Onde há texto e a sua leitura, há recorte, há re-mediação, há resumo. Instâncias da necessidade de resumir largas quantidades de informação datarão, pelo menos, do segundo milénio a.C., encontradas em envelopes de barro com resumos em cuneiforme que protegiam e identificavam os documentos em si contidos (Witty, 1973). Desde então, com o desenvolvimento das técnicas de inscrição, desde a imprensa até às tecnologias digitais, a crescente torrente de informação escrita, a necessidade do seu tratamento e a impossibilidade da sua leitura integral criam as motivações para a crescente preponderância do resumo, bem como do desenvolvimento das técnicas que o permitem, consubstanciadas, hoje, nos Large Language Models (LLMs) e no resumo automatizado. Daí que, dada a percecionada necessidade desta prática e dos objetos que origina, os seus estudos recentes enfoquem, sobretudo, os sucessos e insucessos das tecnologias utilizadas na sumarização, o seu desenvolvimento técnico e a qualidade dos resumos gerados. Será, também, de notável curiosidade a valorização positiva dos sumários automatizados por parte dos seus leitores, quando confrontada com a frequente alucinação e adição de informação incorreta denotada na performance dos LLMs (Zhang et al., 2025).
À parte do apontar destas incorreções, a questão sobre a qual nos debruçaremos estará aquém da veracidade informacional ou dos (in)sucessos na sua transmissão. A aceitação da sumarização automatizada, independente da sua qualidade, e o foco nesta mesma avaliação por parte da academia interessam-nos, aqui, como signo da naturalização da sua presença enquanto forma textual preponderante. Tem-se, assim, abdicado da consideração das implicações invocadas pela alteração e automatização das técnicas do resumo, em prol da procura pelo sumário “bem conseguido”, sob a implicação de que a prática da sumarização não terá outro fim senão o da produção de um objeto textual eficiente na transmissão de informação. Desloquemos, então, o foco da análise. O que poderemos encontrar no gesto de resumir? Que implicações comportam as transformações da técnica que o gramatiza?
A noção de transformação será, aqui, um necessário apontamento de partida. Afinal, como referido, o ato de sumarizar não constitui uma revolução no campo da produção e receção textual, tanto na sua função suplementar à obra de origem como na possibilidade de se substituir à mesma – pensemos nos livros de resumos e análise às obras literárias do ensino obrigatório, que, mesmo quando percecionadas como uma forma de “batota” no jogo escolar, não deixam de representar uma instância de remediação que se assemelha ao resumo automatizado na sua disseminação e naturalização (Duchastel, 1983). Mais, os vários gestos implicados na prática da sumarização não são recentes nem exclusivos à mesma, manifestando-se no próprio ato de leitura desde a sua origem. A escrita de um resumo envolve, como se depreende pelo seu papel enquanto re-mediador de informação, escolhas interpretativas que começam no ato de recuperar do texto apenas a informação considerada essencial, uma decisão que estará longe de ser isenta ou objetiva (Armbruster et al., 1987). Este recorte, que ressignificará necessariamente o texto original através da definição de um ângulo para a sua interpretação, é, já, um gesto necessário à compreensão de qualquer obra, parte de um largo processo interpretativo através do qual cada indivíduo dota o texto de sentido.
A referida transformação também não se cingirá ao recurso a técnicas e objetos externos para o auxílio à produção textual, à cognição ou à memória. Afinal, já os instrumentos de escrita, desde o barro cravado referido por Witty (1973) à máquina de escrever analisada por Kittler (1999) aos dispositivos digitais contemporâneos, serão, eles próprios, objetos técnicos que moldam e gramatizam o gesto que fazem cumprir (Stiegler, 2020). Os próprios processos cognitivos, apontará Hayles (2012), não caberão singularmente ao humano, mas também aos diferentes media e à relação que estabelecemos com os mesmos numa cognição estendida, operando-se mudanças nos modos de pensamento à medida que vão sofrendo alterações as técnicas que os vão constituindo. Importará, assim, analisar as transformações à técnica, tanto quanto as transformações às práticas de produção textual, deixando de parte uma tecnofobia generalizada que se provaria infrutífera.
