Entropía, relevancia y pertinencia del descriptor en el mensaje comunicativo-documental : nota tipológica

Entropía, relevancia y pertinencia del descriptor en el mensaje comunicativo-documental. Nota tipo lógica ANTONIo Luís G¡mci~ GL’TIERBEZ Profesor de Documentación Facultad de ciencias de lainformación Universj(lad complutensede Madrid INTRODUCCION El proceso documental es un proceso comunicativo en el que intervienen un sujeto emisor,un canal, un mensaje y un receptor>. A diferencia de la lengua natural utilizada en la comunicación humana, la documentación utiliza un lenguaje controladot creadopor el hombre, capaz de generar diálogo (hombre, fichero u ordenador) a un subnivel comunicativo. De hecho, Susan Artandi, ratificada por Iandry, considera el producto de la indización como mensaje y, en consecuen - cia, como objeto de estudio de las Ciencias de la Comunicación al senalarque la indización implica la comprensión del significado de los mensajes y la expresión de esta comprensión en la forma de nuevos mensajes (índices)3. ¡;n esteproceso, el indizador, hombre o máquina, funciona como fuente y destino, como codificador y decodificadorde mensajes. Los lenguajes documentales provienen del lenguaje humano aunen el caso dc artificialización de sus signos y grafemas. De hecho el lenguaje humano se hace permanente en el documento,mientras que ¡ Así consta en la obra del 1)r. López Yepes, Teoría de la Documenlaci¿n. Pamplona., EL3NSA, 1078, pág. 1.32, y de Desanlos Guanter i. M,, La dc,curnen¡acidncient,jfica corno objeto de la ínjbr,nacicán. «Boletín del Fondo pani la investigación económica y social>,, vol. 11, fasc. 3, abril-junio, 1870, págs. 165-175. — El lenguaje humano evuluciona por impu sos i ncoriscientes psicosociales, mientras que el lenguaje controlado es codificado conscientemente por el hombre. Artandi, Susan: Machine iudeying: Unguistir ¿md Se,niotic irnplications, en «.lour’nal of (líe ASíS», jtrlio-ag¡>sto, 1976, pág. 236. Por su parte Landrv considera que la fuerza motriz generadora <le diálogo documental necesita de un proceso intelectual que implica «reflexión sobre el orden de los conceptos que existen en el tiulo inforrnaLivo y debería 56~1v’r para identificar la intenelación entre ellos». Véase el trabaio de Landry, H, c., y Rush, .1. E.: joward a theorv of iodeying,«Proceedings of Ihe Asís», vol. 5, 1968, pág. 62. 216 Antonio Luis García Gutiérrez el lenguaje documental no es más que el medio de expresión de los documentos. Quiereesto decir que los documentos tienensus códigos identificatorios, se hacen independientes y universales con el único límite de suscontenidos. Es labor humana manipular con las posibili - dades lingtiísticas de los colectivos documentales y crear, mediante codificación, términos controlados para la comunicacióndocumental, es decir, descriptores. Estos elementos léxico-documentales permiti - rán el diálogo con los depósitos de documentos, manuales o automáti - cos, gracias a combinaciones potenciales de ellos, o frases documenta - les, las cuales constituyen el núcleo del lenguaje documental. Sólo estructurando una eficaz teoría de la indización (proceso intelectual de extracción de conceptos) podráaccederse a camposconceptuales y terminológicos óptimosque permitanconstruir lenguajes documenta - les útiles4. En este sentido el Thesaurus aparece hoy como una alternativa válida5 para el controlde documentos en áreas científicas y técnicas. 