Neste trabalho apresenta-se um estudo lológico conduzido sobre um manuscrito do século XVII contido no COD. 13282 da Biblioteca Nacional de Portugal o Sumario de todas as cousas succedidas em Berberia desde o tempo que começou a reinar o Xarife Mulei Mahamet no anno de 1573 te o m do anno de sua morte 1578 no dia da batalha d\'Alcaçer Quibir, em que se perdeo Dom Sebastiam Rey de Portugal. Além do códice em questão, o texto é registrado em outro manuscrito o Ms. No 41, Serie 2422 da Biblioteca Nacional de Espanha, editado em 1987 por Francisco Loureiro com o título Crónica do Xarife Mulei Mahamet e del-Rey D. Sebastião (1573-1578). O tratamento reservado ao texto por Loureiro a preferência por uma edição modernizada, não precedida por outra que respeitasse a língua original, unido ao fato de o estudioso desconhecer o manuscrito da BNP dene um problema. O que se esconde por trás da proposta de Loureiro é a representação de uma questão maior, que abarca difusamente as práticas de publicação dos relatos e crônicas sobre as relações luso-marroquinas. Por isso, fez-se essencial repassar as principais perspectivas metodológicas concernentes às edições deste conjunto documental. A partir de tal reexão, o presente trabalho assume como tarefa disponibilizar ao público acadêmico uma fonte para a História da Língua em uma forma adequada, propondo uma descrição codicológica do manuscrito da BNP juntamente com sua edição diplomática. A metodologia adotada reete principalmente a proposta teórica de Ivo Castro e Maria Ana Ramos (1986), que sugerem basear as escolhas editorias na distinção entre estratégia e táticas de transcrição, introduzindo o conceito de campo bibliográco. / In this work we report on a philological study of a 17th century manuscript included in COD. 13282 of the National Library of Portugal the Sumario de todas as cousas succedidas em Berberia desde o tempo que começou a reinar o Xarife Mulei Mahamet no anno de 1573 te o m do anno de sua morte 1578 no dia da batalha d\'Alcaçer Quibir, em que se perdeo Dom Sebastiam Rey de Portugal. The text is also contained in the Ms. No 41 Serie 2422 of the National Library of Spain, published in 1987 by Francisco Loureiro, who entitled it Crónica do Xarife Mulei Mahamet e del-Rey D. Sebastião (1573-1578). However, Loureiro\'s editorial choices (e.g. his preference for a modernized edition, not preceded by another that would respect the original language of the text, besides the fact he was not aware of the existence of the BNP manuscript) represent a problem. Moreover, Loureiro\'s proposal takes back to a broader issue, which regards the publication practices of the chronicles and historical accounts about Portuguese occupation of Barbary. Therefore, we examined the main methodologies used for the publication of these documents. From these reections, we assumed the task of making a linguistic source avaliable to the academic audience, by proposing a codicological description of the BNP manuscript and its diplomatic edition. The methodology adopted refers mainly to the theoretical proposal of Ivo Castro and Maria Ana Ramos (1986), who suggest to establish the editorial criteria upon the distinction between transcription strategy and tactics and introduce the concept of bibliographical eld.

