Procedimento de Citação em Cartões de Idioma

Como o Champollion garante que toda afirmação em um cartão de idioma seja rastreável até uma fonte primária.

---

1. O Problema

Cartões de idioma contêm afirmações factuais — contagens de falantes, status de ameaça, influências de contato, propriedades morfológicas, convenções tipográficas, suporte de método — que devem ser verificáveis. Atualmente:

• O campo dataSources é um array simples de strings (ex: ["cldr-48", "glottolog-5.3"])
• Não há granularidade de citação por campo
• Afirmações como "~2,8M falantes" ou "vulnerável" não têm proveniência rastreável
• Um revisor não consegue determinar qual fonte suporta qual afirmação

[!CAUTION] Uma afirmação sem fonte é uma afirmação não verificável. Para um projeto que se posiciona como rigoroso profissionalmente, toda asserção em um cartão de idioma deve ser rastreável até uma fonte primária específica e versionada.

---

2. Fontes Autoritárias (Classificadas por Prioridade)

Para cada tipo de afirmação, as seguintes fontes são autoritárias. Sempre prefira a fonte de maior prioridade disponível.

Classificação e Identidade

Prioridade	Fonte	Cobre	Licença	Como Citar
1	Glottolog (Max Planck)	Família, ancestralidade, glottocode	CC-BY 4.0	glottolog-5.x
2	ISO 639-3 (SIL)	Códigos ISO, macrolínguas	Livre	iso639-3-{date}
3	WALS (Max Planck)	Definições de gênero, características tipológicas	CC-BY 4.0	wals-2024
4	CLDR (Unicode)	Códigos de locale, códigos de script, regras de plural	Unicode ToS	cldr-{version}

Demografia de Falantes e Vitalidade

Prioridade	Fonte	Cobre	Licença	Como Citar
1	Dados de censo nacional	Contagens oficiais de falantes	Varia (geralmente público)	census-{country}-{year}
2	Ethnologue	Estimativas de falantes, EGIDS	Proprietária (assinatura)	ethnologue-{edition}
3	Atlas UNESCO	Status de ameaça	Livre	unesco-atlas-{year}
4	Artigos acadêmicos publicados	Pesquisas regionais de falantes	Licença por artigo	{author}-{year}
5	Katig Collective	Idiomas das Filipinas	Acadêmica	katig-{year}

[!WARNING] Nunca use Wikipedia, texto gerado por IA ou conhecimento próprio como fonte primária para afirmações demográficas. Essas são fontes secundárias/terciárias no melhor dos casos. Sempre rastreie até os dados primários.

Suporte de Método (Cobertura de API de Tradução)

Método	Fonte de Verificação	Como Verificar	Como Citar
Google Translate	Lista de idiomas	Chamada de API ou página de docs	google-translate-{date}
DeepL	Lista de idiomas	Chamada de API	deepl-api-{date}
Microsoft Translator	Lista de idiomas	Página de docs	ms-translator-{date}
LibreTranslate	Lista de idiomas	Chamada de API	libretranslate-{date}
NLLB	FLORES README	README + model card	nllb-200-{date}
LLM	Sempre true	N/A (qualidade varia)	llm-assumed

DLS (Suporte Digital de Idioma)

Prioridade	Fonte	Cobre	Como Citar
1	Simons et al. 2022	Pontuações DLS (143 ferramentas originais)	simons-2022
2	Ethnologue 27ª+ ed.	Pontuações DLS (211 ferramentas expandidas)	ethnologue-{edition}-dls

Tipografia, Plurais, Scripts

Prioridade	Fonte	Cobre	Como Citar
1	CLDR	Regras de plural, aspas, formatação de números	cldr-{version}
2	Unicode CSUR	Códigos de script	iso15924-{date}
3	Gramáticas publicadas	Regras específicas do idioma	{author}-{year}

Influências de Contato

Prioridade	Fonte	Cobre	Como Citar
1	Artigos publicados de linguística histórica	Estudos de empréstimos, história de contato	{author}-{year}
2	Gramáticas de referência	Descrições de influência estrutural	{grammar-title}-{year}
3	WALS	Comparações tipológicas	wals-{feature}-{year}

[!IMPORTANT] Afirmações de influência de contato são as mais difíceis de fundamentar. Afirmações como "superstrato espanhol, profundo, 1571–1898" requerem expertise em linguística histórica. Se uma fonte publicada não puder ser encontrada, marque a afirmação com "citation_needed": true em vez de adivinhar.

