Esta pesquisa apresenta uma proposta de modelo teórico e metodológico da Etimologia e sua aplicação na datação de fenômenos lexicais e expressões idiomáticas do início do século XX, registrados nas obras de Juó Bananére, pseudônimo de Alexandre Ribeiro Marcondes Machado (1892-1933). Os dados linguísticos coloquiais utilizados por Bananére conferem às publicações do escritor um valor documental e histórico, tornando-as fontes importantes para a reconstrução do português coloquial do início do século XX. Dessa forma, a abonação e retroação dos dados lexicais e sintáticos, realizadas a partir da consulta de obras de referência, informações históricas e corpora paralelos, contribui para o reconhecimento dos textos macarrônicos como excelente fonte para a Linguística Histórica e para a expansão da análise diacrônica acerca do registro popular da língua portuguesa. / This research presents a theoretical and methodological model of etymology and its application in dating lexical phenomena and idiomatic expressions from the beginning of the twentieth century, published in Juó Bananéres work, who is the pseudonymous of Alexandre Ribeiro Marcondes Machado (1892-1933). The linguistic data used by Bananére confers a historical and documental value to his publication which makes them essential to the reconstruction of the colloquial Portuguese language from the beginning of the twentieth century. Thus, the registration and backdating of lexical and syntactic data by verifying works of reference, historic information and similar corpora, contributes to the acknowledgment of macarronic texts as an excellent source to Historical Linguistics and also to the expansion of diachronic analysis of colloquial material of the Portuguese language.

Orientador: Maria Bernadete Marques Abaurre / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Estudos da Linguagem / Made available in DSpace on 2018-08-21T08:28:08Z (GMT). No. of bitstreams: 1 Goncalves_MarceloR.B._D.pdf: 6594123 bytes, checksum: 96a95adba03c08f330af522baa8eb200 (MD5) Previous issue date: 2012 / Resumo: Este trabalho é fruto da pesquisa de doutoramento em Lingüística junto ao IEL/Unicamp, na área de História das Idéias Lingüísticas, e propõe a discussão da temática da espacialidade na Lingüística Brasileira e seu funcionamento na relação língua/sujeito/estado num período que vai do final do século XIX a meados do século XX. Trabalhamos dentro de uma perspectiva discursiva, ou como diz Orlandi (2001), aquela que pensa a língua em sua história e seu funcionamento. Iniciamos nossa discussão utilizando as considerações de Auroux (2009) sobre o processo de gramatização e sobre os instrumentos tecnológicos deste processo, como os dicionários e as gramáticas. Tentamos investigar como estas tecnologias lingüísticas produzem discursos num determinado espaço-tempo, e como estes discursos se relacionam para a constituição de uma dada língua. Serão proveitosas para esta investigação as reflexões feitas em Orlandi (2001). Duas sensíveis complementações às pesquisas iniciadas por Auroux com o grupo da França são desenvolvidas pelo grupo de pesquisa aqui do Brasil. De um lado a necessidade de, em face da própria realidade Brasileira, rever o lugar da constituição de uma língua nacional e seus sujeitos agora em um ambiente de colonização, e de outro agregar as chamadas novas práticas de leitura, propostas pela análise de discurso francesa e que trabalham de maneira característica a construção de arquivos, ou seja, a leitura da história, sua interpretação. Funcionando dentro de uma política de línguas, é a partir deste discurso sobre a espacialidade brasileira que poderemos pensar numa série de práticas que vão afastar a Língua portuguesa falada no Brasil da de Portugal, e, mais tarde, tentar confirmar a unidade de uma língua nacional. Contraditoriamente, é a partir desta mesma unidade imaginária que as questões sobre a diversidade concreta da língua falada em território nacional vão surgir e ganhar força / Abstract: This work is the result of a phD research in Linguistics at the IEL/Unicamp, in the history of Linguistic Ideas, and proposes a thematic discussion of spatiality in Brazilian Linguistics and its role in the relation language/subject/State in a period of the late nineteenth century to the mid-twentieth century. We work within a discursive perspective, or as Orlandi (2001), that think the language