1. [A INDIZACION POR DESCRIPTORES: ELEMENTOS LINGUISTICOS Y COMUNICATIVOS PARA UN CONCEPTO No es posiblehablar de descriptores sin hacer referencia al thesau - rus, pues aquéllosno tendrían operatividad fuera de contextos semán - ticos controlados. Sin embargo, el término es antiguo como afirma el brasileño Silva: descriptor es una vieja voz latina, en desusoen la lengua común, pero existente en los diccionarios españoles, portugue - ses, franceses e ingleses6. No obstante, fue Mooers’, matizando el método creado por Taube en i9555, el primero enutilizar la denomina - ción descriptor para referirse al producto de la indizaciónbasada en conceptos, aunque ciertos autores, como Perreault, rechazan esta denominación desde una concepción lógico-lingtiística9. véanse los aspectos teóricos de la indización en el contexto de la língiiiística documental en mr reciente trabajo: Normalización de la Documentación informativa. Propuesta de Tesauro español de las ciencias de la Información. Madrid, Universidad Complutense, 1982, XIII, 1293 págs. La creación de lenguajes de estructura gramatical como el Syntol, Semantic code, etcétera, a nivel internacionaly en campos científicos de terminología inestable es una empresa inviable en laactualidad. Silva, Benedicto: Origcm e evolucao dos desatores, Río de Janeiro, Funda~ao Getúlio vargas, 1972, pag. 27. Mooers,calvin: Zatocoding Applied to Mechan ical Organization of Kaowledge, «American Oocumentatiom, vot. 2, núm. 1, 1951. Taube, Mortimer The Uniterm System of Indeying Opera ting Manual. Washington, Documentation tnc., 1955, 47 pág. Perreault realiza una matización muy razonada sobre el término descriptor «Si un vocabulario está controlado, éste adscribe conceptos al documento, por tanto, la indización por conceptos controlados produce adscriptores. Si el vocabulario es libre, se Entropía, relevancia y pertinencia del descriptor... 217 Por otra parte, diversosinvestigadores como Chastinet10 o Fondin” proponen definiciones y enfoquesaislados del conceptode descriptor, el cual> a nuestro entender, no puede ser contemplado más que desde el campo linguo-documental, e inserto en mensajes documentales (provenientes de la indización en el análisis o en la recuperación), lo que nos permite definirlo como la unidad .sign~ficativa mínima del mensaje documental. El thesaurus como marco léxico del descriptor es, por tanto, un dispositivo que correlaciona los mensajes humanos y los documentales. tJn solo descriptor puede constituir frase documental aunque la mayoríade los sistemas de indización atribuyen varios descriptores a cada documento. Esta afirmación está en directa relacióncon el concepto de profundidad de la indización. Según Bird, «la profundidad depende del número de conceptor indizables en el documento. Enlos diferentes sistemas de indización, los descriptoresson generalizados o especificados en suscontenidos, pueden ser recuperables simplemen - te o encombinación mediante la lógica booleana. Todos estos factores más el sistema al que se aplican influirán en las normas de indiza - ción’>12. Sobrela misma cuestión, Bradford, comentando a Alexander Pope, advierte que las palabras son como hojas y cuanto más abundan - tes menos se encuentra bajo ellas el punto del sentido1’. Estas máximas hacenpensar en un excesivo subjetivismo en la indizaciónque escapa al control del lenguaje documental. Sin embar - go, es posible establecer unas conclusiones flexibles que permitan la coordinación multilateral en la tarea de los indizadores sobre todo cuando se vislumbran posibilidades de automatización, proceso que exije un alto nivel de normalización. Sin duda, la existencia de un indiza describiendo el documento,y se producen los descriptores. La clasificación no describesino que prescribe una posición en una organización conceptual e inscribe el documento en esaposición. La ctasiflcación supone «scripción« pero no de los elemen - tos del documento sino de los documentos como totalidad. En resumen, tanto la clasificacióncomo laindización «seriben» pero la primera prescribe a la clase) e inscribe de la clase); mientras que la segunda adscribe o describe; por tanto, desde una concepciónlógieoiingtíística, descriptor es el términoproveniente de una indizacion en lenguaje libre», flocumentary relevance aod Stnictural Hierarchy, «American liocumentw tion», julio, 1966, pág. 137. » cha~íñ~í Duarte, Vone: Uso do kvvic en? Indexavao bibliografica. curso de iníroducao ~ tecnología dos descritores. Rio de Janeiro, Funda~ao Getúlio vargas, 1970, 8 folios. Fondin, Huberí: La structure et le vocabulaire de l’analyse documentaire. con¡ribu - Non pour une mise an point, «Documentaliste», vol. 14, núm. 2, 1977, págs. 11 y ss. 12 Bird, P. fi.: Tbe Distribulion of Jndeying Depth la Documenia ¡ion Systems, ‘Journai of Bocumentation», vol. 30, núm. 4, 1974, pág. 381. El autor analiza en 57.000 documentos la distribución y estabilidad de los descriptores partiendo de la fórmula de Poisson y concluyendo que es preciso acudir a la descripción matemática de la indización para t,btenerel grado cíe dispersión de descriptores en un sistema. ‘~ Bradford, 5. c.: Documentagao, 22’ cd. Prólogo de Donl~r Duyris. Traducción de M. E. de Mello, Rio de Janeiro, 1961, pág. 79. 