| |
Corpus
CONDIVport
O CONDIVport é um
corpus de textos
em português europeu
e em português
brasileiro, das décadas de 50, 70
e 90-2000, construído no
âmbito do projecto Convergência
e Divergência no
Léxico do Português,
financiado pela Fundação
para a Ciência e a
Tecnologia (Refª POCTI/ LIN/48575/2002). Está
parcialmente disponibilizado no sítio da
Linguateca – Projecto AC/DC
Estrutura
do corpus
O corpus
CONDIVport compreende textos de
três domínios –
futebol, moda e saúde
– e está estruturado na base de
três variáveis:
-
geográfica: Portugal vs. Brasil;
-
diacrónica: 1950, 1970, 1990-2000;
-
estilística:
jornais e revistas de
qualidade > jornais e
revistas populares >
Internet off-line > etiquetas,
Internet on-line
(chats).
Os textos são extraídos de três fontes:
-
jornais
e
revistas de
desporto,
moda e
saúde dos
primeiros
anos das
décadas de 50, 70 e 90-2000, de Portugal e do Brasil;
-
linguagem da Internet
centrada no domínio do futebol: conversação off-line de fóruns de
discussão e conversação on-line de IRC ou chats;
-
etiquetas e catálogos de
lojas de vestuário de diferentes cidades de Portugal e do Brasil.
O CONDIVport compreende três
subcorpora, correspondentes aos
domínios do futebol, da
moda/vestuário e da
saúde, cada um
dos quais se divide ainda
entre registo formal (jornais
e revistas) e registo
informal (chats e
etiquetas). O Quadro 1
sintetiza os componentes do CONDIVport e
respectiva extensão
em número de
palavras.
|
|
Futebol |
Moda/vestuário |
Saúde |
|
|
formal |
informal |
formal |
informal |
formal |
informal |
|
Portugal |
jornais
de desporto
1.467.675 |
chats
13.014.410 |
revistas
de moda
398.023 |
etiquetas
Braga, Lisboa
800 (fotos) |
revistas
de saúde
pública
e jornais
(em
construção) |
|
|
Brasil |
jornais
de desporto
1.230.366 |
chats
2.649.716 |
revistas
de moda
806.648 |
etiquetas
São
Paulo, Rio
Janeiro
500 (fotos) |
revistas
de saúde
pública
e jornais
(em
construção) |
|
|
Total |
2.698.041
|
15.664.126 |
1.204.671 |
1.300(fotos) |
|
|
Quadro
1.
Componentes
do CONDIVport e
sua
extensão
em
número
de
palavras
Subcorpus disponibilizado:
futebol
O subcorpus de futebol
do CONDIVport está disponibilizado no sítio da
Linguateca – Projecto AC/DC. Compreende textos
de futebol, com
cerca de 2,7 milhões de
palavras, dos primeiros
anos das décadas de 50, 70 e
90-2000, dos seguintes
jornais: (portugueses) A Bola,
Record, Mundo Desportivo
e O Jogo e (brasileiros)
Jornal dos Sports, Gazeta
Esportiva,
Estado de São
Paulo e Lance. Os
textos que integram o
subcorpus foram seleccionados, correspondendo a uma parte
dos textos de futebol
existentes nos respectivos
exemplares destes jornais.
Equipa
A equipa de investigação é constituída por
Augusto
Soares da Silva (coordenador)
José João Dias de Almeida
Alberto Manuel Brandão Simões
Ana Margarida Abrantes
Ana Margarida Belém Nunes (bolseira)
Marlene Lopes Danaia Duarte (bolseira)
José Luiz de Lucca (bolseiro)
Os trabalhos
de selecção, OCR, digitalização e revisão
dos textos que
integram o CONDIVport foram realizados por
Ana Margarida Nunes (textos
portugueses de futebol), Marlene Danaia
Duarte (textos portugueses de moda)
e José Luiz de Lucca (textos
brasileiros de futebol e de
moda). Os trabalhos informáticos
de normalização, correcção e gestão foram
realizados por José João Almeida e Alberto
Simões. No âmbito da Linguateca, Rui Vilela
adaptou a formatação do subcorpus de
futebol, com
vista à sua
disponibilização, utilizando o CWB.
Agradecimentos
Estamos gratos aos jornais A Bola,
Record, O Jogo, Jornal dos Sports, Gazeta Esportiva,
Estado de São Paulo e Lance pelas autorizações gentilmente
concedidas.
Estamos gratos à Linguateca pelo
acolhimento e pela colaboração prestada.
|
