PROYECTOS DE INVESTIGACION Y DESARROLLO SECRETARIA GENERAL DE CIENCIA Y TECNICA RECTOR Arq. Oscar Vicente VALDES SECRETARIO GENERAL DE CIENCIA Y TECNICA Dr. Angel J. V. FUSCO UNIVERSIDAD NACIONAL DEL NORDESTE Año 2009 1
INSTITUTO DE PLANEAMIENTO URBANO Y REGIONAL BRIAN ALEJANDRO THOMSON FACULTAD DE ARQUITECTURA Y URBANISMO DIRECTOR DEL PROYECTO Arq. Carlos SCORNIK Co DIRECTOR Arq. Osvaldo REBECHI Integrantes del Grupo de Investigación Ing. María Graciela BORDENAVE Analista de Sistemas Oscar RAMIREZ Lic en Cs. de la Información Osvaldo SOSA Bibliotecario Matías ACUÑA Bibliotecaria Andrea Lorena SKOF 2
COLECCIONES DIGITALES DE TRABAJOS CIENTÍFICOS ANÁLISIS Y PROPUESTAS PARA LA IMPLEMENTACIÓN DE REPOSITORIOS INSTITUCIONALES EN BIBLIOTECAS UNIVERSITARIAS DE LA REGIÓN NEA 3
CONTENIDO INTRODUCCION 5 ANTECEDENTES 5 METODOLOGIA DE TRABAJO 8 DESARROLLO 9 - Consideraciones generales acerca de colecciones digitales de trabajos científicos - Repositorios Institucionales - Tipología de los contenidos a albergar 12 - Requerimientos bibliotecológicos 16 - Análisis comparativo de software para la implementación de RIs - Aspectos legales Derechos de Autor 35 CONCLUSIONES 38 BIBLIOGRAFIA 41 9 26 4
INTRODUCCION Uno de los objetivos generales del Proyecto de Investigación y Desarrollo de la Secretaria General de Ciencia y Técnica de la UNNE, N 129/08: Biblioteca digital: Colecciones digitales de trabajos científicos. Edición de publicaciones científicas electrónicas. Software libres para su implementación, es el desarrollo de colecciones digitales que garanticen la conservación y divulgación de la producción intelectual desarrollada en el ámbito académico superior: los repositorios institucionales. Los repositorios son colecciones digitales accesibles a través de Internet que compilan la producción institucional de una disciplina o de una institución constituyéndose en la manera más favorable de aumentar la visibilidad y el impacto de la investigación. Los repositorios permiten a los usuarios el acceso a los trabajos, con algunas restricciones sobre la distribución y reproducción derivadas de los derechos de autor. Los objetivos propuestos para esta etapa son los de analizar herramientas tecnológicas, técnicas y administrativas para la implementación de los repositorios y difundir propuestas de implementación a diversas instituciones, como las Bibliotecas Universitarias de la región, especialmente la Red de Bibliotecas de la UNNE - en la cual desarrollan sus actividades profesionales varios integrantes de este grupo de investigación - a fin de apoyar la implementación de colecciones digitales en bibliotecas del nivel superior, para divulgar eficientemente la información producida en ámbitos académicos. El sigue manteniendo intacta de esta manera la premisa que le dio origen: satisfacer una necesidad básica de todo investigador, profesional y/o técnico: INFORMACION sobre el asunto que trata: que, como y donde conseguirla, y como producirla y difundirla con las nuevas tecnologías. ANTECEDENTES El en proyectos de investigación anteriores definió aspectos relacionados con la temática ahora abordada, como derechos de autoría en general, métodos de digitalización, software apropiados, cadenas de digitalización, hardware y software para escaneo, ventajas de uso de software libre, software para bibliotecas, análisis de las bibliotecas del NEA, respecto del uso de medios informáticos, software para gestión de lenguajes documentales. En la región NEA, y de acuerdo con el análisis realizado en el Proyecto de Investigación y Desarrollo Nº 029/05 de la Secretaría General de Ciencia y Técnica de la Universidad Nacional del Nordeste, Análisis de software abiertos de gestión aplicados al funcionamiento de la biblioteca digital, en el análisis del estado actual de las Bibliotecas Universitarias de la región NEA, referente al uso de medios informáticos 5
para la gestión de bibliotecas y la digitalización de recursos, ninguna de las unidades encuestadas dio cuenta de la publicación de colecciones electrónicas de ningún tipo. Los repositorios, colecciones digitales accesibles a través de Internet constituyen una nueva forma de almacenamiento, selección, recuperación y difusión de información, modifican la producción y la edición de la misma, como así también el tipo de industria que genera, el tipo de capacidades y competencias que requiere, la interdisciplinariedad y los hábitos de investigación y producción documentaria. En este aspecto, será necesario establecer nuevas políticas de presentación y difusión de la información producida, sean tesis, tesinas, informes de investigación, etc. a efectos de disponer de los mismos no solo en formato de papel sino también en los diferentes formatos electrónicos, de manera de facilitar su procesamiento e inclusión en