---

3. Procedimento de Citação (Passo a Passo)

Ao Criar um Novo Cartão de Idioma

1. Comece com campos preenchidos automaticamente:

   • Execute node scripts/build-language-tree.mjs --enrich → preenche classification do Glottolog
   • Registre "glottolog-{version}" em dataSources

2. Adicione dados CLDR:

   • Procure regras de plural, aspas, código de script no CLDR
   • Registre "cldr-{version}" em dataSources

3. Pesquise demografia de falantes:

   • Verifique dados de censo nacional PRIMEIRO
   • Referência cruzada com Ethnologue (se disponível)
   • Referência cruzada com Atlas UNESCO
   • Registre TODAS as fontes consultadas em dataSources

4. Verifique suporte de método:

   • Verifique a lista de idiomas de CADA API (não memória, não suposições)
   • Registre data de verificação

5. Pesquise influências de contato:

   • Encontre artigos publicados de linguística histórica
   • Documente período, tipo, profundidade com citações
   • Se nenhuma fonte publicada existir, adicione "citation_needed": true à entrada de influência

6. Pesquise vitalidade:

   • Verifique Ethnologue para EGIDS
   • Verifique Atlas UNESCO para status de ameaça
   • Anote qualquer discrepância entre fontes

7. Preencha dataSources:

   • Liste TODA fonte consultada (não apenas as que forneceram dados)
   • Use o formato de citação das tabelas acima

Ao Atualizar um Cartão Existente

1. Nunca altere uma afirmação factual sem atualizar dataSources
2. Se você atualizar uma contagem de falantes, remova a fonte antiga e adicione a nova
3. Se você adicionar suporte de método, verifique contra a API e registre a data
4. Coloque data em todas as verificações de suporte de método — a cobertura de API muda frequentemente

---

4. Melhoria de Schema Proposta: Citações por Campo

Schema Atual (dataSources Simples)

"dataSources": ["cldr-48", "glottolog-5.3"]

Problema: Quais campos vieram do CLDR? Quais do Glottolog? Quais não têm citação?

Melhoria Proposta: dataSources Estruturado

"dataSources": {
  "classification": ["glottolog-5.3"],
  "vitality.unescoStatus": ["unesco-atlas-2024"],
  "vitality.egids": ["ethnologue-27"],
  "vitality.speakerCount": ["census-ph-2020", "ethnologue-27"],
  "rules.plurals": ["cldr-48"],
  "rules.typography": ["cldr-48"],
  "contactInfluences": ["blust-2013", "llamzon-1969"],
  "methodSupport.googleTranslate": ["google-translate-2024-07"],
  "methodSupport.nllb": ["nllb-200-2024-03"],
  "dls": ["simons-2022", "ethnologue-27-dls"],
  "pipelineReadiness": ["manual-assessment-2025-06"]
}

Caminho de Migração

Esta é uma mudança compatível com versões anteriores:

1. Cartões existentes mantêm o array simples (ainda válido)
2. Novos cartões usam o formato estruturado
3. Validação de schema aceita ambos os formatos
4. Migre cartões existentes incrementalmente conforme forem revisados

[!TIP] Valide com um script. Adicione um script validate-citations.mjs que:

• Verifique se todo cartão tem pelo menos fontes classification e vitality
• Sinalize cartões com arrays dataSources simples para atualização
• Avise sobre entradas methodSupport sem verificação com data

---

5. Checklist de Qualidade

Antes de fazer merge de qualquer alteração em cartão de idioma, verifique:

• Toda contagem de falantes tem uma fonte (censo ou Ethnologue, não Wikipedia)
• Todo status UNESCO/EGIDS tem uma fonte
• Todo sinalizador de suporte de método foi verificado contra a API real (não assumido)
• Toda influência de contato tem uma fonte acadêmica publicada OU está marcada citation_needed
• Classificação foi preenchida automaticamente do Glottolog (não construída manualmente)
• dataSources lista TODAS as fontes consultadas
• Nenhuma afirmação depende unicamente de conhecimento gerado por IA
• humanReviewed está definido para o identificador do revisor e data se um falante nativo revisou

---

6. Campo humanReviewed

O schema do cartão de idioma inclui um campo humanReviewed que está atualmente null em todos os cartões. Este campo deve ser preenchido quando um falante nativo ou linguista qualificado revisa o cartão:

"humanReviewed": {
  "reviewer": "Prof. Kenneth Jamandre",
  "affiliation": "University of the Philippines",
  "date": "2026-06-08",
  "scope": "full",
  "notes": "Verified speaker count, vitality assessment, and contact influences."
}

[!IMPORTANT] Revisão comunitária é o padrão ouro. Dados automatizados e artigos acadêmicos fornecem a base, mas a revisão de um falante nativo é a validação final. Isso é especialmente crítico para:

• Afirmações de influência de contato (membros da comunidade sabem quais palavras emprestadas são realmente usadas)
• Avaliações de vitalidade (membros da comunidade sabem se crianças estão falando o idioma)
• Sistemas de formalidade (descrições acadêmicas podem perder padrões de uso cotidiano)

---

7. Referências para Este Procedimento

1. Glottolog: https://glottolog.org — CC-BY 4.0
2. ISO 639-3: https://iso639-3.sil.org — Livre
3. WALS: https://wals.info — CC-BY 4.0
4. CLDR: https://cldr.unicode.org — Termos de Uso Unicode
5. Ethnologue: https://www.ethnologue.com — Proprietária (assinatura)
6. Atlas UNESCO: http://www.unesco.org/languages-atlas/ — Livre
7. Simons et al. (2022): https://aclanthology.org/2022.coling-1.379/
8. Especificação de Cartão de Idioma Champollion: cli/website/docs/reference/language-card-spec.md