Embed Size (px)
DESCRIPTION
Funciones de la web semántica en ladifusión y acceso de los Archivos
Citation preview
Archivos y Gestión de documentos ante la web semántica
Funciones de la web semántica en la difusión y acceso de los Archivos
Julián Moyano Collado
Archivo Histórico Provincial de Zaragoza
Ejea de los Caballeros, 17 de Julio de 2012
1 Los Archivos2 La Tecnología Semántica3 Los archivos y la tecnología semántica4 El Archivo Histórico Provincial de Zaragoza: proyecto de implantación de tecnología semántica.
1 Los Archivos
4
Los Archivos evolucionan...A lo largo de los siglos, los archivos, han evolucionado en paralelo con el desarrollo tecnológico de la humanidad. Son testigos excepcionales de cada periodo histórico por la documentación recogida y por los materiales e instrumentos que conservan.
5
… y también se revolucionan
6
Los '80
7
Los '90
8
el s. XXI
9
.el s. XXI
10
La Web en los Archivos: algunas notas : ) : (
Es sencillo conocer el funcionamiento y posibilidades de la web.
Entender los contenidos y estructuras de los Archivos es complejo.
Numerosos recursos disponibles. Más recursos disponibles, más dificultades de consulta.
Documentos e información accesible. Acceder (y ejercer el derecho) a numerosa información y documentos, puede no ser fácil.
Los buscadores resultan familiares para el usuario.
El módulo de búsquedas no se ejecuta en una página web “corriente” ni tampoco en “google”, se ejecuta en un Archivo.Los buscadores se limitan a la coincidencia exacta de palabras clave.
Es la Imagen institucional e identidad digital del Archivo. Es el servicio principal.
Insatisfacción o experiencia de uso poco gratificante: Imagen (institucional y profesional) dañada.
11
Los recursos web de Archivos crecen ...
12
Esta evolución que ha ido superando limitaciones técnicas, ahora se encuentra con nuevos retos:
● Trabajar con un abrumador número de documentos
● Descripciones y recursos disponibles incuantificables (referencias, instrumentos de descripción, enlaces, documentos, contenido....datos y más datos)
● Creciente número de usuarios que demandan respuestas a sus consultas lo más rápidas y efectivas.
● Los archiveros podemos necesitar refuerzos a los instrumentos de gestión conocidos, e ir más allá del conjunto de normas:
ISAD-G, ISAAR CPF, ISO 15489, ISO 30300...
… y también los resultados ofrecidos.
13
El papel de los archiveros...
14
17 de jul de 201214
(Esto es un conjunto de documentos)
15
17 de jul de 201215
Un poco de luz...(Esto es un Archivo)
16
“Los archivos son lo que son, nos ofrecen sus tesoros cuando quieren, de manera que no se puede ir de hecho a querer encontrar algo, sino que... lo que sale sale.
El que busca encuentra, pero no encuentra lo que busca”
Amelia de Paz, hispanista, filóloga y usuaria de Archivos. Entrevista Cadena Ser, junio 2012
Esos inconformistas: los usuarios
17
18
19
● Búsqueda en el Archivo no apropiado.
(Ningún resultado)● Búsquedas sencillas
(Demasiados resultados desordenados)● Búsquedas complejas / avanzadas
(Relativamente efectivas)● Recuperación mediante la consulta directa de
instrumentos de descripción
(Requiere ciertos conocimientos)
Algunos problemas en las webs de Archivos
20
● Constitución de Cádiz 1812
(Dispersión de resultados)● Guerra de la independencia
(Problema de ambigüedad)● Inquisidor de Aragón / Inquisidores de Aragón
(Connotación uso singular / plural)● Subvenciones contra el cambio climático
(Neologismos)
...
Algunos problemas en las webs de Archivos: ejemplos
2 La tecnología semántica
22
La esencia de la Web Semántica consiste en acompañar a la información de:
● Identificadores en los apartados de interés.
● Descripciones explícitas del significado de la información representada.
● Descripciones de la estructura interna.
● Descripciones globales del contenido.
La clave es la DESCRIPCIÓN para lograr que la información se enlace entre sí, favoreciendo un uso más universal y con menos limitaciones.