diversas colecciones. En forma paralela es necesario un fuerte e importante debate en lo relacionado al manejo de los derechos de autor a fin de salvaguardar los mismos y ofrecer una cierta seguridad a los productores de información, tema que forma parte de la investigación permanente de este grupo. A nivel país, en un análisis de Repositorios en Argentina realizado por Alicia Altamirano (de la RED en Corrientes) verificar, la situación en cuanto a repositorios existentes y software usados es la siguiente: Según el ROAR (Registro de Repositorios de acceso abierto) en Argentina existen los siguientes repositorios (revistas de acceso abierto o bibliotecas digitales de revistas) 1. CARTAPACIO - Escuela Superior de Derecho de la Universidad Nacional del Centro. Son solo publicaciones. Software Open journal Systems de Canadá. 2. SCIELO Argentina Tiene 33 títulos de revistas de acceso abierto, no son repositorios institucionales) Usa plataforma SCIELO Los que no figuran en ROAR, pero están en existencia: 1. Universidad Nacional de La Plata: - SEDECI Servicio de Difusión de la Creación Intelectual. Usa software propio. Y - Memoria Académica Usa GREENSTONE 2. Universidad Nacional de Cuyo, - Biblioteca Digital Usa Programas propios. - Repositorio del Instituto Balseiro Usa TEDE - 3. Universidad Nacional del Sur: Repositorio de tesis TEDE (está en estado de prueba) 4. Red de Bibliotecas CLACSO Usa Greenstone 6
CHILE usa Cybertesis y DSPACE y formó una red con 7 universidades El TEDE fue usado por UN de Quilmes; del Sur; CNEA; U Abierta Sudamericana; Cuyo y todas lo dejaron sin efecto porque consideraron que sus pasos no eran sencillos UBA comenzó con GREENSTONE pero no continuo su avance hasta el momento, de acuerdo con la información bibliográfica recopilada Una publicación reciente cataloga a dos repositorios de Argentina entre los mejores 400 a nivel mundial, y son Memoria Académica en el puesto 259 y la Biblioteca Digital de la Universidad de Cuyo en el puesto 393, en el Ranking Web de repositorios del Mundo, que es una iniciativa del Laboratorio de Cibermetría, integrante del Centro de Ciencias Humanas y Sociales del Consejo Superior de Investigaciones Científicas de España, quienes toman en consideración cuatro indicadores en su metodología de selección: tamaño, visibilidad, ficheros (número de archivos de texto en formato Acrobat (pdf.) extraídos de Google o Yahoo, y la base Scholar, que calcula el número total normalizado de artículos publicados entre 2001 y 2008. A nivel internacional y como producto de la investigación bibliográfica previa realizada, podemos mencionar: Cada vez un mayor número de universidades, instituciones y organismos científicos están creando repositorios digitales que recogen y dan acceso libre a los resultados de su actividad científica. La Iniciativa por el Acceso Abierto de Budapest y la Declaración de Berlín favorecen este tipo de acciones. Actualmente hay más de 300 repositorios institucionales registrados en la Open Archives Initiative. En España existe un creciente reconocimiento de que los contenidos digitales generados por la comunidad científica constituyen un activo institucional y nacional. Así lo manifiesta la Declaración en apoyo del modelo de acceso electrónico abierto de Rebiun. Universidad Autónoma de Madrid ARCHIVO INSTITUCIONAL E-PRINTS COMPLUTENSE : 3.600 tesis a texto completo en acceso abierto DARE (Digital Academic Repository) Agrupa las publicaciones de todas las universidades holandesas con financiación gubernamental. DIALNET (tesis): incluye las tesis de la Universidad de Extremadura, La Laguna, La Rioja, Las Palmas de Gran Canaria, Pública de Navarra y de La Coruña. Algunas a texto completo escholarship REPOSITORY Publicaciones de académicos e investigadores de la Universidad de California 7
e-prints UCM Archivo institucional de la Universidad Complutense de Madrid, en libre acceso. Protocolo OAI-PMH. MIT Theses in Dspace : Selección de tesis doctorales a texto completo del Massachusetts Institute of Technology OAISTER 1.723.003 publicaciones de 203 instituciones académicas, coordinado por Michigan University con el apoyo de la Fundación Mellon. TheO : These Online: tesis alemanas de 46 universidades. Acceso libre al texto completo. TESIS DIGITALES de la biblioteca de la Universidad de Las Américas - Puebla, México. TESIS DE LA BIBLIOTECA VIRTUAL MIGUEL DE CERVANTES : tesis en o sobre lenguas hispánicas Tesis digitales de la Universidad de Sevilla TDX Tesis Doctorales en Red: biblioteca digital de tesis UDCDspace : Tesis de la Universidad de la Coruña ULPGC Universidad de Las Palmas de Gran Canaria : más de 1.00 Tesis, PFC's y memorias USC Universidad de Santiago de Compostela: Tesis de la Universidad de la Coruña UNIVERSIDAD DE ANTIOQUIA (Medellín, Colombia) METODOLOGIA DE