Fonologia e Política da Língua: Os Desafios Sociopolíticos da Matéria Sonora

A linguística moderna buscou, por muito tempo, isolar o estudo formal da língua das contingências sociais e políticas. Sob a influência do estruturalismo saussuriano e do gerativismo chomskyano, a fonologia foi definida como a ciência dos sistemas abstratos de sons — os fonemas —, regida por regras de oposição e distribuição internas à faculdade da linguagem. No entanto, a realidade empírica mostra que a matéria sonora da fala jamais se realiza em um vácuo social. A partir do momento em que um som é produzido pelo trato vocal humano, ele se inscreve em uma teia complexa de significados simbólicos, hierarquias institucionais e relações de poder.

A fonologia não é apenas o estudo da organização cognitiva dos sons; ela constitui um campo de embate ideológico e político de primeira grandeza. Se o fonema se define formalmente pela capacidade de distinguir o sentido das palavras (função distintiva), ele possui também uma função sociolinguística de indexicalidade: sinaliza a origem geográfica, o status socioeconômico, a pertencimento étnico, o gênero e o alinhamento político do falante.

1. A Construção da Norma Fonológica e a Engenharia Estatal

A emergência dos Estados-nação modernos veio acompanhada de um processo sistemático de harmonização linguística. Enquanto a gramática e o léxico foram objeto de codificações escritas formais por meio de dicionários e academias, a pronúncia também passou por uma normatização rigorosa. Esse processo de engenharia fonológica busca estabelecer um padrão ortoépico, transformando uma variedade regional ou de classe específica na “pronúncia de referência”.

O “Bom Uso” e a Centralização Monárquica e Republicana na França

Na França, a definição da pronúncia legítima deita raízes na sociedade de corte do século XVII. Claude Favre de Vaugelas, em suas Remarques sur la langue françoise (1647), definia o “bom uso” como o modo de falar da “parte mais sadia da Corte, em conformidade com a forma de escrever da parte mais sadia dos autores da época”. A fonologia da corte de Versalhes — caracterizada pelo apagamento progressivo de certas consoantes finais, pela estabilização do timbre das vogais e por um ritmo de elocução peculiar — tornou-se, assim, o modelo universal, rebaixando as realizações regionais (dialetos, línguas regionais) e populares à categoria de “barbarismos”.

Com a Revolução Francesa e o advento da República, essa norma fonológica adquiriu uma nova dimensão política. O relatório do Abbé Henri Grégoire (1794) “sobre a necessidade e os meios de aniquilar os dialetos e universalizar o uso da língua francesa” erigiu a uniformidade linguística em condição para a cidadania e a igualdade republicana. Paradoxalmente, essa vontade de equalização pela erradicação das variações fonológicas locais instaurou uma hierarquia duradoura entre o centro parisiense, detentor da norma oral, e a periferia provincial.

O Received Pronunciation (RP) e o Sistema de Classes Britânico

No mundo anglófono, o exemplo mais marcante de institucionalização de uma norma fonológica é o Received Pronunciation (RP), por vezes chamado de Queen’s English ou BBC English. Ao contrário dos sotaques regionais do Reino Unido (Cockney, Scouse, Geordie, sotaque escocês), o RP não se define pela geografia, mas pela classe social.

Desenvolvido no século XIX no âmbito das public schools (Eton, Harrow) e das universidades de elite (Oxford, Cambridge), o RP tornou-se pré-requisito para o ingresso na alta burocracia estatal, na advocacia, na diplomacia e na radiodifusão nacional. No plano estritamente fonológico, o RP destaca-se pela não roticidade (a consoante /r/ só é articulada antes de vogal), por um sistema complexo de ditongos e pela preservação estrita de distinções fonêmicas como /æ/ versus /ɑː/ (em palavras como bath ou path). A adoção desse sistema fonológico funcionava como um passaporte de entrada na classe dominante, relegando as variações fonológicas locais ao status de marcadores de déficit cultural.

2. Bourdieu, a Glotofobia e o Capital Linguístico Sonoro

Para compreender a dinâmica política da fonologia, convém mobilizar os conceitos da sociologia da cultura desenvolvidos por Pierre Bourdieu, sobretudo os de capital linguístico, habitus e dominação simbólica.

