Maria Clara Paixao de Sousa.

O objetivo desta proposta é dar início à formação do Corpus M.A.P., uma reunião inédita de manuscritos de mulheres e sobre mulheres da América Portuguesa editados filologicamente com tecnologias digitais de última geração. As fontes do Corpus integram o Catálogo M.A.P, repositório digital criado no âmbito do Projeto M.A.P. (Mulheres na América Portuguesa). O projeto, ativo desde 2017, tem como objetivo central sistematizar e tornar visível para pesquisas futuras um conjunto de fontes documentais imensamente importantes para os estudos filológicos e para os estudos da história da língua, da história social, da história da escrita e da leitura, e da história das mulheres no Brasil, por meio da construção de um catálogo eletrônico de documentos escritos por mulheres na América Portuguesa entre 1500 e 1822. A relevância do Projeto reside fundamentalmente na possibilidade de organização inédita dessa documentação a um tempo escassa e fundamental para a compreensão da história da formação do Brasil. Presentemente, o Catálogo comporta 150 entradas detalhadamente descritas e um texto-piloto com edição filológica digital. A sistematização integral dessa documentação na forma do Corpus aqui proposto permitirá a ampliação do alcance do público leitor dos textos e a disponibilização desse material para fins de pesquisa nos campos da linguística e da ciência da computação. A proposta se filia aos trabalhos do Grupo de Pesquisas Humanidades Digitais (formado por pesquisadoras do M.A.P) junto ao Centro de Inteligência Artificial (C4AI) da Universidade de São Paulo, atualmente responsáveis pela formação do Corpus Carolina (com lançamento previsto para março de 2022).

Tem como objetivo geral desenvolver sistemas que avancem o estado da arte do Processamento de Linguagem Natural para o português brasileiro, atingindo um novo patamar em qualidade de geração e desempenho em relação ao que existe hoje. Para isso, a primeira etapa da pesquisa prevê a construção de um corpus multigênero com um volume de textos robusto e inédito na língua portuguesa. O projeto é desenvolvido junto ao Centro de Inteligência Artificial (C4AI).

Esta proposta descreve um Centro de Pesquisa de Engenharia em Inteligência Artificial (IA) empenhado em conduzir pesquisas em tópicos centrais de IA e em aplicar técnicas de IA em áreas de aplicação selecionadas --- a saber, indústria de óleo e gás, agronegócios e saúde. O Centro também dará suporte a estudos sobre o impacto social e econômico da IA e conduzirá atividades de transferência de tecnologia e difusão do conhecimento. O Centro será construído com a convicção de que os próximos dez anos trarão avanços sem precedentes em IA, os quais dependerão da colaboração tanto entre áreas centrais da IA como destas áreas com as aplicações. O "Center for Artificial Intelligence" consistirá de dois grupos interligados de pesquisadores, ambos distribuídos na instituição anfitriã e em instituições associadas. Um grupo de pesquisadores, com significativa projeção internacional na comunidade de IA, cobrirá tópicos centrais de IA, de representação de conhecimento a aprendizado de máquina, com ênfase em processamento de texto e linguagem natural, particularmente em Português. Tendências da pesquisa internacional corrente sugerem que a próxima década testemunhará uma interação crescente entre representação de conhecimento, tomada de decisão e aprendizado de máquina; o "Center for Artificial Intelligence" focará sua atenção na combinação destas áreas da IA, já que elas não são tão intimamente conectadas quanto deveriam ser --- o Centro se posicionará como um participante fundamental na colaboração entre os principais tópicos da IA. Um segundo grupo de pesquisadores do Centro focará em três áreas de aplicação onde existe significativa experiência na instituição anfitriã: óleo e gás, agronegócio, e saúde. A conexão entre pesquisa em tópicos centrais da IA e áreas de aplicação ocorrerá em dupla direção: pesquisa em IA básica abordará problemas de grande escala nas áreas de aplicação selecionadas, e será direcionada pelos desafios nestas áreas de aplicação. Um pequeno grupo de pesquisadores da área de humanas está incluído no "Center for Artificial Intelligence" para conduzir pesquisa sobre o impacto social da IA e para identificar caminhos que garantam o uso da IA para o bem. O Coordenador de Educação e Difusão do Conhecimento organizará produção de vídeos contendo resultados de pesquisa e trabalhará através de feiras e escolas para educar o público em sentido amplo. O Coordenador de Transferência de Tecnologia trabalhará com órgãos bem estabelecidos na instituição anfitriã para fomentar iniciativas que transferirão resultados para as entidades financiadoras e para esforços de empreendedorismo. Centro de Engenharia IBM-Fapesp, proc.2019/07665-4