Neste trabalho apresenta-se um estudo lológico conduzido sobre um manuscrito do século XVII contido no COD. 13282 da Biblioteca Nacional de Portugal o Sumario de todas as cousas succedidas em Berberia desde o tempo que começou a reinar o Xarife Mulei Mahamet no anno de 1573 te o m do anno de sua morte 1578 no dia da batalha d\'Alcaçer Quibir, em que se perdeo Dom Sebastiam Rey de Portugal. Além do códice em questão, o texto é registrado em outro manuscrito o Ms. No 41, Serie 2422 da Biblioteca Nacional de Espanha, editado em 1987 por Francisco Loureiro com o título Crónica do Xarife Mulei Mahamet e del-Rey D. Sebastião (1573-1578). O tratamento reservado ao texto por Loureiro a preferência por uma edição modernizada, não precedida por outra que respeitasse a língua original, unido ao fato de o estudioso desconhecer o manuscrito da BNP dene um problema. O que se esconde por trás da proposta de Loureiro é a representação de uma questão maior, que abarca difusamente as práticas de publicação dos relatos e crônicas sobre as relações luso-marroquinas. Por isso, fez-se essencial repassar as principais perspectivas metodológicas concernentes às edições deste conjunto documental. A partir de tal reexão, o presente trabalho assume como tarefa disponibilizar ao público acadêmico uma fonte para a História da Língua em uma forma adequada, propondo uma descrição codicológica do manuscrito da BNP juntamente com sua edição diplomática. A metodologia adotada reete principalmente a proposta teórica de Ivo Castro e Maria Ana Ramos (1986), que sugerem basear as escolhas editorias na distinção entre estratégia e táticas de transcrição, introduzindo o conceito de campo bibliográco. / In this work we report on a philological study of a 17th century manuscript included in COD. 13282 of the National Library of Portugal the Sumario de todas as cousas succedidas em Berberia desde o tempo que começou a reinar o Xarife Mulei Mahamet no anno de 1573 te o m do anno de sua morte 1578 no dia da batalha d\'Alcaçer Quibir, em que se perdeo Dom Sebastiam Rey de Portugal. The text is also contained in the Ms. No 41 Serie 2422 of the National Library of Spain, published in 1987 by Francisco Loureiro, who entitled it Crónica do Xarife Mulei Mahamet e del-Rey D. Sebastião (1573-1578). However, Loureiro\'s editorial choices (e.g. his preference for a modernized edition, not preceded by another that would respect the original language of the text, besides the fact he was not aware of the existence of the BNP manuscript) represent a problem. Moreover, Loureiro\'s proposal takes back to a broader issue, which regards the publication practices of the chronicles and historical accounts about Portuguese occupation of Barbary. Therefore, we examined the main methodologies used for the publication of these documents. From these reections, we assumed the task of making a linguistic source avaliable to the academic audience, by proposing a codicological description of the BNP manuscript and its diplomatic edition. The methodology adopted refers mainly to the theoretical proposal of Ivo Castro and Maria Ana Ramos (1986), who suggest to establish the editorial criteria upon the distinction between transcription strategy and tactics and introduce the concept of bibliographical eld.

[pt] Este trabalho apresenta uma metodologia que propõe a combinação de dados quantitativos e distanciados com a leitura mais detalhada e aproximada em análises de discurso, oferecendo a oportunidade de novos olhares sobre os dados e diversas perspectivas de análise. A metodologia faz uso de recursos dos estudos linguísticos com corpus, tais como listas de frequência, preferência, categorização e leitura de linhas de concordância. Demonstra-se sua aplicação, tomando-se como objeto de exploração obras da literatura brasileira em domínio público compiladas em um corpus com cerca de 5 milhões de palavras, anotado semântica e morfossintaticamente, e utilizam-se ferramentas computacionais que permitem buscas com base em padrões léxico-sintáticos da língua portuguesa. O objetivo é identificar como as personagens masculinas e femininas são caracterizadas nos textos, possibilitando tanto elaborar uma visão geral de como mulheres e homens são construídos através da linguagem. O estudo se dá em duas frentes: observando os predicadores na descrição das personagens e as ações são desempenhadas por elas, fazendo distinção entre masculinas e femininas, comparando-as e analisando as diferenças de forma crítica. / [en] This work presents a methodology that proposes the combination of quantitative and distant-read data with detailed, closer reading in discourse analysis, enabling new possible views over data and diverse perspectives of analysis. This methodology makes use of resources most used in corpus-based linguistic, such as frequency lists, preferences, categorization, and reading concordance lines. Its application is demonstrated using as exploration object Brazilian literature titles in the public domain, compiled in a corpus with approximately 5 million words, semantically and morpho-syntactically annotated, and by using computational tools that enable searches based on lexical-syntactic patterns of the Portuguese language. The purpose is to identify how the male and female characters are portrayed in those texts, enabling the creation of a general view on how women and men are built through language. The study happens in two fronts: by observing the predicates used on describing characters and the actions these characters take, comparing the male and female results and analyzing them in a critical way.