O Sotaque como Índice do Capital Linguístico

Segundo Bourdieu (A Economia das Trocas Linguísticas), o mercado linguístico é uma estrutura na qual os enunciados orais não são avaliados apenas pelo conteúdo semântico ou pela correção gramatical, mas pela conformidade à norma legítima. A fonologia constitui a dimensão mais imediatamente perceptível e mais difícil de falsificar do habituslinguístico. Um falante pode aprender a gramática formal e adquirir um vocabulário erudito, contudo a fonologia — em especial a realização dos traços prosódicos, dos timbres vocálicos e dos subsistemas alofônicos — está ancorada no corpo desde a primeira infância (hexis corporal).

Quando um falante se expressa em um espaço institucional (entrevista de emprego, tribunal, exame acadêmico, veículos de comunicação), sua fonologia é instantaneamente avaliada. A distância entre o seu sistema fonológico e o sistema padrão determina o seu capital linguístico percebido. Os desvios em relação à norma não são lidos como meras variantes descritivas, mas como falta de instrução, de rigor ou de inteligência.

Sistema Fonológico Padrão (Norma Legítima)
       │
       ├── Valorização Social & Legitimidade Institucional
       │
      VS
       │
Sistema Fonológico Periférico/Regional (Variante Estigmatizada)
       │
       └── Glotofobia, Sanção Simbólica & Marginalização

A Glotofobia: Discriminações Baseadas na Pronúncia

O linguista Philippe Blanchet cunhou o conceito de glotofobia para designar o desprezo, a discriminação ou a marginalização sofridos por indivíduos em razão de suas particularidades linguísticas, figurando o sotaque em primeiro lugar. A glotofobia fonológica atua em múltiplos níveis:

• O sotaque regional: Na França, o sotaque do Sul (manutenção do e caduco, nasalização específica das vogais, realização de vogais abertas/fechadas segundo a lei de posição) é frequentemente associado ao registro do pitoresco, do folclore ou do lazer, mas tido como incompatível com a autoridade política ou o saber intelectual.
• O sotaque de periferia (banlieue ou cités): Caracterizado por uma prosódia marcada, desvozeamento de certas consoantes, palatalização das oclusivas /t/ e /d/ diante de vogais altas (/tʃ/, /dʒ/), além de um ritmo de fala alterado. Essa fonologia é sistematicamente criminalizada ou associada ao fracasso escolar no discurso midiático dominante.
• Os sotaques das classes populares: O apagamento do [l] nos pronomes (il -> [i], elle -> [ɛl] / [ɛ]), a simplificação de grupos consonânticos complexos (quatre -> [kat]), ou a queda do /ʁ/ final no francês popular carregam estigmas sociais profundos.

O estudo pioneiro de William Labov em Nova York (The Social Stratification of English in New York City, 1966) demonstrou cientificamente a correlação estrita entre a estratificação social e a realização fonológica de variáveis específicas, como o /r/ pós-vocálico. Labov pôs em evidência, ainda, o fenômeno da hipercorreção fonológica na classe média baixa: um policiamento estilístico acentuado que leva à hiperprodução da variante de prestígio por medo da estigmatização.

3. Imperialismo Linguístico, Pós-colonialismo e Fonologia das Periferias

A dimensão política da fonologia atinge o ponto culminante nos contextos coloniais e pós-coloniais, em que o encontro entre línguas dominantes e línguas dominadas deu origem a sistemas fonológicos híbridos, frequentemente alvos de intensas lutas ideológicas.

A Hierarquização das Francofonias e Anglofonias

Durante o período colonial, a metrópole impôs não apenas a sua língua, mas o seu sistema fonológico padrão como único modelo de racionalidade e civilização. As realizações fonológicas locais — nascidas da interferência com os substratos linguísticos autóctones ou da evolução autônoma das variedades transplantadas — eram vistas pelo poder colonial como degradações do idioma.

Na América do Norte, o francês quebequense oferece um exemplo marcante de luta política pela sonoridade. A fonologia do francês falado no Quebec preserva traços do francês clássico dos séculos XVII e XVIII (africação das oclusivas dentais /t/ e /d/ diante de /i/ e /y/, ditongação de vogais longas, manutenção de distinções de extensão vocálica extintas em Paris). Durante grande parte do século XX, sob a influência de elites francófilas e do poder econômico anglófono, essa fonologia foi alvo de um intenso autodesprezo (a ideologia do joual como língua de inferioridade).

Foi necessária a Revolução Tranquila e os movimentos de afirmação nacional das décadas de 1960 e 1970 para que a fonologia quebequense fosse reabilitada e reconhecida como uma norma legítima e endógena, irredutível à mera imitação do francês de Paris.

