Fonology

class: title-slide, inverse, center, middle

# Fonology
## Análise Fonológica em R 
### Guilherme D. Garcia

#### Université Laval • CRBLM • CRIHN

---

## O que é 🤔

<img src="fonology.png" alt="Fonology" style="width:15%; float: right">
- Um pacote em R que ajuda fonólogos na automação de certas tarefas
- Atualmente em desenvolvimento; atualizações frequentes

- **Esta apresentação**: demo das principais funções com exemplos reais

## Motivação

> Automatizar codificação e processamento de dados fonológicos

## Conteúdo

- Componente **analítico**: velocidade e precisão (escalabilidade)
- Componente **didático**: interatividade e acessibilidade

---

## Instalação etc. 🧐

- Visite [gdgarcia.ca/fonology](https://gdgarcia.ca/fonology) para informações e demos detalhadas
- Para instalar o pacote, é necessário ter o pacote `devtools`:

```r
library(devtools) # install.packages("devtools")
install_github("guilhermegarcia/fonology")
```

## Feedback, bugs, dúvidas 🪲

- Crie uma entrada em [github.com/guilhermegarcia/fonology/issues](https://github.com/guilhermegarcia/fonology/issues)

## Premissa

- Familiaridade básica com R e com a família `tidyverse`

---

## Nota sobre o *pipe* (`|>` vs `%>%`)

- Desde a versão **4.1**, o R possui um pipe nativo: `|>` (cf. `%>%` do pacote `magrittr`)
- Em análises com <h-l>altíssima quantidade</h-l> de dados, prefira `|>`
--

- `Fonology`: internamente, apenas `|>`; externamente, ambos os pipes podem ser usados
- É possível mudar o *default* (para usar o atalho `Ctrl+Shift+m` ou `Cmd+Shift+m`):

<br>

---

## Itinerário 🗺️

### Demo das principais funções:

1. <h-l>Transcrição fonêmica</h-l>
--

2. Extração de acento/sílaba, constituintes silábicos
--

3. Cálculo e visualização de sonoridade
--

4. Trapézio vocálico
--

5. Classes naturais
--

6. Gerador de palavras + probabilidade fonotática
--

7. Formantes + `ggplot2`
--

8. De IPA para TIPA

***

<br>

> *Pouca coisa pode ser feita se não convertemos grafemas em fonemas*

<br>
- <h-l>Dados escritos</h-l>: fáceis de encontrar, difíceis de analisar (e.g., grafemas ≠ fonemas; silabificação, acento)
- Transcrição fonêmica: ponto de partida **essencial**

---

class: inverse, center, middle

# Principais funções

---

## Exemplo 1: transcrição ampla

- `ipa_pt(...)`: transcrição de palavras

```r
library(Fonology)

ipa_pt("concentração")
#> [1] "kon.sen.tɾa.ˈsãw̃"
ipa_pt("tipos")
#> [1] "ˈti.pos"
ipa_pt("quiséssemos")
#> [1] "ki.ˈzɛ.se.mos"
ipa_pt("parangaricutirrimirruaro")
#> [1] "pa.ɾan.ga.ɾi.ku.ti.xi.mi.xu.ˈa.ɾo"
```

- Função **não vetorizada** (i.e., serial): ideal para *um* input
- <h-l>Diferencial</h-l>: atribuição probabilística de acento, útil para palavras novas

---

## Exemplo 2: transcrição fina

- `ipa_pt(..., narrow = T)`

```r
ipa_pt("concentração", narrow = T)
#> [1] "kõn.ˌsẽj̃ɲ.tɾa.ˈsãw̃"
ipa_pt("tipos", narrow = T)
#> [1] "ˈt͡ʃi.pʊs"
ipa_pt("quiséssemos", narrow = T)
#> [1] "ki.ˈzɛ.se.mʊs"
ipa_pt("parangaricutirrimirruaro", narrow = T)
#> [1] "pa.ˌɾãŋ.ga.ˌɾi.ku.ˌt͡ʃi.xi.ˌmi.xu.ˈa.ɾʊ"
```