215 Antonio Luis García Gutiérrez Thesaurus es el primer paso para aproximarse a la univocidad de criterios en la indizacion. 2. PRECOORDINACION DE DESCRIPrORES: LA FRASE DOCUMENTAL La precoordinación de descriptores es un problema relacionado <:on la profundidad del propio descriptor,con el número deellos y con sus combinaciones a la hora de recuperar información. La precoordina - ción es beneficiosa cuandose trata de eliminar aisladamente la amíJiguedad de un concepto y perjudicial cuando se realiza a pl-ion con el fin de reducir las falsas combinaciones de la búsqueda. Sin embargo, su relativa utilidad puede variarsegún se trata de recupera - ción manual o automática. En el caso de sistemas automáticos el proceso de poscoordinación es el más eficaz, yaque es la máquina la que dota de profllndidad a la frase documentalpor intersección booleana, etc.), a pesar de la posibilidad de falsas combinaciones. Pero en la recuperación manual, como, por ejemplo, índices simples, permutados y acumulativos que aparecen al final de la bibliografía,la precoordinación es el único medio de encontrar la referencia concreta. En definitiva, la poscoordi - nación de descriptores no es útil en la búsqueda manual de documen - tacton. Ejemplo: — Descriptor compuestopara eliminar su propia ambigfledad. «/centro/±/información/~/centro de información/ — Descriptores simples no ambiguos a poscuordinar por la máquina. /cine/ + /España/ + ¡cámara»’ + /dirección/ + ¡productora! — Descriptores precoordinados en el índice tradicional /cine español! /cámara cinematográfica! ¡productora! Sin embargo, al elaborar unlenguaje controlado es preciso prever la automatización, por lo cual es recomendableutilizar descriptores no precoordinados sólo en caso de irrelevancia o ambigtiedad, que aparezcandescompuestos en las referencias y en las demandas y sólo sintagmatizadosen los índices manuales.. Aquellos descriptores que no sean lo suficientemente significativos como para situarse en cam - pos facetados y concretos del Thesaurus deberían encontrarse en indices y tablas auxiliares de ese lenguajedocumental. Entropía, relevancia y pertinencia del descriptor-... 219 3. TIPOLOGIA DE DESCRIPTORES REFERENCIALES Y EN THESAURUS Además de los conocidos descriptoresunitérminos y sintagmáticos o compuestos, las anteriores reflexiones nos llevan a la propuesta de la siguiente tipología: — Descriptor primario: aquel concepto con significado propio incluso fuera de contexto o de frase documental. Ej/comunicación de masas!, ¡persuasión!, etc. — Descriptor secundario o auxiliar: aquel concepto ambiguo, ge - nérico o no pertinente a la estructura del Thesaurus. Debe encontrarse enindices y tablas, auxiliares del mismoThesaurus en orden alfabético permutado. Es preciso distinguir dos tipos de descriptores secundarios: los causados por ambigiiedad. Ej. ¡modelo!, ¡centro! y por homonimia, ej. ¡índice!, ¡biblio - grafía!, en este segundo caso pueden indicarque el documento es una bibliografía o un estudio sobre el concepto de bibliogra - fía, índice, etc. En consecuencia, los descriptoressecundarios deben cumplir dos requisitos: 1.” Aparecer en distinta grafía o posicióndeterminada (por ejemplo en cursiva) en la bibliografías impresas. 