200- Platon + Aristoteles on 1 208-213 numeroloogia, 214-233: - maagia ; healoomuline maagia on vaid loomuliku filosoofia täiuslikum vorm, 234- Pico viitab oma kabala-kristluseremixile ning täiuslikuima õpetuse peitmine.

Philosophia Oluline on märkida, et „philosophia“ pole ainus filosoofiaga seotud tüvi, sellele lisaks ilmnevad tekstis veel adjektiiv/substantiiv „philosophus“ (tähenduses filosoofiline/filosoof) ja verb „philosophor“ (tähistades filosofeerimist?) + philosophans, mis on loetud substantiivist eraldi.

Filosoofia ja teoloogia käivad käsikäes.

Pico jaoks tundub filosoofia olevat nii distsipliin kui ideaal.

Filosoofia on keskne.

„ Filosoofia “ ka tähenduses kui ühe mõtleja või kooli terviknägemus.

Sissejuhatus – häälestus „Vanad tekstid ei vanane.“ -Marju Lepajõe 23-aastane Pico ja 21-aastane mina; enamus teoloogia tüvitekste on küpse ea kirjutised: „Pihtimused“, Evagriose „Logismoi“, Pg 154: on meeldiv vaheldus tegeleda tekstiga , mille autor on nooruslikult jultunud ja toore energiaga.

See on oskuslikult koostatud tekst , aga ühtlasi on see jultunud ja toore, väljakutsuva energiaga, ent ühtlasi üdini ebaapologeetiline ja koostööle kutsuv.

Meetod, lugemisteadus, ringid LUGEMISTEOORIA: raamatuvahetusse märkusepoiss Ise tõlkimise roll: tõlke viljad iga peatüki alguses Hermeneutiline ring Kõne pikkus, formaat, erisus Humanitaartudengite põhiküsimus: kuidas mõista teksti Eksperimentaalne aspekt Minu töötekst on tekstikriitiline väljaanne „Oration on the Dignity of Man: A New Translation and Commentary“ ning sellega tihedasti seotud veebiressurss Pico Project, kust pärineb ka teksti virtuaalkuju.

Põhiküsimused on seega „millest?“ autor räägib ja „kuidas?“ ta sellest räägib, proovides jõuda lõpuks ajatu põhiküsimuseni „mida tekst tähendab?“.

proovides sellega jõuda ajatu põhiküsimuseni: „mida tekst tähendab?“.

Lisaks sellele tõsiasjale tahtsin ka võimalust minna ühe tekstiga nii sügavuti, kui bakatöö maht võimaldab, ning katsuda ühest tekstist välja selitada maksimaalne, mis tekstist endast võimalik, hõlmates tööprotsessi võimalikult mitmekesine ampluaa tööriistu/üritades „rünnata“ teksti võimalikult mitmekülgse tööriistakohvriga.

Nagu eespool mainitud, sai minu eesmärgiks on panna tekst esmalt kõnelema oma kontekstis ning valmistada sellega ette tõlgendamist ning ideaalses maailmas ka teksti tõlkimist, kuivõrd Pico della Mirandola kirjavara on nüüdisaegses Eestis ja eesti keeles sisuliselt puutumata teema.

Teha tekstile peale esimene hermeneutiline ring, koguda mõtteid ning moodustada esmane arusaamine.

Selitada tekstist välja Pico põhiterminid ning teha iga uue sõnaga peale uus ring, selgitades välja, mida need sõnad Pico jaoks selles tekstis tähistavad.

Kanda uued teadmised tekstile , jalutada läbi viimane hermeneutiline ring ning võrrelda, mil määral muutub minu lugemiskogemus Vormist; esimene ring LUGEMISTEHNIKA MÕISTMISE TEEL Vormilt on „Oratio“, nagu pealkirigi ütleb, kõne.

Üritades kõne umbkaudset pikkust määrata, mõõtsin mõõduka kõnepidamise kiirusega teksti pikkuseks ... .

Pico teksti on võimalik jagada üsna selgeteks teemaühikuteks.

... humblebrag, Pico tekst on talle omaselt hüpersünkretistlik (vrd „900 teesi“) ning pikitud täis viiteid nii filosoofidele, prohvetitele kui ka Vana ja Uue Testamendi figuuridele, kaldealaste ja araablaste kirjandusele.

Tonaalselt on tekst suurepärane segu eneseõigustusest, etteheidetest silmakirjalikkusele, jultunud väidetest ja alandlikkuse rõhutamisest, mis on oratoorselt sügavalt mõjuv ja kaasahaarav.