O Projeto M.A.P. (Mulheres na América Portuguesa): mapeamento digital de escritos de mulheres e sobre mulheres no espaço atlântico português tem como objetivo central sistematizar e tornar visível para pesquisas futuras um conjunto de fontes documentais imensamente importantes para os estudos filológicos e para os estudos da história da língua, da história social, da história da escrita e da leitura, e da história das mulheres no Brasil, por meio da construção de um catálogo eletrônico de documentos escritos por mulheres e documentos escritos sobre mulheres (contendo sua ?fala? na forma de discurso relatado) na América Portuguesa. A metodologia seguida no Projeto trata essa documentação a partir de duas premissas: primeiro, importa-nos, centralmente, a literalidade da expressão e a literalidade do relato da expressão, sendo esta uma investigação originária do campo da filologia e da linguística histórica. Segundo, do ponto de vista computacional, partimos do compromisso com as tecnologias transferíveis e o acesso aberto, sendo nosso objetivo a difusão e democratização da informação encerrada na documentação trabalhada. O Catálogo Mulheres na América Portuguesa pretende assim compor um mapa polifônico de vozes quase nunca escutadas, dirigido tanto aos especialistas de áreas como a filologia e a história, como a um público leitor mais amplo.

O Projeto M.A.P. (Mulheres na América Portuguesa): Mapeamento de escritos de mulheres e sobre mulheres no espaço atlântico português a partir de métodos das Humanidades Digitais tem como objetivo central a construção de um catálogo eletrônico de documentos escritos por mulheres e documentos escritos sobre mulheres (contendo sua fala na forma de discurso relatado) entre os anos 1500 e 1822 na América Portuguesa. Essa documentação, imensamente importante para os estudos filológicos e para os estudos da história da língua, da história social, da história da escrita e da leitura, e da história das mulheres no Brasil, tem como características principais sua raridade e sua dispersão custodial. A relevância do Projeto reside fundamentalmente na possibilidade de organização inédita dessa documentação, com um método que alia as formas tradicionais do acurado trabalho filológico a tecnologias de ponta no processamento de textos e organização da informação. A metodologia seguida no Projeto aborda o tratamento da documentação a partir de duas premissas: primeiro, importa-nos, centralmente, a literalidade da expressão e a literalidade do relato da expressão, sendo esta uma investigação originária do campo da filologia e da linguística histórica. Segundo, do ponto de vista computacional, partimos do compromisso com as tecnologias transferíveis e o acesso aberto, sendo nosso objetivo a difusão e democratização da informação encerrada na documentação trabalhada. Assim, o trabalho no Projeto envolve, como ações-fim, as atividades imediatas de formação e alimentação do Catálogo, e como ações-meio, as atividades de desenvolvimento das tecnologias que fundam esta construção. No trabalho imediato de construção do Catálogo, nossa metodologia remete aos campos da História, da Arquivística e da Filologia; no trabalho de desenvolvimento de tecnologias, a metodologia remete ao campo das tecnologias digitais de processamento da informação. Na conjunção entre campos aparentemente tão distantes entre si reside a singularidade do nosso método de pesquisa, inserido, como sugerimos já em seu título, no campo das Humanidades Digitais. Para nós, esta denominação, notadamente polissêmica, remete a um movimento de aproximação entre as humanidades e as tecnologias digitais no qual, essencialmente, os humanistas tem agido como criadores de tecnologia: como sujeitos colaboradores da revolução da informação. Nossa proposta de pesquisa se encaixa nessa tendência, e é nesse sentido que se identifica com aquilo que tem sido difusamente denominado de Humanidades Digitais, posição que temos defendido em diversos trabalhos e conferências sobre o tema. Os primeiros resultados de nossas metas e de nossa forma de trabalho já se prenunciam na versão-piloto do M.A.P., em http://www.nehilp.org/~nehilp/HD/MAP. Na versão consolidada do M.A.P., em construção, além da expansão do número de documentos catalogados temos como objetivos aprofundar o tratamento filológico conferido aos documentos e sofisticar suas formas de visualização, formando um panorama que sirva tanto como base para pesquisas acadêmicas como, de fato, um mapa de fácil consulta e visualização por um público mais amplo. Para isso, lançaremos mão de tecnologias de processamento de texto que subsidiem a edição filológica dos documentos, e de tecnologias de organização da informação ligadas à web-semântica. O M.A.P. pretende, assim, compor um mapa polifônico de vozes quase nunca escutadas, dirigido tanto aos especialistas de áreas como a filologia e a história, como a um público leitor mais amplo.

