Controle de autoridade e Linked Data: possibilidades para os dados catalográficos na web

IV Seminário do Grupo de Pesquisa MHTX – 2021 Universidade Federal de Minas Gerais (UFMG) | Escola de Ciência da Informação (ECI) CONTROLE DE AUTORIDADE E LINKED DATA: POSSIBILIDADES PARA OS DADOS CATALOGRÁFICOS NA WEB1 AUTHORITY CONTROL AND LINKED DATA: CATALOG DATA POSSIBILITIES ON THE WEB Fabrício Silva Assumpção, Universidade Federal de Santa Catarina (UFSC) [email protected] Resumo: Nos catálogos de bibliotecas, os dados de autoridade estão voltados à representação de pessoas, instituições, conceitos e demais entidades relacionadas aos recursos informacionais, auxiliando na recuperação da informação mesmo diante da falta de univocidade nas relações entre as entidades e seus nomes. Apesar do intercâmbio de dados entre bibliotecas, os catálogos on-line são considerados silos de dados isolados, uma vez que estão disponíveis na Web, mas não como parte dela. Para superar esse isolamento, busca-se a publicação de dados catalográficos como Linked Data. Este trabalho tem por objetivo abordar como os dados de autoridade existentes nos catálogos podem ser publicados na Web a partir das práticas e tecnologias de Linked Data. Para tanto, apresenta os dados de autoridade e o Linked Data, indicando vocabulários de propriedades para a descrição de dados de autoridade e conjuntos de dados já publicados como Linked Data. Entre as considerações, destaca-se que, a partir da publicação como Linked Data, os dados de autoridade das bibliotecas poderão estender-se para além dos catálogos, uma vez que estarão disponíveis para outros sistemas existentes na Web. Palavras-chave: controle de autoridade; dados de autoridade; linked data; catálogos de bibliotecas. Abstract: In library catalogs, authority data represent persons, corporate bodies, concepts and others entities related to information resources, they support information retrieval beside non-univocal relations between entities and names. Despite data interchange among libraries, online catalogs are seen as isolated data silos, since they are on the Web but not as part of the Web. In attempt to overcome this isolation, libraries are looking for publishing catalog data as Linked Data. In this paper, we aim to address how authority data from catalogs could be published on the Web by using Linked Data practices and technologies. In order to do that, we present authority data and Linked Data and indicate vocabularies of properties to describe authority data and authority data sets already available as Linked Data. In conclusions, we highlight that authority data published as Linked Data extend beyond catalogs, since they will be available for other systems on the Web. Keywords: authority control; authority data; linked data; library catalogs. 1 Trabalho desenvolvido a partir da tese de doutorado defendida no Programa de Pós-Graduação da Universidade Estadual Paulista (UNESP) (ASSUMPÇÃO, 2018). 1 INTRODUÇÃO Os catálogos têm-se consolidado como instrumentos voltados à recuperação da informação acerca de coleções presentes em bibliotecas. Além dos dados bibliográficos, que representam recursos informacionais das coleções, os catálogos incluem dados de autoridade, que, ao representarem pessoas, conceitos, lugares e demais entidades associadas aos recursos, atuam nos processos de busca e recuperação da informação. Nas últimas décadas, a Web tem-se consolidado como um relevante espaço para criação, compartilhamento e acesso à informação, e esforços são empreendidos para permitir que os dados disponíveis neste ambiente sejam processados não somente por sua sintaxe, mas também por sua semântica. Como parte desses esforços, surgiram tecnologias e práticas voltadas à publicação de dados na Web e que hoje são encontradas sob a denominação Linked Data, “dados vinculados” ou “dados ligados” (BERNERS-LEE, 2006). Essas tecnologias e práticas evidenciam que, embora os dados catalográficos (dados bibliográficos e de autoridade) das bibliotecas estejam disponíveis na Web a partir dos catálogos on-line, eles não estão disponíveis como parte da Web. Com isso, esforços têm sido conduzidos para criação de padrões de metadados e publicação de conjuntos de dados catalográficos considerando as tecnologias e práticas de Linked Data. Com o intuito de apresentar possibilidades para os dados catalográficos na Web, este trabalho tem por objetivo abordar como os dados de autoridade existentes nos catálogos de bibliotecas podem ser publicados na Web a partir das práticas e tecnologias de Linked Data. 