• 1 Informação prévia
  • 1.1 Sobre este manual
  • 1.2 Obras e ferrramentas para consulta
• 2 Marcas de edição em palavras
  • 2.1 Junção e Segmentação
  • 2.2 Grafia
  • 2.3 Expansão
  • 2.4 Correção
  • 2.5 Pontuação
  • 2.6 Ilegível
  • 2.7 Modernização
  • 2.8 Padronização
  • 2.9 Flexão
  • 2.10 Propriedades da palavra
• 3 Propriedades de seção, parágrafo e sentença
  • 3.1 Seção
  • 3.2 Parágrafo
  • 3.3 Sentença
• 4 Formatação geral
  • 4.1 Quebras de página
  • 4.2 Quebras de linha
  • 4.3 Cabeçalho/rodapé e números de página
  • 4.4 Comentários
• 5 Propriedades do Texto e Metadados
• 6 Etiquetagem morfológica
  • 6.1 Obtenção do xml anotado morfologicamente
  • 6.2 Revisão da etiquetagem
• 7 Exportação do xml para o parser
• 8 APÊNDICE SOBRE MODERNIZAÇÃO
  • 8.1 Normas gerais
  • 8.2 Vocalismo
  • 8.3 Consonantismo

Versão 2, elaborada Agosto de 2014 por Aroldo de Andrade, em colaboração com Aline Jéssica Pires e Cynthia Yano

Complementa o Manual de Preparação dos Textos, por M.C. Paixão de Sousa, acessível em: [1]

Para grafia de palavras em geral:

Dicionário Priberam da Língua Portuguesa [ [2] ]

Utilizar as seguintes configurações: 'depois' para "Acordo ortográfico" e 'Brasil' para "País"

Para questões como junção e segmentação (hífen):

Acordo ortográfico da Língua Portuguesa de 1990 [ [3] ]

Para grafia de topônimos e antropônimos:

Wikipedia [ [4] ]

Para questões de grafia (caixa alta) e padronização:

Manual de Redação da Câmara dos Deputados [ [5] ]

a. Juntar palavras que sofreram gramaticalização, para serem interpretadas como uma só.

b. Alterar a segmentação de enclíticos, quando necessário:

Atenção:

- Em alguns textos, dobra-se o ‘l’ nos enclíticos lo e la, como forma de mostrar uma alteração do ‘r’ infinitivo; nesses casos, a segmentação deve manter um ‘l’ antes do hífen, outro depois:

c. Segmentar a pronome interrogativo ou relativo ‘por que’, de acordo com a norma brasileira (em Portugal, o uso de ‘porque’ tem correlato fonético — redução — e segue uma norma mais subjetiva, podendo ser usado tanto para formular questões quanto para respondê-las)

d. Juntar as sequências com ‘de’ quando seguido de artigo ou pronome, quando estiverem separadas por apóstrofe ou outro sinal correspondente.

Atenção:

- As seguintes junções são possíveis, a depender da variedade de português sob análise: do(s)/da(s), dum/duns/duma(s), doutro(s)/doutra(s), deste(s)/desta(s), desse(s)/dessa(s), daquele(s)/daquela(s), dantes.

- A grafia com apóstrofe só fica mantida quando se quer dar ênfase na vogal: d’Ele (usu. com referência a uma divindade.)

e. Separar a sequência ‘haver + de’ hifenizada; da mesma forma, procliticizar o clítico grafado como enclítico a essa sequência.

f. Manter aglutinações, de caráter popular ou não, que forem previstas pelo Splitter (entre preposição, determinante, conjunção), indicando-as com um apóstrofe, quando não houver.

Atenção: Quando a aglutinação não estiver prevista pelo Splitter, ela deverá ser desfeita, nesse momento da edição.

- alterar para maiúsculas quando houver inserção de início de sentença.

- Seguir o padrão de uso de maiúsculas e minúsculas segundo o Manual de Redação da Câmara dos Deputados.