Nuevos retos, nuevas herramientas: La Web Semántica
23
Web Actual
24
Web Semántica
25
“La web semántica es un conjunto de estándares y recomendaciones, para compartir datos y su contexto en la web, para ser usado por otras aplicaciones”.
Bob Ducharme Learning Sparql
“Gracias a la semántica en la Web, el software es capaz de procesar su contenido, razonar con éste, combinarlo y realizar deducciones lógicas para resolver problemas cotidianos automáticamente”.
W3C
“En la web semántica, los ordenadores navegan, buscan, consultan.... por nosotros”
Joshua Tauberer
26
● Puede ofrecer nuevas utilidades con los documentos y recursos de los Archivos.
● Las tecnologías semánticas aspiran a corregir algunos de los problemas planteados anteriormente.
● La evolución obliga a transformar la manera de generar recursos de información digital y de ofrecer descripciones (respetando ISAD (G), ISAAR CPF).
● Los datos relevantes de las descripciones o los documentos, permite asociarse con otros recursos al compartir un contenido o referencia similar.
La web semántica: una evolución
27
● Ofrecer los recursos de Archivos en entornos de datos enlazados.
● Desarrollar un módulo de búsqueda con capacidades semánticas.
Algunas posibilidades de la web semántica
28
Recursos de Archivos en entornos de datos enlazados
29
Las 5 estrellas LOD de Tim Berners Lee, y los Archivos:
★ Documentos e instrumentos de descripción en la web.
★★ Descripciones e información sobre los documentos, estructurada y procesable.
★★★ Poner las referencias y documentos en formatos y lotes abiertos para su reutilización y aprovechamiento por terceros.
★★★★ Uso de identificadores amigables y estables para acceder a apartados, descripciones y documentos
★★★★★ Documentos y descripciones se relacionan con otras de diferentes archivos/recursos, generando nueva información de manera automática, mejorando la experiencia del usuario.
Basado en http://inkdroid.org/journal/2010/06/04/the-5-stars-of-open-linked-data/
Recursos de Archivos en entornos de datos enlazados
30
Los recursos ya no están solos en la web, ahora se relacionan mediante sus identificadores con otros conjuntos de datos, para ello:
● Utilizan unos identificadores únicos de recursos para representarse en la web (URI), .
● Proporcionan información sobre el recurso identificado.
● Están localizados y disponibles para máquinas.
● Cada recurso contiene información asociada que lo relaciona automáticamente con otros.
Tim Berners-Lee
Recursos de Archivos en entornos de datos enlazados (I)
31
● Favorecerá la difusión, conexión, reutilización, e interoperabilidad con otros datos/recursos y aplicaciones.
● Enriquecimiento (“automático”) de las descripciones.
● Acceso a la información de manera más abierta y heterogénea.
● Se logra el entorno: Linked Open Data
– Europeana (EDM)
Recursos de Archivos en entornos de datos enlazados (II)
32
“En la web, el usuario puede navegar por la información sin ningún conocimiento de la estructura técnica de respaldo y su experiencia es perfecta, aunque se vincule de un sitio web a otro.
De la misma forma, los datos vinculados, hacen posible navegar entre conjuntos de datos distintos, incluso si se almacenan en diferentes lugares y en diferentes formatos”.
Convergence and Interoperability: a Linked Data perspective. IFLA 2011
Recursos de Archivos en entornos de datos enlazados (III)
33Social Archivehttp://socialarchive.iath.virginia.edu/xtf/search
34Europeana http://europeana.eu/portal/record/92060/CD3E0ACF768E02DA017FD0B9780815B4BF4AFD29.html
35
A day in the lifehttp://www.govhack.org/2012/06/02/a-day-in-the-life-2/ http://202.2.94.231:8080/ADITL/
36
Archivo de Arganda del Rey (Julio Cerdá Díaz)http://archivodev.ayto-arganda.es/ElArchivo/Fondos/OpenData.aspx
37
Módulo de búsqueda con capacidades semánticas
38
● El buscador es un nexo de unión entre los documentos/descripciones del archivo y el usuario, un punto de acceso fundamental
● Sus resultados influyen en la satisfacción del usuario, y el correcto servicio.
● Sin aplicar tecnología semántica el buscador de recursos se basa en la coincidencia exacta de términos y en las capacidades (a veces paciencia) del usuario.