2 O CONTROLE DE AUTORIDADE NOS CATÁLOGOS De forma geral, entre os dados de um catálogo, estão aqueles resultantes dos processos descritivos e temáticos da catalogação: descrições bibliográficas, que trazem atributos dos recursos informacionais, e pontos de acesso, que explicitam os relacionamentos existentes entre os recursos e as entidades associadas a eles. Esses pontos de acesso abrangem as entidades que desempenham papéis de responsabilidade na criação do recurso, como pessoas e instituições, e as que se voltam ao conteúdo do recurso, como os conceitos que indicam tema, gênero e forma. A multiplicidade de “nomes” pelos quais uma entidade pode ser conhecida pelos usuários, alinhada à multiplicidade de entidades às quais um mesmo nome pode se referir, impõe um desafio à recuperação da informação nos catálogos. Esse desafio tem sido tratado por meio de um conjunto de processos reunidos sob a denominação controle de autoridade ou controle de vocabulário, que visa à consistência dos pontos de acesso: “[…] quando um ponto de acesso autorizado representa uma única entidade e quando uma entidade é representada por apenas um ponto de acesso autorizado […]” (ASSUMPÇÃO, 2018, p. 35). Dos processos de controle de autoridade, surgem registros de autoridade, compostos por dados de autoridade: […] conjunto de dados formado pelos pontos de acesso controlados utilizados na identificação de uma determinada entidade e pelos dados que apoiam o uso destes pontos de acesso, sejam eles dados sobre a entidade, por exemplo, pontos de acesso relacionados, dados biográficos ou históricos, ou sobre o processo de estabelecimento dos pontos de acesso, por exemplo, as regras utilizadas, as fontes de informação consultadas e a instituição na qual ou para a qual os dados de autoridade foram criados (ASSUMPÇÃO, 2018, p. 32). Ações voltadas ao controle de autoridade podem ser notadas em estágios iniciais do desenvolvimento dos catálogos. Assumpção (2018) discorre sobre a presença de remissivas no contexto anglo-americano da catalogação, como nos catálogos em livros do século XIX e nos catálogos em fichas e digitais do século XX. Atualmente, dados de autoridade podem povoar os sistemas de gerenciamento de bibliotecas integrados aos dados bibliográficos, disponibilizados também em catálogos on-line disponíveis na Web. Tal como os dados bibliográficos, para os quais há padrões de metadados, regras de descrição e vocabulários de uso comum entre instituições para os dados de autoridade, foram criados instrumentos para possibilitar o intercâmbio de dados entre instituições e sistemas de gerenciamento de bibliotecas, sendo um exemplo o Formato Machine-Readable Cataloging (MARC 21) para Dados de Autoridade. Ainda que a adoção de padrões possibilite um movimento cooperativo de intercâmbio de dados entre bibliotecas (SERRA; SANTARÉM SEGUNDO, 2021), nota-se que algumas das principais tecnologias utilizadas no intercâmbio desses dados – os Formatos MARC 21, a sintaxe de codificação de registros da norma ISO 2709 e o protocolo Z39.50, por exemplo – estão baseadas em um cenário pré-Web, sendo de uso quase que exclusivo das próprias bibliotecas. Esse isolamento dos catálogos de bibliotecas tem sido ilustrado com a metáfora de “silos de dados”, como explicam Serra e Santarém Segundo (2021, p. 626): “Ao copiar ou produzir registros para os seus catálogos, a biblioteca está criando um silo de dados, onde os metadados não possuem conexão com os demais dados presentes no catálogo, com os catálogos de outras bibliotecas ou com a Web.” Na tentativa de transpor esses silos, disponibilizando seus catálogos não somente na Web, mas como parte da Web, nota-se um movimento de instituições que buscam publicar seus dados catalográficos a partir do uso de tecnologias e práticas do Linked Data, como abordado na seção seguinte. 3 OS DADOS DE AUTORIDADE NA WEB A publicação de Linked Data na Web tem em sua base as tecnologias e as práticas sintetizadas por Berners-Lee (2006, online, tradução nossa): “1. Use URIs como nomes para as coisas; 2. Use URIs HTTP, assim as pessoas poderão acessar esses nomes; 3. Quando alguém acessar um URI, forneça informação útil utilizando os padrões (RDF, SPARQL); 4. Inclua links para outros URIs. Assim poderão descobrir mais coisas.” Na Ciência da Informação, nota-se o desenvolvimento de padrões de metadados ou vocabulários já considerando o modelo de dados Resource Description Framework (RDF), assim como iniciativas de instituições, em especial, de bibliotecas nacionais, para publicação de dados bibliográficos e de