Atenção: Alterar vogais maiúsculas em início de verso que continua uma sentença anterior:

- Expandir as abreviações (utilizar o Dicionário de Maria Helena Flexor – Abreviaturas – Manuscritos dos séculos XVI a XX) (manter os superescritos tanto quanto possível, no original)

- Corrigir palavras que são claramente erros de impressão (verificar se há um padrão de grafia no resto do texto, para a mesma palavra)

a. Manter os sinais de pontuação nas posições em que ocorre no original.

b. Incluir um comentário local (menu suspenso : Símbolo > Comentário), quando a pontuação original levar a uma interpretação errônea, com a variante com pontuação modernizada (com sinais em posições diferentes)

c. Corrigir símbolos que não têm correspondente no sistema atual

d. Substituir sinais que não são mais utilizados em meio de sentença, por outros que indicam continuidade do enunciado, ou manter o sinal e marcar quebra de sentença e maiúscula:

e. Reduzir pontuações duplas a um só elemento (que represente de forma mais central o que o autor pretendia expressar)

- escrever a parte da palavra que se pode ler e substituir os caracteres ilegíveis por ‘x’; alterar para a forma reconstruída (por inferência ou comparação com outra versão — inserir um comentário geral no primeiro caso)

- no caso de rasura, escrever a forma impressa no original e incluir um comentário local para indicar que tipo de marca foi aposta ao original

a. Utilizar o Acordo ortográfico de 1990.

b. Utilizar a forma brasileira no caso de palavras em que há duas opções de escrita no Acordo de 1990.

c. Manter variantes gráficas reconhecidas em Portugal.

d. Manter palavras cuja modernização implicaria alteração importante na fonética da palavra (se julgar necessário, incluir comentário local).

e. Manter formas apocopadas ou arcaicas quando isto for necessário para a sonoridade e métrica do texto poético.

f. Manter exemplares dialetais (incluir um comentário geral ou local, ou ambos, a fim de esclarecer as decisões tomadas).

g. Manter a grafia de nomes próprios (antropônimos), regularizando somente acentos; corrigir variantes dentro do mesmo texto:

h. Modernizar a grafia de nomes de lugares (topônimos).

i. Manter formas verbais arcaicas, modernizando simplesmente traços superficiais

Atenção: ver o Apêndice para observar regras específicas de modernização a fim de manter traços morfofonológicos do texto.

- Nesse nível de edição são alteradas as palavras que ficaram diferentes da norma ortográfica atual até o nível de modernização, a fim de manter traços morfofonológicos. (cf. Apêndice )

- Palavras variantes no português arcaico devem ser padronizadas, mesmo que haja traços fonéticos distintos:

Atenção: - Para tomar uma decisão de padronização nesses casos, deve-se observar qual a forma mais frequente, ou qual a forma mais próxima da forma original.

- corrigir inadequações às normas de concordância (não visíveis na etapa de anotação sintática): número, gênero

- incluir casos de crase ( a + a ) que não são marcados no texto

[action_desc]  : descrição de ação (em meio de sentença)

[foreign]  : palavra estrangeira (marcar língua)

Atenção:

- No caso de ‘foreign’, marcar a língua a que a palavra pertence (em inglês), no caso, "Latin"

- escolher entre ‘act’, ‘play’ ou ‘frame’, a depender do tipo e extensão do texto dramático

[Section: act]  : ato (se o texto tem uma só peça)

[Section: char_list]  : lista de personagens

[Section: closing]  : palavras finais

[Section: frame]  : quadro (se usado em lugar da divisão em ato)

[Section: front]  : página de rosto

[Section: play]  : peça (se o texto é um livro com várias peças)

[Section: preface]  : prefácio (escrito pelo editor/impressor)

[Section: prologue] : arauto/ advertência/ palavras iniciais

- para ‘action_desc’ e ‘sc_desc’, vide texto explicativo junto às marcas de sentença

[P: action_desc]  : descrição de ação (em parágrafo inteiro)

[P: char_desc]  : lista de personagens (em início de cena)

[P: characters]  : lista de personagens da peça

[P: char_list]  : título da parte (a que se segue ‘characters’)

[P: chorus]  : estrofe (recuo aumentado) (~refrão)

[P: chorus_start]  : estrofe c/múltiplos personagens – 1o. pers.

[P: chorus_inner]  : estrofe c/múltiplos personagens – pers. do meio

[P: chorus_end]  : estrofe c/múltiplos personagens – último pers.