- Função **não vetorizada** (i.e., serial): ideal para *um* input
- <h-l>Diferencial</h-l>: acento é atribuído **probabilisticamente**, útil para palavras novas

---

## Exemplo 3: transcrição em massa

- <h-l>Essencial</h-l>: poder transcrever grandes quantidades de palavras
- `ipa(...)`: transcrição vetorizada (<h-l>português e espanhol</h-l>)

```r
ipa(word = c("Exemplo", "com", "múltiplas", "palavras"))
#> [1] "e.ˈzem.plo"   "ˈkom"         "ˈmul.ti.plas" "pa.ˈla.vɾas"
```

- Transcrição fina também disponível (para o português):

```r
ipa(word = c("Encontramos", "transcrição", 
             "fonética", "fina", "também"), 
    narrow = T)
#> [1] "ˌẽj̃ɲ.kõn.ˈtɾã.mʊs" "ˌtɾãns.kɾi.ˈsãw̃"   "fo.ˈnɛ.t͡ʃi.kɐ"    
#> [4] "ˈfĩ.nɐ"            "tãm.ˈbẽj̃ɲ"
```

- Função **vetorizada** (i.e., paralela): ideal para *muitos* dados
- <h-l>Diferencial</h-l>: velocidade (*mas* acento é atribuído **categoricamente**)

---

## Exemplo 4: texto curto 💬

- `ipa()` exige um input tokenizado
- E se nosso input for um texto...?
- <mark>`cleanText()`</mark>: limpeza e tokenização

```r
library(tidyverse)
texto = "Este é um teXto 123# bastante cUrto que Não está tokenizado"

texto |> 
* cleanText() |>
  ipa()
#>  [1] "ˈes.te"          "ˈɛ"              "ˈum"             "ˈtes.to"        
#>  [5] "bas.ˈtan.te"     "ˈkuɾ.to"         "ˈke"             "ˈnãw̃"           
#>  [9] "es.ˈta"          "to.ke.ni.ˈza.do"
```

---

## Exemplo 5: texto curto em tabela 💬

- Normalmente, análises começam com *data frames* ou *tibbles*

```r
texto = "Este é um teXto 123# bastante cUrto que Não está tokenizado"

tabela = tibble(palavra = texto |> cleanText()) |> # Coluna com palavras
  mutate(ipa = palavra |> ipa()) # Coluna com transcrição
```

<table class="table" style="margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> palavra </th>
   <th style="text-align:left;"> ipa </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> este </td>
   <td style="text-align:left;"> ˈes.te </td>
  </tr>
  <tr>
   <td style="text-align:left;"> é </td>
   <td style="text-align:left;"> ˈɛ </td>
  </tr>
  <tr>
   <td style="text-align:left;"> um </td>
   <td style="text-align:left;"> ˈum </td>
  </tr>
  <tr>
   <td style="text-align:left;"> texto </td>
   <td style="text-align:left;"> ˈtes.to </td>
  </tr>
  <tr>
   <td style="text-align:left;"> bastante </td>
   <td style="text-align:left;"> bas.ˈtan.te </td>
  </tr>
  <tr>
   <td style="text-align:left;"> curto </td>
   <td style="text-align:left;"> ˈkuɾ.to </td>
  </tr>
</tbody>
</table>

---

## Exemplo 6: texto longo em tabela 📚

### Tarefa

1. Importar *Os Lusíadas*, limpar e tokenizar o texto
2. Transcrever, silabificar, acentuar palavras lexicais
3. Extrair acento e última sílaba
4. Extrair constituintes da última sílaba de cada palavra

### Ferramentas/funções

- `getStress()`: extração de acento a partir de transcrição
- `getWeight()`: extração de perfil de peso (e.g., `LLH`)
- `getSyl()`: extração de uma sílaba
- `syllable()`: extração de constituintes silábicos
- `stopwords_pt` e `stopwords_sp`: listas de palavras funcionais