2.0 Aparecer con características diferenciadorasde los descrip - tores principales en las bibliografías automatizadas me - dianterecursos previstos en el lenguaje utilizado. Ambas posibilidades no son más que un intento de gramatica - lizaciónde la frase documental con objeto de reducir la distorsión en la recuperación. — Descriptor informativo: son descriptores que pueden no estar en el Thesaurus, en los índicesde las bibliografías, pero que sonutiles en el contexto de descriptores que acompañan la referencia. Por ejemplo, ¡Ecología! o ¡concepto! en una biblio - grafía sobre cine. Aisladamente inducen a confusión, pero en el contexto dc la referencia aclaran la frase documental. ‘Todos los descriptoresson informativos aunque pueden ser no pertinen - tes con respectoa determinados campos (dispersión). — Descriptorreferencial o direccional: son aquellos descriptores que permiten la localización de las referencias de forma colectiva mediante índices, demandas indizadas, etc. Todos ellos deberán formar parte del Thesaurus o aparecer en las listas de candidatospara su inclusión. Desde el punto devista de la elaboración del Thesaurus (thesaurifi - cación) seausando un método analítico(indización de muestra aleato - ria de documentos) o global’4 (extracción de descriptores de dicciona - ‘~ sobre las diferentes metodologias véase tso: Príncipes directeurs poe,’ J’établisse - ,nent et le développement de thesaurus monolingues. Genéve, 1974>111, 14 págs. 502-788. 220 Antonio Luis García Gutiérrez ríos y terminologías especializadas) obtendremos una nueva tipología de descriptores. II Descriptores confirmados: ratificados por la indización. Su uso posibilita la recuperación realde documentos que existen. 2.” Descriptorespreventivos o potenciaJes: su función es prever cualquier análisis o búsqueda potencial, ya que no han sido extraídos de los documentos centíficos existentes. Sin embar - go, estos descriptores son mm eficaces para que el Thesaurus cumpla su función de ampliación o focalización en la indiza - ción. Según este criterio tendremos descriptores preventivos de nivelación, cuandosu fin es cubrir lagunas o establecer puentes entre encabezamientos, y descriptores de ampliación, cuando su fin es ampliar el campo de descriptores confirmados. 4. RELEVANCIA, PERTINENCIA Y ENTROPIA DE LA INDIZACION Hay que tener también presente el conceptode entropía documen - tal referido a la cantidad de información aportada por un descriptor o por la frase documental con el menor número de signos. No parece recomendable utilizar, al indizar, exclusivamente el descriptor más ajustado al tema que trata el documento, ya que esto impide recuperar ese mismo documento usando criteriosde búsqueda más amplios. En consecuencia, no caeríamos en excesiva redundancia,fenómeno opuesto a la entropía y economía lingiiisticas, si empleamosen determinados casos el concepto inmediatamente más genérico según debe indicar el Thesaurus. Dentro del campo entrópico de un descrip - tor pueden estudiarse diversosniveles de comportamiento relaciona - dos con la profundidadconceptual, la relevancia y la pertinencia. El conceptode profundidad de la indización va ligado con lo que denomina Maron amplitud terminológica. El autor dota a esta fl¡~irna noción de dosinterpretaciones: una intensional, basada en el sig¡« do de los términos en cuestión (exploración semañtica) y otra eNt( s~j - ‘ial, relativa al número de documentos que el mismotérmino puede indizar. Maron indica que la amplitud semántica de un término (más generalidad) no guardarelación con el número de documentos que abarca (lo cual ya fue señaladopor Jonesl’5. Incluso, «términos níás específicos pueden indizar más documentos que los genéricos», Jo cual, según Maron, no es paradójico’6. De acuerdocon la vertiente extensional, [nencionada por el autor, la profundidad se refiere al iones, 1<. P.: Towards a Theory of tndeying, «Journal of Oocumentation«, vol. 3Z, núm. 2, 1976, pág. 118. « Maron, M. E.: IJepth of Indeying. «Journal of the ASíS», Julio, 1979, pág. 224. Entropía, relevancia y pertinencia del descriptor... 