Atenção:

- Marcar novo parágrafo a cada troca de personagem; ou a cada início de estrofe, mesmo que não haja mudança de personagem. Quando há só um personagem que fala toda a estrofe, usar simplesmente ‘chorus’.

[P: salutation]  : texto de apresentação da peça

[P: sc_desc]  : descrição de cena (num parágrafo separado)

[P: sc_list]  : lista de cenas/atos da peça

[P: scene] : título de cena

[P: scenery] : descrição de cenário ou lista de aparatos para cenário

[P: stanza] : estrofe (recuo normal)

[P: subtitle] : título de seção

[P: title]  : subtítulo de seção

- a escolha entre ‘action_desc’ e ‘sc_desc’ visa a garantir que neste último sejam incluídas frases que possam ser analisadas sintaticamente

[S: action_desc] : descrição de ação

[S: character]  : chamada de personagem (em discurso direto)

[S: char_desc] : especificação sobre um personagem

[S: partition] : frase indicativa de divisão da peça

[S: pop_speech] : fala popular (com personagens rurais etc.)

[S: sc_desc] : descrição de cena

[S: verse_indent1] verso com um nível de indentação

[S: verse_indent2] verso com dois níveis de indentação

Atenção:

- As marcas acima são usadas para quando há um verso complexo, e a fala de um segundo ou terceiro personagem se junta à de um primeiro. A indentação (recuo) serve para indicar essa continuidade. Caso haja quebra de linha, a sequência da sentença virá sem recuo.

- Por simplificação, não separar página em meio de palavra; incluir a palavra e qualquer pontuação que a siga (vírgula, ponto final, etc.) antes da quebra.

- Manter quebras de linha no caso de texto poético

- Reduzir quebras no caso de títulos

- Incluir números de página tal qual no original, seja no cabeçalho ou no rodapé (normalmente não aparecem em página inicial de capítulo)

- Ignorar elementos extras que repetem informações sobre o livro (título do livro ou do capítulo, usualmente no cabeçalho)

- Incluir eventuais notas de rodapé como comentários locais (atribuir a autoria ao autor do texto ou ao editor, dependendo do caso) — grafar tal qual no original, sem edição, uma vez que os comentários ficam visíveis nessa versão do texto.

- inserir comentários gerais ou locais, de preferência em inglês, a fim de dar esclarecimentos sobre decisões de edição ou sobre o significado de certas palavras ou expressões. Se bem que não seja o intento o oferecimento de edições críticas, pressupõe-se que o editor passa a ter um nível significativo de conhecimento sobre o texto, e a elucidação de expressões e aspectos linguísticos mais difíceis auxiliam no trabalho linguístico referente às demais etapas.

- inserir os dados básicos do texto em Edição > Texto > Propriedades:

- inserir os metadados do texto, em Documento > Metadados

- Preencher as grandes categorias e as específicas:

Original text [sempre]

Intermediate source edition [se consultada uma edição de outrem]

Immediate source edition [sempre]

Corpus processing edition [sempre]

Observe abaixo as orientações para o preenchimento dos campos.

corpus processing edition

Nome	Formato	Uso
Document Name	(cf. não é necessário informar este campo, simplesmente nomear o arquivo seguindo o padrão x_NNN, em que x é a inicial do último sobrenome do autor, e NNN é o número em ordem de upload )	Código do documento
Document Title	(sem especificação)	Título do Texto
Document Author ID	(formato: Último Sobrenome, Nome - ex. Aires, Matias)	Nome do Autor para Catálogo
Word Count	(sem especificação)	Número de palavras do texto
Digitalized by	(formato: Inicial. Sobrenome, separados por vírgulas)	Nomes dos Digitadores
XML Markup by	(formato: Inicial. Sobrenome, separados por vírgulas)	Nomes dos Anotadores
Inserted in Catalog by	(formato: Inicial. Sobrenome, separados por vírgulas)	Nomes de quem enviou o arquivo para o servidor
POS Tagged Version	(sem especificação)	URL do arquivo etiquetado, onde se aplica
Syntactic Annotation Version	(sem especificação)	URL do arquivo parseado, onde se aplica
Status of Source Text	Edited; Non-edited	Formato do texto inicial
First Processing Information	(formato: Inicial. Sobrenome, separados por vírgulas)	Nomes dos preparadores da Fase I, onde se aplica
Corpus Processing Extent	Whole; Excerpt	Se o texto processado foi inteiro ou parte
Corpus Processing Status (*)	in Progress; Final Release; Revision in Progress; Modernization	Estado de Preparação dos textos
Corpus Processing Type (**)	generation 1; generation 2; generation 3; generation 4	Tipo de processamento no corpus quanto ao número de edições
Corpus Processing Edition Level (***)	Complete; Technical	Tipo de processamento quanto à profundidade da edição para o Corpus
Period by Birthdate	1300-1349; 1350-1399; 1400-1449; 1450-1499; 1500-1549; 1550-1599; 1600-1649; 1650-1699; 1700-1749; 1750-1799; 1800-1849; 1850-1899	Período de nascimento do autor
POS	yes; no	Texto etiquetado morfologicamente
PSD	yes; no	Texto analisado sintaticamente