in its history and its functioning. We started our discussion using Auroux (2009) considerations about the process of grammatisation and about the technological instruments of this process, such as dictionaries and grammars. We try to investigate how these linguistic technologies produce speeches on a particular space-time, and how these speeches relate to the formation of a given language. Orlandi (2001) comments will benefit this research. Two sensitive additions to the research initiated by Auroux with the Group from France are developed by the research group here in Brazil. At one side, due to the Brazilian reality, the need to review the formation of a national language and its subjects now in an environment of colonization. In the other side, the need to aggregate the so called new reading practices, proposed by the French speech analysis, which works in a characteristic way of building files, that is to say, the reading of history, its interpretation. Operating in a language policy, based on the speech about the Brazilian spatiality, we may think in a series of practices that will drive the Portuguese spoken in Brazil apart from the one spoken in Portugal and, later, try to confirm the unit of a national language. Conversely, it is from this same imaginary unit that issues about concrete diversity of the language spoken in the national territory will emerge and gain strength / Doutorado / Linguistica / Doutor em Linguística

Submitted by Fabiano Vassallo (fabianovassallo2127@gmail.com) on 2017-04-12T19:13:59Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) DISSERTAÇÃO FINAL - PARA ENVIO À BIBLIOTECA CENTRAL DO GRAGOATÁ.pdf: 1466560 bytes, checksum: b2cacf6a41fa8d8d1af9eb9cdfdd702c (MD5) / Approved for entry into archive by Josimara Dias Brumatti (bcgdigital@ndc.uff.br) on 2017-04-17T16:22:40Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) DISSERTAÇÃO FINAL - PARA ENVIO À BIBLIOTECA CENTRAL DO GRAGOATÁ.pdf: 1466560 bytes, checksum: b2cacf6a41fa8d8d1af9eb9cdfdd702c (MD5) / Made available in DSpace on 2017-04-17T16:22:40Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) DISSERTAÇÃO FINAL - PARA ENVIO À BIBLIOTECA CENTRAL DO GRAGOATÁ.pdf: 1466560 bytes, checksum: b2cacf6a41fa8d8d1af9eb9cdfdd702c (MD5) / As questões referentes ao português brasileiro (PB) têm alimentado um amplo debate sobre a língua que a maior parte de nós, brasileiros, falamos (Perini, 2010). O objetivo geral deste trabalho é, portanto, analisar instrumentos linguísticos que, ao afirmarem as características do PB, contribuem para a gramatização da língua: trata-se das três gramáticas voltadas ao estudo (e intituladas) do pb e de obras literárias selecionadas por seu êxito junto à crítica especializada – obras nas quais constatamos a presença marcante das características consideradas específicas do Vernáculo Geral Brasileiro (VGB). Com base na premissa, de abordagem funcionalista, de que os usos de uma língua determinam sua forma, pretende-se, pois, refletir sobre a materialidade do VGB como prática linguística de fato, socialmente constatada, e não apenas como objeto de estudo acadêmico. Nossa finalidade é contribuir para os estudos que apontam a necessidade de construção de um novo senso comum linguístico para o Brasil, que considere a autenticidade do PB / Issues relating to the Brazilian Portuguese (PB) have fueled a broad debate on the language that most of us Brazilians speak. The aim of this study is therefore to analyze linguistic instruments that, in stating the characteristics of PB contribute to the language grammatization: these are the three grammars directed to study (and entitled) PB and literary works (books) selected by their success with the critics - works in which we see the remarkable presence of characteristics considered specific Brazilian General Vernacular (VGB). Based on the premise, the functionalist approach that uses a language determine its shape, is intended to reflect on the materiality of the VGB as linguistic practice in fact, found socially, not just as an academic object of study. Our purpose is to contribute to the studies that point to the need of building a new language common sense for Brazil to consider the authenticity of the PB

