CorPop26: Uma atualização das 3.000 Palavras Mais Frequentes do CorPop de 2018
Resumo
Este estudo teve como objetivo atualizar a lista das 3.000 palavras mais frequentes do português do Brasil com base no CorPop de 2018, formado por textos baseados no letramento médio dos leitores do país. A metodologia de atualização utilizada foi comparar frequências do CorPop original com as de outros dois corpora, um baseado no Carolina da USP e outro na Wikipédia, ampliando a base textual. Como resultado, obteve-se uma renovação de 659 palavras, representando 21,97% das originais. Testes comparativos em diferentes ferramentas de análise textual (NILC Metrix, Vidya Text com CorPop original e Vidya Text com CorPop26) evidenciam a influência da lista de palavras mais frequentes no resultado da fórmula de Dale e Chall de 1995.
Referências
Aguiar, A. M. S. et al. (2025). Experiências sobre água e saneamento rural na América Latina e no Caribe. Instituto René Rachou, Fiocruz Minas, Belo Horizonte. Amostra de texto 4.
Brasil. Ministério da Saúde (2023). Caderneta da criança: passaporte da cidadania (menina). Ministério da Saúde, Brasília, 6 edition. Amostra de texto 2.
Brasil. Ministério da Saúde (2024). Conheça seus direitos no SUS! (Guia para migrantes e refugiados). Ministério da Saúde, Brasília. Amostra de texto 3.
Casanova, E., Treviso, M., Hübner, L. C., and Mansur, L. L. (2025). Dnlt-bp: Dataset para avaliação de complexidade textual em português brasileiro. [link]. Dataset. Acesso em: 5 jan. 2026.
Ceará. Defensoria Pública do Estado (2024). Cidadania sem Barreiras: curatela e tomada de decisão apoiada. Defensoria Pública do Estado do Ceará, Fortaleza. Amostra de texto 5.
Chall, J. S. and Dale, E. (1995). Readability Revisited: The New Dale-Chall Readability Formula. Brookline Books, Cambridge.
Dale, E. and Chall, J. S. (1948). A formula for predicting readability: Instructions. Educational Research Bulletin, pages 37–54.
DuBay, W. H. (2004). The Principles of Readability. Impact Information, Costa Mesa.
Finatto, M. J. B. and Paraguassu, L. B. (2021). Acessibilidade textual e terminológica. EDUFU.
Flesch, R. (1948). A new readability yardstick. Journal of Applied Psychology, 32(3):221–233.
Grandi, R. H. (2026a). Corpus Carol Pop BR. Kaggle. Dataset.
Grandi, R. H. (2026b). Corpus wikipédia PT limpo. Kaggle. Dataset.
Grandi, R. H. et al. (2026). Vidya text: an educational tool to support the teaching of writing and the study of brazilian portuguese vocabulary. [link]. Acesso em: 19 jul. 2026.
Grandi, R. H. and Pasqualini, B. (2026). CorPop 2018/2026. Kaggle. Dataset.
Hartmann, N. S. (2019). Leg2kids. [link]. Corpus. Acesso em: 5 jan. 2026.
Hospital Português (2021). Check-up da pessoa idosa: acompanhamento médico e exames de rotina. Salvador. Amostra de texto 1. Informativo institucional.
Leal, S. E., Duran, M. S., Scarton, C. E., Hartmann, N. S., and Aluísio, S. M. (2023). Nilc-metrix: assessing the complexity of written and spoken language in brazilian portuguese. Language Resources and Evaluation.
Martins, T. B. F. et al. (1996). Readability formulas applied to textbooks in brazilian portuguese. Technical report, ICMC-USP.
McEnery, T. and Hardie, A. (2011). Corpus linguistics: Method, theory and practice. Cambridge University Press.
Nation, I. S. P. (2001). Learning Vocabulary in Another Language. Cambridge University Press, Cambridge.
Paraguassu, L. B. (2024). Linguagem Simples na Saúde: contribuições dos estudos da linguagem para o Letramento em Saúde no Brasil. Tese (doutorado em letras), Universidade Federal do Rio Grande do Sul, Porto Alegre.
Pasqualini, B. (2018). Corpop: Um corpus do português popular escrito. Tese, Programa de Pós-Graduação em Letras, Universidade Federal do Rio Grande do Sul, Porto Alegre.
Santos, D., Cardoso, N., Sarmento, Luís e Rocha, P., and Vieira, R. (2015). Harem. [link]. Corpus. Lisboa: Linguateca. Acesso em: 5 jan. 2026.
UFRGS (2016). Porpopular: Léxico do português popular brasileiro. [link]. Acesso em: 18 abr. 2026.
UNICAMP (2018). Brazilian stock market tweets with emotions. [link]. Dataset. Acesso em: 5 jan. 2026.
USP (2023). Carolina: Corpus geral do português brasileiro contemporâneo. [link]. Corpus. Acesso em: 5 jan. 2025.