A questão que surge como mais premente será, então, a do proliferar da sumarização automatizada, um fenómeno relativamente recente – os primeiros desenvolvimentos deste processo remontam a 1958 pelos esforços de Hans Peter Luhn (Zhang et al., 2025) – e crescentemente afetante, dado o proliferar dos LLMs, aliado à sobrecarga informacional e a um meio tecnocultural que tende para a imediatez e para a eficiência. O resumo surge, hoje, como suplemento (Derrida, 1997), extravasando a sua produção voluntária, como no caso dos resumos de conteúdos videográficos criados por IA em plataformas como o Youtube, ou o Reading Assistant da ScienceDirect, detida pela Elsevier, que propõe ao seu utilizador a geração de sumarizações automáticas de artigos académicos (diluindo a referida ideia do resumo enquanto cheating, apontada por Duchastel). Importante será, então, procurar traçar linhas de continuidade e de corte entre os efeitos da sumarização “manual” e automatizada. Para tal, façamos uma curta incursão pelos estudos da sumarização pré-digital, e procuremos as proximidades e distanciamentos com o presente técnico que habitamos.
Reder e Anderson (1980; 1982) procuraram comparar os efeitos retencionários da leitura quer de textos integrais quer dos seus sumários por parte de estudantes universitários. Testando a rememoração informacional dos estudantes com questões de verdadeiro ou falso e de resposta direta, constataram que foram obtidos melhores resultados por aqueles que leram os sumários, concluindo, portanto, que a remoção dos “detalhes” da obra original nos sumários facilitaria o foco nos “pontos principais”. Acrescentam, ainda, que esse facto terá implicações para o uso otimizado do tempo de estudo, devendo ser pesado cuidadosamente o custo temporal e atencional da inclusão de detalhes. Aponta-se, para já, que estas preocupações serão índices da procura pela utilidade, eficiência e otimização temporal que se manifestam tanto nos estudos da sumarização textual automática como no modo de existência contemporâneo. Afinal, o foco destas experiências é a rememoração dos “pontos principais” de um texto, que, como os próprios autores assinalam, não será o único valor na experiência da sua leitura.
Partindo da discussão destes mesmos artigos, Duchastel (1983) dedicar-se-á à formulação de um esquema taxonómico que comporte estes possíveis outcomes da aprendizagem e leitura de um texto. Assinala, para além do conhecimento de pontos principais e das suas elaborações, a perceção de valores e pontos de vista, o conhecimento estrutural e estilístico de um campo de estudos, o desenvolvimento de interesse, e as sensações de realização [accomplishment], confiança e autoridade. Argumenta, assim, o autor que o sumário só apresentará mais sucesso do que o texto na apresentação dos pontos principais, assumindo uma “vitória” do texto nas restantes categorias. Temos, para já, então, que a leitura de sumários estará associada à capacidade de retenção de ideias-chave, objetivo que ainda se verificará na utilização dos LLMs para o mesmo propósito. Confronte-se, então, esta manutenção no ato da leitura com as possíveis alterações no ato da produção.
Ora, descentralizando a memorização de pontos-principais, testaram Armbruster et al. (1987) se alunos com formação sobre estruturas textuais e linhas argumentativas teriam mais sucesso do que alunos sem essa formação no que toca à rememoração textual e à produção de sumários. A sensibilidade à estrutura textual seria, segundo os autores, uma componente importante na compreensão textual e memória, dada a perceção das relações entre os elementos textuais e a possibilidade da reconstrução da estrutura que compõe a produção de sentido. Acontece que essa mesma formação se provou frutífera tanto na rememoração dos processos argumentativos e narrativos lidos, como na escrita de “melhores” sumários – que mais fielmente correspondem à estrutura geral e considerações principais do texto de origem – não se provando, no entanto, melhorias significativas na resposta de perguntas diretas sobre pontos principais.
Começa, então, a revelar-se uma diferença cabal entre a leitura e produção de sumários: se a primeira auxilia a capacidade de memorização de elementos textuais principais, a segunda estará relacionada com uma consciência acrescida da relação entre estes elementos. Aqui se traça uma linha de convergência com a proposta de Duchastel (1983) e a impossibilidade de aceder às estruturas de conhecimento e estratégias discursivas através da leitura de sumários. Serão estas estruturas relacionais que constituirão os processos de narrativização e, portanto, de significação humanos (Ricœur, 1987). Se a estrutura textual será necessariamente modificada pelo recorte informacional feito na construção de um sumário, a leitura exclusiva do mesmo, ainda que recuperando os seus elementos, reconfigurará as relações que estabelecem. Hill (1991) acrescentará que esta capacidade não é tendencialmente ensinada aos alunos, esperando-se que produzam autonomamente sumários satisfatórios sem qualquer tipo de formação, quando, na verdade, ensinar sumarização demonstra aos alunos (e, muitas vezes, pela primeira vez) que é da sua responsabilidade dotar o texto de sentido, isto é, recortá-lo, reestruturá-lo, ressignificá-lo. O sumário escrito para a leitura do próprio estudante teria como função, para além do auxílio à memória, a organização do pensamento (relembremos a noção de cognição estendida de Hayles).