autoridade como Linked Data. O Quadro 1 apresenta alguns dos vocabulários RDF para descrição de dados de autoridade e conjuntos de dados de autoridades já publicados como Linked Data, além de uma síntese das tecnologias utilizadas na publicação desses dados. QUADRO 1 – Tecnologias, vocabulários e dados de autoridade em Linked Data Tecnologias para a publicação de Linked Data a) Uniform Resource Identifier (URI) Hypertext Transfer Protocol (HTTP) – identificadores únicos e globais para os recursos, sendo utilizados também para recuperar informações sobre eles. b) Resource Description Framework (RDF) – modelo de dados para a descrição de recursos em triplas contendo recurso, propriedade e valor. c) RDF Schema (RDFS) e Web Ontology Language (OWL) – vocabulários que podem ser usados para descrever propriedades e relações entre vocabulários e recursos. d) Extensible Markup Language (XML), JavaScript Object Notation for Linked Data (JSON-LD), Notation 3 (N3), Turtle, N-Triples, Turtle – formatos para serialização de dados modelados em RDF; permitem que os dados sejam intercambiados e processados por aplicações de informática. e) SPARQL Protocol and RDF Query Language (SPARQL) – protocolo e linguagem para consulta aos dados em RDF. Vocabulários em RDF para descrição de dados de autoridade a) Friend of a Friend (FOAF) – descrição de agentes (pessoas, grupos, organizações), suas atividades e relações: http://xmlns.com/foaf/spec b) Metadata Authority Description Schema in RDF (MADS/RDF) – descrição de agentes (pessoas, entidades coletivas), eventos e termos (tópicos, geográficos, gêneros, etc): http://www.loc.gov/standards/mads/rdf c) Simple Knowledge Organization System (SKOS) – descrição de sistemas de organização do conhecimento: https://www.w3.org/2004/02/skos d) RDA Vocabularies – descrição de obras, expressões, manifestações, itens, agentes, nomes, locais e intervalos de tempo: http://www.rdaregistry.info Conjunto de dados de autoridade publicados como Linked Data a) Library of Congress – Linked Data Service: http://id.loc.gov b) Biblioteca Nacional de España – datos.bne.es: https://datos.bne.es c) Bibliothèque nationale de France – data.bnf.fr: https://data.bnf.fr d) Biblioteca nazionale centrale di Firenze – Nuovo soggettario: https://thes.bncf.firenze.sbn.it e) British National Bibliography – Linked Data Platform: https://bnb.data.bl.uk f) National Library of Finland – Finto: http://finto.fi/en g) AGROVOC Multilingual agricultural thesaurus: https://agrovoc.fao.org/browse/agrovoc/en h) Medical Subject Headings (MeSH) RDF: https://id.nlm.nih.gov/mesh i) Virtual International Authority File (VIAF): http://viaf.org Fonte: elaborado pelo autor a partir de Heath e Bizer (2011), W3C Library Linked Data Incubator Group (2012) e Assumpção (2018). Na literatura são encontrados relatos e modelos para publicação de dados de autoridade, como Linked Data. Vila Suero e Gómez Pérez (2013) descrevem a utilização do software MARiMbA na publicação dos dados bibliográficos e de autoridade no portal datos.bne.es da Biblioteca Nacional da Espanha. Os autores apresentam as etapas de especificação, curadoria dos dados, modelagem, geração, relacionamento, publicação e exploração. Southwick (2015) apresenta o projeto de Linked Data da University of Nevada, Las Vegas com suas etapas de planejamento, projeto, implementação, publicação e consumo de Linked Open Data. Assumpção (2018) descreve a publicação de dados de autoridade em cinco etapas: planejamento; modelagem e mapeamento; tratamento, relacionamento e conversão; publicação; feedback e retroalimentação. Barbosa (2021) apresenta um modelo colaborativo para a construção e a publicação de tesauros no domínio da Música como Linked Open Data incluindo oito atividades essenciais: planejamento, compilação de termos, seleção de termos, preparação dos dados, interligação, validação, publicação e feedback. A literatura aponta também alguns benefícios da publicação de dados de autoridade, como Linked Data, tais como o enriquecimento dos dados do catálogo a partir de conjuntos de dados externos, possibilitando melhorias e novas funcionalidades, e otimização dos processos de criação e gestão dos dados, por exemplo: […] uma instituição pode vincular seus dados aos dados do VIAF e, com isso, utilizar as formas variantes do nome de uma pessoa ou entidade coletiva presentes no VIAF para facilitar ao usuário a localização de recursos informacionais no catálogo da instituição. De forma semelhante, um arquivo de autoridade de assunto pode estar vinculado ao portal datos.bne.es, que, por