TRABAJO 1. LECTURA Y ANÁLISIS DE LAS MONOGRAFÍAS PRODUCIDAS POR EL GRUPO CEDIPUR RELACIONADOS CON EL PRESENTE PROYECTO: El grupo CEDIPUR modifica permanentemente su estructura con la incorporación de jóvenes recursos humanos. A través de la difusión realizada en etapas anteriores varios profesionales interesados en la temática abordada se sumaron a este proyecto de actualidad y necesidad para la política de información a desarrollarse en esta Universidad. Con la finalidad dar a los nuevos investigadores el marco en el cual se desarrollará este trabajo de acuerdo a las investigaciones realizadas en proyectos anteriores, se realiza la interiorización de lo analizado anteriormente, que va a ser usado como base de la presente investigación. En tal sentido se discutieron los alcances y conclusiones de los proyectos: - Análisis y aplicación de distintos soportes para digitalizar documentos monográficos y de referencia y su transmisión en la Red. PI 693/02 de la Secretaría de Ciencia y Técnica de la UNNE - Análisis de software abiertos de gestión aplicados al funcionamiento de la biblioteca digital - Proyecto de Investigación y Desarrollo Nº 029/05 de la Secretaría 8
General de Ciencia y Técnica de la Universidad Nacional del Nordeste, 2. INVESTIGACIÓN BIBLIOGRÁFICA DE LOS TEMAS ESPECIFICOS A DESARROLLAR: Se emplearon diversas técnicas de búsqueda y estrategias para identificar, localizar y acceder a documentos relacionados con: automatización de bibliotecas; informatización de bibliotecas; colecciones digitales; repositorios institucionales; derechos de autor; parámetros bibliotecológicos, estandarización. Por la temática abordada, puntual, especializada, actualizada, y los temas y ámbitos que intervienen en la investigación, se consideran especialmente las búsquedas de carácter digital, a través de distintos buscadores, en la web y a través de contactos con personas que trabajan en la misma área. Las tareas realizadas en la investigación bibliográfica se sintetizan en las siguientes acciones implementadas por el grupo CEDIPUR para el registro de los documentos consultados en sus trabajos de investigación. 3. REUNIONES CON INTEGRANTES DE LA DIRECCIÓN DE BIBLIOTECAS DE LA UNNE a efectos de invitarlos a participar en el presente proyecto. Se nos brindó el apoyo para la instalación, y pruebas de los distintos soportes informáticos en la sala informática de la red, en la Biblioteca Central. Apoyaron la iniciativa de los jóvenes profesionales incorporados ya que, en su mayoría trabajan en esa dependencia, con lo cual quedarían capacitados para el posterior manejo de las pautas de implementación y de las conclusiones del presente trabajo. 4. ANÁLISIS Y DEFINICIÓN DE LAS ETAPAS DE LA COLECCIÓN, según el ingreso de documentos actuales, futuros, o anteriores, y el soporte: digitalizado o impreso, con lo cual se deberá investigar y determinar el proceso de digitalización que convenga, de acuerdo a condiciones de hardware disponible y de software. 5. DETERMINACIÓN DE LOS DISTINTOS BASES QUE INTEGREN LA COLECCIÓN, de acuerdo a la tipología del trabajo intelectual 6. ANÁLISIS Y DETERMINACIÓN DEL SOFTWARE DE PRODUCCIÓN DE LA COLECCIÓN de acuerdo con el análisis comparativo entre los disponibles y de mayor aparición en la bibliografía disponible: Greenstone (nuevas versiones), TEDE. 7. ANÁLISIS Y DETERMINACIÓN DE PARÁMETROS BIBLIOTECOLÓGICOS que se tomen para definir la estructura de la colección: normas sobre metadatos, formato de textos, etc. 8. ANÁLISIS DE LA LEGISLACIÓN EN CUANTO A LA PROPIEDAD INTELECTUAL de los trabajos a publicar. Circuito administrativo para el archivo, la autorización y la publicación de trabajos. Autorizaciones. Acuerdos. 9. ELABORACIÓN DE PROPUESTA para elevar a las dependencias relacionadas directamente con esta temática. 9
DESARROLLO CONSIDERACIONES GENERALES ACERCA DE COLECCIONES DIGITALES DE TRABAJOS CIENTÍFICOS/REPOSITORIOS INSTITUCIONALES El fenómeno de la publicación electrónica se asocia estrechamente a la socialización del uso de las computadoras, de la tecnología de la información y del crecimiento de las redes de telecomunicación y se conforma esencialmente por texto digital, es decir por un conjunto de palabras transformadas a datos numéricos que son legibles por medio de una computadora, la cual requiere de tecnología necesaria para procesar, estructurar, almacenar, consultar y transmitir el texto digital (Lafuente y Rosas, 1998) Basándose en que la función básica de toda biblioteca, cualquiera sea su estado respecto a la informatización, es la de la preservación de los documentos que posee y facilitar el acceso a los mismos, es que se considerará la posibilidad de implementación de repositorios que reúnan la producción científica desarrollada en una institución. Las Bibliotecas proveen los recursos, incluso