Kuna Pico tekst on küllaltki mahukas (Pico Project-i digitaalkujul toortekst on pea 54 000 tähemärki koos tühikutega) ning käsitsi teksti läbivaatamine lootusetult kilplaslik töö, pöördusin loomuliku keele töötluse meetodite poole.

package(„tidytext“) library(udpipe) library(tidyverse) library(tidytext) # ladina keele lemmatiseerimismudeli laadimine udmodel <- udpipe_download_model(language = &#34;latin&#34;) udmodel # ladina tühisõnad lat_stop_cltk_ent <- c(&#34;alius&#34;, &#34;multus&#34;, &#34;noster&#34;, &#34;seu&#34;, &#34;sum&#34;, &#34;is&#34;, &#34;omnis&#34;, &#34;quasi&#34;, &#34;sui&#34;, &#34;tum&#34;, &#34;vel&#34;, &#34;et&#34;, &#34;in&#34;, &#34;est&#34;, &#34;non&#34;, &#34;ad&#34;, &#34;ut&#34;, &#34;cum&#34;, &#34;quod&#34;, &#34;qui&#34;, &#34;sed&#34;, &#34;si&#34;, &#34;de&#34;, &#34;quae&#34;, &#34;quam&#34;, &#34;per&#34;, &#34;ex&#34;, &#34;nec&#34;, &#34;sunt&#34;, &#34;esse&#34;, &#34;se&#34;, &#34;hoc&#34;, &#34;ab&#34;, &#34;enim&#34;, &#34;aut&#34;, &#34;autem&#34;, &#34;etiam&#34;, &#34;quid&#34;, &#34;quo&#34;, &#34;atque&#34;, &#34;eius&#34;, &#34;te&#34;, &#34;uel&#34;, &#34;sit&#34;, &#34;me&#34;, &#34;iam&#34;, &#34;ne&#34;, &#34;haec&#34;, &#34;quia&#34;, &#34;tamen&#34;, &#34;nam&#34;, &#34;ac&#34;, &#34;mihi&#34;, &#34;ita&#34;, &#34;sic&#34;, &#34;tibi&#34;, &#34;id&#34;, &#34;pro&#34;, &#34;eo&#34;, &#34;inter&#34;, &#34;nunc&#34;, &#34;quem&#34;, &#34;ipse&#34;, &#34;uero&#34;, &#34;neque&#34;, &#34;quibus&#34;, &#34;ille&#34;, &#34;erat&#34;, &#34;eum&#34;, &#34;sibi&#34;, &#34;qua&#34;, &#34;nisi&#34;, &#34;quoque&#34;, &#34;ergo&#34;, &#34;quidem&#34;, &#34;omnia&#34;, &#34;post&#34;, &#34;hic&#34;, &#34;fuit&#34;, &#34;ego&#34;, &#34;ea&#34;, &#34;nihil&#34;, &#34;omnes&#34;, &#34;his&#34;, &#34;illa&#34;, &#34;modo&#34;, &#34;tu&#34;, &#34;esset&#34;, &#34;sine&#34;, &#34;nos&#34;, &#34;dum&#34;, &#34;ubi&#34;, &#34;ante&#34;, &#34;quis&#34;, &#34;tam&#34;, &#34;sub&#34;, &#34;sicut&#34;, &#34;quos&#34;, &#34;omnibus&#34;, &#34;potest&#34;, &#34;nobis&#34;, &#34;sua&#34;, &#34;cui&#34;, &#34;igitur&#34;, &#34;res&#34;, &#34;ei&#34;, &#34;tantum&#34;, &#34;cuius&#34;, &#34;apud&#34;, &#34;contra&#34;, &#34;magis&#34;) # tidytext tibble formaati kirjutamine stopwords_la <- tibble(rida = 1:111, sona = lat_stop_cltk_ent) # pico teksti lugemine juurkataloogist pico <- read_lines(&#34;pico.txt&#34;) # pico teksti lemmatiseerimine x <- udpipe (pico, object = udmodel) head(x) # tulba ümbernimetamine x %>% unnest_tokens(output = sona, input = lemma) -> tidytext_pico_x # tühisõnade eemaldamine tidytext_pico_x %>% anti_join(stopwords_la, tidytext_pico_x, by=&#39;sona&#39;) -> pico_ns_x # lemmade esinemissageduse lugemine pico_ns_x %>% count(sona, sort = TRUE) -> pico_loetud_x # tulemuse salvestamine write.

csv&#34;) Pärast tekstikaeve lõpetamist oli mul seega korrastatud sagedustabel, mis esitas kõik teksti lemmad koos esinemiste arvuga kahanevas järjekorras.

Et aga loomulik keel on subjektina väga tundlik ning igal tekstil on enda ajaloolisest keskkonnast ning autorist sõltuvad omapärad, mis võivad tulemusi märgatavalt painutada, katsetasin kontrollimiseks ja tulemuste võrdlemiseks sama koodi ka teiste keelekorpustega.