Módulo de búsqueda con capacidades semánticas (I)
39
● El buscador con capacidades semánticas necesita conocer la estructura de las descripciones, las relaciones entre partes, componentes, contexto... para dar soluciones asentadas en:
“operaciones bien definidas que se llevarán a cabo sobre datos existentes bien definidos”
W3C
Módulo de búsqueda con capacidades semánticas (II)
40
Términos introducidos
≠Términos existentes en las descripciones
=0 resultados
Una búsqueda SIN tecnología semántica (sintáctica)
41
Términos introducidos
≠Términos existentes en las descripciones
=Resultados atendiendo al significado y contexto
Una búsqueda CON tecnología semántica
42
● Buscar por los términos:
– Marcas de coches históricos ● Y recuperar la Serie: (sin existir los términos anteriores en ningún área
ni nivel de su descripción)
– Matriculación ordinaria de vehículos
43
Se logra:
● Estableciendo reglas de propiedades, clases y relaciones entre los términos y los significados de áreas concretas.
● Utilizando software encargado de encontrar la relación entre los términos introducidos por el usuario, las reglas establecidas, y el contenido de las descripciones.
Esto permitirá ponderar unos resultados con respecto a otros y mejorar el orden de respuesta según su relevancia.
44
45
Algunos buscadores...
● http://www.isoco.com/
46
Algunos buscadores...
● http://www.kukuxumusu.com/ (desarrolladado por isoco)
47
Algunos buscadores...
● www.zaragoza.es (Buscador de Trámites Ayto. Zaragoza)
48
Algunos buscadores... ¡¡en Archivos!!
● http://www.w3.org/2001/sw/sweo/public/UseCases/SaltLux-NAK/ National Archives of Korea.
49
¿Y cómo se implanta la web semántica, el buscador, enlazar diferentes datos...?
50
1 Una base de datos (fuentes de datos)
2 Un motor de inferencia
3 Un lenguaje de interrogación
4 Ontologías
Resumen del esquema de componentes
51
● La base de datos: ofrece datos e información estructurada en formatos determinados (¿html, xml, rdf...?)
1 Una base de datos.
52
Mora Insa, Juan
(1880 -1959)
● Los humanos entendemos:
Apellido1 Apellido2, Nombre (Año_Nacimiento -Año_Defunción)
● Los ordenadores “entienden”:
Mora Insa, Juan (1880 -1959)
0111000001100001011011000110000...
Los datos ofrecidos
53
Los datos se deben de estructurar...
... para que la información pueda ser legible e interpretable por software y máquinas.
Ejemplo de datos estructurados (ARANOR)
54
Algunas formas de estructurar los datos: HTML, XML, y RDF
HTML
XML
55
Algunas formas de estructurar los datos: HTML, XML, y RDF
HTML
XML
56
RDF Resource Description Framework: Modelo de datos del W3C para la web semántica
● Marco de descripción de recursos
● No es un formato, es un modelo de datos con una sintaxis definida.
● Describe y representa datos (metadatos), más allá de estructurarlos (XML). Los recursos se describen por medio de conexiones entre ellos.
● Establece sencillas relaciones entre los datos y permite su identificación (URI: Uniform Resource Identifier).
● URI: citables y enlazables
● Permite el intercambio de datos
● RDF es el lenguaje de las máquinas, y está por encima de los metadatos empleados en los estándares ISAAR, MARC, ISAD (G), Dublin Core, EXIF....
●
57
RDF Resource Description Framework
Sujeto (Recurso) Predicado (propiedad) Objeto (Valor)
Mora Insa, Juan Es Persona
Mora Insa, Juan Nacida 1880
Mora Insa, Juan Fallecida 1959
… … ...
58
RDF Resource Description Framework
59
RDF Resource Description Framework
1880
60
La importancia de RDF
Sin RDF:
1 Identificador (URL)
Con RDF:
Numerosos Identificadores (URI).
61
XML (EAC/EAD) migrar a --> RDF (i)
RDFizers: http://simile.mit.edu/wiki/RDFizers
● (No EAC/EAD)
62
XML (EAC/EAD) migrar a --> RDF (ii)
http://www-e.uni-magdeburg.de/predoiu/sda2011/sda2011_06.pdf
63
XML (EAC/EAD) migrar a --> RDF (iii)
http://data.archiveshub.ac.uk/ead2rdf/
64
2 Un motor de inferencia Aporta y deduce nuevo conocimiento adicional mediante el reasoner (razonador), entre la consulta/petición, y la información o recursos disponibles.