Legendas:

original source

Nome	Formato	Uso
Author Name	(formato: Nome Sobrenome)	Nome do autor
Author Year of Birth	(sem especificação)	Ano de nascimento do autor
Original Text Title	(sem especificação)	Título original da obra
Original Text Editor	(sem especificação)	Editor original da obra
Original Text Date	(sem especificação)	Data da edição original
Original Text Reference	(ABNT)	Referência Completa da edição original
Genre	Letters Narrative Dissertation Theatre diverse	Gênero do texto

immediate source

Nome	Formato	Uso
Immediate Source Type	Original manuscript; Original manuscript, fac-simile; Original print; Original print, fac-simile; Transcript of original print; Transcript of original manuscript	Tipo de texto utilizado como Fonte Imediata, quanto ao estágio de versão
Immediate Source Edition Level	Preserved ortography; Edited ortography	Profundidade da Edição utilizada como Fonte Imediata
Immediate Source Title	(sem especificação)	Título Completo da Fonte Imediata
Immediate Source Rights	(sem especificação)	Detentor dos Direitos Legais da Edição utilizada como Fonte Imediata
Immediate Source Editor	(sem especificação)	Nome do Editor da Fonte Imediata
Immediate Source Date	(ABNT)	Data da Fonte Imediata
Immediate Source Reference	(ABNT)	Referência Completa da Fonte Imediata
Immediate Source URL	(sem especificação)	Endereço web da Fonte Imediata, se houver

intermediate source

Nome	Formato	Uso
Intermediate Source Type	Transcript of transcript of original print; Transcript of transcript of original manuscript; Transcript of original print; Transcript of original manuscript	Tipo de texto utilizado como Fonte Intermediária, quanto ao estágio de versão
Intermediate Source Edition Level	Preserved orthography; Edited orthography	Profundidade da Edição utilizada como Fonte Intermediária
Intermediate Source Title	(sem especificação)	Título Completo da Fonte Intermediária
Intermediate Source Rights	(sem especificação)	Detentor dos Direitos Legais da Edição utilizada como Fonte Intermediária
Intermediate Source Editor	(sem especificação)	Nome do Editor da Fonte Intermediária
Intermediate Source Date	(ABNT)	Data da Fonte Intermediária
Intermediate Source Reference	(ABNT)	Referência Completa da Fonte Intermediária

Exemplo de metadados de um texto já inserido no CTB.

Informações sobre a obra original / Original source edition details

Informações sobre a edição intermediária / Intermediate source edition details

Informações sobre a edição utilizada / Immediate source edition details

Informações sobre o processamento no corpus / Corpus processing details

- Acionar:

Atenção: Observar, na análise morfológica, se todos os elementos que devem ser ignorados estão corretamente marcados dessa maneira. (Eles devem aparecer em cinza).

- Observar se as etiquetas correspondem às palavras, de acordo com o manual de etiquetas do corpus

- A fim de facilitar o trabalho do parser, realizar quebras de sentença em orações coordenadas, e marcar as novas sub-sentenças com a marca syn-clause .