Nende kõrvale katsetasin võrdluseks veel eelmainitud tööriista TreeTagger, mis eraldas eelnevalt puhastatud tekstist (eemaldasin R-i kasutades tühisõnad, punktuatsiooni, erimärgid, numbrid, suurtähed ning liigsed tühemikud) lemmad ning nende grammatilised funktsioonid.

Meetod, lugemisteadus, ringid LUGEMISTEOORIA: raamatuvahetusse märkusepoiss Ise tõlkimise roll: tõlke viljad iga peatüki alguses Hermeneutiline ring Kõne pikkus, formaat, erisus Humanitaartudengite põhiküsimus: kuidas mõista teksti Eksperimentaalne aspekt Minu töötekst on tekstikriitiline väljaanne „Oration on the Dignity of Man: A New Translation and Commentary“ ning sellega tihedasti seotud veebiressurss Pico Project, kust pärineb ka teksti virtuaalkuju.

Kanda uued teadmised tekstile, jalutada läbi viimane hermeneutiline ring ning võrrelda, mil määral muutub minu lugemiskogemus Vormist; esimene ring LUGEMISTEHNIKA MÕISTMISE TEEL Vormilt on „Oratio“, nagu pealkirigi ütleb, kõne .

Sissejuhatav, valjusti ette lugemiseks mõeldud kõne .

Üritades kõne umbkaudset pikkust määrata, mõõtsin mõõduka kõnepidamise kiirusega teksti pikkuseks ... .

Möönan, minu ladina keel pole kõige soravam ning minu publik koosnes mängukarudest, seega oleks lihvituma ladina keele ning reaalse kõnepidamise olukorra sees kõne mõnevõrra lühem.

Kõne eesmärk on juhatada sisse 900 teesi kaitsmist, häälestades publikut ning põhjendades ja kaitstes oma pürgi.

on emotsionaalsust rakendades ning ladina keelt lihvides kõne mõnevõrra lühem.

Noppides tabelist välja kõiksugused adverbid, pronoomenid, adjektiivid, nimed ning sõnad, mis võivad olla nii adjektiivi kui substantiivi funktsioonis, koorus esimese silmatorkava tuumikuna välja üheksane sõnagrupp: philosophia, deus, homo, pater, natura, ratio, animus, mysterium, anima, ars.

Eemaldasin seejärel tabelist mulle mittevajalikud originaalsõnade ja sõnaliikide veerud, noppisin välja väärtused ning lasin allesjäänud puhaste lemmade nimekirja läbi Voyant Tools-i.

Andmed kogutud, panin kõigi nelja kaeve tulemused tabelisse .

„InTh+mediae.“ tähistab tabelis mudelit, mis on treenitud Index Thomisticuse ja teiste keskaja autorite peal.

Nagu tabelist näha, andsid kõik protsessid hoolimata mõningasest (loomulikust) kõikumisest üldjoontes sarnaseid tulemusi.

Tabeleid kõrvuti uurides selgus, et kõik kolm peale Index Thomisticuse lõikuvad 14 esinemiskorra juures (InTh lisab sellele juurde veel sõna „lex“) ning esimene tuumik eristub üsna selgesti edaspidisest – järgmised sõnad on aina rohkem juhuslikumad, koonduvad suurematesse gruppidesse ning esinemiskordade arvud langevad märgatavalt.

Nagu eespool mainitud, sai minu eesmärgiks on panna tekst esmalt kõnelema oma kontekstis ning valmistada sellega ette tõlgendamist ning ideaalses maailmas ka teksti tõlkimist, kuivõrd Pico della Mirandola kirjavara on nüüdisaegses Eestis ja eesti keeles sisuliselt puutumata teema.

Möönan, minu ladina keel pole kõige soravam ning minu publik koosnes mängukarudest, seega oleks lihvituma ladina keele ning reaalse kõnepidamise olukorra sees kõne mõnevõrra lühem.

on emotsionaalsust rakendades ning ladina keelt lihvides kõne mõnevõrra lühem.

Kuna Pico tekst on küllaltki mahukas (Pico Project-i digitaalkujul toortekst on pea 54 000 tähemärki koos tühikutega) ning käsitsi teksti läbivaatamine lootusetult kilplaslik töö, pöördusin loomuliku keele töötluse meetodite poole.