Os escritos feitos por mulheres ao longo dos primeiros séculos da formação da América Portuguesa chegaram até nós por diferentes acidentes históricos; daí sua natureza rara e fortuita. Este projeto pretende buscar e catalogar, em arquivos nacionais e estrangeiros, documentos escritos por mulheres ao longo dos séculos XVI, XVII e XVIII, de modo a torná-los visíveis para pesquisas futuras nos campos da história do Brasil e da filologia portuguesa. A este primeiro objetivo junta-se, por força da contingência da raridade dos documentos a serem prospectados, um objetivo auxiliar mas não menos importante: o de buscar e catalogar textos coetâneos escritos sobre mulheres. O principal produto do projeto é um catálogo digital de documentos de tipologias diversas, ou escritos por mulheres ou que contenham sua ?fala? na forma de discurso relatado. A relevância do projeto está em resultar nessa organização preliminar (e inédita) em torno de uma documentação a um tempo muito escassa e imensamente importante para a compreensão da história da formação do Brasil.

This Project aims at investigating linguistic and philological aspects of three representative pieces of travel literature: Magalhães de Gandavo's "História da Província Santa Cruz" (1576), Fernão Cardim's "Tratados da terra e gente do Brasil" (1584) and Gabriel Soares de Sousa's "Notícias do Brasil" (1584) . From the linguistic perspective, we aim at studying the relationship between syntax and information structure in the texts - including the original versions, their subsequent editions from the 16th to the 19th centuries, and, in some cases, their English, French and Spanish translations. From the philological perspective, we aim at reconstructing the complex editorial history of each text, by systematizing their bibliographical fields and producing critical digital editions of reference versions. The most visible product of the Project will be a linked-data repository organized around this material, which will bind them in a logical unit with several levels of analysis, combining philological, syntactic and information structure annotations. This intensive annotation will serve two purposes: first, it will provide the basis for further grammatical work based on the texts; second, it will provide the material for the investigation of the thematic and structural similarity among those texts - a traditionally observed, but never systematically researched aspect.

O projeto (cf. http://historiasdobrasil.net) estudará três obras fundamentais da literatura quinhentista sobre o Brasil ? a ?História da Província Santa Cruz? de Magalhães de Gandavo (1576), o ?Tratados da terra e gente do Brasil? de Fernão Cardim (1584) e ?Notícias do Brasil? de Gabriel Soares de Sousa (1584) ? sob as perspectivas linguística e filológica, buscando explorar o diálogo estrutural e temático tradicionalmente observado entre elas, mas nunca sistematicamente pesquisado. Da perspectiva filológica, recuperaremos a complexa trajetória editorial de cada uma das obras, sistematizando seus campos bibliográficos desde seu surgimento no século XVI até os dias atuais. Da perspectiva linguística, mapearemos computacionalmente a estrutura sintática e informacional de cada texto e de suas diferentes versões ao longo do tempo, estudando aspectos gramaticais relevantes dos textos e a maneira como estes interagem com a estrutura da informação, numa abordagem comparativa e diacrônica. O projeto produzirá, com isso, um portal de informações ligadas, formando em torno das obras uma rede lógica aprofundada em diversas camadas de análise, graças à aplicação conjunta de técnicas de anotação linguística e web-semântica. Há um duplo efeito na construção dessa rede: de um lado, os fragmentos dispersos de informação sobre as obras passarão a compor um conjunto coeso, com repercussões positivas em diferentes áreas de pesquisa (e, acreditamos, na área da educação). De outro lado, a rede constituirá, em si, uma nova camada a depositar-se sobre as representações editoriais historicamente acumuladas sobre esses textos. Consideramos fundamental refletir criticamente sobre os efeitos dessa representação computacional, e conduziremos paralelamente a prática e a problematização dessa construção. Assim, tanto ao situar-se na confluência entre as humanidades e a computação, como ao adotar uma postura crítica sobre os produtos dessa confluência, o projeto se insere no campo das Humanidades Digitais, e é conduzido no âmbito do Grupo de Pesquisas pioneiro nesse campo no país.

