, a experiência de quem lê nem a correção de cada trecho resultante.
Trabalhos anteriores e a contribuição metodológica mais estreita
A análise de citações literárias é uma área de pesquisa estabelecida. O Project Dialogism Novel Corpus traz anotações de citações literárias e de atributos de contexto, e a documentação de citações do LitBank distingue fala direta de outros textos entre aspas. Por isso, a observação de que aspas podem envolver algo que não é diálogo não é apresentada como descoberta. Este estudo não substitui esses recursos de anotação nem estabelece um modelo melhor para atribuir citações. Suas três regras transparentes foram escolhidas para mostrar as decisões de medição, não para competir com sistemas treinados nem para demonstrar desempenho de ponta.
A evidência mais estreita é a combinação de uma comparação fixa de duas transcrições, um piloto curto sem divergência, um resultado bem diferente nos textos completos, diagnósticos explícitos do analisador e uma correção documentada da extração. Ela mostra uma forma de uma verificação preliminar tranquilizadora ser insuficiente para o alcance de um cálculo posterior. Os achados exigem verificação independente do código e da interpretação; uma exclusão de material editorial declarada à parte ou um exercício de anotação semântica tratariam de outras incertezas que restam. Acrescentar mais romances antes dessas verificações aumentaria o volume sem necessariamente melhorar a validade. Nenhuma ampliação do corpus faz parte desta análise.
Os limites dos capítulos e as regras de identificação de trechos entre aspas são escolhas de medição distintas; seus efeitos não determinam ritmo narrativo, prevalência de diálogo ou qualidade literária. Quando a moldura final muda a distribuição do tamanho dos capítulos
Reutilização, atribuição e reprodução
As páginas dos dois itens do Gutenberg indicam as obras como de domínio público nos Estados Unidos, e os cabeçalhos e licenças recebidos foram examinados sem que se encontrasse aviso de obra restrita. A orientação do Gutenberg permite pesquisa com obras sem restrição, mas não certifica a situação de direitos autorais em todas as jurisdições. As autoras e os demais colaboradores históricos faleceram há muito tempo; isso apoia uma escolha cautelosa das fontes, sem dar uma liberação jurídica universal. Alisson Bento é responsável por esta análise, pelos cálculos e pelo texto explicativo, e não pela autoria nem pela propriedade dos romances, do prefácio histórico ou das ilustrações. Nenhum romance completo nem acréscimo editorial moderno está nos downloads públicos propostos.
Os arquivos que acompanham o estudo contêm contagens derivadas, rótulos de auditoria e impressões digitais, métodos exatos de extração, código executável e referências às fontes. Os arquivos brutos com licença ficam separados e privados. A obtenção usou dois arquivos individuais de texto simples de um espelho listado pelo Gutenberg, sem varredura recursiva, com requisições espaçadas por mais de dois segundos. Um caminho de arquivo obsoleto devolveu erro 404 antes de o caminho gerado compatível funcionar; nenhuma restrição de autorização foi contornada. As datas de publicação original, da edição de origem, da atualização da transcrição e da obtenção são mantidas distintas. Reproduzir os cálculos não autoriza, por si só, a redistribuir o texto de origem, e as exigências de reutilização de cada jurisdição continuam separadas da reprodutibilidade do cálculo.
Como as regras de aspas mudam a medida
Textos completos extraídos · duas transcrições exatas do Project Gutenberg. PARCELA DE TOKENS ENTRE ASPAS — NÃO É PARCELA DE DIÁLOGO
Gráfico completo e fonte
Role para os lados para examinar o gráfico. ↔
Gráfico e valores
Role a tabela para os lados para ver todas as colunas.
| Transcrição | Tokens | R1 global (%) | R2 por parágrafo (%) | R3 com continuação (%) | Variação (pontos percentuais) |
|---|---|---|---|---|---|
| 1342 | 122.174 | 46,8029 | 41,1544 | 46,9372 | 5,7827 |
| 42324 | 75.234 | 51,3398 | 15,6432 | 40,6000 | 35,6966 |
Porcentagem das palavras (tokens) definidas que estão, de forma mecânica, dentro de trechos completos entre aspas duplas. Não são porcentagens de diálogo.