---

## Exemplo 6: texto longo em tabela 📚

.panelset[
.panel[.panel-name[Código]

```r
lus1 = read_lines("lusiadas.txt")

lus2 = lus1 |> 
  cleanText() |>                                          # Limpamos e tokenizamos o texto 
  as_tibble() |> 
  rename(word = value) |> 
  filter(!word %in% stopwords_pt) |>                      # Removemos palavras funcionais
  mutate(ipa = ipa(word),                                 # Criamos uma coluna para transcrição
         stress = getStress(ipa),                         # outra para o acento
         weight = getWeight(ipa),                         # outra para o peso
         finSyl = getSyl(word = ipa, pos = 1),            # outra para a sílaba final
         onsetFin = syllable(finSyl, const = "onset"),
         nucFin = syllable(finSyl, const = "nucleus"),
         codaFin = syllable(finSyl, const = "coda"), 
         rimaFin = syllable(finSyl, const = "rhyme"))
```

]

.panel[.panel-name[Resultado]

- Total de 32618 palavras lexicais (⏳ **< 2s**)
- Tabela em format *tidy data* pronto para a análise

<br>

<table class="table" style="margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> word </th>
   <th style="text-align:left;"> ipa </th>
   <th style="text-align:left;"> stress </th>
   <th style="text-align:left;"> weight </th>
   <th style="text-align:left;"> finSyl </th>
   <th style="text-align:left;"> onsetFin </th>
   <th style="text-align:left;"> nucFin </th>
   <th style="text-align:left;"> codaFin </th>
   <th style="text-align:left;"> rimaFin </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> armas </td>
   <td style="text-align:left;"> ˈaɾ.mas </td>
   <td style="text-align:left;"> penult </td>
   <td style="text-align:left;"> HH </td>
   <td style="text-align:left;"> mas </td>
   <td style="text-align:left;"> m </td>
   <td style="text-align:left;"> a </td>
   <td style="text-align:left;"> s </td>
   <td style="text-align:left;"> as </td>
  </tr>
  <tr>
   <td style="text-align:left;"> barões </td>
   <td style="text-align:left;"> ba.ˈɾõj̃s </td>
   <td style="text-align:left;"> final </td>
   <td style="text-align:left;"> LH </td>
   <td style="text-align:left;"> ɾõj̃s </td>
   <td style="text-align:left;"> ɾ </td>
   <td style="text-align:left;"> õj̃ </td>
   <td style="text-align:left;"> s </td>
   <td style="text-align:left;"> õj̃s </td>
  </tr>
  <tr>
   <td style="text-align:left;"> assinalados </td>
   <td style="text-align:left;"> a.si.na.ˈla.dos </td>
   <td style="text-align:left;"> penult </td>
   <td style="text-align:left;"> LLH </td>
   <td style="text-align:left;"> dos </td>
   <td style="text-align:left;"> d </td>
   <td style="text-align:left;"> o </td>
   <td style="text-align:left;"> s </td>
   <td style="text-align:left;"> os </td>
  </tr>
  <tr>
   <td style="text-align:left;"> ocidental </td>
   <td style="text-align:left;"> o.si.den.ˈtal </td>
   <td style="text-align:left;"> final </td>
   <td style="text-align:left;"> LHH </td>
   <td style="text-align:left;"> tal </td>
   <td style="text-align:left;"> t </td>
   <td style="text-align:left;"> a </td>
   <td style="text-align:left;"> l </td>
   <td style="text-align:left;"> al </td>
  </tr>
  <tr>
   <td style="text-align:left;"> praia </td>
   <td style="text-align:left;"> ˈpɾa.ja </td>
   <td style="text-align:left;"> penult </td>
   <td style="text-align:left;"> LL </td>
   <td style="text-align:left;"> ja </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:left;"> ja </td>
   <td style="text-align:left;"> NA </td>
   <td style="text-align:left;"> ja </td>
  </tr>
</tbody>
</table>
]

.panel[.panel-name[Glides?]