O Sibolete (Shibboleth): A Fonologia como Fronteira Política e Arma de Guerra

O impacto político mais violento da fonologia reside no uso do som como critério de exclusão física ou de identificação do inimigo. O termo bíblico sibolete (shibboleth, Juízes 12:6) ilustra o fenômeno: os efraimitas, incapazes de pronunciar o fonema fricativo pós-alveolar surdo /ʃ/ e substituindo-o pela fricativa alveolar /s/ (sibolete), eram identificados e executados pelos gileaditas.

Ao longo da história, a fonologia serviu repetidamente como uma fronteira letal:

• O Massacre das Vésperas Sicilianas (1282): Os sicilianos faziam os suspeitos pronunciarem a palavra ciciri([tʃitʃiri]); os franceses, incapazes de realizar essa sequência fonológica, eram imediatamente desmascarados.
• O Massacre do Salsa (Massacre do Perejil) na República Dominicana (1937): O ditador Rafael Trujillo ordenou a execução de haitianos na região de fronteira. A linha entre a vida e a morte dependia da realização fonológica do /r/ na palavra espanhola perejil (salsa). Os falantes do crioulo haitiano, cujo sistema fonológico não possui a fricativa velar surda /x/ do espanhol, pronunciavam um [r] ou um [w], selando a própria sentença de morte.
• Conflitos modernos e controle de fronteiras: A linguística forense e a análise fonológica de origem (LADO – Language Analysis for Determination of Origin) são empregadas hoje por órgãos de imigração de países ocidentais para verificar a nacionalidade de solicitantes de refúgio. Ao analisar as realizações fonêmicas e prosódicas dos requerentes (por exemplo, para distinguir um sotaque sírio de um libanês ou palestino), os Estados valem-se da fonologia para conceder ou negar o status de refugiado, transformando a microvariação fonética em instrumento de concessão de direitos humanos fundamentais.

4. Tecnologia, Inteligência Artificial e Vieses Fonológicos

Na era digital e da inteligência artificial, a política da língua avança um passo com a disseminação de tecnologias de processamento automático da fala (STT – Speech-to-Text, assistentes virtuais, reconhecimento biométrico de voz).

A Reprodução Algorítmica dos Privilégios Fonológicos

Sistemas de reconhecimento de voz baseados em aprendizagem profunda (deep learning) são treinados com volumes massivos de dados sonoros. Ocorre que esses corpora apresentam graves vieses fonológicos. Privilegiam amplamente:

1. Falantes do sexo masculino, de classe média ou alta.
2. Sotaques padrão ou regionais dominantes (American English padrão, francês parisiense).
3. Vozes isentas de traços alofônicos marginais, hesitações ou inflexões prosódicas fora do padrão.

Como resultado, as taxas de erro de palavras (WER – Word Error Rate) de algoritmos de reconhecimento de voz sobem consideravelmente diante de sistemas fonológicos minoritários: o inglês vernáculo afro-americano (AAVE), sotaques regionais marcados ou a fala de não nativos.

Corpus de Treinamento Algorítmico (Dominado pela Fonologia Padrão)
                               │
                               ▼
        ┌──────────────────────────────────────────────┐
        │   Modelo de Reconhecimento de Voz (IA)      │
        └──────────────────────────────────────────────┘
                               │
        ┌──────────────────────┴──────────────────────┐
        ▼                                             ▼
Baixa Taxa de Erro (WER)                      Alta Taxa de Erro (WER)
para Sotaques Padrão                          para Sotaques Minoritários
(Inclusão Digital)                            (Exclusão Tecnológica)

Essa desigualdade tecnológica engendra uma nova modalidade de discriminação institucional. À medida que as interfaces de voz se tornam canal obrigatório para acessar serviços públicos, internet banking, sistemas de TI ou entrevistas automatizadas de emprego, falantes de sistemas fonológicos não padrão ficam em desvantagem estrutural. A IA impõe uma pressão invisível, mas coercitiva, de assimilação fonológica: para ser compreendido pela máquina, o ser humano precisa adequar sua pronúncia à norma estatística do algoritmo.

5. Rumo à Justiça Fonológica e à Descolonização dos Sons

Diante de discriminações históricas, sociais e tecnológicas associadas à pronúncia, linguistas, educadores e ativistas vêm defendendo uma efetiva justiça fonológica. O movimento propõe desconstruir as hierarquias arbitrárias que pesam sobre a matéria sonora da linguagem.

A Conscientização sobre a Diversidade de Sotaques na Educação

No campo pedagógico, o modelo tradicional pautado na correção fonética rígida e na busca pela “eliminação do sotaque” é cada vez mais questionado. Pesquisas sociolinguísticas mostram que a variação fonológica não impede a intercompreensão básica, desde que mantidas as estruturas fonêmicas essenciais.