Será necessário apontar que nem toda a investigação converge neste argumento. Spirgel e Delaney (2016, p. 172) apontam que a escrita de sumários é, não raras vezes, uma atividade “passiva”, não-reflexiva, focada no parafrasear quase-automatizado dos argumentos do texto. Se assim é, esta leitura coloca em foco a gramatização do processo de sumarização e a possibilidade do estabelecer fixo de uma forma-sumário, que não será mais do que uma automatização técnica (ainda que não digitalmente remediada) da produção de sumários, e que prenunciará uma possível adoção proletarizante de processos gramatizados assinalada por Stiegler (2004/2018). A exteriorização destes mesmos processos em objetos técnicos como os LLMs constituirá, assim, uma intensificação desta utilização não-reflexiva da técnica, que Simondon (1958/2017) atribui, em parte, ao significado sociocultural atribuído à automatização. Esta seria uma ilusão de perfeição técnica, advogando o autor, pelo contrário, por um elevado grau de indeterminação, e, portanto, pelo funcionamento a par do humano e do maquínico. Se os LLMs são “abertos” ao meio e ao seu utilizador, na medida em que funcionam à base de prompts e a um sistema de pedido-resposta, não deixam de constituir uma black box altamente complexa cuja experiência de utilização não impele ao conhecimento do meio técnico e à reflexão sobre o mesmo. E, como se verificará, à medida que a complexidade dos sistemas de sumarização automática cresceu, viu-se diminuir a participação ativa do seu utilizador.
Se, como referido, os primeiros esforços na Automatic Text Summarization (ATS) são atribuídos a Luhn em 1958, passar-se-iam décadas até à sistematização desta procura no campo do Natural Language Processing. Recorria-se, então, a um método estatístico, através da medição da importância de frases num texto pela ocorrência de palavras-chave, atribuindo-se-lhes uma pontuação e extraindo as mais bem-pontuadas para gerar abstracts. (Zhang et al., 2025). Os métodos estatísticos continuaram a prevalecer na década de 90, ganhando novas potencialidades, na década de 2010, através dos métodos baseados em deep-learning (que procuram simular redes neuronais através do encodificar e descodificar de informação por camadas), e que rapidamente deram lugar, em 2018, aos Pre-trained Language Models, que detetam padrões linguísticos em documentos que lhe são fornecidos, procurando replicá-los – no caso da sumarização, os documentos seriam emparelhados com sumários produzidos por humanos, procurando-se que os PLM identificassem os padrões linguísticos na informação transferida do texto para o sumário e na estrutura do mesmo. Os LLMs serão, assim, modelos semelhantes aos PLM, cuja base de dados deixa de ser apenas alimentada pelo seu utilizador, passando a recorrer a datasets massificados (Supriyono et al., 2024). Assim, os LLMs introduzem a possibilidade de requerer sumarizações sem a necessidade de inputs que não o documento original (o chamado zero-shot prompting) (Zhang et al., 2025). Revela-se, assim, a interação automatizada com o objeto técnico em Simondon. Sendo os LLMs, ainda assim, permeáveis ao meio ou aos inputs do humano que opera em conjunto com este sistema, o seu pré-treino em datasets massivos e a sua constante absorção informacional possibilitam o seu funcionamento independente, deixando de necessitar de um input humano para além do requerimento da geração de um sumário. Somando-se a este modo de operação o dissipar do pedido voluntário do resumo pelo surgir não-requerido do mesmo, o humano vê a sua agência progressivamente diminuída, que não no seu processo de leitura crítica e interpretação. Este, no entanto e como vimos, não é incentivado ou alimentado pela leitura de sumários ou pela utilização automatizada da técnica.
Argumentam, por fim, Zhang et al. (2025) que o desenvolvimento dos LLMs cria uma crise existencial na investigação do Natural Language Processing pelo seu inédito e inesperado sucesso na ATS. Esta acrescida facilidade na produção automática (e por vezes, involuntária) do resumo não será, no entanto, um fenómeno isolado. Para além do desenvolvimento revolucionário no campo estritamente tecnológico, comporta implicações para os processos de retenção e interpretação informacional humanos, que serão sintomáticos de um regime mais alargado de disseminação e consumo informacional massificado e acelerado. Uma produção textual que tende para uma generalização através de bases de dados massificadas tenderá, também, para uma produção cultural que, nas palavras de Horkheimer e Adorno (1944/2002, p. 94), “infeta tudo com mesmidade”. A sumarização automatizada materializa as suas preocupações sob as quais “a contribuição ativa que o esquematismo Kantiano ainda esperava dos sujeitos (…) é negada ao sujeito pela indústria” – o sujeito já não faz, ele próprio, a significação.