personal especializado, para seleccionar, estructurar, distribuir, controlar el acceso, conservar la integridad y asegurar la persistencia a través del tiempo de colecciones de trabajos digitales que estén fácil y económicamente disponibles para usarse por una comunidad definida o para un conjunto de comunidades. (www.diglib.org) Un repositorio, literalmente, es un lugar donde se guarda algo. Un repositorio institucional es una base de datos que incluye servicios para la captura, almacenamiento, indización, preservación y redistribución de la investigación científica de una universidad en formato digital. Barton y Waters Un repositorio institucional (RI) es el conjunto de servicios ofrecidos por una institución con el objeto de gestionar, difundir, y facilitar el acceso a cualquier persona con conexión a Internet, a aquellos documentos electrónicos creados por dicha institución y por aquellas personas que forman parte de ella. Los RIs representan una solución innovadora a muchos de los desafíos encontrados a la hora de gestionar, administrar y preservar el arsenal cada vez mayor de los recursos digitales de nuestras instituciones. Los RIs representan un nuevo e importante papel para las bibliotecas del siglo XXI, puesto que son las que se encargan del diseño de dichos repositorios. Proyecto DIGIBUG Universidad de Granada. 10
El repositorio institucional (RI) se entiende como un sistema de información que reúne, preserva, divulga, y da acceso a la producción intelectual y académica de las comunidades universitarias. En la actualidad el RI se constituye en una herramienta clave de la política científica y académica de la universidad el acceso a texto completo de los objetos de aprendizaje digitales hace que el repositorio se constituya en una pieza de apoyo fundamental para la enseñanza y la investigación, a la vez que multiplica la visibilidad institucional en la comunidad internacional. Red Alfa Biblioteca Babel. En síntesis, los RI facilitan el acceso a la producción intelectual de las instituciones, sirven como antecedente y retroalimentación de la investigación, y difunden las producciones intelectuales a nivel nacional e internacional. Son las herramientas informáticas donde se puede registrar, almacenar, preservar y difundir la producción científica de una institución. Son los recursos producidos por la institución puestos a disposición a favor de la investigación y la docencia, El acceso a las publicaciones o a parte de ellas, le otorga a los autores/investigadores la posibilidad de difusión e intercambio de trabajos. Su principal propuesta es la de poner los trabajos intelectuales producidos por una institución a disposición del público, respetando las normativas legales y bibliotecológicas. Son llamados por algunas comunidades como los repositorios del conocimiento Toma la filosofía del movimiento de acceso abierto open access surgido para mejorar el sistema de comunicación científica y facilitar su acceso. La organización SPARC (Scalable Processor architectute/microsystems) le da a los Repositorios institucionales las siguientes características: - Pertenecen a una institución - Son de ámbito académico - Son acumulativos y perpetuos - Son abiertos e interactivos (permiten al acceso abierto a la documentación académica) - Aumentan el prestigio de la Universidad exponiendo sus investigaciones académicas - Relevancia institucional del papel de la Biblioteca - Conocimiento de la dirección - Evaluación sobre la investigación - Animación a la creación de un acceso abierto a la investigación académica - Conservación de colecciones digitalizadas 11
La Universidad Autónoma de Madrid define un repositorio institucional como un conjunto de servicios Web centralizados, creados para organizar, gestionar, preservar y ofrecer acceso libre a la producción científica, académica o de cualquier otra naturaleza cultural, en soporte digital, generada por los miembros de una institución. Las principales características de un repositorio institucional son: - Su naturaleza institucional. - Su carácter científico, acumulativo y perpetuo. - Su carácter abierto e interoperable con otros sistemas. Los objetivos primordiales de los RIs son: - Impulsar la edición electrónica - Ser la interfaz de consulta conjunta - Facilitar la preservación - Ofrecer servicios de valor añadido (citación bibliográfica recomendada, recomendaciones a colegas, estadísticas por documentos, etc.) - Contribuir al movimiento mundial del Acceso Abierto TIPOLOGIA DE LOS CONTENIDOS A ALBERGAR Cada institución es quien debe analizar y seleccionar los tipos de documentos que albergará el repositorio, la modalidad de acceso y la permisividad de ese acceso, sus necesidades y también sus posibilidades. En un primer momento y para realizar las pruebas de software en este