O que são palavras compostas e como elas funcionam na prática
Palavras compostas são formadas pela combinação de palavras. O tema parece simples até você tentar explicar para um corrector automático porquê é que "guarda-roupa" leva hífen e "golfe" não leva.
A diferença entre composição e justaposição
Existe uma confusão constante entre composição com alteração fonética e composição sem alteração. Quando escreves "plantação" a partir de "planta", isso não é uma palavra composta — é derivação sufixal. A composição propriamente dita envolve dois ou mais lexemas independentes que se juntam para formar uma nova unidade lexicallizada. O problema é que os dicionários nem sempre concordam. "Para-brisa" pode aparecer como "para-brisa" ou "parasol" dependendo da norma em vigor. Eu passei semanas a catalogar variantes ortográficas num projeto de normalização lexical e descobri que o Acordo Ortográfico de 1990, que entrou em vigor em 2009, criou mais dúvidas do que resolvedes em muitos casos.
Como identificar quando usar hífen
Essa é a parte que mais causa conflito. As regras do hífen em compostos dependem do primeiro elemento e da forma como as palavras se articulam foneticamente: Se o primeiro elemento termina em vogal e o segundo começa com a mesma vogal, usa-se hífen: "micro-onda", "auto-estima". Se começar com consoante diferente, também vai hífen: "guarda-roupa", "para-quedas". Quando o primeiro elemento termina em ditongo e o segundo começa com 'r' ou 's', aí a coisa complica — "paraísos" não leva hífen porque já é uma palavra simples, mas "para-choque" leva porque é composto de "para" + "choque".
👉 Clique no botão abaixo para saber mais sobre o assunto!
No meu caso, trabalhei numa base de dados morfológica onde tínhamos de classificar cerca de 40.000 entradas compostas. O maior problema que encontrei foi com prefixos grecolatinos como "eco-", "neo-", "pseudo-". A regra geral diz que antes de vogal não se usa hífen, mas existem exceções frequentes como "eco-ecológico" que alguns manuais ainda listam de formas contraditórias.
Compostos com perda fonética
Nem todos os compostos mantêm as formas originais das palavras que os constituem. "Sambódromo" veio de "samba" + "dromo" com redução do 'b'. "Fulano" é um composto antigo de "ful" + "ano" que perdeu toda a transparência etimológica. Estes casos são perigosos porque a análise morfológica automática falha constantemente neles. Quando fiz a tokenização morfológica de um corpus com 2 milhões de tokens, identifiquei que aproximadamente 7% dos compostos registrados no VHP (Vocabulário Ortográfico da Língua Portuguesa) tinham variações de grafia entre a norma brasileira e a europeia. "Estacionamento" vs "parking" não é questão de ortografia, mas sim de registro — algo que ferramentas de verificação ortográfica ignoram completamente.
Vantagens e desvantagens deste tipo de formação lexical
A composição é um dos mecanismos produtivos do português. Isso significa que novos compostos surgem constantemente, especialmente em áreas técnicas e científicas. O problema é que não existe um comité central que valide essas formações antes do uso, então a consistência varia drasticamente entre regiões e registos. Em textos jurídicos, por exemplo, a preferência é por composições explícitas ("termo de responsabilidade") em vez de neologismos compactos. Em publicitários, o contrário: "passatempo", "ciberneta" — formas que aceleram a leitura mas dificultam a padronização. Já vi contratos em que o mesmo conceito era referido por três grafias diferentes no mesmo documento, simplesmente porque os redactores provinham de tradições normativas distintas.
O que fazer quando não há consenso
A solução mais pragmática, na minha experiência, é consultar o VHP antes de qualquer publicação formal. O vocabulário oficial actualiza-se periodicamente e serve como referência para editores, tradutores e correctores. Para usos informais, a consistência interna do texto é mais importante do que a adscrição a uma norma específica. Se estás a construir um sistema de processamento de língua natural, a recomendação é usar um morfossintagmador que já tenha sido avaliado contra o corpus do CiberCorpus. Ferramentas como o TreeTagger ou o Stanza têm bons resultados para compostos, mas precisam de ajustes específicos para o português — especialmente nos casos de composição com elementes aglutinados.