Projeto Temático - Fapesp. Este projeto visa a revisitar a história do português do século XV ao século XXI, em Portugal e no eixo Brasil-África, dentro de uma abordagem comparativa baseada na noção de parâmetros, tal como é formulada na Teoria de Princípios e Parâmetros de Chomsky (1985, 2008), em particular nos seus últimos desdobramentos no quadro do Programa Minimalista. Para atingir esse objetivo, pretende-se usar os textos anotados disponíveis no Corpus Tycho Brahe, nos quais é possível fazer buscas automáticas de construções sintáticas. Faz parte deste projeto alargar a base de textos sintaticamente anotados para 1.500.000 palavras em textos portugueses, 600.000 palavras em textos brasileiros, e 150.000 palavras em documentos africanos, além de elaborar um analisador sintático automático (parser) para o português.

Este projeto, vinculado ao Projeto Temático "História do Português Paulista", tem como objetivo central apresentar uma agenda para os estudos sintáticos dos primeiros séculos do Português Paulista (XVI e XVII). Paralelamente será apresentado um estudo dos mesmos fenômenos sintáticos em textos portugueses dos séculos XV, XVI e XVII. A agenda é composta pela análise da estrutura argumental e valência verbal, preposições, concordância verbal e nominal e estratégias de junção.

Esta pesquisa insere-se no contexto maior dos projetos Brasiliana USP e Brasiliana Digital, e tem por objetivo transformar obras de referência selecionadas da Biblioteca Brasiliana Digital em bancos de dados eletrônicos com funcionamento remissivo. Escolhemos, para isso, o trabalho centrado em Repertórios e Dicionários biobibliográficos, que constituem um dos mais importantes tipos de obras de referência. Os Repertórios são obras de consulta, formadas de referências bibliográficas arranjadas em determinada ordem, indicando cada uma delas um texto impresso. As biobibliografias contém biografias resumidas, listando a produção bibliográfica de um atuor, obras sobre sua vida e/ou críticas ao seu trabalho. A idéia do projeto é trabalhar com quatro obras desta natureza, pertencentes ao acervo da Brasiliana (cf. lista abaixo), transformando-as em documentos digitais com funcionamento de bancos de dados. As obras, atualmente em formato de imagens digitais, serão convertidas para arquivos XML, anotados de forma a poderem servir de base para buscas cruzadas programadas em X-Query. Como produto deste projeto, ofereceremos ao usuário da Biblioteca Brasiliana Digital da USP um índice remissivo de autores e personagens históricos, muitos deles presentes nos demais texto do acervo. Com isso, usuários de diversos perfis encontrarão, na Brasiliana, um banco de informações importante para pesquisas - acadêmicas e escolares. O resultado, desta forma, será um fator de extroversão do conteúdo da Brasiliana, e um fator de ampliação e democratização do seu acesso.

Um dos maiores e mais urgentes desafios da comunidade científica do século 21 é processar, modelar e explicar a enorme massa dos dados produzidos nos laboratórios de pesquisa. Para isso são necessárias novas ideias e o desenvolvimento de novas estruturas matemáticas. O objetivo do Projeto-USP "Matemática, Computação, Linguagem e Cérebro" (MaCLinC) é alcançar uma compreensão teórica profunda de fenômenos centrais em linguística e em neurociência, através do desenvolvimento de novos modelos e resultados matemáticos.

A escolha da linguística apoia-se em mais de 20 anos de experiência que fez do Numec um grupo internacionalmente reconhecido na modelagem matemática da aquisição e mudança linguística. Apoia-se também na existência do Corpus Histórico do Português Anotado Tycho Brahe.