Se o sumário incentivaria, por si, uma visão da leitura que tende para a eficiência, para a rapidez, para a extração exclusiva de “pontos principais”, a sua automatização intensifica esta necessidade percecionada de otimização, ultrapassando-se a procura pela perceção de uma macroestrutura textual e das relações estabelecidas entre os elementos que a compõem, automatizando-se também, com o sumário, o ato do recorte. A remediação feita pelos LLM replica a ideia da utilidade do texto e da leitura, uma visão antitética com a ideia do prazer do texto em Barthes (1988, p. 36), que viria precisamente da inutilidade do mesmo, bem como da impossibilidade da compreensão total dos objetivos significativos do autor colmatada pelos processos de interpretação construídos pelo leitor – “o texto de prazer é Babel feliz”. Se, para Barthes, o texto constituiria uma instância libertadora, porque interpretável, o sumário automatizado ultrapassa um primeiro recorte interpretativo, tornando-se consumível, e, portanto, proletarizante (Stiegler, 2004/2018). A operatividade automatizada do sumário será, assim, o fim do prazer do texto e da possibilidade emancipatória da técnica, a não ser que se encontre esse prazer na inutilidade do gesto de sumarizar.
Referências
Armbruster, B., Anderson, T. & Ostertag, J. (1987). Does text structure/summarization instruction facilitate learning from expository text?. Readind Research Quarterly 22(3), 331-346. https://doi.org/10.2307/747972
Barthes, R. (1988). O Prazer do Texto. Edições 70.
Derrida, J. (1997). Of Grammatology. The John Hopkins University Press.
Duchastel, P. (1983). The Use of Summaries in Studying Texts. Educational Technology 23(6), 36-41
Hayles, K. (2012). How We Think: Digital Media and Contemporary Technogenesis. The University of Chicago Press.
Hill, M. (1991). Writing Summaries Promotes Thinking and Learning across the Curriculum: But Why Are They so Difficult to Write?. Journal of Reading 34(7), 536-539.
Horkheimer, M. & Adorno, T. W. (2002). The Culture Industry: Enlightenment as Mass Deception. Em G. Noerr (Ed.), Dialectic of Enlightenment: Philosophical Fragments (pp. 94-136). Stanford University Press. (Publicado originalmente em 1944)
Kittler, F. (1999). Gramophone, Film, Typewriter. Stanford University Press.
Reder, L. & Anderson, J. (1980). A Comparison of Texts and Their Summaries: Memorial Consequences. Journal of Verbal Learning and Verbal Behaviour 19(2), 121-134. https://doi.org/10.1016/S0022-5371(80)90122-X
Reder, L. & Anderson, J. (1982). Effects of spacing and embellishment on memory for the main points of a text. Memory and Cognition 10(2), 97-102. https://doi.org/10.3758/bf03209210
Ricoeur, P. (1987). Teoria da Interpretação: o discurso e o excesso de significação. Edições 70.
Simondon, G. (2017). On the Mode of Existence of Technical Objects. Univocal. (Publicado originalmente em 1958)
Spirgel, A. & Delaney, P. (2016). Does Writing Summaries Improve Memory for Text?. Educational Psychology Review 28(1). 171-196. https://doi.org/10.1007/s10648-014-9290-2
Stiegler, B. (2018). Da Miséria Simbólica I: A Era Hiperindustrial. Orfeu Negro. (Obra original publicada em 2004)
Stiegler, B. (2020). Elements for a General Organology. Derrida Today 13(1), 72-94. https://doi.org/10.3366/drt.2020.0220
Supriyono, Wibawa, A., Suyono & Kurniawan, F. (2024). A survey of text summarization: Techniques, evaluation and challenges. Natural Language Processing Journal 7. https://doi.org/10.1016/j.nlp.2024.100070
Witty, F. (1973). The Beginnings of Indexing and Abstracting: Some Notes towards a History of Indexing and Abstracting in Antiquity and the Middle Ages. The Indexer 8(4), 193-198. https://doi.org/10.3828/indexer.1973.8.4.1
Zhang H., Yu, P. & Zhang, J. (2025). A Systematic Survey of Text Summarization: From Statistical Methods to Large Language Models. ACM Computing Surveys 57(11). https://doi.org/10.1145/3731445