trabajo se pensó en inclusión únicamente de tesis, por lo que se realizó un relevamiento de las depositadas en la Secretaría de Investigación y Posgrado de la FAU UNNE, observando que había muy pocas digitalizadas, con lo cual tomamos contacto con otra realidad, como es la forma de presentación de los trabajos, la falta de una normativa de los trabajos de un mismo tipo dentro de la universidad, la necesidad de pensar en una digitalización retrospectiva, la necesidad de contar con la autorización de los autores para la publicación con acceso abierto. Paralelamente se estaban probando software que permitían la introducción de varias bases con documentos de distintos tipos, por lo que se decidió la inclusión de varios tipos de documentos, aunque en un principio se deberían tener en cuenta solo algunos. Se definieron en consecuencia y de acuerdo con los documentos presentados por los profesionales e investigadores del IPUR en primera instancia y luego las demás unidades de la FAU UNNE, y en una reunión con responsables de sectores de la Red de Bibliotecas, los tipos de documentos que puede en principio, contener la colección. - TESIS DE GRADO Y POSGRADO: Se consideró que, en la mayoría de la bibliografía consultada, y en el acceso a las páginas web de diversas universidades tanto de nivel nacional como mundial, los repositorios más 12
frecuentes contenían tesis, por lo que se propone iniciar las colecciones con este tipo de documentos Las tesis despiertan un creciente interés debido a distintas causas y sobre todo por su importancia para el desarrollo de la investigación científica ya que se trata de trabajos de investigación que partiendo de investigaciones anteriores realizan aportes originales y abren nuevas líneas de trabajo para futuras investigaciones lo que permite avanzar en el desarrollo del conocimiento El salto cualitativo en la accesibilidad de las tesis ha tenido lugar cuando, a partir de la edición digital, mediante el uso de tecnología web y gracias a su descripción a través de metadatos se han hecho accesibles a través de Internet (UBA SISBI. Tesis y disertaciones electrónicas. Portal Institucional, 2004) Luego se podría continuar con las colecciones de: - TESINAS - BECAS DE INVESTIGACION, DE INICIACION, DE GRADO Y DE POSGRADO - TRABAJOS DE INVESTIGACION - TRABAJOS FINALES DE GRADO - OTROS: Artículos; Comunicaciones científicas y tecnológicas; Informes; etc. En base a la experiencia del grupo derivada de la recolección de documentos para realizar un corpus documental que sirviera para realizar las pruebas de uso, consideramos que sería importante una vez definidos los tipos de documentos de las colecciones a implementar, que se realizara un análisis y definición de las etapas de la colección, según el ingreso de documentos actuales, futuros, o anteriores, y su soporte: digitalizado o impreso, con lo cual se debería determinar para la carga del material retrospectivo y en formato papel, el proceso de digitalización que convenga, de acuerdo a condiciones de hardware disponible y de software y como asé también de autorización de autores. REQUERIMIENTOS BIBLIOTECOLOGICOS Se debería normalizar el control de términos con las herramientas correspondientes a cada área temática, el control de autoridades y el sistema de metadatos a usar. 13
En este caso se realiza un análisis acerca de los metadatos, sus consideraciones generales y el sistema seleccionado por este grupo de estudio como el más apropiado para los fines del tipo de repositorios propuesto. METADATOS Los Metadatos surgen a partir de la necesidad de describir, identificar y caracterizar aquellos objetos de información en distintos soportes ya sea impresos, es decir en formato papel o digital o en soporte electrónico, todo esto con la finalidad facilitar la recuperación de la información, mediante el acceso a través de el titulo, autor, materia, resumen del documento, etc. Por este motivo los Metadatos surgen en los comienzos de los procesos bibliotecológicos como lo es en la Catalogación de documentos en las Unidades de Información, en la cual se registran de manera manual o automatizada los datos de los documentos. (Juan Carlos Sánchez Calas, 2002) Se puede decir que los metadatos en estos procesos reflejan la información que contiene cada uno de los materiales que han sido procesados por medio de Bases de Datos en el caso de la catalogación automatizada (catálogos automatizados). La revista BID: textos Universitaris de Biblioteconomia i Documentació, fue una de las primeras revistas españolas en formato digital, la cual incluyó el conjunto de Metadatos Dublin Core, en la cabecera de la revista, en la de cada número y en la de todos los artículos, actualmente los metadatos se integran en la Base de Datos y en la cabecera de cada uno de los 255 artículos de