Dados e downloads
Role a tabela para os lados para ver todas as colunas.
| Transcrição | Tokens | R1 global (%) | R2 por parágrafo (%) | R3 com continuação (%) | Variação (pontos percentuais) |
|---|---|---|---|---|---|
| 1342 | 122.174 | 46,8029 | 41,1544 | 46,9372 | 5,7827 |
| 42324 | 75.234 | 51,3398 | 15,6432 | 40,6000 | 35,6966 |
Porcentagem das palavras (tokens) definidas que estão, de forma mecânica, dentro de trechos completos entre aspas duplas. Não são porcentagens de diálogo.
Role a tabela para os lados para ver todas as colunas.
| Transcrição | Regra | Tokens incluídos | Trechos completos | Finais sem par | Aberturas de continuação | Fechamentos soltos | Reaberturas internas |
|---|---|---|---|---|---|---|---|
| 1342 | R1 | 57.181 | 1.751 | 0 | 0 | 0 | 0 |
| 1342 | R2 | 50.280 | 1.735 | 32 | 0 | 0 | 0 |
| 1342 | R3 | 57.345 | 1.735 | 0 | 32 | 0 | 0 |
| 42324 | R1 | 38.625 | 388 | 0 | 0 | 0 | 0 |
| 42324 | R2 | 11.769 | 293 | 190 | 0 | 0 | 0 |
| 42324 | R3 | 30.545 | 293 | 0 | 190 | 0 | 0 |
Zero finais sem par não prova que a segmentação esteja correta. Os finais sem par de R2 são resíduos mecânicos da alternância.
Evidências e método
Como calculamos
- Dois romances fixos, escritos originalmente em inglês; impressões digitais exatas das fontes, limites do corpo conferidos com o texto ao redor e tokenizador fixado antes da comparação do texto completo.
- Três regras de aspas sem alteração; denominador constante dentro de cada transcrição; todas as comparações são descritivas e determinísticas.
- Os primeiros cinquenta parágrafos mantidos foram preservados como piloto exploratório; o defeito de remoção de ilustrações da versão inicial (v0), que era inválida, foi corrigido de forma transparente antes de estender a análise.
- Doze posições de parágrafo igualmente espaçadas por livro foram inspecionadas; a auditoria anterior, com escolha intencional, é identificada à parte; não se alega exatidão medida por anotação semântica de referência.
O que os dados não permitem concluir
- Amostra de duas transcrições escolhidas de propósito; nenhuma inferência sobre autoras, gêneros, população, preferência de leitores nem causalidade.
- Cartas citadas, referências literárias, inscrições e falas imaginadas não são, todas, diálogo falado; falas entre aspas simples no nível mais alto e marcadas por travessão ficam de fora.
- Notas de rodapé e marcas de formatação no corpo foram mantidas; o tokenizador ASCII divide palavras com acento ou ligadura; nenhuma afirmação sobre a tipografia dos manuscritos.
- Não há anotação semântica independente; zero finais sem par não prova correção; R3 é uma regra prática (heurística).
- Jurisdições fora dos EUA não foram verificadas; reprodutibilidade é diferente dos direitos de redistribuir o texto de origem.
Fontes originais
- Project Gutenberg 1342: Pride and Prejudice
Project Gutenberg 1342: Pride and Prejudice: Jane Austen, 1775–1817; item marcado como domínio público nos EUA. A folha de rosto do texto baixado identifica George Allen 1894; o prefácio de Saintsbury e as ilustrações de Thomson foram excluídos. Impressão digital exata dos bytes do espelho no manifesto da fonte.
