O CE-DOHS (Corpus Eletrônico de Documentos Históricos do Sertão) apresenta textos escritos em língua portuguesa, por autores de diferentes etnias, nascidos no Brasil, entre 1586 e 1986. Adicionamente, um pequeno acervo de nascidos em Portugal, entre 1450 e 1850. Atualmente, há quase 50 acervos, que somam mais de 1 milhão de palavras (a meta é atingir 5 milhões de palavras), disponíveis na rede mundial de computadores, com diferentes formas acesso.Toda a base de textos resulta de pesquisas de prospecção e edição de fontes documentais — encontradas em dezenas de arquivos públicos e privados, nacionais e internacionais — e também de gravações de fala em diversas regiões da Bahia, realizadas, desde 1993, por pesquisadores e por estudantes bolsistas de Pós-Graduação e de Iniciação Científica do Departamento de Letras e Artes (DLA) da Universidade Estadual de Feira de Santana (UEFS), e também cedidas por outros projetos, por meio de parceria com outras instituições de Ensino Superior, em alguns casos mediante acordo de cooperação formal.
Logotipo O logotipo CE-DOHS é a forma gráfica única, exclusiva e padronizada para veicular o sinal básico de identificação da plataforma do Corpus Eletrônico para a história do Português Brasileiro. Deve desempenhar as seguintes funções: identificar as mensagens visuais CE-DOHS, de forma imediata, unívoca e marcante; unificar e integrar as mensagens visuais CE-DOHS, consolidando sua identidade visual.
O Logotipo foi criado, a pedido da Coordenação, pelo artista Juraci Dória, em 2010, tendo, como inspiração, os sertões baianos, área de abrangência do projeto.
Histórico O projeto CE-DOHS faz parte do Núcleo de Estudos de Língua Portuguesa (NELP), desde 2012, do Departamento de Letras e Artes (DLA) da Universidade Estadual de Feira de Santana (UEFS).
O NELP trabalha com duas agendas: formação de banco de textos de língua portuguesa e estudo sócio-histórico e linguístico do português. O CE-DOHS destaca-se, oferecendo, por meio de parceria tecnológica com o projeto Corpus Histórico do Português Tycho Brahe, da Universidade Estadual de Campinas e que está sob a coordenação da professora doutora Charlotte Galves, um banco eletrônico de mais de um milhão de palavras, para estudo da história do português brasileiro, numa parceria com o Projeto Nacional para a História do Português Brasileiro (PHPB). Essa constituição de banco de dados, segundo Bacelar do Nascimento (2004, p. 1),
[...] favorece essencialmente uma Linguística descritiva, fortemente apoiada pelas novas tecnologias, e permite tomar como ponto de partida da descrição a análise de quantidade significativa de dados autênticos, à semelhança do que se faz noutros domínios científicos. O uso de corpora permite a realização de descrições lingüísticas de base empírica e promove, com isso, a discussão de questões teóricas solidamente fundamentadas.
Criado em 2012, com financiamento da Fundação de Amparo à Pesquisa do Estado da Bahia (FAPESB), o projeto CE-DOHS — organizado em duas fases: fase 1, que abrange documentos do século XVIII ao século XX, e fase 2, que abrange documentos dos séculos XVI e XVII — aproxima o campo filológico e o campo computacional, promovendo a edição, em linguagem XML, dos textos editados tradicionalmente, segundo critérios de edição semidiplomática, pelos pesquisadores do projeto Vozes do Sertão em Dados, criado em 2009, e por pesquisadores do CE-DOHS, que vêm sempre buscando diversificar o banco, com textos representativos das vertentes popular, sobretudo, e culta do português brasileiro.
Primeira fase A primeira fase do projeto teve por objetivo compor um banco de textos de 1750 a 2000, representativos do período histórico do português brasileiro caracterizado pelo multilinguismo localizado; permite estudar a história do português brasileiro culto, semi-culto e popular nesse contexto. Há, como resultado dessa fase, vários trabalhos publicados pela equipe (cf. Lattes dos participantes da equipe).
São esses os subprojetos da fase 1:
Elaboração de ferramentas computacionais para construção e uso do CE-DOHS. Aplicação de técnicas de anotação linguística e web-semântica no CE-DOHS (parceria com a USP). Acervos de cartas de português brasileiro culto, semiculto e popular (séculos XIX e XX). Cartas escritas por mãos “cândidas”: o caso dos inábeis (século XX). Corpora orais de português brasileiro culto e popular (século XX).
Segunda fase A segunda fase, que começa agora a ser executada, em 2019, recua ainda mais no tempo, a uma época em que o multilinguismo no Brasil era generalizado (1500-1750).(MATTOS E SILVA, 2004; LUCCHESI, 2017) Tem por objetivo estudar a gestação do português brasileiro. Enfrenta essa fase a raridade das fontes: são raros os textos escritos por grupos nascidos no Brasil, sobretudo de índios e negros, etnias que não tiveram acesso à escola (as fontes para o estudo da história linguística das classes dominantes são mais generosas); o projeto, todavia, tem pequenos acervos desse período e bastante significativos, em breve disponibilizados na Plataforma.