Contexto: A Anotação de Papéis Semânticos (APS) é uma tarefa da área de Processamento de Línguas Naturais (PLN) que permite detectar os eventos descritos nas sentenças e os participantes destes eventos (Palmer et al., 2010). A APS responde perguntas como Quem?, Quando?, Onde?, O quê?, e Por quê?, dentre outras e, sendo assim, é importante para várias aplicações de PLN. Para anotar automaticamente um texto com papéis semânticos, a maioria dos sistemas atuais emprega técnicas de Aprendizagem de Máquina (AM). Porém, alguns papéis semânticos são previsíveis e, portanto, não necessitam ser tratados via AM. Além disso, a grande maioria das pesquisas desenvolvidas em APS tem dado foco ao inglês, considerando as particularidades gramaticais e semânticas dessa língua, o que impede que essas ferramentas e resultados sejam diretamente transportados para outras línguas. Revisão da Literatura: Para o português do Brasil, há três trabalhos finalizados recentemente que lidam com textos jornalísticos, porém com performance inferior ao estado da arte para o inglês. O primeiro (Alva- Manchego, 2013) obteve 79,6 de F1 na APS sobre o córpus PropBank.Br; o segundo (Fonseca, 2013), sem fazer uso de um treebank para treinamento, obteve 68,0 de F1 sobre o córpus PropBank.Br; o terceiro (Sequeira et al., 2012) realizou anotação apenas dos papéis Arg0 (sujeito prototípico) e Arg1 (paciente prototípico) no córpus CETEMPúblico, com performance de 31,3 pontos de F1 para o primeiro papel e de 19,0 de F1 para o segundo. Objetivos: O objetivo desse trabalho de mestrado é avançar o estado da arte na APS do português brasileiro no gênero jornalístico, avaliando o desempenho de um sistema de APS treinado com árvores sintáticas geradas por um parser automático (Bick, 2000), sem revisão humana, usando uma amostragem do córpus PLN-Br. Como objetivo adicional, foi avaliada a robustez da tarefa de APS frente a gêneros diferentes, testando o sistema de APS, treinado no gênero jornalístico, em uma amostra de revisões de produtos da web. Esse gênero não foi explorado até então na área de APS e poucas de suas características foram formalizadas. Resultados: Foi compilado o primeiro córpus de opiniões sobre produtos da web, o córpus Buscapé (Hartmann et al., 2014). A diferença de performance entre um sistema treinado sobre árvores revisadas e outro sobre árvores não revisadas ambos no gênero jornalístico foi de 10,48 pontos de F1. A troca de gênero entre as fases de treinamento e teste, em APS, é possível, com perda de performance de 3,78 pontos de F1 (córpus PLN-Br e Buscapé, respectivamente). Foi desenvolvido um sistema de inserção de sujeitos não expressos no texto, com precisão de 87,8% no córpus PLN-Br e de 94,5% no córpus Buscapé. Foi desenvolvido um sistema, baseado em regras, para anotar verbos auxiliares com papéis semânticos modificadores, com confiança de 96,76% no córpus PLN-Br. Conclusões: Foi mostrado que o sistema de Alva-Manchego (2013), baseado em árvores sintáticas, desempenha melhor APS do que o sistema de Fonseca (2013), independente de árvores sintáticas. Foi mostrado que sistemas de APS treinados sobre árvores sintáticas não revisadas desempenham melhor APS sobre árvores não revisadas do que um sistema treinado sobre dados gold-standard. Mostramos que a explicitação de sujeitos não expressos nos textos do Buscapé, um córpus do gênero de opinião de produtos na web, melhora a performance da sua APS. Também mostramos que é possível anotar verbos auxiliares com papéis semânticos modificadores, utilizando um sistema baseado em regras, com alta confiança. Por fim, mostramos que o uso do sentido do verbo, como feature de AM, para APS, não melhora a perfomance dos sistemas treinados sobre o PLN-Br e o Buscapé, por serem córpus pequenos. / Background: Semantic Role Labeling (SRL) is a Natural Language Processing (NLP) task that enables the detection of events described in sentences and the participants of these events (Palmer et al., 2010). SRL answers questions such as Who?, When?, Where?, What? and Why? (and others), that are important for several NLP applications. In order to automatically annotate a text with semantic roles, most current systems use Machine Learning (ML) techniques. However, some semantic roles are predictable, and therefore, do not need to be classified through ML. In spite of SRL being well advanced in English, there are grammatical and semantic particularities that prevents full reuse of tools and results in other languages. Related work: For Brazilian Portuguese, there are three studies recently concluded that