- Glides são onsets, codas, ou estão no núcleo...❓ 
- A função `syllable()` nos permite ajustar premissas representacionais:

<br>

]
]

---

## Exemplo 7: sonoridade 🔉

- `demi(word = ..., d = ...)`: extração de demissílabas (`d = 1` ou `d = 2`)

```r
syllables = c("kom", "sil", "fran", "klas")

syllables |> 
  demi(d = 1) # extrair primeira demissílaba de cada sílaba
#> [1] "ko"  "si"  "fra" "kla"
```

- Também podemos calcular a média de dispersão de sonoridade em um vetor com `meanSonDisp()`:

```r
syllables |> 
  demi(d = 1) |> 
  meanSonDisp()
#> [1] 2.67
```

- **Nota**: A função usa 17 níveis de sonoridade (ver Parker 2011)<sup>1</sup>

.footnote[[1] Parker, S. (2011). Sonority. In M. van Oostendorp, C. J. Ewen, E. Hume, & K. Rice (Eds.), *The Blackwell companion to phonology* (pp. 1160–1184). Wiley Online Library. https://doi.org/10.1002/9781444335262.wbctp0049]

---

## Exemplo 8: sonoridade 🔊

- Para o ensino de fonologia: visualizar o princípio de sonoridade pode ser útil

.pull-left[

```r
"combradol" |> 
  ipa() |> 
* plotSon(syl = F)
```

<img src="index_files/figure-html/unnamed-chunk-13-1.png" style="display: block; margin: auto;" />
]

.pull-right[

```r
"sobremesa" |> 
  ipa(lg = "Spanish") |> 
* plotSon(syl = T)
```

<img src="index_files/figure-html/unnamed-chunk-14-1.png" style="display: block; margin: auto;" />
]

---

## Exemplo 9: trapézio vocálico

- `plotVowels()` gera trapézios para algumas línguas
- A função também exporta opcionalmente o arquivo <mark>`tex`</mark> para quem utiliza `\(\LaTeX\)`

.pull-left[

```r
plotVowels(lg = "Spanish", 
*          tex = F)
```

<img src="index_files/figure-html/unnamed-chunk-15-1.png" style="display: block; margin: auto;" />
]

.pull-right[

```r
plotVowels(lg = "Italian", 
*          tex = F)
```

<img src="index_files/figure-html/unnamed-chunk-16-1.png" style="display: block; margin: auto;" />
]

---

## Exemplo 10: classes naturais e traços distintivos

- De fonemas a traços usando `getFeat()`:

```r
getFeat(ph = c("i", "u"), lg = "English")
#> [1] "+hi"    "+tense"
getFeat(ph = c("p", "b"), lg = "French")
#> [1] "-son"  "-cont" "+lab"
getFeat(ph = c("i", "y", "u"), lg = "French")
#> [1] "+syl" "+hi"
```

- De traços a fonemas usando `getPhon()`:

```r
getPhon(ft = c("+syl", "+hi"), lg = "French")
#> [1] "u" "i" "y"
getPhon(ft = c("-DR", "-cont", "-son"), lg = "English")
#> [1] "t" "d" "b" "k" "g" "p"
getPhon(ft = c("-son", "+vce"), lg = "Spanish")
#> [1] "z" "d" "b" "ʝ" "g" "v"
```

---

## Exemplo 11: gerador de palavras e probabilidade fonotática 🎲

- `wug_pt()` cria palavras

```r
set.seed(1)
wug_pt(profile = "LHL")
#> [1] "dɾa.ˈbuɾ.me"
```

- Vamos criar uma tabela com 8 palavras novas + probabilidade fonotática com <mark>`biGram_pt()`</mark>:

```r
set.seed(1)
gerador = tibble(palavra = wug_pt("LHL", n = 8)) |> # Criamos 8 palavras
  mutate(bigrama = palavra |> # adicionamos uma coluna para log(P(bigrama))
*          biGram_pt()
  ) 
```