65
3 Un lenguaje de interrogación● SPARQL (Protocol and RDF Query Language) es el lenguaje
de consulta que actúa de intermediario utilizando diversos software y fuentes de datos.
● Realiza las preguntas y logra el acceso a datos disponibles.
● Recopila, conecta y transforma datos RDF para ofrecer una respuesta.
● Puede realizar consultas a múltiples fuentes de datos.
66
Ejemplo de SPARQL
PREFIX dcterms: <http://purl.org/dc/terms/>
SELECT ?torero ?cantante WHERE{
?torero rdf:type dbpedia-owl:BullFighter .
?torero dbpedia-owl:spouse ?cantante .
?cantante dcterms:subject <http://es.dbpedia.org/resource/Categoría:Cantantes_de_coplas>
}
SPARQL Endpoint Dbpediahttp://es.dbpedia.org/Wiki.jsp
67
4 Ontologías
Representan una realidad o área del conocimiento mediante la jerarquización, relación, clasificación y consenso de conceptos y apartados.
68
4 Ontologías (I)
Representan una realidad o área del conocimiento mediante la jerarquización, relación, clasificación y consenso de conceptos y apartados.
¿Un Cuadro de clasificación es una ontología?
69
Ontologías (II)
- Las definiciones de los conceptos que componen las ontologías y sus relaciones, se realiza mediante un lenguaje normalizado que permite la interoperabilidad y la interpretación por parte de máquinas o agentes de software.
- Proporcionan un vocabulario consensuado de clases, atributos, y relaciones que representan un dominio específico o universo del discurso, con la finalidad de compartir conocimiento, y la representación de éste entre usuarios.
- OWL Web Ontology Language OWL, lenguaje que define y representa ontologías en la web mediante la definición de todo tipo de relaciones de clases de la parte del conocimiento que representan.
Permiten deducir de la información existente en una base de datos nuevo conocimiento mediante la inferencia.
70
Las ontologías definen las propiedades atribuibles a los elementos.
Martin Doerr
71
Los Archivos y las Ontologías● Los archivos pueden disponer de tantas ontologías como
fondos, materias, materiales, series, periodos históricos, instituciones, trámites administrativos, normas, cuadros... se quieran representar.
● Las ontologías desarrolladas en los archivos pueden ser numerosas, teniendo en cuenta que se pueden interconectar, son modulables y reutilizables.
● El consenso y la máxima colaboración de profesionales que conozcan la documentación, y las necesidades de los usuarios puede ser clave para el desarrollo con éxito de ontologías.
72
“Un profesional de los archivos no sólo debería conocer qué es una ontología y cómo diseñarla, sino que sería esencial que además tuviera nociones sobre cómo implementar, gestionar y mantener estas herramientas para asegurar su funcionamiento”
José Manuel Morales-del-Castillo y Germán Hurtado Martín
Integrando las tecnologías de Web Semántica en la Archivística
73
Salvador Sánchez Alonso, Miguel Ángel Sicilia Urbán y Gonzalode Rato Leguina (2008, UAH)
3 Los archivos y la tecnología semántica
75
¿Será útil la WS en los Archivos?
76
La tecnología semántica conecta recursos (LOD)
● La documentación casi siempre se relaciona con otros documentos de diferentes fondos/archivos, pero resulta imposible establecer asociaciones (salvo nota ISAD).
● La tecnología semántica puede ofrecer información adicional: lugares, instituciones, hechos históricos, materias …
● Recuperar datos de diferentes fuentes es muy importante, pero no es menos, que la información relacionada va a poder ser interpretada en su conjunto:
– Improve discoverability “mejora el descubrimiento”
77
La web semántica renueva la tecnología● Los profesionales de los Archivos tenemos cada vez
más responsabilidades ante la dimensión tecnológica:
– Debemos conocer la volatilidad de programas
– Posibilidades de los gestores documentales.