performs SRL in journalistic texts. The first one (Alva-Manchego, 2013) obtained 79.6 of F1 on the SRL of the PropBank.Br corpus; the second one (Fonseca, 2013), without using a treebank for training, obtained 68.0 of F1 for the same corpus; and the third one (Sequeira et al., 2012) annotated only the Arg0 (prototypical agent) and Arg1 (prototypical patient) roles on the CETEMPúblico corpus, with a perfomance of 31.3 of F1 for the first semantic role and 19.0 for the second one. None of them, however, reached the state of the art of the English language. Purpose: The goal of this masters dissertation was to advance the state of the art of SRL in Brazilian Portuguese. The training corpus used is from the journalistic genre, as previous works, but the SRL annotation is performed on non-revised syntactic trees, i.e., generated by an automatic parser (Bick, 2000) without human revision, using a sampling of the corpus PLN-Br. To evaluate the resulting SRL classifier in another text genre, a sample of product reviews from web was used. Until now, product reviews was a genre not explored in SRL research, and few of its characteristics are formalized. Results: The first corpus of web product reviews, the Buscapé corpus (Hartmann et al., 2014), was compiled. It is shown that the difference in the performance of a system trained on revised syntactic trees and another trained on non-revised trees both from the journalistic genre was of 10.48 of F1. The change of genres during the training and testing steps in SRL is possible, with a performance loss of 3.78 of F1 (corpus PLN-Br and Buscapé, respectively). A system to insert unexpressed subjects reached 87.8% of precision on the PLN-Br corpus and a 94.5% of precision on the Buscapé corpus. A rule-based system was developed to annotated auxiliary verbs with semantic roles of modifiers (ArgMs), achieving 96.76% confidence on the PLN-Br corpus. Conclusions: First we have shown that Alva-Manchego (2013) SRL system, that is based on syntactic trees, performs better annotation than Fonseca (2013)s system, that is nondependent on syntactic trees. Second the SRL system trained on non-revised syntactic trees performs better over non-revised trees than a system trained on gold-standard data. Third, the explicitation of unexpressed subjects on the Buscapé texts improves their SRL performance. Additionally, we show it is possible to annotate auxiliary verbs with semantic roles of modifiers, using a rule-based system. Last, we have shown that the use of the verb sense as a feature of ML, for SRL, does not improve the performance of the systems trained over PLN-Br and Buscapé corpus, since they are small.

This study, called Dialect caipira, deals with one of the dialect of Brazilian Portuguese language, its historical and sociological formation and its linguistic characteristics. The first chapter contains the interpretation of dialect and dialectology in line with studies undertaken in this area. It represents the evolution of dialectological research from neogrammarians until today. It includes theory of variability of William Labov, who departs from the traditional synchronous approach to language as it was a homogeneous subject of study, and carries out researches, which include variable use of language and its linguistic, stylistic, and social determinants. According to Chambers and Trudghill are introduced social strata with which we encounter in the study of language, and which have in some circumstances, the general tendency to use certain styles of speech. At the end of the first chapters are set out terms that will be used during the work. The second chapter deals with the colloquial Brazilian Portuguese. It outlines the historical formation of the language in Brazil and social factors that influenced it. It represents the emergence of language lingua geral, an artificial language created by Jesuit missionaries for evangelization. This language has been widely used in the first centuries...

This thesis focuses on the intricate representations of gay men in Brazilian Portuguese and English, and the complexities translators face when encountering such specificities. It also addresses the issue of translating out of one's native tongue and how not belonging to the receiving culture’s norms enables minority texts not to be so easily assimilated and appropriated by the dominant target language, English.