Vieira, G. d. O. (2010). Adaptação para novos leitores: como a literatura clássica adaptada fornecida às escolas do ensino público e utilizada pelos professores no processo de ensino estimula a leitura de obras originais.
Brasil. Ministério da Saúde (2023). Caderneta da criança: passaporte da cidadania (menina). Ministério da Saúde, Brasília, 6 edition. Amostra de texto 2.
Brasil. Ministério da Saúde (2024). Conheça seus direitos no SUS! (Guia para migrantes e refugiados). Ministério da Saúde, Brasília. Amostra de texto 3.
Casanova, E., Treviso, M., Hübner, L. C., and Mansur, L. L. (2025). Dnlt-bp: Dataset para avaliação de complexidade textual em português brasileiro. [link]. Dataset. Acesso em: 5 jan. 2026.
Ceará. Defensoria Pública do Estado (2024). Cidadania sem Barreiras: curatela e tomada de decisão apoiada. Defensoria Pública do Estado do Ceará, Fortaleza. Amostra de texto 5.
Chall, J. S. and Dale, E. (1995). Readability Revisited: The New Dale-Chall Readability Formula. Brookline Books, Cambridge.
Dale, E. and Chall, J. S. (1948). A formula for predicting readability: Instructions. Educational Research Bulletin, pages 37–54.
DuBay, W. H. (2004). The Principles of Readability. Impact Information, Costa Mesa.
Finatto, M. J. B. and Paraguassu, L. B. (2021). Acessibilidade textual e terminológica. EDUFU.
Flesch, R. (1948). A new readability yardstick. Journal of Applied Psychology, 32(3):221–233.
Grandi, R. H. (2026a). Corpus Carol Pop BR. Kaggle. Dataset.
Grandi, R. H. (2026b). Corpus wikipédia PT limpo. Kaggle. Dataset.
Grandi, R. H. et al. (2026). Vidya text: an educational tool to support the teaching of writing and the study of brazilian portuguese vocabulary. [link]. Acesso em: 19 jul. 2026.
Grandi, R. H. and Pasqualini, B. (2026). CorPop 2018/2026. Kaggle. Dataset.
Hartmann, N. S. (2019). Leg2kids. [link]. Corpus. Acesso em: 5 jan. 2026.
Hospital Português (2021). Check-up da pessoa idosa: acompanhamento médico e exames de rotina. Salvador. Amostra de texto 1. Informativo institucional.
Leal, S. E., Duran, M. S., Scarton, C. E., Hartmann, N. S., and Aluísio, S. M. (2023). Nilc-metrix: assessing the complexity of written and spoken language in brazilian portuguese. Language Resources and Evaluation.
Martins, T. B. F. et al. (1996). Readability formulas applied to textbooks in brazilian portuguese. Technical report, ICMC-USP.
McEnery, T. and Hardie, A. (2011). Corpus linguistics: Method, theory and practice. Cambridge University Press.
Nation, I. S. P. (2001). Learning Vocabulary in Another Language. Cambridge University Press, Cambridge.
Paraguassu, L. B. (2024). Linguagem Simples na Saúde: contribuições dos estudos da linguagem para o Letramento em Saúde no Brasil. Tese (doutorado em letras), Universidade Federal do Rio Grande do Sul, Porto Alegre.
Pasqualini, B. (2018). Corpop: Um corpus do português popular escrito. Tese, Programa de Pós-Graduação em Letras, Universidade Federal do Rio Grande do Sul, Porto Alegre.
Santos, D., Cardoso, N., Sarmento, Luís e Rocha, P., and Vieira, R. (2015). Harem. [link]. Corpus. Lisboa: Linguateca. Acesso em: 5 jan. 2026.
UFRGS (2016). Porpopular: Léxico do português popular brasileiro. [link]. Acesso em: 18 abr. 2026.
UNICAMP (2018). Brazilian stock market tweets with emotions. [link]. Dataset. Acesso em: 5 jan. 2026.
USP (2023). Carolina: Corpus geral do português brasileiro contemporâneo. [link]. Corpus. Acesso em: 5 jan. 2025.
Vieira, G. d. O. (2010). Adaptação para novos leitores: como a literatura clássica adaptada fornecida às escolas do ensino público e utilizada pelos professores no processo de ensino estimula a leitura de obras originais.
Publicado
19/10/2026
Como Citar
GRANDI, Roges Horacio; PASQUALINI, Bianca; FINATTO, Maria Jose Bocorny; WIVES, Leandro Krug; GOMES, Raquel Salcedo.
CorPop26: Uma atualização das 3.000 Palavras Mais Frequentes do CorPop de 2018. In: SIMPÓSIO BRASILEIRO DE TECNOLOGIA DA INFORMAÇÃO E DA LINGUAGEM HUMANA (STIL), 17. , 2026, Cuiabá/MT.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 175-187.
DOI: https://doi.org/10.5753/stil.2026.25296.