O ensino de línguas desloca-se progressivamente em direção à noção de inteligibilidade mútua, em vez da imitação cega de uma norma nativa inacessível. No ensino de inglês como segunda língua, a difusão do conceito de English as a Lingua Franca (ELF), proposto por Jennifer Jenkins, valoriza um núcleo fonológico básico (Phonological Core) indispensável à compreensão, acolhendo variações alofônicas e intonacionais próprias de cada cultura.

A Legislação contra Discriminações Linguísticas

No âmbito jurídico, alguns países começam a reconhecer a fonologia como fator ilegítimo de discriminação. Na França, a Lei de 23 de novembro de 2020, voltada a combater a discriminação por sotaque, incluiu essa prática no Código do Trabalho e no Código Penal, ao lado de discriminações por origem, sexo ou deficiência. Embora o alcance simbólico da medida se sobreponha à aplicação prática — dada a dificuldade de provar a discriminação glotofóbica em seleções —, ela marca uma virada institucional relevante: a voz não é mero recurso biológico neutro, mas um direito cultural a ser protegido.

Conclusão

A fonologia não pode ser reduzida a um cálculo combinatório de traços distintivos e representações subjacentes na mente humana. Ela é, consubstancialmente, uma prática social encarnada e um teatro de operações políticas. Da escolha régia da pronúncia de Versalhes ao treinamento de redes neurais no Vale do Silício, do sibolete bíblico aos critérios de seleção da diplomacia contemporânea, o modo como articulamos os sons da linguagem reflete, reproduz e transforma as estruturas de poder de nossas sociedades.

Reconhecer a dimensão política da fonologia exige abandonar a ilusão de uma língua pura, neutra e universal. A emancipação linguística requer tomar cada sistema fonológico, cada sotaque e cada realização alofônica não como desvio ou carência, mas como manifestação legítima da riqueza da faculdade da linguagem humana. A verdadeira democracia linguística só se concretizará quando o valor atribuído a uma fala não depender da sonoridade do seu sotaque, mas da justiça do seu discurso.

Anexo Técnico: A Diversidade de Sotaques no Processamento Automático da Fala

Os sistemas de reconhecimento automático de fala (STT – Speech-to-Text) baseiam-se em modelos estatísticos e redes neurais profundas. Diante de uma ampla variedade de sotaques ou variações fonológicas regionais e sociais, sua precisão costuma sofrer quedas expressivas.

1. Por que a diversidade de sotaques desafia os algoritmos

O reconhecimento de voz moderno emprega dois componentes centrais: um modelo acústico (que converte ondas sonoras em fonemas) e um modelo de língua (que prevê a sequência de palavras mais provável). Os sotaques impactam esse processo em diferentes frentes:

• Variações alofônicas e timbres vocálicos: Um mesmo fonema teórico (ex.: /ʁ/ ou /t/) pode se realizar de formas distintas conforme a origem geográfica ou social do falante. Se o modelo acústico não foi exposto a essas variantes, falha em associar o sinal sonoro ao fonema correspondente.
• Fenômenos de neutralização e simplificação: Queda de consoantes finais, ensurdecimento, palatalização ou nasalização específica (ex.: o francês do Sul ou falares urbanos) alteram a cadeia falada e geram ambiguidades.
• Ritmo, prosódia e intonação: A divisão silábica e as variações de altura espectral oscilam bastante entre sotaques, prejudicando a segmentação temporal feita por modelos recorrentes ou Transformers.
• Sub-representação nos corpora de treinamento: É a causa primária do viés. Datasets industriais de referência (LibriSpeech, Common Voice em suas fases iniciais, corpora de call centers) são compostos majoritariamente por falantes nativos provenientes de grandes centros urbanos ou de extratos socioeconômicos favorecidos.

2. Soluções técnicas para mitigar vieses fonológicos

Para superar tais limitações, pesquisas em Processamento de Linguagem Natural (PLN) e processamento de sinais vêm estruturando soluções em diferentes eixos:

A. Diversificação e aumento sistemático de dados

• Corpora participativos e inclusivos: Coleta de dados alinhados à diversidade real (ex.: a iniciativa Common Voiceda Mozilla, que documenta intencionalmente sotaques regionais, minoritários e de não nativos).
• Aumento de dados acústicos (Data Augmentation): Alteração sintética do sinal (pitch, velocidade, formantes, adição de ruído de fundo) para simular variações de trato vocal e estilos de elocução, sem a necessidade de gravar novos falantes presencialmente.