[pt] A pesquisa aplica algumas técnicas de processamento de linguagem natural (PLN) ao domínio da história, tendo como objeto de investigação o Dicionário Histórico-Biográfico Brasileiro (DHBB), obra de estilo enciclopédico concebida pelo Centro de Pesquisa e Documentação de História Contemporânea do Brasil (CPDOC) da Fundação Getulio Vargas (FGV). O objetivo foi criar, a partir do DHBB, um corpus anotado para fins de extração automática de informações, relevante para as Humanidades Digitais, capaz de viabilizar ‘leituras distantes’ da política contemporânea brasileira. O processo completo passa pelas etapas de análise morfossintática do material, identificação de entidades relevantes ao domínio, inclusão de anotação no corpus, definição de relações semânticas de interesse para a pesquisa e mapeamento dos padrões léxico-sintáticos existentes nestas relações. Busca-se com estas etapas preparar os textos para a identificação de estruturas de interesse, isolando as informações relevantes e apresentando-as de forma estruturada. Para testar e avaliar um conjunto de padrões quanto à sua produtividade, foram selecionados como temas de interesse idade de entrada dos biografados na carreira política, formação acadêmica e vínculos familiares. O pressuposto é que utilizando padrões léxico-sintáticos é possível extrair informação de qualidade direcionada ao domínio da História, a partir de um corpus anotado do gênero enciclopédico. Na avaliação dos padrões para a extração do ano de nascimento dos biografados a medida-F foi de 99 por cento, para a extração de relações familiares a medida-F foi de 84% e para informações sobre formação acadêmica o índice de acertos alcançou 99,1 por cento. Essas extrações, por sua vez, permitiram uma leitura distante dos dados do DHBB que nos mostra i) queda da média de idade no que se refere à entrada dos políticos na carreira pública, que passam a se posicionar cada vez mais abaixo dos 40 anos, principalmente os nascidos a partir da década de 1960; ii) declínio acentuado na formação militar, sobretudo para as gerações pós 1920, demonstrando que o treinamento civil estava substituindo o militar enquanto caminho para atingir cargos políticos importantes; e iii) vínculos familiares na política como um fenômeno que se mantêm ao longo do tempo em índices bastante significativos, muitas vezes representando mais de 50 por cento do total de membros de determinadas categorias. As principais contribuições da tese são: criação de um corpus de gênero enciclopédico anotado e disponibilizado para estudos linguísticos e das humanidades; apresentação de metodologia baseada em uma filosofia de enriquecimento cíclico, em que à medida que se vai obtendo mais informações, elas são adicionadas ao próprio corpus melhorando a extração; e compilação de um conjunto de padrões passível de ser adaptado para quaisquer corpora contendo o mesmo tipo de anotações. / [en] The research applies some natural language processing techniques (NLP) to the domain of history, having as object of investigation the Brazilian Historical-Biographical Dictionary (DHBB), an encyclopedic style work conceived by the Centro de Pesquisa e Documentação de História Contemporânea do Brasil (CPDOC) of Fundação Getulio Vargas (FGV). The target is to create, from the DHBB, an annotated corpus for automatic information extraction s purpose, relevant to the Digital Humanities, enabling distant readings of Brazilian contemporary political history. The complete process goes through the morphosyntactic analysis of the material, identification of entities relevant to the domain, inclusion of semantic annotation in the corpus, definition of semantic relations of interest and mapping of lexical-syntactic patterns existing in these relations. These steps seek to prepare the texts for the identification of structures of interest, isolating the relevant information and presenting them in a structured way. To test and evaluate a set of textual patterns regarding their productivity in relation to DHBB, some specific topics were selected: age of the politician when entering public life, academic training and family ties. The assumption is that using lexical-syntactic patterns it is possible to extract high quality information from the domain of History, from an annotated corpus of the encyclopedic genre. In the evaluation of the patterns for extraction of the year of birth of the biographees, the F-measure was 99 per cent, for the extraction of family relationships, the F-measure was 84 per cent and for information on academic training, the correctness index reached 99.1 per cent. These extractions, in turn, allowed us to make a distant reading of the data in the DHBB that shows us i) a drop in the average age with regard to the entry of politicians into the public career, who start to position themselves more and more under 40 years of age, mainly those born from the 1960s; ii) sharp decline in military training, especially for the post-1920 generations, demonstrating that civilian training was replacing military training as a way to reach important political positions; and iii) family ties in politics as a phenomenon that remain over time at very significant rates, often representing more than 50 per cent of the total members of certain categories. The main contributions of the thesis are: creation of an encyclopedic genre corpus annotated and made available for linguistic and humanities studies; presentation of a methodology based on a philosophy of cyclic enrichment, in which, as more information is obtained, they are added to the corpus itself, improving extraction; and compilation of a set of productive patterns that can be adapted for any corpora containing the same type of annotations.