Introdução: Essa pesquisa averiguou a utilização de estruturas estar + a + infinitivo e estar + gerúndio no português brasileiro de cinco regiões e suas relações com a construção da identidade linguística brasileira. As estruturas acima descritas são tomadas como variantes altamente representativas de seus respectivos dialetos do português, o europeu e o brasileiro. Objetivo: Analisar o uso das referidas formas no português brasileiro oitocentista em relação ao discurso linguístico então vigente. Método: Se iniciou o trabalho pela observação do discurso linguístico do período através da leitura de textos sobre história e língua portuguesa publicados no período imperial. Tendo sido essa parte feita, dados foram extraídos de romances de quinze autores nascidos no período imperial, três de cada uma das cinco regiões de interesse (Bahia, Minas Gerais, Pernambuco, Rio de Janeiro e São Paulo). Uma vez extraídos, os dados foram classificados de acordo com critérios linguísticos e sociais e analisados estatisticamente. Resultados: O uso das variantes se mostrou altamente diverso, com taxas de uso significativamente diferentes sendo apresentadas por autores da mesma região ou afiliação política. Aspectos geográficos, por outro lado, apresentaram uma correlação significativa com o uso da variável, ocorrendo um maior emprego de estar + a + infinitivo no sudeste, e particularmente no Rio de Janeiro, do que no nordeste. Fatores linguísticos como a presença de interpolação e a presença de certos tipos de palavras nos arredores do termo também apresentaram uma correlação significativa com o uso da variável. Conclusões: Em termos gerais, o discurso e a prática linguística parecem diferir, sendo o uso da variável mais fortemente ligado a aspectos regionais e linguísticos. / Introduction: This research dove into the variation between estar + gerund and estar + a + infinitive in the 19th century Brazilian Portuguese of five major Imperial Provinces (Bahia, Minas Gerais, Pernambuco, Rio de Janeiro and São Paulo) and its relations with the Imperial nation building project. The two aforementioned constructions are understood by native speakers to be highly pronounced markers of the Brazilian and European varieties of Portuguese, respectively, a situation which was at least partially mirrored during the Brazilian Empire era. Objectives: To investigate whether the above mentioned constructions where as strongly associated with a \"Brazilian identity\" during Imperial Times as they are now. Methodology: A conceptualization of the XIXth century mindset on nationhood and language was built through the Reading of contemporary discourses on history, culture and language published by key figures of Brazilian intellectuality. From this, fifteen of authors split among the five regions where elected as \"model speakers\" and some of their work taken as material basis for the corpus. The data acquired from this was then categorized according to social and linguistic criteria and the results were then analyzed statistically analyzed. Results: The actual usage of the two variants has shown itself to be highly diversified, its usage rates varyingly significantly even among author of the same region or political affiliation. Regional variation, however, when taken by itself was found out to be significant both when taken in the larger macro regional level (southeast versus northeast) but also among provinces, with a higher rate of usage of estar + a +infinitive in the southeast and especially in the province of Rio de Janeiro. Linguistic factors like the presence of interpolation or certain types of surrounding words have also been be significantly correlated to the variable albeit the reason for that remains inconclusive. Conclusions: In a general sense, linguistic discourse and linguistic praxis strongly differ from each other and the variation between the two constructions appears to be more strongly tied to regional and linguistic factors than social factors.