BID que se han publicado hasta el momento. Luego de esta experiencia en el 2004, comenzaron a trabajar en la creación de Temaria, que es un portal cuyo objetivo es facilitar el acceso a los artículos de revistas Españolas de Bibliotecología y Documentación mediante el conjunto de elementos del Dublin Core. Este portal es el encargado de indizar las siguientes revistas en la actualidad: Anales de Documentación, BID: Textos universitarios de biblioteconomía y documentación, cuadernos de documentación audiovisual, cuadernos de documentación multimedia e hipertext.net. En tiempos en que la tecnología de digitalización está bien establecida en las operaciones de las bibliotecas, la necesidad por un grado de estandarización de las prácticas de metadatos se ha hecho más crítica, para asegurar que las bibliotecas digitales tengan el mismo grado de interoperabilidad ya establecido hace tiempo en las bibliotecas tradicionales. Los complejos requerimientos de metadatos de los objetos digitales, que incluyen metadatos descriptivos, administrativos y estructurales, ha mitigado hasta el momento la emergencia de un solo estándar. Sin embargo, un grupo de estándares existentes, todos basados en arquitecturas XML, pueden combinarse para producir una estrategia de metadatos coherente e integrada. Paola Bongiovani - Acceso Abierto, Formatos y Estándares, Repositorios 14
CONCEPTO DE METADATO El término Metadato se define como información sobre una publicación en oposición a su contenido. No solo incluye descripción bibliográfica, sino que también contiene información relevante como: materias, precio, condiciones de uso, etc. (Heery, 1996). Jack Myers consideraba que los metadatos serían Datos sobre Datos los cuales proporcionaban la información necesaria para identificar un recurso. En sentido amplio decimos que los metadatos surgieron a través de la necesidad de identificar y describir recursos de información por medio de campos que faciliten la búsqueda, acceso y localización de los documentos, como así también su gestión y difusión. El profesional de la Información, en este caso el bibliotecario es el recurso humano indispensable para realizar los procesos de catalogación en las bibliotecas. Estos procesos consistían en una descripción de los documentos que formaban parte del fondo documental de la biblioteca, mediante la información contenida en los mismos, a su vez se estructuraban generando registros, los cuales se almacenaban en catálogos o bases de datos. Hoy en día con la proliferación de recursos electrónicos y su disponibilidad en la red, esta catalogación debe ampliarse y sistematizarse. Comienzan a aparecer los llamados catálogos Automatizados, anteriormente existían los catálogos manuales. Por medio de los catálogos se realiza la descripción Interna y Externa de los documentos. Esto quiere decir que los datos como: El soporte, las características técnicas, hacen que deban incluirse en estos procesos, de manera tal que se constituyan en grandes etiquetas y grandes datos necesarios que permitan la recuperación de la información, satisfaciendo así las necesidades de Información de los usuarios. Podríamos tomar varias definiciones de metadatos, según diferentes autores: Datos sobre datos Conjunto de elementos que pueden ser usados para describir y representar objetos de información (Xu) Datos que describen los atributos de un recurso de información y apoyan su localización identificación, evaluación y selección, entre otras funciones, las cuales pueden ser llevadas a cabo por un usuario final o por sus agentes (otras personas o sistemas automatizados) (Dempsey y Heery) Datos con sentido propio que proporcionan información o documentación acerca de otros datos manejados dentro de una aplicación o ambiente... Los metadatos pueden incluir información descriptiva acerca del contexto, calidad y condiciones o características de los datos. (Taylor, A. "Organization of information". Englewood, Colo. : Libraries Unlimited, 1999). Para el servicio Integrado de Información Universitaria de Chile, los metadatos para recursos electrónicos, son Información que describe los datos que incluyen el contenido, la forma, y las características técnicas y editoriales de la información 15