Acesso em 30 de outubro de 2026
- Project Gutenberg 42324: Frankenstein
Project Gutenberg 42324: Frankenstein: Mary Shelley, 1797–1851; item marcado como domínio público nos EUA; versão de 1831 de H. Colburn e R. Bentley. O arquivo descreve uma reimpressão fotográfica, de identidade bibliográfica não especificada. Bytes exatos fixados.
Acesso em 30 de outubro de 2026
- Project Gutenberg License
Licença do Project Gutenberg: reutilização, em pesquisa, de obras sem restrição; a licença do arquivo foi conferida; jurisdições fora dos EUA não são certificadas.
Acesso em 30 de outubro de 2026
- Project Gutenberg Permission How-to
Orientações de permissão do Project Gutenberg: diferenças entre transcrição e edição de origem, links de reconhecimento e limites de jurisdição.
Acesso em 30 de outubro de 2026
- Project Gutenberg Robot Access
Política de acesso automatizado do Project Gutenberg: sem varredura do site; admite procedimentos de obtenção designados; o exemplo prevê intervalo de dois segundos.
Acesso em 30 de outubro de 2026
- Project Gutenberg Official Mirrors
Espelhos oficiais do Project Gutenberg: lista o espelho pglaf usado para os dois arquivos UTF-8 individuais.
Acesso em 30 de outubro de 2026
- Project Gutenberg Mirroring How-to
Orientações de espelhamento do Project Gutenberg: orientação aceita para espelhar; rsync indisponível neste ambiente; nenhum espelhamento recursivo foi feito.
Acesso em 30 de outubro de 2026
- Project Dialogism Novel Corpus paper
Artigo do Project Dialogism Novel Corpus: Vishnubhotla, Hammond e Hirst (2022), trabalho anterior de anotação de citações literárias; nenhum texto do corpus foi baixado nem reutilizado.
Acesso em 30 de outubro de 2026
- LitBank official repository
Repositório oficial do LitBank: a camada de citações distingue fala direta de outros textos entre aspas e trata da tipografia além das aspas; apenas contexto de trabalhos anteriores.
Acesso em 30 de outubro de 2026
- George Saintsbury author metadata
Metadados de autoria de George Saintsbury: estabelecem 1845–1933; a contribuição do prefácio da fonte de Austen é identificada à parte e não é atribuída a Austen.
Acesso em 30 de outubro de 2026
- Bodleian John Johnson Collection: Hugh Thomson
Bodleian John Johnson Collection: Hugh Thomson: a nota institucional da coleção identifica o ilustrador Hugh Thomson, 1860–1920; ilustrações excluídas.
Acesso em 30 de outubro de 2026
- Jane Austen House: first reading of Pride and Prejudice
Jane Austen House: primeira leitura de Pride and Prejudice: publicação original histórica em janeiro de 1813, distinta da edição de origem de 1894 analisada.
Acesso em 30 de outubro de 2026
Como citar e reutilizar
Alisson Bento. Como as regras de aspas mudam a medição em duas transcrições de romances. Análise metodológica das transcrições 1342 e 42324 do Project Gutenberg, obtidas em 30 de outubro de 2026; edições históricas de origem de 1894 e 1831. https://alissonbento.com/pt/research/quotation-measurement-sensitivity-two-transcriptions/
Análise, cálculos e explicação: Alisson Bento. Romances originais: Jane Austen (1775–1817), Pride and Prejudice, e Mary Wollstonecraft Shelley (1797–1851), Frankenstein. Prefácio da fonte de Austen: George Saintsbury (1845–1933); ilustrações: Hugh Thomson (1860–1920); ambos excluídos. Itens do Gutenberg marcados como domínio público nos EUA; licenças efetivas examinadas; não se afirma liberação em todas as jurisdições nem endosso. Só resumos derivados, código, métodos e referências; nenhum romance completo.
Correções ou dúvidas editoriais