sua vez, está vinculado aos dados da LCSH [Library of Congress Subject Headings]; partindo desses links, o arquivo de autoridade pode ser enriquecido com termos em espanhol e em inglês. Um arquivo de autoridade vinculado ao Wikidata pode ser enriquecido, por exemplo, com imagens e informações biográficas de autores (ASSUMPÇÃO, 2018, p. 137). Para Serra e Santarém Segundo (2021, p. 642), O uso de datasets abertos dispostos na Web pode vir a facilitar o trabalho do catalogador ao prover mais elementos para identificação de autoridades e registros bibliográficos, poupando o tempo de pesquisa dispensado na elaboração dos metadados, abastecendo o catálogo de forma automática, ao invés de exigir a indicação manual de relacionamentos que podem existir entre os recursos. No entanto, Assumpção (2018) considera que alguns desses benefícios ainda permanecem difusos, tendo em vista o estágio inicial das discussões sobre modelos para dados bibliográficos e de autoridade e das iniciativas para a publicação desses dados, o acesso limitado às tecnologias e a falta de ferramentas que permitam aos “usuários finais” navegar pelos dados publicados como Linked Data. 4 CONSIDERAÇÕES FINAIS A publicação como Linked Data é uma forma de redimensionamento das funções e escopos de atuação dos dados de autoridade: uma vez publicados como parte da Web, os dados de autoridade não só poderão ser vinculados aos dados de outras bibliotecas, mas também estarão à disposição de quaisquer sistemas que atuem nesse ambiente, de modo que a missão que desempenham nos catálogos (possibilitar a recuperação da informação diante da falta de univocidade nas relações entre as entidades e seus nomes) poderá estender-se para esses outros sistemas. Ainda que a literatura da Ciência da Informação já aborde as tecnologias e as práticas de Linked Data, já apresenta vocabulários RDF para a descrição de dados de autoridade e mesmo estudos de caso e potenciais benefícios do Linked Data, é necessário considerar a complexidade dos dados de autoridade em si, dos atuais processos de gestão desses dados nos sistemas de gerenciamento de bibliotecas, de sua modelagem em RDF, das ferramentas tecnológicas e das competências necessárias à sua utilização e das garantias e requisitos para a manutenção desses dados na Web após sua publicação inicial. Portanto, frente a essas complexidades, os exercícios teóricos e práticos, as análises de casos de sucesso e os olhares críticos sobre as propostas tornam-se mais que necessários. REFERÊNCIAS ASSUMPÇÃO, F. S. Modelo para a publicação de dados de autoridade como Linked Data. 2018. 208 f. Tese (Doutorado em Ciência da Informação) – Faculdade de Filosofia e Ciências, Universidade Estadual Paulista, Marília, 2018. Disponível em: http://hdl.handle.net/11449/152759. Acesso em: 24 out. 2021. BARBOSA, E. R. Modelo colaborativo para a construção e a publicação de Tesauros no contexto do Linked Open Data: aplicação no domínio da Música. 2021. 372 p. Tese (Doutorado em Ciência da Informação) – Centro de Ciências da Educação, Programa de Pós-Graduação em Ciência da Informação, Universidade Federal de Santa Catarina, , Florianópolis, 2021. Disponível em: https://repositorio.ufsc.br/handle/123456789/227022. Acesso em: 24 out. 2021. BERNERS-LEE, T. Linked Data. Cambridge: W3C, 2006. Disponível em: https://www.w3.org/DesignIssues/LinkedData.html. Acesso em: 24 out. 2021. HEATH, T.; BIZER, C. Linked Data: evolving the web into a global data space. [S. l.]: Morgan & Claypool, 2011. Disponível em: http://linkeddatabook.com/editions/1.0/. Acesso em: 24 out. 2021. SERRA, L. G.; SANTARÉM SEGUNDO, J. E. Dos silos de dados à Web dos dados: bibliotecas e o linked data. Informação & Informação, Londrina, v. 26, n. 2, p. 625-645, 2021. Disponível em: https://www.uel.br/revistas/uel/index.php/informacao/article/view/41603. Acesso em: 24 out. 2021. SOUTHWICK, S. B. A guide for transforming digital collections metadatainto Linked Data using open source technologies. Journal of Library Metadata, [s. l.], v. 15, n. 1, p. 1-35, 2015. Disponível em: http://dx.doi.org/10.1080/19386389.2015.1007009. Acesso em: 24 out. 2021. VILA SUERO, D.; GÓMEZ PÉREZ, A. datos.bne.es and MARiMbA: an insight into Library Linked Data. Library Hi Tech, [s. l.], v. 31, n. 4, p. 575-601, 2013. Disponível em: http://dx.doi.org/10.1108/LHT-03-2013-0031. Acesso em: 24 out. 2021. W3C LIBRARY LINKED DATA INCUBATOR GROUP. W3C Library Linked Data Incubator Group. Cambridge: [s. n.], 2012. Disponível em: http://www.w3.org/2005/Incubator/lld/. Acesso em: 24 out. 2021.