---

## Exemplo 11: gerador de palavras e probabilidade fonotática 🎲

.pull-left[
- Bigramas menores `\(\rightarrow\)` menos prováveis

<table class="table" style="width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> palavra </th>
   <th style="text-align:right;"> bigrama </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> la.ˈxus.te </td>
   <td style="text-align:right;"> -45.74615 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> xo.ˈman.xo </td>
   <td style="text-align:right;"> -46.32619 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> be.ˈʒan.tɾe </td>
   <td style="text-align:right;"> -49.19741 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> dɾa.ˈbuɾ.me </td>
   <td style="text-align:right;"> -49.23458 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> ze.ˈfɾan.ka </td>
   <td style="text-align:right;"> -50.74279 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> ʒa.ˈgɾan.fe </td>
   <td style="text-align:right;"> -51.86230 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> ʃe.ˈfoɾ.bɾe </td>
   <td style="text-align:right;"> -55.46661 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> me.ˈxes.vɾo </td>
   <td style="text-align:right;"> -68.84952 </td>
  </tr>
</tbody>
</table>
]

.pull-right[
- Bigramas calculados com base no [PSL](https://gdgarcia.ca/psl)
- Acesse o léxico simplificado com `pt_lex`
- Ou o léxico completo com `psl`

```r
set.seed(1)
pt_lex |> sample_n(5)
#> # A tibble: 5 × 2
#>   word             pro                   
#>   <fct>            <chr>                 
#> 1 brocador         bɾo.ka.ˈdoɾ           
#> 2 flagelariáceo    fla.ʒe.la.ɾi.ˈa.sjo   
#> 3 ultratumular     ul.tɾa.tu.mu.ˈlaɾ     
#> 4 desencrencamento de.zen.kɾen.ka.ˈmen.to
#> 5 hulheira         u.ˈʎej.ɾa
```
]

---

## Exemplo 12: Listando bigramas 🎲

.pull-left[

```r
lus_bigramas = lus1 |> 
  cleanText() |> 
  ipa() |> 
* nGramTbl(n = 2)
```

<table class="table" style="width: auto !important; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;"> nGrams </th>
   <th style="text-align:left;"> n1 </th>
   <th style="text-align:left;"> n2 </th>
   <th style="text-align:right;"> freq </th>
   <th style="text-align:right;"> prop </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> e# </td>
   <td style="text-align:left;"> e </td>
   <td style="text-align:left;"> # </td>
   <td style="text-align:right;"> 12164 </td>
   <td style="text-align:right;"> 0.0348513 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> a# </td>
   <td style="text-align:left;"> a </td>
   <td style="text-align:left;"> # </td>
   <td style="text-align:right;"> 11556 </td>
   <td style="text-align:right;"> 0.0331093 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> o# </td>
   <td style="text-align:left;"> o </td>
   <td style="text-align:left;"> # </td>
   <td style="text-align:right;"> 10818 </td>
   <td style="text-align:right;"> 0.0309948 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> s# </td>
   <td style="text-align:left;"> s </td>
   <td style="text-align:left;"> # </td>
   <td style="text-align:right;"> 10243 </td>
   <td style="text-align:right;"> 0.0293474 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> #k </td>
   <td style="text-align:left;"> # </td>
   <td style="text-align:left;"> k </td>
   <td style="text-align:right;"> 6849 </td>
   <td style="text-align:right;"> 0.0196232 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> #a </td>
   <td style="text-align:left;"> # </td>
   <td style="text-align:left;"> a </td>
   <td style="text-align:right;"> 6126 </td>
   <td style="text-align:right;"> 0.0175517 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> #d </td>
   <td style="text-align:left;"> # </td>
   <td style="text-align:left;"> d </td>
   <td style="text-align:right;"> 5361 </td>
   <td style="text-align:right;"> 0.0153599 </td>
  </tr>
  <tr>
   <td style="text-align:left;"> #e </td>
   <td style="text-align:left;"> # </td>
   <td style="text-align:left;"> e </td>
   <td style="text-align:right;"> 5140 </td>
   <td style="text-align:right;"> 0.0147267 </td>
  </tr>
</tbody>
</table>
]