electrónica, los cuales son generados, consultados, manipulados y distribuidos en red. Según Senso, José. A. (2003) podríamos mencionar algunos ejemplos de metadatos, como: En Bibliotecas: Los resúmenes o síntesis de los documentos. Los catálogos que contienen las Bases de Datos. Términos utilizados de un Tesauro. Palabras claves de un texto. La Catalogación en fichas y en cualquier formato: MARC, ISBD. Entre otros. En Internet: Los Índices de los documentos en una Intranet. Encabezamientos de los mensajes contenidos en correos electrónicos. Términos extraídos por medio de los motores de indización y búsqueda. Esto quiere decir que en todo momento, que el usuario realiza búsqueda de información, ya sea en Bibliotecas Tradicionales, Bibliotecas Digitales, Virtuales, o en páginas web, lo hace mediante búsqueda por autores, títulos, palabras claves o cualquier información que nos permita la recuperación del material, pero para eso están los llamados Metadatos que facilitan el acceso a la información de una manera más fácil y rápida. Por eso mismo, existen varias razones por las cuales los Metadatos son un sistema importante, entre las que podemos mencionar: Aumentan el acceso: La existencia de los Metadatos que describan los objetos, incrementa la posibilidad de acceso a ellos. (Guilliland-Swetland, 1998). Esto quiere decir que los metadatos son imprescindibles para la recuperación de la información en tiempo y forma y en varias colecciones a la vez. Disminución del tráfico en la Red: Un vez indizado el documento, no se necesita demasiado ancho de banda para realizar la búsqueda de la información. (Ortiz-Repiso, 1999). Expandir el uso de la información: permite difundir las versiones digitales. Control de versiones: se trata de generar distintos metadatos, con diferentes cantidades de información sobre un mismo objeto, con la finalidad de distribuirla a un público heterogéneo. 16
Aspectos Legales: permiten establecer claramente las restricciones de explotación, como así también informar sobre los derechos de autores. Preservación del objeto Digital: La utilización de los metadatos, junto al uso de lenguajes controlados, esto posibilitará el aumento de precisión en la mayoría de las búsquedas en Internet. Milstead y Feldman 1999. Esto quiere decir, que los metadatos permiten la difusión de la información a un público en general, facilitando y aumentando el acceso a la misma por medio de los descriptores que permiten localizar con más precisión la información. FUNCIONES DE METADATOS: 1. Proporcionan la descripción de un objeto de información junto con otra información necesaria para el manejo y preservación. 2. Proporciona los puntos de acceso a esa descripción. 3. Codifican esa descripción. PROPÓSITOS DE METADATOS: 1. Para ayudar en la determinación de la relevancia de una Información relacionada con una consulta concreta. 2. Para analizar las características de un conjunto de información. 3. Para enviar información de un sistema a otro diferente. UTILIDAD DE METADATOS: 1. Permite la localización de materiales. 2. Uso y reutilización de Materiales. 3. Gestión de Materiales Incluyendo su explotación de materiales y Gestión de derechos. Los Metadatos se generan a partir de un Diccionario de Datos. Este permite determinar los metadatos que serán necesarios para la gestión de Información. Juan Carlos Sanchez Calas, 2002 TIPOS DE METADATOS Antes de comenzar a hablar sobre los tipos de Metadatos, es necesario aclarar que si tomamos el caso de cualquier Unidad de Información, se puede detectar que en ellas existen diferentes tipos de Usuarios, como así también que cada uno de ellos posee distintas necesidades de Información, siempre dependiendo el objetivo por el cual requieren cierta información sobre una determinada área temática. Es decir, por 17
ejemplo: no es lo mismo la necesidad que tiene un investigador que la de un alumno de nivel primario, ni la de un docente, pero ambos recurren a las Unidades de Información para satisfacer sus necesidades y lo hacen mediante la ayuda del profesional de la Información, pero a su vez estos para recuperar la información necesitan de los llamados metadatos. Por eso mismo Existe una gran diversidad de metadatos debido a la existencia de diferentes tipos de usuarios: Usuarios que requieren términos para acceder a los documentos Investigadores que requieren amplia información de un recurso La existencia de diferentes tipos de recursos Recursos con una existencia fugaz Recursos con un valor comercial Recursos de gran valor para la investigación La existencia de diferentes proveedores de información Servicios de información comercial Servicios de información académica y para la investigación Para Berners-Lee existen tres tipos de metadatos en la Web: Dr. Filiberto Felipe Martínez Arellano 1) Aquellos que se encuentran dentro del documento. Pueden estar en cualquier documento generado por un procesador de texto. 2) Los que se producen mediante una transferencia http (Hyper Text Transfers Protocol). En este caso tanto el cliente y el servidor se envían información sobre aquel objeto que están transmitiendo por medio de los metadatos. 3) El que se utiliza cuando se consulta en otro documento, para comprobar si se puede acceder al mismo. Taylor, Arlene G. clasifica a los metadatos de acuerdo a sus funciones, por ejemplo: Los Metadatos que se utilizan para el contenido y descripción de Documentos y para la codificación de los mismos. 18