221 número de términos asignados a un documento 17 y si se asignan muchos términos a un documento se dice que éste estará indizado más profundamente. Por otra parte, y siguiendo la terminología del mismo investigador, desde el punto de vista intensional, «<aquel documento indizado con términos más específicos estará intensionalmente indizado con más profundidad que el quecontenga términos más genéricos»>’3. Basándo - se en los dos principiosmencionados, Maron intenta definir el nivel óptimode indización analizando el número medio de términos de indización por campos científicos y por documentos individuales, a partir del estudio de una colección de documentos y su potencial demanda por la comunidad de usuarios. Tras el estudio puede con - cluirse que un buen sistema de recuperación debe extraer sólo documentos relevantes para la demanda, usando una indización precisa, lo cual ha de ser determinado por una estricta selección, instrumentación rigurosade normas de indización a hombres u ordenador,y encuestas frecuentes para averiguar las necesidades de ]a demanda. Dentrode la importante división maroniana, se ha mencionado el conceptode relevancia documental. El mismo Landry considera el documento desde el punto devistade la indización como una «colec - ción de unos cuantos conceptos relevantes>tO. Pensamos que la indizacióndebe establecer el orden de la relevancia de esos conceptos, recortados por los diversos niveles de la profundidad de su aplicación. Perreault cita a Hilíman como uno de los mayores teóricosde la relevancia documental20. No obstante, si Hilíman intentaprecisar objetivamente la relevancia de un documentoa través de la indización y de la demanda, Perreault, acertadamente, pone en duda ese argumen - to planteando el carácter subjetivista de la relevancia de los conceptos, hasta tal punto, que llega a afirmar lapidariamenteque «una caracterís - tica propia de la relevancia es que cualquier juicio sobre ella ya es valorativo y, poí’ tanto, no objetívo»~’. En nuestra opinión, la relevancia de un documento está en función de su carga entrópica, es decir, de la aportación de información unitaria que comporta y, consiguientemente, es preciso determinaría en el contexto donde se inscribe cada unidad documental. Sin embar - go, debe analizarse la relevancia de un núcleo para valorarlos docu - mentos relativos a ese mismo campo, obtenido conposterioridad. Es Denominado por S1íarck Jones «exliaustividad (le la indización en Does Indcxing Eghaustivity Matter?,«Journal of the A5t5», vol. 24, núm. 5, 1973 págs. 313, 316. Maron, N4. E.: Op. dr r» Landr’y, fi. c. etc.: 7bward..., Op. cii., pág. 59. 2» Hilíman, Donaid J.: 2’Jie IVotion of Relevance, «American Documentation», vol. 15, 1964, págs. 26-34. 21 Perreault J. M.: Docu,nentary..., op. cit., pág. 136. 222 Antonio Luis García Gutiérrez importante, también, apreciar la diferencia entre información relevante y relevancia de la información.Esta última es fácilmente comprobable a través de los fondos documentales mediante tests y sondeos. Los indicesde ruido (documentos extraídos que no interesan) y de silencio (documentos existentes que no han podido ser extraídos por una deficiente indización) se oponen a la relevancia de la indización y, por tanto, la cantidad de información relevante obtenidapor el usuario no coincide con la depurada por el sistemadocumental. Sin embargo,el subjetivismo impresoen el concepto de relevancia de los documentos es limado por la inercia delcolectivo documental y terminológico en cada campo científico. Si un indizador duda ante la elección o relevancia de un término, habrá de mantener cautela y observar los impulsos de los contenidosdocumentales sucesivos. El avance lógico del cuerpo investigador deberesolver tajante y mecáni - camente lo que en un momento dado puede comportar dudasinevita - bles. Portanto, una actitud a mantener a la hora de establecer la relevancia de un descriptor es la expectativa,una vez superada la fase predictiva que extrae el términoen bruto del grueso del campo conceptual. En ese mismo sentido se desgrana el término pertinencia de la indización. Un descriptor es pertinente, en principio, paralelamente al grado deadecuidad del documento que lo contiene. Sin