A neurociência é atualmente um campo em rápido desenvolvimento com uma clara necessidade de uma nova e original modelagem matemática. O campo é caracterizado por uma grande variedade de fenômenos envolvendo escalas muito diferentes e padrões de interação complexos. Essas características implicam que um tratamento eficiente dos dados e fenômenos passa necessariamente pela modelagem estocástica.

Os modelos matemáticos e ferramentas já desenvolvidos por nossa equipe para o estudo de fenômenos linguísticos são candidatos naturais também para a análise de dados em neurociência. Com efeito, tanto os modelos linguísticos, quanto os modelos em neurociência são baseados em medidas de probabilidade definidas em grafos. No primeiro caso esses grafos são árvores de contextos representando dependências linguísticas. No segundo caso os modelos envolvem grafos mais complexos que descrevem a interação dos neurônios ou grupos de neurônios.Os resultados da equipe na área de seleção de modelos - tanto para modelos descritos por árvores de contextos, quanto para campos aleatórios apoiados em grafos de interação - oferecem uma base natural para futuros desenvolvimentos nessas áreas.

Linguística e neur

Este projeto se dedica à descrição da gramática do português escrito nos séculos XV, XVI e XVII, e à investigação do processo histórico de ampliação e diversificação do alcance da língua que marca este período. O projeto parte da idéia geral de que esse processo histórico de ?espalhamento? da língua portuguesa por quatro continentes está na raiz de mudanças gramaticais que se refletem nas variantes atuais da língua, e seu objetivo principal é reunir elementos teóricos e metodológicos para elaborar uma versão conceitualmente fundamentada dessa idéia. Os estudos preliminares sugerem uma hipótese de trabalho nesse sentido, segundo a qual as variantes modernas do português ? em particular, a variante européia e a brasileira ? apresentam diferentes estratégias de codificação sintática das relações argumentais, e essa diferença pode ser explicada por dois processos distintos de reanálise gramatical, ambos tendo como ponto inicial a gramática portuguesa dos séculos XV, XVI e XVII. No caso do português do Brasil, o projeto pretende demonstrar que a reanálise pode ser bem compreendida no contexto da transformação radical das condições sociais colocadas para a transmissão da língua portuguesa no processo de ocupação do território brasileiro ao longo do primeiro período colonial. No caso do português na Europa, a reanálise pode ser compreendida como resultado da intensificação de uma mudança fonológica já em curso em alguns recortes dialetais naquele território. A reestruturação gramatical que envolve a formação da variante brasileira não atinge o contexto europeu; e a mudança fonológica em curso nos dialetos europeus é interrompida no processo de ?transporte? da língua para o Brasil ? dessa forma, cada uma das variantes modernas irá se desenvolver, a partir desse momento, por caminhos diferentes.

Esta pesquisa insere-se no contexto maior dos projetos Brasiliana USP e Brasiliana Digital, iniciativas da Reitoria da Universidade de São Paulo, com a missão de custodiar e desenvolver a Biblioteca Brasiliana, no edifício especialmente construído para este fim no coração da Universidade. A esta nova condição física soma-se a construção da Brasiliana Digital (BBD), que elevará ainda mais o alcance do conteúdo dos dois acervos para fins de pesquisa geral e acadêmica, sob os moldes propostos no projeto ?Por uma Biblioteca Brasiliana Digital?. Desde fins de 2008, o Grupo de Pesquisas Língua Brasiliana veio somar-se às iniciativas da Brasiliana USP, investigando caminhos para revelar e preparar o potencial dos textos do Acervo como fonte da língua e sobre a língua no Brasil ? uma área para a qual este material naturalmente se vocaciona. Temos colaborado com o grupo maior da Brasiliana USP em pesquisas experimentais iniciais junto ao Laboratório Brasiliana, inaugurado no início de 2009 . Nosso objetivo de longo prazo é desenvolver instrumentos para pesquisas lingüísticas com base no acervo, por meio da prospecção de materiais de interesse e do desenvolvimento e aplicação de métodos de preparação editorial e de instrumentação computacional para extração automática de informação dos textos mais antigos. Esperamos com isso fundar os alicerces para a exploração do acervo Brasiliana USP por estudiosos da história da língua, bem como formar as bases humanas, tecnológicas e materiais para o aproveitamento futuro do acervo pela comunidade de pesquisa. O presente projeto reúne alunos da graduação em letras em torno do desafio inicial de preparar edições filológicas em meio digital que permitam o tratamento computacional dos textos mais antigos do acervo para essas futuras pesquisas.