B. Adaptação de modelos e aprendizagem multissotaque

• Incorporação de Embeddings de sotaque/falante: Injeção de vetores informativos de sotaque (semelhantes aos x-vectors ou i-vectors usados em biometria vocal) diretamente na rede neural. O modelo ajusta dinamicamente a decodificação acústica com base no perfil identificado.
• Aprendizagem por transferência (Fine-Tuning): Reajuste de um modelo geral a partir de subcorpora específicos (ex.: francês quebequense, francês ocidental-africano, inglês indiano), visando adaptar sua camada de extração de características.
• Arquitetura multitarefa: Treinamento simultâneo da rede para transcrever a fala E classificar o sotaque, forçando o modelo a isolar características invariantes do sentido, independentemente da forma acústica.

C. Modelos auto-supervisionados e fundacionais (Self-Supervised Learning)

Arquiteturas modernas como wav2vec 2.0 (Meta) ou Whisper (OpenAI) tiram proveito de grandes volumes de fala não rotulada:

Ao apreenderem primeiramente a estrutura geral da fala humana com base em dezenas de milhares de horas de áudio variado (podcasts, aulas, reuniões globais), esses modelos constroem representações acústicas significativamente mais robustas às variações fonológicas individuais.

3. Desafios éticos e regulatórios

A redução de vieses fonológicos na IA ultrapassa a dimensão do desempenho técnico:

• Acessibilidade a serviços públicos: Quando atendimentos governamentais, serviços de emergência ou sistemas de saúde adotam interfaces de voz, uma taxa elevada de erro de palavras (WER) sobre determinados sotaques configura uma forma de exclusão institucional.
• Auditorias de equidade (Fairness Audits): Avaliação de modelos vocais não por uma média global de precisão, mas pela medição da paridade de desempenho entre diferentes grupos demográficos e linguísticos.

Resumo:

O texto argumenta que a fonologia não deve ser entendida apenas como o estudo abstrato dos sons da língua, mas também como um fenômeno social e político. A pronúncia e o sotaque funcionam como marcadores de origem, classe social, pertencimento cultural e identidade, fazendo com que determinadas formas de falar sejam valorizadas enquanto outras são estigmatizadas. Historicamente, Estados e instituições contribuíram para estabelecer normas de pronúncia, como o francês associado à corte de Paris e o Received Pronunciation no Reino Unido, transformando determinadas variedades em símbolos de autoridade e prestígio. A partir da perspectiva de Pierre Bourdieu e do conceito de glotofobia, o texto mostra como diferenças fonológicas podem gerar discriminação em situações como entrevistas de emprego, educação, política e meios de comunicação.

A dimensão política da fonologia também aparece em contextos coloniais e em situações de conflito, nas quais a pronúncia pode funcionar como marcador de pertencimento ou exclusão. Variedades como o francês quebequense e os franceses africanos mostram como comunidades podem resistir à ideia de que apenas a pronúncia da metrópole representa a forma “legítima” da língua. Em casos extremos, como os episódios históricos associados ao shibboleth, características fonológicas chegaram a ser utilizadas para identificar inimigos e determinar quem pertencia a determinado grupo. Na era digital, essa desigualdade assume uma nova forma: sistemas de reconhecimento automático da fala podem apresentar taxas de erro maiores para sotaques regionais, minoritários ou não nativos quando seus dados de treinamento privilegiam determinados grupos. Assim, algoritmos podem reproduzir hierarquias linguísticas existentes e criar novas formas de exclusão tecnológica.

Como resposta a essas desigualdades, o texto defende uma perspectiva de “justiça fonológica”, baseada no reconhecimento da diversidade de sotaques como parte legítima da linguagem humana. Na educação, isso significa priorizar inteligibilidade e comunicação em vez da eliminação de sotaques; no campo jurídico, significa combater discriminações baseadas na pronúncia; e, na tecnologia, exige desenvolver sistemas de reconhecimento de fala treinados com corpora mais diversos, técnicas de adaptação a diferentes sotaques e avaliações de equidade. Modelos modernos de aprendizagem auto-supervisionada, como wav2vec 2.0 e Whisper, são apresentados como caminhos promissores, embora ainda existam desafios éticos e regulatórios. A conclusão central é que os sons da língua não são neutros: eles refletem e podem reproduzir relações de poder, e uma sociedade linguisticamente democrática deve avaliar as pessoas pelo conteúdo de sua comunicação, e não pelo sotaque com que falam.