package(„tidytext“) library(udpipe) library(tidyverse) library(tidytext) # ladina keele lemmatiseerimismudeli laadimine udmodel <- udpipe_download_model(language = &#34;latin&#34;) udmodel # ladina tühisõnad lat_stop_cltk_ent <- c(&#34;alius&#34;, &#34;multus&#34;, &#34;noster&#34;, &#34;seu&#34;, &#34;sum&#34;, &#34;is&#34;, &#34;omnis&#34;, &#34;quasi&#34;, &#34;sui&#34;, &#34;tum&#34;, &#34;vel&#34;, &#34;et&#34;, &#34;in&#34;, &#34;est&#34;, &#34;non&#34;, &#34;ad&#34;, &#34;ut&#34;, &#34;cum&#34;, &#34;quod&#34;, &#34;qui&#34;, &#34;sed&#34;, &#34;si&#34;, &#34;de&#34;, &#34;quae&#34;, &#34;quam&#34;, &#34;per&#34;, &#34;ex&#34;, &#34;nec&#34;, &#34;sunt&#34;, &#34;esse&#34;, &#34;se&#34;, &#34;hoc&#34;, &#34;ab&#34;, &#34;enim&#34;, &#34;aut&#34;, &#34;autem&#34;, &#34;etiam&#34;, &#34;quid&#34;, &#34;quo&#34;, &#34;atque&#34;, &#34;eius&#34;, &#34;te&#34;, &#34;uel&#34;, &#34;sit&#34;, &#34;me&#34;, &#34;iam&#34;, &#34;ne&#34;, &#34;haec&#34;, &#34;quia&#34;, &#34;tamen&#34;, &#34;nam&#34;, &#34;ac&#34;, &#34;mihi&#34;, &#34;ita&#34;, &#34;sic&#34;, &#34;tibi&#34;, &#34;id&#34;, &#34;pro&#34;, &#34;eo&#34;, &#34;inter&#34;, &#34;nunc&#34;, &#34;quem&#34;, &#34;ipse&#34;, &#34;uero&#34;, &#34;neque&#34;, &#34;quibus&#34;, &#34;ille&#34;, &#34;erat&#34;, &#34;eum&#34;, &#34;sibi&#34;, &#34;qua&#34;, &#34;nisi&#34;, &#34;quoque&#34;, &#34;ergo&#34;, &#34;quidem&#34;, &#34;omnia&#34;, &#34;post&#34;, &#34;hic&#34;, &#34;fuit&#34;, &#34;ego&#34;, &#34;ea&#34;, &#34;nihil&#34;, &#34;omnes&#34;, &#34;his&#34;, &#34;illa&#34;, &#34;modo&#34;, &#34;tu&#34;, &#34;esset&#34;, &#34;sine&#34;, &#34;nos&#34;, &#34;dum&#34;, &#34;ubi&#34;, &#34;ante&#34;, &#34;quis&#34;, &#34;tam&#34;, &#34;sub&#34;, &#34;sicut&#34;, &#34;quos&#34;, &#34;omnibus&#34;, &#34;potest&#34;, &#34;nobis&#34;, &#34;sua&#34;, &#34;cui&#34;, &#34;igitur&#34;, &#34;res&#34;, &#34;ei&#34;, &#34;tantum&#34;, &#34;cuius&#34;, &#34;apud&#34;, &#34;contra&#34;, &#34;magis&#34;) # tidytext tibble formaati kirjutamine stopwords_la <- tibble(rida = 1:111, sona = lat_stop_cltk_ent) # pico teksti lugemine juurkataloogist pico <- read_lines(&#34;pico.txt&#34;) # pico teksti lemmatiseerimine x <- udpipe (pico, object = udmodel) head(x) # tulba ümbernimetamine x %>% unnest_tokens(output = sona, input = lemma) -> tidytext_pico_x # tühisõnade eemaldamine tidytext_pico_x %>% anti_join(stopwords_la, tidytext_pico_x, by=&#39;sona&#39;) -> pico_ns_x # lemmade esinemissageduse lugemine pico_ns_x %>% count(sona, sort = TRUE) -> pico_loetud_x # tulemuse salvestamine write.

Et aga loomulik keel on subjektina väga tundlik ning igal tekstil on enda ajaloolisest keskkonnast ning autorist sõltuvad omapärad, mis võivad tulemusi märgatavalt painutada, katsetasin kontrollimiseks ja tulemuste võrdlemiseks sama koodi ka teiste keelekorpustega.

Vaikimisi on ladina keele mudeliks UD_Latin-Perseus, mis on treenitud Perseus Digital Library puudepanga 11 antiigiteksti peal, kuid UD pakub alternatiividena ka mudeleid UD_Latin-Proiel ning UD_Latin-ITTB, mis kasutavad korpustena PROIEL-i puudepanga ladina sektsioonist pärit Vulgata Uut Testamenti ja lõike antiikautoritelt ning Index Thomisticuse puudepanka, mis sisaldab Aquino Thomase ning temaga seotud 61 teise autori töid.

TreeTagger-i jaoks mõeldud ladina keele parameeterfail kasutab korpusena kõiki eelmainitud kolme ressurssi kombineeritult.