Os aspetos regulares e irregulares da construção "ter" PRON INF

O presente estudo inclui uma análise cognitiva da construção gramatical "ter" PRON INF (exemplificada pela bem-conhecida expressão "Não tem de/que agradecer"). Mostra-se que a construção tem uma forte preferência por usos negativos e na maioria dos casos, serve para exprimir sentidos de ‘incapacidade’. Embora possua algumas caraterísticas em comum com estruturas interrogativas indiretas, a forma da construção permanece idiossincrática como resultado da convencionalização de frasemas e de lacunas lexicais. As propriedades aqui descritas servem de ponto de partida para discussão da sua significância na aquisição e no uso da construção. Entender-se-á que a idiossincrasia, presente em todas as construções ("emparelhamentos de forma e sentido"), exige uma imersão profunda no input (apesar da opinião generativa e apesar do argumento da pobreza do estímulo). No presente trabalho, propõe-se que as propriedades previsíveis (regulares) só podem simplificar e acelerar o processo de aprendizagem e assim deve-se-lhes atribuir mais importância nos atuais modelos baseados no uso.

This study offers a cognitive analysis of the grammatical construction "ter" PRON INF (present in the familiar expression "Não tem de agradecer"). The construction is shown to have a preference for negative uses, and for the most part, it serves to express "incapacity". Although it shares some characteristics with indirect question structures, the form of the construction is idiosyncratic as a result of conventionalization of fixed phrases and lexical gaps. These properties are then discussed in terms of their significance for acquisition and use of the construction. It will be assumed that the construction and its idiosyncrasy, otherwise widely believed to underlie all form-meaning pairings, require heavy exposure to input (contra the generative opinion or the poverty of the stimulus argument). However, the present study suggests that predictable (regular) properties cannot but simplify and expedite the learning process and should therefore receive a more prominent place in current usage-based models.