.pull-right[
- <mark>`nGramTbl()`</mark> `\(\rightarrow\)` todos os bigramas
- Assim, podemos facilmente plotar padrões

### Visualizando bigramas

- Em conjunto com `nGramTbl()`:
- <mark>`plotnGrams()`</mark> `\(\rightarrow\)` gráficos com `ggplot2`

- Duas opções de gráficos para a função:
1. `type = "heat"` (somente para bigramas)
2. `type = "lollipop"` (uni-, bi-, trigramas)

- Em ambas, definimos o número de ngramas `n` desejado
]

---

## Exemplo 12: Visualizando bigramas 🎲

.pull-left[

```r
lus_bigramas |> 
* plotnGrams(type = "lollipop", n = 10)
```

<img src="index_files/figure-html/unnamed-chunk-25-1.png" style="display: block; margin: auto;" />
]

.pull-right[

```r
lus_bigramas |> 
* plotnGrams(type = "heat", n = 50)
```

<img src="index_files/figure-html/unnamed-chunk-26-1.png" style="display: block; margin: auto;" />
]

---

## Exemplo 12: Visualizando bigramas 🎲

- Rede com os top 50 bigramas de *Os Lusíadas* com `networkD3` (excluindo `#`)

<br>

---

## Exemplo 13: gráfico de vogais 🗣️

- Um *wrapper* simples para F1/F2 em `ggplot2`. Exemplo com `vowels` (dados hipotéticos):

```r
ggplot(data = vowels, aes(x = F2, y = F1, color = vowel, label = vowel)) +
  geom_text() +
  theme_classic() + theme(legend.position = "none")
```

---

## Exemplo 13: gráfico de vogais 🗣️

- Um *wrapper* simples para F1/F2 em `ggplot2`. Exemplo com `vowels` (dados hipotéticos):

```r
ggplot(data = vowels, aes(x = F2, y = F1, color = vowel, label = vowel)) +
  geom_text() +
  theme_classic() + theme(legend.position = "none") +
* formants()
```

---

## Exemplo 14: de IPA a TIPA ✏️

- Para quem usa `\(\LaTeX\)`, transcrição com `tipa` é algo essencial
- A função `ipa2tipa()` traduz outputs em IPA para `tipa`:

```r
"Aqui estão algumas palavras que desejo transcrever" |> 
  cleanText() |> 
  ipa(narrow = T) |> 
  ipa2tipa(pre = "[ ", post = " ]")
#> Done! Here's your tex code using TIPA:
#> \textipa{ [ a."ki es."t\~{a}\~{w} aw."g\~{u}.m5s pa."la.vR5s "ke de."ze.ZU {""}tR\~{a}ns.kRe."veR ] }
```

<br>

<div align="center">
<img src="tipa.png" alt="Ouput tipa" style="width:100%">
</div>
---

# Dúvidas? 😶‍🌫️

```r
ipa("obrigado") |> 
  plotSon(syl = T)
```

- O projeto se beneficiou do programa ENVOL da Université Laval (2022—2023)

mark { background-color: #ffff88; color: black; } h-l { color: crimson; font-weight: bold; } @import url('https://fonts.googleapis.com/css?family=Fira+Code&display=swap'); pre, code { font-family: "Fira Code", "Monaco", monospace !important; } /* Center the contents of the iframe */ div.iframe-container { text-align: center; } /* Remove the iframe border */ iframe.d3-figure { border: none; display: block; margin: 0 auto; } /* Hide slide number on title slide */ .title-slide .remark-slide-number { display: none; }