O terrível nascimento da beleza: a criação literária em diversos autores

De onde brota a inspiração para baladas de amor e canções de guerra, lendas e narrativas, tragédias e comédias? Ao longo de séculos, escritores e leitores interrogaram-se acerca do nascimento da beleza. Neste artigo, abordo essa questão intrigante, em quatro etapas: a) Examino algumas personificações criadas por Hesíodo, Homero, Luís de Camões e Federico García Lorca para descreverem a inspiração; b) Exploro as estratégias utilizadas por Samuel Coleridge, Salvador Dalí e William Burroughs, para penetrar no reino da fantasia, o inconsciente; c) Apresento as explicações científicas propostas por Sigmund Freud, Carl Jung e Robert Sperry para o impulso criativo; d) Para concluir, menciono as razões que levaram Fernando Pessoa, Eugénio de Andrade e Emily Dickinson a desconfiarem da musa inspiradora, preferindo o esforço que corrige a emoção e gera a obra de arte. Seguindo uma perspectiva comparada, o meu objectivo é mostrar diferentes formas de perceber a criatividade literária. Para tanto, recorro ao trabalho dos escritores e cientistas atrás mencionados e, naturalmente, à minha opinião.

Intersubjectivity and poetic translation

O artigo está disponível em livre acesso no link da versão do editor

Canções / Songs: Fernando Pessoa traduz António Botto

Dissertação apresentada com vista à obtenção do grau de Mestre em Tradução e Interpretação Especializada. Instituto Politécnico do Porto (Portaria nº 602/2003 de 21 Julho)

Automatic syllabification for danish text-to-speech systems

In this paper, a rule-based automatic syllabifier for Danish is described using the Maximal Onset Principle. Prior success rates of rule-based methods applied to Portuguese and Catalan syllabification modules were on the basis of this work. The system was implemented and tested using a very small set of rules. The results gave rise to 96.9% and 98.7% of word accuracy rate, contrary to our initial expectations, being Danish a language with a complex syllabic structure and thus difficult to be rule-driven. Comparison with data-driven syllabification system using artificial neural networks showed a higher accuracy rate of the former system.