O projeto irá descrever sistematicamente a valência dos verbos em textos portugueses selecionados, datados de 1435 a 1802. A pesquisa tem como ponto de partida a observação do projeto "Alternância de Diátese no Português Brasileiro" (Viotti e Negrão, em curso), de que a flexibilidade das diáteses no português brasileiro é um fator central a diferenciá-lo da variante européia. Diante disso, o presente projeto propõe a pergunta: Como essas diáteses se comparam com as do Português Clássico, ou seja, da variante trazida para o Brasil no período colonial? Podem as diferenças entre as duas variantes atuais ter suas raízes nesse antecente diacrônico ? Presentemente, essas perguntas não podem ser respondidas, uma vez que não temos à disposição descrições sistemáticas da estrutura temática dos verbos no período "clássico" da língua portuguesa. É essa a tarefa a que se lança o projeto. Um primeiro produto importante da pesquisa, nesse sentido, será um dicionário de valências atestadas em textos dos séculos 16 e 17, a ser colocado à disposição da comunidade científica. O cerne dos trabalhos será o estudo comparado desses usos e daqueles atualmente em uso nas variantes modernas. Com isso, o projeto pretende contribuir para a discussão contemporânea sobre a mudança lingüística que dá origem ao português do Brasil.

O projeto Por uma Biblioteca Brasiliana Digital é parte integrante do projeto BRASILIANA
USP, uma iniciativa da Reitoria da Universidade de São Paulo, concebido e desenvolvido
por duas de suas unidades: o Instituto de Estudos Brasileiros (IEB) e a Biblioteca Brasiliana Guita e José Mindlin (BBM). Com este Projeto, coordenado pelo prof. dr. István Jancsó, a USP facultará para a pesquisa a maior Brasiliana custodiada por uma universidade em escala mundial, tornando-a disponível em linha na rede mundial de computadores (internet). A proposta que ora apresentamos é a de investigação de um modelo de implantação de uma biblioteca digital que atenda aos princípios de preservação do acervo da Brasiliana da USP, de democratização do acesso e de suporte à investigação. O projeto define-se pelos altos princípios que orientam a Universidade e realiza, neste sentido, sua vocação como centro de reflexão, produção e difusão do pensamento e da cultura brasileira.

O principal objetivo da pesquisa no projeto Padrões Rítmicos, Fixação de Parâmetros & Mudança Lingüística é modelar a relação entre prosódia e sintaxe no processo que levou do Português Clássico ao Português Europeu Moderno. Esta pesquisa se insere, assim, em duas grandes problemáticas da teoria da linguagem: O que provoca a mudança lingüística? e Como essa mudança se dá ao longo do tempo? Em 2005, o projeto inicia sua segunda fase, na qual se pretende consolidar e expandir os resultados atingidos desde 1998.

O objetivo do projeto "Memórias do Texto" é desenvolver tecnologias de processamento de texto com aplicação na Lingüística de Corpus. O projeto se concretiza no desenvolvimento de um corpus diacrônico do português, o Corpus Histórico do Português Anotado Tycho Brahe (http://www.ime.usp.br/~tycho/corpus). O Corpus foi reestruturado com base no desenvolvimento de processamentos XSLT de anotações XML, que conferem controle e flexibilidade ao tratamento computacional dos textos. 

A combinação de controle e flexibilidade no processamento dos textos visa garantir o rigor da descrição lingüística, ao mesmo tempo em que possibilita a multiplicação do alcance do Corpus para diferentes usuários finais. Ao potencializar o alcance de uso dos textos, reforça-se seu valor como fonte de pesquisa para diferentes áreas do conhecimento, e colabora-se com a preservação e divulgação de um patrimônio histórico e cultural livremente disponível via rede mundial de computadores. 

Ao otimizar os processamentos linguísticos, consolida-se a finalidade principal do Corpus: fornecer com agilidade e precisão um grande volume de dados para a análise linguística. Em especial, estes dados têm sido fontes de pesquisas sobre mudanças gramaticais na história do português, no âmbito do Projeto Temático Padrões Rítmicos, Fixação de Parâmetros e Mudança Lingüística.