– Formas de ofrecer los recursos electrónicos
– Normalización y estándares de descripción
– Uso de diferentes metadatos y formatos
– …● La tecnología semántica puede ser un centro de
gravedad para frenar este constante “caos”.
78
Semantizar, es universalizar
● La consulta de documentación no se puede limitar al acceso a sedes electrónicas o webs concretas, cuando se puede desarrollar el Archivo de los Archivos, a través de datos enlazados.
● Más allá de usar diferentes modelos OAI, EAC, EAD, EXIF... la tecnología semántica pasa a poner al servicio de cualquier máquina los datos, independientemente de los estándares utilizados, gracias a los URI (LODLAM).
● Pasaremos de un modelo docucéntrico a datacéntrico, Mark A. Matienzo
79
Docucéntrico
80
Docucéntrico
81
Datacéntrico
82
Las normas archivísticas: ¿nuevas o mismas posibilidades?
● Los Archivos utilizan normas para describir recursos, éstas seguirán siendo su base (Información jerárquica y multinivel).
● La representación de recursos mediante normas, con la tecnología semántica, ofrecerán otras posibilidades de explotación de las mismas.
● Millones de recursos archivísticos están normalizados, se debe aprovechar la tecnología semántica para mejorar su difusión.
● Será fundamental convertir los registros XML (EAD, EAC) a modelos RDF, (y mejor a entornos LOD).
83
La semántica puede ser un buen aliado de los Archivos.
● La tecnología semántica puede ayudar a mejorar la interacción entre los usuarios y el archivo.
● Ofrecer datos en entornos abiertos genera confianza por parte de los archivos (e instituciones productoras).
● Favorece el uso y consulta de las descripciones (potencia el acceso)
● Los documentos de los Archivos (públicos) son de los ciudadanos: el reto siempre es hacerlos llegar.
● RDF puede resolver algunos de los problemas derivados de la preservación digital de recursos web (LOCAH project).
84
Hay que tener en cuenta...● Los archiveros debemos conocer las posibilidades de
estos componentes.
● Poner en funcionamiento este conjunto de elementos necesita de desarrolladores que ensamblen cada apartado, y de archiveros que fijen los objetivos.
Algunas herramientas y programas que posibilitan la web semántica se puede consultar desde el W3C.
http://www.w3.org/2001/sw/wiki/Tools
● La puesta en marcha de la web semántica requiere una fuerte inversión en recursos humanos y técnicos que lo hagan posible y viable en el tiempo.
87History Pinhttp://www.historypin.com/map/#!/geo:39.466437,-77.741837/zoom:13/marker:5713013/
4 El Archivo Histórico Provincial de Zaragoza: proyecto de implantación de
tecnología semántica.
89
El Archivo Histórico Provincial de Zaragoza: proyecto de implantación de tecnología semántica.
90
El Archivo Histórico Provincial de Zaragoza: proyecto de implantación de tecnología semántica.
Proyecto de uso de tecnología semántica en una parte del fondo fotográfico de Juan Mora Insa (Mora Industrial):
● Es una colección fotográfica limitada (<1500 recursos)
● Son materiales con un impacto positivo en los usuarios.
● Son recursos universales (imágenes).
● La descripción de fotografías es menos problemática que otros materiales documentales.
● Servirá para empezar con esta tecnología, y enfocar su aplicación futura con otros fondos y colecciones.
91
La colección de Mora Industrial en LOD. Punto de partida
● En estos momentos, cada foto de esta colección dispone de una descripción RDF (photoshop).
92
La colección de Mora Industrial en LOD. Punto de partida
● Y también dispone de su descripción ISAD (G) en EAD.
93
La conversión
● Ambos recursos de información [RDF (photoshop) e ISAD-G (EAD)] se deben de transformar en un metamodelo normalizado: Europeana Data Model.
● EDM adoptará toda la información disponible sobre la fotografía: descripción realizada en el Archivo junto con otros metadatos.
● Señalar que EDM (Europeana Data Model): se basa en reutilizar entornos y estándares muy variados: OAI-ORE, Dublin Core, SKOS, FOAF... a modo de ontología “universal”.
94
Europeana (EDM) es muy variada y ambiciosa
● Pero (de momento) no tiene muy en cuenta los Archivos, ni sus modelos de descripciones:
95
La información Archivística no es muy amiga de EDM (de momento)
RDF (photoshop) + ISAD (G) EAD
96
● EAD:
– OAI-ORE: información sobre la descripción de fondos, secciones, subsecciones y series.