- Acionar:

Atenção: Exportar o nível ‘Padronização’, e marcar somente ‘imprimir numeração de página'

No arquivo .txt: Retirar o cabeçalho gerado pelo eDictor e inserir:

_Orientações sobretudo relevantes para a edição de textos clássicos (publicados nos séculos XVI, XVII, XVIII)_

Seguem-se as normas adotadas pelo Centro de Estudos de Teatro da Universidade de Lisboa (CET-UL), adaptadas para o Corpus Tycho Brahe abaixo. Link do texto original: [ [6] ]

Como se sabe, o português de fases pregressas inclui alterações significativas face ao português atual, e não alterar os fatos de língua é imperativo em qualquer edição de texto antigo, mas ganha especial significado quando se trata de textos de teatro, que foram concebidos para serem produzidos em voz alta e não em leitura silenciosa. Algumas alterações também podem afetar, por conseguinte, as rimas e métrica em textos em poema.

- Todas as letras e sinais que não pertencem à norma vigente são substituídos pelos seus correspondentes modernos, exceto se traduzirem um facto de língua próprio do séc. XVI que não possa ser de outra forma representado; neste caso, são conservadas as grafias antigas.

- Assim como a estrutura discursiva, a frase e o vocabulário de cada texto são deixados intactos (ressalvados os manifestos erros da edição de base, que são emendados e anotados), assim a prosódia e a fonética o são também.

A maior parte das grafias relativas a vogais orais e nasais e a ditongos são conservadas sem alteração

Exceções:

1. As vogais geminadas são simplificadas ( irmãa > irmã ), recebendo acento quando a geminação é marca da tonicidade ou abertura da vogal ( cuydaraa > cuidará , atee > até ); o mesmo é feito em contentees > contentês , em que a geminação é etimológica mas corresponde a uma vogal monotongada, como prova a rima com cortês .

2. As letras y e e com valor de semivogal são substituídas por i

3. A letra o com valor de semivogal é substituída por u

Atenção: Em certos casos pode ser mantida a grafia original, quando a sequência vocálica não puder apresentar diferença de pronúncia

4. As formas da 3ª pessoa plural do presente do indicativo dos verbos ver e semelhantes com redobro de vogal ( ler ) são mantidas como vem e lem monossilábicos.

Atenção: - Incluir comentário de palavra com o correspondente ( veem , leem ); - têm não apresenta mudança de pronúncia face à forma singular no Brasil, somente no dialeto lisboeta)

5. A grafia das vogais nasais é modernizada em qualquer posição

O mesmo se faz com a grafia -am do ditongo nasal tônico

Atenção: - Excetuam-se alguns casos muito frequentes de variação, que foi conservada

A forma homográfica sam foi conservada como substantivo proclítico (= santo ) e como 1ª pessoa singular do presente do indicativo de ser . Contudo, foi modernizada para são quando 3ª pessoa plural do mesmo tempo e quando adjetivo. No artigo feminino ũa e formações derivadas têm essa grafia mantida, não se tendo ainda desenvolvido a forma epentética uma .

6. As consoantes duplas são simplificadas

7. As grafias cultas que não permanecem na ortografia atual são simplificadas

8. A letra u com valor de consoante é mudada para v

9. As grafias das sibilantes são regularizadas pela ortografia moderna

10. A grafia qu antes de a ou o é regularizada para c

O mesmo se passa com g antes de e ou i , que passa para j quando a ortografia moderna o faz

11. A grafia do h é regularizada de acordo com a etimologia e a ortografia actual: é eliminado quando não etimológico ( hum > um ) e é restituído quando etimológico ( oje > hoje ).

h5. Outras normas

12. A separação de palavras segue o uso moderno, recorrendo ao apóstrofo ou ao hífen quando necessário:

13. As abreviaturas são desenvolvidas

14. O emprego de maiúsculas é regularizado nos nomes próprios e inícios de frase.

15. A acentuação das vogais é distribuída segundo a ortografia atual.

16. A pontuação é mantida, exceto para trocar pontuações que facilitem a análise sintática, no sentido de separar sentenças; nunca são incluídos/ retirados/ mudados de lugar os sinais de pontuação.

17. Nos textos em castelhano e em saiaguês, a regularização das grafias é feita tomando como padrão formas atestadas pelo próprio texto ou por outros da mesma edição.

18. Seguindo o mesmo princípio de alteração fonética, formas como naci devem ser alteradas para nasci (somente no dialeto lisboeta a pronúncia se alterou para um som chiante).