Textualidade não é o que você acha que é
A maioria das pessoas que estuda linguística ou redação técnica aprende textualidade como um checklist de propriedades: coesão, coerência, conectividade, intencionalidade. E tecnicamente, está certo. Mas quando você vai aplicar isso na prática, o conceito desmorona rápido. Um documento pode ter todas as marcas de coesão e ainda assim ser ininteligível. Já vi relatórios técnicos com conjunções encadeadas até no teto que não transmitiam uma única informação clara.
Entendendo o que é textualidade na prática
O conceito nasceu dentro dos estudos de linguagem, mas se espalhou para áreas como tradução, processamento de linguagem natural e redação corporativa. A definição mais aceita vem de scholars como Emília Ferreiro e Anna Rachel Miller no Brasil, que retomam os trabalhos de Koch e Travaglia. Basicamente, textualidade é o conjunto de condições que transformam um conjunto de frases em um texto funcional — algo que cumpre um propósito comunicativo dentro de um contexto específico. Existem sete critérios clássicos propostos por João Gilberto Baquito e outros pesquisadores: coesão (ligações formais entre partes), coerência (sentido lógico global), intencionalidade (o produtor busca um efeito no leitor), aceitabilidade (o receptor considera aquilo válido), informatividade (não trivial demais nem impossível de decodificar), situacionalidade (adequação ao contexto de uso) e intertextualidade (diálogo com outros textos). Na teoria, soa limpo. Na prática, é muito mais bagunçado.
Aqui vai algo que pouca gente ensina: coesão e coerência são coisas separadas e podem conflitar. Você pode escrever um parágrafo perfeitamente coeso — pronome que remete a termo anterior, conjunção correta, vírgula no lugar certo — e ainda assim ser incoerente se as ideias não se sustentam logicamente. Já vi revisores rejeitarem textos precisamente por esse motivo: a forma estava impecável, mas o raciocínio tinha uma lacuna que nenhum conectivo ia resolver. O truque é revisar coesão e coerência em etapas diferentes. Não adianta corrigir links linguísticos antes de saber se o argumento faz sentido. Outro ponto que as pessoas subestimam: a situacionalidade. Um texto técnico para engenheiros e um texto explicativo para o público geral sobre o mesmo assunto vão ter níveis de textualidade diferentes. O primeiro pode usar siglas sem glossário e ainda assim ser um texto pleno. O segundo precisa de mediações que o primeiro não precisa. Confundir isso gera um erro comum em traduções e localizações — ajustar o vocabulário mas ignorar o contexto situacional, produzindo um texto "correto" que ninguém vai usar.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Me deparei com isso recentemente num projeto de documentação de software para um cliente europeu. A equipe de engenharia enviou manuais com anotações internas — abreviações de módulos, nomes de variáveis, referências a tickets internos. Do ponto de vista da coesão, estava tudo conectado. Mas a situacionalidade estava errada: o público-alvo eram clientes finais, não desenvolvedores. Passei cerca de três horas reescrevendo os dois primeiros capítulos para substituir a terminologia interna por descrições funcionais, e ainda assim precisei criar um glossário separado porque o cliente fez questão de manter os nomes dos módulos no texto principal. A solução foi inserir o glossário como apêndice com numeração de página, o que reduziu a carga cognitiva sem queimar a intencionalidade original do documento.
Por que isso importa fora da academia
Se você trabalha com processamento de linguagem natural, textualidade é o problema central. Sistemas de sumarização, tradução automática e chatbots precisam decidir onde termina um texto e começa outro. O limite nem sempre é óbvio. Um e-mail de negociação pode conter trechos citados de contratos anteriores, respostas encadeadas e anexos mencionados. Para um modelo de ML, isso é um caos de fronteiras textuais. Na prática, a maioria dos pipelines resolve cortando por parágrafos ou por marcadores de seção, o que funciona 70% das vezes e falha de forma silenciosa nos outros 30%. Na área de tradução, textualidade aparece como um pesadelo cotidiano. Traduzir frase por frase preserva a coesão superficial mas destrói a coerência global quando as línguas têm estruturas diferentes. Português e inglês, por exemplo, tratam a information structure de modo distinto — o inglês tende a colocar o tópico no início da frase, enquanto o português permite mais liberdade de ordem. Um tradutor amador mantém a estrutura do original e o texto resulta coeso mas soa artificial. Um tradutor experiente reconhece que a textualidade exige reestruturação, não equivalência lexical.
Também é importante notar uma limitação séria: textualidade não é binária. Um texto não é "textual" ou "não textual". Ele possui graus de textualidade que variam conforme o critério considerado. Um poema pode ter baixa informatividade para quem já conhece o autor mas alta aceitabilidade estética. Um memorando interno pode ter altíssima situacionalidade dentro da empresa mas ser incompreensível fora dela. Tentar classificar textos em caixas rígidas leva a avaliações equivocadas, especialmente em processos de revisão por pares ou análise de qualidade de tradução. Se o seu interesse é aplicar textualidade de forma concreta — seja revisando documentos, treinando modelos ou traduzindo — o caminho mais eficiente é começar pela situacionalidade e pela intencionalidade. Defina claramente quem é o leitor e qual efeito você quer produzir. Aí sim, resolva coesão e coerência. Inverter essa ordem é gastar tempo corrigindo conexões que não vão resolver o problema real. E se você está lidando com textos longos ou multicamada, considere usar ferramentas de análise de rede de coerência — existem plugins para o AntConc e scripts em Python que mapeiam relações referenciais automaticamente. Isso acelera a revisão em textos de mais de cinquenta páginas, mas não substitui o julgamento humano sobre o nível de situacionalidade adequado.
