[pt] O caráter acusatório do jornalismo contemporâneo em entrevistas a políticos é objeto de estudo de analistas da conversa em contextos britânico e americano (CLAYMAN, 2001; CLAYMAN E HERITAGE, 2002; CLAYMAN et. at. 2007; HERITAGE, 2002). Contudo, até as eleições de 2018, esse tipo de jornalismo não era visto como uma prática comum no Brasil, dada a repercussão das entrevistas aos candidatos à Presidência na mídia impressa e nas redes sociais que levantou um debate acerca do papel dos jornalistas nesse tipo de interação institucional. Diante desse cenário, com o objetivo de contribuir para o entendimento do caráter adverso das perguntas, examinamos, neste estudo, o design de perguntas feitas pelos jornalistas para o então candidato Jair Bolsonaro, no programa Roda Viva da TV Cultura, à luz do arcabouço teórico-metodológico da Análise da Conversa. De modo geral, os resultados revelam que os jornalistas não usaram as perguntas para pedir informações, mas, sim, para mobilizar ações responsivas que podiam comprometer os objetivos políticos do candidato. Além disso, os entrevistadores lançaram mão de recursos que restringiam as possibilidades de resposta do entrevistado, independentemente do tipo de pergunta e de apresentar ou não um prefácio, limitando, assim, ações evasivas. / [en] The accusatory character of contemporary journalism in interviews with politicians has been object of study of conversation analysts both in British and American contexts (CLAYMAN, 2001; CLAYMAN E HERITAGE, 2002; CLAYMAN et. at. 2007; HERITAGE, 2002). However, until the 2018 elections, this kind of journalism was not seen as a common practice in Brazil, given the repercussion of interviews with presidency candidates in the press and in social media networks, which raised a debate about the role of journalists in this type of institutional interaction. In face of this scenario, we analyzed in this study the design of questions asked by journalists to the candidate, at the time, Jair Bolsonaro, in the TV program Roda Viva, by Culture TV, in the light of Conversation Analysis theoretical methodological framework, aiming at contributing to an understanding of questions adversarial character. In general, results reveal that journalists did not use questions to request information, but, on the contrary, to mobilize responsive actions that could jeopardize the candidate s political goals. Besides, interviewers made use of resources that restricted interviewee s possibilities of answering, independently of the type of question or presence of not a preface, thus, limiting evasive actions.

[pt] Perguntas e Respostas (Question Answering - QA) é um campo de estudo dedicado à construção de sistemas que respondem automaticamente a perguntas feitas em linguagem natural. A tradução de uma pergunta feita em linguagem natural em uma consulta estruturada (SQL ou SPARQL) em um banco de dados também é conhecida como Interface de Linguagem Natural para Bancos de Dados (Natural Language Interface to Database - NLIDB). Os sistemas NLIDB geralmente não lidam com agregações, que podem ter os seguintes elementos: funções de agregação (como contagem, soma, média, mínimo e máximo), uma cláusula de agrupamento (GROUP BY) e uma cláusula HAVING. No entanto, eles fornecem bons resultados para consultas normais. Esta dissertação aborda a criação de um módulo genérico, para ser utilizado em sistemas NLIDB, que permite a tais sistemas realizar consultas com agregações, desde que os resultados da consulta que o NLIDB retorna sejam, ou possam ser transformados, em um resultado no formato tabular. O trabalho cobre agregações com especificidades como ambiguidades, diferenças de escala de tempo, agregações em atributos múltiplos, o uso de adjetivos superlativos, reconhecimento básico de unidade de medida, agregações em atributos com nomes compostos e subconsultas com funções de agregação aninhadas em até dois níveis. / [en] Question Answering (QA) is a field of study dedicated to building systems that automatically answer questions asked in natural language. The translation of a question asked in natural language into a structured query (SQL or SPARQL) in a database is also known as Natural Language Interface to Database (NLIDB). NLIDB systems usually do not deal with aggregations, which can have the following elements: aggregation functions (as count, sum, average, minimum and maximum), a grouping clause (GROUP BY) and a having clause (HAVING). However, they deliver good results for normal queries. This dissertation addresses the creation of a generic module, to be used in NLIDB systems, that allows such systems to perform queries with aggregations, on the condition that the query results the NLIDB return are, or can be transformed into, a result set in the form of a table. The work covers aggregations with specificities such as ambiguities, timescale differences, aggregations in multiple attributes, the use of superlative adjectives, basic unit measure recognition, aggregations in attributes with compound names and subqueries with aggregation functions nested up to two levels.