embargo, aquí se plantea el problema de la dispersión de descriptores. En efecto,del mismo modo que existe una dispersiónde los artículos científicos entre las publicaciones detemasrelacionados o diferentes(dispersión controlable, por otra parte, según Bradford por su ley de los círculos concéntricos donde se disponen los artículos en orden decreciente de pertinencia o con el tema de las revistas mientras éstas crecen exponencialmente)22, los descriptores pueden aparecer, con mayor facilidad, en contextos de poca relacióncon los conceptos que representan. Visto a la inversa, podernos encontrar en documentos especializados ciertas palabrasclaves de gran relevancia pero de dudosa pertinencia. ¿Cómo saber la vinculaciónde ese potencial descriptor con el tema que nos incumbe? La solución viene dada por el procedimiento de la observación de frecuenciade aparición. Inevita - blemente si una palabra clave aparece en diversas ocasiones en documentos afines, debe ser considerada como probable descriptor de ese campo documental, a pesar de los probablemente justificados criteriosde los documentalistas. Sin embargo, hayque concluir que es condición indispensable para u Bradford, 5. L.: Documentation» 2.’ ed. London, croshy Lockwood, 1952, págs. 49-55. Cii. por López Yepes, José: Bíbliornetrra, «cuadernos de trabajo del flepartamento de Documentación», vol. II, núm. 3, 1980, págs. 36-40. Entropía, relevancia y pertinencia del descriptor... 223 estudiar la pertinencia de una palabra clave, el haberdemostrado previamente su índice de relevancia ad hoc, de acuerdo al nivel de profundidad establecido como norma en la indización de un determi - nado campo. Existe una directarelación entre las cotas de relevancia y pertinencia alcanzada por los descriptores y la eficacia de éstos en la recuperación. El indice de pertinencia debe ser definido en función de dos dimensionescartesianas: la primera horizontal y desdoblada en un factor de relaciónque indica la consonancia del descriptor con respectoa un campo científico y en un factor de inclusión que lo sumerge en ese campo, y la segunda vertical relacionadacon el índice de profundidad que define el grado de amplitud sémica del descriptor. Además hayque definir el índice de relevancia que no puede estable - cerse por comparación como el anterior, sino por medición objetiva de su (:arga semántica. CONCLUSIONES La documentación plantea los problemas clásicos de los procesos comunicativos. De hecho su principal obstáculo y objetivo es la transmisión o circulación de información científica. Se hacenecesaria la utilización de criterios únicos de indización para facilitar el flujo de información científica, sobre todo en campos de terminología poco unívoca e inestable, como el de la comunicaciónde masas (con la excepción de los aspectos tecnológicos de la comunicación). En base a las reflexiones precedentes puede alirmarse lo siguiente: 1:» Las técnicasde indización sondiferentes según se destinen a procedimientos de recuperación manuales o automáticos. Sin embargo es posible llegar a una conciliación que haga compatible el uso combinado de ambos métodos. 2.” En caso de recuperación manual no es perjudicial el uso de descriptores precoordinados en la indización, y en búsqueda mediante ordenador es más efectiva la poscoordinación. Tanto en el Thesaurus empleado como en las referencias bibliográfi - cas los descriptores debenser unitérminos en la medida de lo posible. En los índices, la sintagmatización permite recuperarsin ambigliedad. Sin embargo, y en general, los términos compuestos sólo deben admitirse para evitar la ambigliedad del concepto y no de la demanda. 3» Deben establecerse medidas tendentes a eliminar la ambigiie - dad en las frases documentales y la posibilidad de falsas combinacio - nes. Es deseable, portanto, llegar a una basemínima de gramaticaliza - ción de la indización (método posicional, diferente grafía, etc.). 4.” Los descriptores secundarios deben utilizarse paramatizar el sentido de los primarios. Sin embargo, no deben aparecer en la