Wikisource: edição colaborativa e património lexical português

A Wikisource, biblioteca digital livre da Fundação Wikimedia, tem como objetivo preservar e disponibilizar textos em domínio público ou com licenças abertas. Funciona como um repositório colaborativo, onde qualquer pessoa pode transcrever, rever e publicar obras literárias, científicas ou históricas. Dedicada a textos em domínio público, constitui hoje um espaço de experimentação e colaboração para a edição científica de obras patrimoniais, reunindo uma comunidade crescente de investigadores e voluntários envolvidos em projetos de edição aberta.

É neste contexto que apresentamos uma iniciativa desenvolvida em torno da Wikisource em língua portuguesa, diretamente relacionada com a edição colaborativa de recursos lexicográficos. Este trabalho insere-se no cruzamento entre Humanidades Digitais, Lexicografia e Acesso Aberto, e percorre todo o processo desde o enquadramento teórico e metodológico até a um estudo de caso concreto, passando pelos fluxos de trabalho, desafios, métricas e perspetivas futuras. O objetivo central consistiu em explorar como a Wikisource pode facilitar a preservação e a democratização de recursos lexicográficos históricos, mobilizando metodologias colaborativas e tecnologias de software livre.

No contexto contemporâneo, as Humanidades Digitais permitem ultrapassar as limitações materiais do papel e abrir novas formas de acesso a obras antigas. As plataformas colaborativas possibilitam superar fronteiras geográficas e temporais, democratizando o conhecimento. O movimento do acesso aberto assegura que o património textual em língua portuguesa esteja livremente disponível para investigadores, estudantes e público em geral, enquanto licenças como Creative Commons garantem sustentabilidade na reutilização. A Wikisource constitui ainda um exemplo de ciência cidadã, ao envolver tanto especialistas como voluntários num processo de construção e preservação de conhecimento textual.

É precisamente neste enquadramento que se insere o trabalho em curso de transcrição e edição colaborativa de textos de relevância histórica e linguística, entre os quais se destaca a edição digital de A Influência do Vocabulário Português em Línguas Asiáticas (1913), de Sebastião Rodolfo Dalgado – orientalista e filólogo nascido em Assagão, Goa (1855–1922). Esta obra analisa a integração de vocábulos portugueses em cerca de cinquenta idiomas asiáticos, revelando o impacto do período de expansão portuguesa e demonstrando o papel do português como língua franca em vários domínios culturais e socioeconómicos (Cardoso, 2016). Publicada com o apoio da Academia das Ciências de Lisboa, continua a constituir uma referência fundamental para os estudos de contacto linguístico, lexicografia e história da língua portuguesa, embora a versão atualmente disponível em domínio público se limite a um PDF sem tratamento filológico ou digital adequado.

Ao digitalizar, estruturar e disponibilizar esta obra na Wikisource, tornámo-la acessível a investigadores de todo o mundo, permitindo análises comparativas e estudos linguísticos que anteriormente eram muito difíceis de realizar. O projeto procura igualmente demonstrar o potencial da Wikisource enquanto ferramenta de preservação, difusão e investigação lexicográfica, salientando a possibilidade de estabelecer ligações entre texto, dados e léxico por meio da interoperabilidade com a Wikidata e respetivos Lexemas (Lindemann et al., 2025). Assim, a obra deixa de ser um texto estático e passa a integrar uma rede semântica global que articula dados lexicográficos, histórico-filológicos e linguísticos.

O fluxo de trabalho definido para o projeto compreende várias etapas articuladas:

• criação da galeria-índice e dos metadados bibliográficos, garantindo o domínio público da obra e o respetivo carregamento no Wikimedia Commons;
• aplicação de OCR (Optical Character Recognition), recorrendo a ferramentas como Tesseract e Google OCR — sendo este último particularmente eficiente nos excertos multilingues presentes em Dalgado;
• definição de normas de transcrição e formatação, incluindo gestão de translineação, preservação de variantes históricas com marcação sic, notas de rodapé e estruturas de colunas;
• revisão colaborativa com dupla validação independente, através do sistema ProofreadPage, que utiliza códigos cromáticos para indicar o estado de cada página;
• ligação à Wikidata e aos Lexemas, enriquecendo o texto com dados estruturados e permitindo consultas rápidas a informações etimológicas, morfológicas e semânticas;
• transclusão para o espaço principal, tornando o texto navegável e acessível ao público.

Em apenas dois meses de trabalho, a equipa conseguiu transcrever 211 páginas, validar 56 páginas, envolver três colaboradores ativos e atingir um tempo médio de 20 minutos por página — resultados que ilustram bem o potencial da colaboração distribuída.

O projeto deixou igualmente questões e desafios: a necessidade de desenvolver predefinições específicas para dicionários e glossários; a normalização editorial, sobretudo no tratamento de variantes ortográficas; a formação de novos colaboradores por meio de materiais didáticos e workshops; e a sustentabilidade técnica a longo prazo, assegurando que o trabalho realizado hoje permanece válido e interoperável no futuro.

O projeto estrutura-se, assim, em dois eixos complementares:
(i) valorizar e difundir uma obra fundamental para o estudo do contacto linguístico entre o português e as línguas asiáticas;
(ii) consolidar a Wikisource como instrumento de edição científica colaborativa, aberta e sustentável.

Em jeito de conclusão, a Wikisource em português revela-se muito mais do que uma biblioteca digital: constitui um movimento vivo de preservação e valorização do património textual lusófono. Com metodologias colaborativas e tecnologias abertas, é possível revitalizar recursos lexicográficos históricos e garantir a sua circulação, reutilização e sustentabilidade futura — como demonstra o caso exemplar de Dalgado.