Metodologia A metodologia utilizada no controle de aspectos sócio-históricos é a Teoria da Variação Linguística,WLH,2006 ; LABOV, 2008 ; 1982; 1994; 2001a; 2001b; WLH, 1986) com aplicação para textos escritos, na chamada Linguística Histórica Sócio-Histórica.(MATTOS E SILVA, 2008) Consideram-se as causas que apresentam impacto no processo de mudança do ponto de vista da Linguística Diacrônica, na visão da Gramática Gerativa Chomskiana,(CHOMSKY, 1986) como o contato entre línguas, tanto línguas tipologicamente semelhantes quanto distintas, contato com línguas indígenas próximas e também diversas geneticamente(ARYON, 1986; 1993) e com línguas da África subsaarina, sobretudo (7.000 línguas, entre 1676–1700, sobretudo da família Niger Congo(CASTRO, 2002)); o Brasil recebeu, até 1780, mais de um milhão e duzentos mil escravos, em processo de aquisição do português como L2, e sua transmissão para os descendentes como L1.(BAXTER, 1985; LUCCHESI & BAXTER,2009;LUCCHESI,2009)
Usa-se, para a edição em linguagem xml ou eletrônica, o eDictor, desenvolvido por Paixão de Sousa, Kepler e Faria (2010); trata-se de um editor de textos especialmente voltado ao trabalho filológico e à análise linguística automática.
Segundo Shepherd et al. (2012, p. 11), A ideia de coligir coleções de textos naturais com o objetivo de os submeter à análise linguística remonta ao trabalho dos estruturalistas norte-americanos da década de 1950, tais como Harris (1951) e Fries (1952). Com o Brown Corpus (Francis e Kucera, 1954), surgiria o primeiro corpus eletrônico compilado para este fim. Embora até hoje este corpus seja largamente utilizado, na altura praticamente não existiam textos escritos em formato digital, os computadores eram máquinas enormes e caras, que ocupavam salas inteiras, e os programas informáticos demoravam horas e até dias a correr.
O banco CE-DOHS veio somar-se aos corpora eletrônicos constituídos fundamentalmente para análises linguísticas. Trata-se de um trabalho valioso essa formação de banco de dados nas plataformas digitais, para os estudos linguísticos de maneira geral, especialmente, no que diz respeito ao CE-DOHS – considerando as perguntas sócio-históricas que embasaram sua constituição –, para os estudos da formação do português brasileiro, na área da Linguística histórica.
Áreas de atuação As principais áreas de atuação do CE-DOHS são:
Edições Digitais/xml e geração automática de distintas edições facsimiladas As edições que compõem os corpora eletrônicos apresentam rigor filológico, capturadas integralmente na edição em linguagem XML, por meio do uso da ferramenta eDictor.(PAIXÃO DE SOUSA, 2004; TRIPPEL E PAIXÃO DE SOUSA, 2006; PAIXÃO DE SOUSA, 2007; PAIXÃO DE SOUSA E KEPLER, 2007; PAIXÃO DE SOUSA, KLEPER E FARIA, 2010) A ferramenta oferece versões fac-similadas, semidiplomáticas, modernizadas e técnicas (para entrada em parser), além de produtos derivados, tais como: o léxico de edições.
Corpus Anotado (parsed) O CE-DOHS, em sua versão anotada, permite buscas linguísticas automáticas e confiáveis, com uso de tecnologias de projetos de ponta, como o Brahe Parsed Corpus of Historical Portuguese e o Penn-Helsinki Parsed Corpora. O acesso pode ser feito por meio de buscas automáticas, como o corpus search.
Edições semidiplomáticas Edições filológicas de documentos datados a partir de 1500, escritos por pessoas nascidas em diferentes cidades brasileiras; são controlados quanto a sua origem, fidedignidade, contexto de produção, local e data de escrita, para quem foram escritos e o porquê.
Dos seus escreventes são apresentadas fichas biográficas com informações sobre naturalidade/nacionalidade, escolarização, tipo de aquisição da língua, local e data de nascimento, filiação e profissão. Controla-se também a etnia: portugueses de diferentes procedências sociais, indígenas, mamelucos, africanos, mestiços e pardos.
Essas informações podem ser capturadas em fichas e quadros-sínteses, bem como de forma automática, acessando os metadados, por meio da ferramenta E-corp. O banco possibilita a montagem de corpora temáticos, tendo em vista os interesses do pesquisador.
A agenda de edições filológicas tradicionais se desenvolve no âmbito do Projeto Para a História do Português Brasileiro (PHPB), em um trabalho conjunto, que engloba diversas universidades brasileiras. Corpus PHPB Nacional. O CE-DOHS atua, especificamente, na plataforma de Corpora Bahia (PHPB-BA), coordenada pelas professoras Zenaide de Oliveira Novais Carneiro e Mariana Fagundes de Oliveira Lacerda.
Desenvolvimento de ferramentas computacionais para corpora A Plataforma investe em ferramentas computacionais. Cria ferramentas, como o E-corp, e colabora na implementação de ferramentas, como o eDictor. Por meio de parceria, utilizam-se ferramentas de projetos como o Tycho Brahe.
Categoria:Universidade Estadual de Feira de Santana Categoria:Vocabulário Categoria:Língua portuguesa