[pt] A Categorização de Documentos, uma das tarefas desempenhadas em Mineração de Textos, pode ser descrita como a obtenção de uma função que seja capaz de atribuir a um documento uma categoria a que ele pertença. O principal objetivo de se construir uma taxonomia de documentos é tornar mais fácil a obtenção de informação relevante. Porém, a implementação e a execução de um processo de Categorização de Documentos não é uma tarefa trivial: as ferramentas de Mineração de Textos estão em processo de amadurecimento e ainda, demandam elevado conhecimento técnico para a sua utilização. Além disso, exercendo grande importância em um processo de Mineração de Textos, a linguagem em que os documentos se encontram escritas deve ser tratada com as particularidades do idioma. Contudo há grande carência de ferramentas que forneçam tratamento adequado ao Português do Brasil. Dessa forma, os objetivos principais deste trabalho são pesquisar, propor, implementar e avaliar um framework de Mineração de Textos para a Categorização Automática de Documentos, capaz de auxiliar a execução do processo de descoberta de conhecimento e que ofereça processamento linguístico para o Português do Brasil. / [en] Text Categorization, one of the tasks performed in Text Mining, can be described as the achievement of a function that is able to assign a document to the category, previously defined, to which it belongs. The main goal of building a taxonomy of documents is to make easier obtaining relevant information. However, the implementation and execution of Text Categorization is not a trivial task: Text Mining tools are under development and still require high technical expertise to be handled, also having great significance in a Text Mining process, the language of the documents should be treated with the peculiarities of each idiom. Yet there is great need for tools that provide proper handling to Portuguese of Brazil. Thus, the main aims of this work are to research, propose, implement and evaluate a Text Mining Framework for Automatic Text Categorization, capable of assisting the execution of knowledge discovery process and provides language processing for Brazilian Portuguese.

[pt] O tema desta pesquisa é a realização dos atos diretivos, em língua oral, na cultura brasileira. A partir de pressupostos da teoria dos atos de fala, da sociolingüística interacional, do interculturalismo e da antropologia social, descrevemos e analisamos as formulações dos atos diretivos assim como as estratégias discursivas que atenuam ou reforçam o teor de imposição implicado na realização desses atos. Também classificamos os tipos de pedidos e ordens encontrados em nosso corpus de acordo com o nível de diretividade e identificamos os motivos sociais/contextuais e culturais que influenciam as construções desses enunciados. Mostramos, ainda, a relevância desta pesquisa para o ensino/aprendizagem do português como segunda língua para estrangeiros. / [en] The theme of our research is the use of the directives speech acts, in oral language, in the brazilian portuguese. On the basis of theoretical assumptions of speech-act theory, interactional sociolinguistics, interculturalism and cultural anthropology, we describe and analyze the formulations of the directives speech acts and also the strategies that soften or intensify the imposition implied in the use of those acts. We also classified the types of requests and orders found in our corpus according to the level of directness and identified the social /contextual and cultural reasons which influence the construction of those utterances. We showed, as well, the importance of this research in the teaching/learning process of portuguese as a second language.

Esta dissertação de mestrado tem como objeto a edição genética de A gramatiquinha da fala brasileira obra inacabada e inédita pertencente à série Manuscritos Mário de Andrade, no arquivo do escritor, no patrimônio do Instituto de Estudos Brasileiros da Universidade de São Paulo. Apresentando a obra em fac-símile, esta Edição genética dA gramatiquinha da fala brasileira de Mário de Andrade, inscrita no Programa de Pós-Graduação em Literatura Brasileira da FFLCH-USP, é resultado do projeto temático FAPESP/ IEB e FFLCH-USP, Estudo do processo de criação de Mário de Andrade nos manuscritos de seu arquivo, em sua correspondência, em sua marginália em suas leituras, coordenado, entre 2006-20011, pela Profa. Dra. Telê Ancona Lopez. A partir da análise documental e escritural, à luz da arquivística, da codicologia e da crítica genética, buscou-se compreender a materialidade do dossiê genético e a sistematização, operada por Mário de Andrade, das constâncias da língua portuguesa falada no Brasil. / This dissertation had as object The genetic edition of The little grammar of spoken Brazilian-Portuguese, the unfinished and unpublished manuscripts belonging to the series Mário de Andrade, in the writers file at the patrimony of the Institute for Brazilian Studies, University of São Paulo (IEB/USP). Featuring the work in fac-simile, this edition enrolled the Graduation Program in Brazilian Literature at FFLCH-USP, is a result of the thematic project FAPESP/ IEB/FFLCH-USP Mário de Andrades creative process study: in his manuscripts in his file, his correspondence, in his marginalia in his readings, coordinated between 2006-2011, by professor Telê Ancona Lopez. Based on documentary analysis and scriptural of archivistics, the codicology and genetic criticism, we sought to understand the materiality of genetic dossier and systematization operated by Mário de Andrade, constancies of the Portuguese language spoken in Brazil.