Novo CorPop Saúde: Data Collection for Simplified Health Communication in a Brazilian Patient Information Leaflet Corpus
Resumo
This paper presents exploratory results from the "Novo CorPop Saúde" project, evaluating whether validation by expert linguists improves readability levels compared to AI-generated simplifications. We analyzed original, AI-generated, and human-validated versions of thirty Patient Information leaflets. Using the Flesch Reading Ease Index, two adapted Dale-Chall metrics, and lexicometric analysis, we assessed automatic simplification against human strategies. Results indicate that while AI improves readability scores primarily through text compression, expert linguists prioritize elaborative strategies, maintaining key terminology while providing didactic explanations to fill semantic gaps. This suggests that human intervention plays a key role in balancing terminological precision with communicative accessibility, a nuance that purely reductive AI strategies might overlook. This study provided evidence on the use of the complex and simplified lexical repertoire of medicine leaflets for the "Novo CorPop Saúde".Referências
Basu, C., Vasu, R., Yasunaga, M., and Yang, Q. (2023). Med-EASi: Finely Annotated Dataset and Models for Controllable Simplification of Medical Texts. In Proceedings of the AAAI Conference on Artificial Intelligence, volume 37, pages 12579–12587.
Campos, M. N. (2025). Parkinsonbot: chatbot para auxílio e acessibilidade sobre a doença de parkinson. Trabalho de conclusão de curso (graduação em ciência da computação), Instituto de Informática, Universidade Federal do Rio Grande do Sul, Porto Alegre. Accessed: 25 Sep. 2025.
Chall, J. S. and Dale, E. (1995). Readability revisited: the new Dale-Chall readability formula. Brookline Books.
Dal Pizzol, T. d. S., Moraes, C. G., Arrais, P. S. D., Bertoldi, A. D., Ramos, L. R., Farias, M. R., Oliveira, M. A., Tavares, N. U. L., Luiza, V. L., and Mengue, S. S. (2019). Medicine package inserts from the users’ perspective: are they read and understood? Revista Brasileira de Epidemiologia, 22:e190009.
Finatto, M. J. B. and Paraguassu, L. B. (2022). Comunicação acessível em temas de saúde pública: textos e terminologias sobre epidemias, do passado ao presente. In Moreira, G. L., Costa, L. A. C., and Alves, I. M., editors, Pesquisas em Lexicologia, Lexicografia e Terminologia, volume 1, pages 189–323. Pontes Editores, Campinas.
Finatto, M. J. B. and Tcacenco, L. M. (2021). Tradução intralinguística, estratégias de equivalência e acessibilidade textual e terminológica. TradTerm, 37(1):30–63.
Martins, T. B. F., Ghiraldelo, C. M., Nunes, M. G. V., and Oliveira Jr., O. N. (1996). Readability formulas applied to textbooks in brazilian portuguese. Notas do ICMSC-USP, São Carlos.
Menezes, L. C., Paes, A., and Finatto, M. J. B. (2023). Abordagem baseada em aumento de dados para avaliação automática de leiturabilidade. Domínios de Lingu@gem, 17:e1721. DOI: 10.14393/DLv17a2023-21.
Pasqualini, B. (2018). Corpop - um corpus do português popular escrito. Thesis, Programa de Pós-Graduação em Letras, Universidade Federal do Rio Grande do Sul, Porto Alegre. Accessed: 25 May 2026.
Scalercio, A., Bertotto, E., Jesus, S., Finatto, M. J. B., and Paes, A. (2026). Annotation guidelines and challenges for automatic simplification of portuguese drug leaflets. In Proceedings of Propor/Lang4Health.
Scalercio, A., de Souza, E., Finatto, M. J., and Paes, A. (2025). Evaluating LLMs for Portuguese Sentence Simplification with Linguistic Insights. In Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 24452–24477. Association for Computational Linguistics.
Wives, L. K. and Finatto, M. J. B. (2025). Usando LLMs para simplificar e representar documentos médicos. In Anais Estendidos do XL Simpósio Brasileiro de Bancos de Dados (SBBD 2025), pages 415–425, Porto Alegre, RS, Brasil. SBC.
Campos, M. N. (2025). Parkinsonbot: chatbot para auxílio e acessibilidade sobre a doença de parkinson. Trabalho de conclusão de curso (graduação em ciência da computação), Instituto de Informática, Universidade Federal do Rio Grande do Sul, Porto Alegre. Accessed: 25 Sep. 2025.
Chall, J. S. and Dale, E. (1995). Readability revisited: the new Dale-Chall readability formula. Brookline Books.
Dal Pizzol, T. d. S., Moraes, C. G., Arrais, P. S. D., Bertoldi, A. D., Ramos, L. R., Farias, M. R., Oliveira, M. A., Tavares, N. U. L., Luiza, V. L., and Mengue, S. S. (2019). Medicine package inserts from the users’ perspective: are they read and understood? Revista Brasileira de Epidemiologia, 22:e190009.
Finatto, M. J. B. and Paraguassu, L. B. (2022). Comunicação acessível em temas de saúde pública: textos e terminologias sobre epidemias, do passado ao presente. In Moreira, G. L., Costa, L. A. C., and Alves, I. M., editors, Pesquisas em Lexicologia, Lexicografia e Terminologia, volume 1, pages 189–323. Pontes Editores, Campinas.
Finatto, M. J. B. and Tcacenco, L. M. (2021). Tradução intralinguística, estratégias de equivalência e acessibilidade textual e terminológica. TradTerm, 37(1):30–63.
Martins, T. B. F., Ghiraldelo, C. M., Nunes, M. G. V., and Oliveira Jr., O. N. (1996). Readability formulas applied to textbooks in brazilian portuguese. Notas do ICMSC-USP, São Carlos.
Menezes, L. C., Paes, A., and Finatto, M. J. B. (2023). Abordagem baseada em aumento de dados para avaliação automática de leiturabilidade. Domínios de Lingu@gem, 17:e1721. DOI: 10.14393/DLv17a2023-21.
Pasqualini, B. (2018). Corpop - um corpus do português popular escrito. Thesis, Programa de Pós-Graduação em Letras, Universidade Federal do Rio Grande do Sul, Porto Alegre. Accessed: 25 May 2026.
Scalercio, A., Bertotto, E., Jesus, S., Finatto, M. J. B., and Paes, A. (2026). Annotation guidelines and challenges for automatic simplification of portuguese drug leaflets. In Proceedings of Propor/Lang4Health.
Scalercio, A., de Souza, E., Finatto, M. J., and Paes, A. (2025). Evaluating LLMs for Portuguese Sentence Simplification with Linguistic Insights. In Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 24452–24477. Association for Computational Linguistics.
Wives, L. K. and Finatto, M. J. B. (2025). Usando LLMs para simplificar e representar documentos médicos. In Anais Estendidos do XL Simpósio Brasileiro de Bancos de Dados (SBBD 2025), pages 415–425, Porto Alegre, RS, Brasil. SBC.
Publicado
19/10/2026
Como Citar
PASQUALINI, Bianca; FINATTO, Maria J. B.; BERTOTTO, Eduarda; CARPIO, Paula Salem; GRANDI, Roges Horacio; WIVES, Leandro Krug.
Novo CorPop Saúde: Data Collection for Simplified Health Communication in a Brazilian Patient Information Leaflet Corpus. 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. 297-304.
DOI: https://doi.org/10.5753/stil.2026.26518.