– CRM información relativa a hechos históricos asociados al Archivo (contexto archivístico).
– Dublin Core para las unidades documentales (Objetos digitales).
● EAC: (forzar)
– FOAF: Personas
Basado en: - El Modelo de Datos de Europeana (EDM) / Doerr- Definition of the Europeana Data Model elements http://pro.europeana.eu/tech-details- Conversion of EAD into EDM Linked Data http://www.few.vu.nl/~aisaac/papers/EADtoEDM.pdf
Se debe de procesar.... a EDM
97
:(Y aunque EDM, de momento, no usa modelos de descripciones archivísticas (se han tenido que procesar)
98
El resultado puede ser interesante...
99
… para lograr un entorno LOD que sirva para
● Conectar
● Relacionar
● Posicionar
● Usar
Puente / Bridge
Fotografía / Photography
Juan Mora Insa / de Mare, Eric
Caspe / Saltash
195? / 1954
MF_MORAIND/0055/AA98-05393
...
CultureGrid (UK)AHPZ (Spain)
100
Recomendable conocer...● Tecnologías de la Web semántica. Pastor Sánchez, Juan Antonio. (2011)
● How to Publish Linked Data on the Web. Chris Bizer. http://www4.wiwiss.fu-berlin.de/bizer/pub/linkeddatatutorial/
● Web semántica y sistemas de información documental. Lluis Codina, Mari Carmen Marcos y Rafael Pedraza. (2009)
● TFC: XML y Web semántica. Estudio del impacto... García Ruiz, Ricardo (2008) openaccess.uoc.edu/webapps/o2/bitstream/10609/1861/1/42897.pdf
● Sistema de análisis automático de fotografías. Torres Rodríguez, Nuria (2008) http://e-archivo.uc3m.es/handle/10016/5204
● International Linked Open Data in Libraries Archives and Museums Summit http://lod-lam.net/summit/
● Linked Data for Libraries, Archives, Museums (2012)http://www.slideshare.net/ljsmart/linked-data-for-libraries-archives-museums
● Linked Data and Archival Description: Confluences, Contingencies, and Conflicts. Matienzo, Mark A. @anarchivist (2010) http://ecommons.library.cornell.edu/handle/1813/14512
● Semasntic Web W3C http://www.w3.org/2001/sw/
● An Introduction to Linked Open Data in Libraries, Archives & Museums.
http://www.youtube.com/watch?v=vUBTd8WZZ5A
101
Gracias!
[email protected] @jmcollado
“Si lo archiva, sabrá dónde está pero casi nunca lo necesitará. Si no lo archiva, lo necesitará pero nunca sabrá dónde está”
Principio organizativo de Tillis
102
Fotografías utilizadasp 27Foto Lacasitos http://www.flickr.com/photos/reedsturtevant/4287666265/)p 27 Foto binoculars Niño Andy Hay Flickr (http://www.flickr.com/photos/andyhay/239756376/ ) p 49 Foto Mago: Eva Pebar. http://www.flickr.com/photos/evaysucamara/5438832695/ p 52 Perro Flicker http://www.flickr.com/photos/walkadog/3353936487/sizes/m/in/photostream/ p 70 Foto Colador http://www.flickr.com/photos/benhosking/5055301773/sizes/z/in/photostream/ p 70 Pegamento http://www.flickr.com/photos/lylamerle/1398264226/sizes/m/in/photostream/ p 42 Foto coche antiguo http://www.flickr.com/photos/mdpettitt/283440735/sizes/m/in/photostream/ p 47 Engranajes http://www.flickr.com/photos/ajc1/5738974571/sizes/m/in/photostream/ p 51 Armario Archivador http://www.flickr.com/photos/eiriks/3359730744/sizes/m/in/photostream/ p 64 The Thinker Monkey por Banksyp 17 La ciudad no es para mi, r Pedro Lazaga. Legajos de Forges.La Nube http://www.rtve.es/alacarta/videos/la-nube/nube-instante-futuro/1455957 39,29DARA documentos y Archivos de Aragón: http://www.sipca.es/dara/