Contenido y Descripción de Documentos Codificación de Documentos ISBD: (International Standard Bibliographic Description) AACR2 (Anglo American Cataloguing Rules) APPM (Archives, Personal Papers and Manuscripts) TEI (Text Encoding Initiative) Headers DUBLIN CORE GILS (Government Information Locator Service) FGD (federal Geographic Fata Comittee) Content Standar for Digital Geospatial Metadata (CSDGM) VRA (Visual Resources Association) Core Categories for Visual Resources EAD (Encoded Archival Description) RDF (Resource Desc Framework) MARC (Machine Readable Cataloging) USMARC (United States MARC) UNIMARC (Universal MARC) SGML (Standard Generalized Markup Languaje) DTD (Document Type Definition) TEI (Text Encoding Initiative) HTML (Hipertext Markup Languaje) EAD (Encoded Archival Description) MARC DTD XML (Extensible Markup Languaje) Cabe destacar que los metadatos ubicados en la primera columna son utilizados para la descripción de los documentos, es decir estos permiten representar el contenido de los documentos de tal manera que facilite el almacenamiento, búsqueda y recuperación de la información. En cuanto a los metadatos correspondientes a la segunda columna Codificación son aquellos que se encargan de transformar el contenido o la información de una fuente en códigos. ESTANDARES O MODELOS Podríamos decir que los Estándares mas conocidos son los siguientes: 1. Dublin Core: Este modelo de metadatos es utilizado para el registro de los recursos electrónicos. 2. Lista de datos Mínimos: Es utilizada para producciones audiovisuales. 3. Text Enconding Initiative: (TEI) Basad en SGML y se utiliza para la indización e intercambio de información textual. 19
4. Resource Description Framework (RDF) funciona con XML Para la descripción de contenidos Web. 5. Computer Interchange of Museum Information (CIMI) Es utilizado para información de Unidades de Información Museos. 6. Federal Geographic Data Comitee (FGDC): es para la Información Digital Geoespacial. 7. Encoded Archival Description (EAD): PARA Información De Archivos. (Archivistica). 8. DOI o SICI: Información sobre Derechos de autor, formatos, entre otros. CARACTERÍSTICAS DE ALGUNOS ESTANDARES ANALIZADOS: RDF (RESOURCE DESCRIPTION FRAMEWORK) RDF (Resource Description Framework) es un modelo de metadatos basado en XML y promete ser un Estándar flexible para la estructuración de la información de las llamadas Bibliotecas Digitales. Es una iniciativa del World Wide Web Consortium (W3C), que es una organización fundada en 1994 para desarrollar protocolos para la evolución del Web (Netscape, Microsoft, IBM, Nokia, OCLC). Fue un esfuerzo en común para crear un modelo capaz de dar soporte a los metadatos en el Web. RDF es una DTD (Definición del tipo de Documentos). Es un modelo que permite asociar toda aquella información referida al contenido de los recursos Web, y se puede decir que podría ser el modelo adecuado para la Descripción de Información utilizado en Bibliotecas Digitales en la actualidad, como así también servirá para optimizar la realización de búsquedas y recuperación de la Información en los Sitios Web. (Eva Méndez Rodríguez). RDF es una infraestructura que permite llevar a cabo el intercambio, codificación y la reutilización de metadatos estructurados, los cuales se encargan de suministrar modelos que permiten la descripción de los Recursos. Además requieren una sintaxis para almacenar instancias en ficheros legibles por máquinas y comunicar instancias entre aplicaciones. En este caso utiliza XML como sintaxis, de esta manera se posibilita el intercambio y procesamiento de los datos. (García Martínez, Ana). Fue una iniciativa de la (WWW) Consortium W3C Organización que fue creada en la década del 90 para desarrollar Protocolos en la evolución de la Web. Esquemas de RDF: Aplicaciones: Los vocabularios aceptados son llamados esquemas de RDF. En una declaración de RDF puede incorporase el Dublin Core. Descripción de colecciones de páginas. Descripción de colecciones sobre derechos de autor en páginas Web. 20
Web de confianza para el comercio electrónico. Mayor facilidad de recuperación por medio de los buscadores. Proveer mayor capacidad de recuperación de los buscadores En descripción de derechos de propiedad intelectual de páginas Web. DUBLIN CORE: El Dublin Core nace con el fin de proporcionar Metadatos para aquellos materiales que se encuentran accesibles en la Red, este surge bajo el Patrocinio OCLC y es de procedencia Anglosajona. (II Jornada sobre la Biblioteca Digital Universitaria). Surgió en 1995 a instancias de la OCLC (Online Computer Library Centre) y de la NCSA (National Centre for Supercomputing Applications). Sus elementos se agrupan en tres subconjuntos: 1 - Contenido 2 - Propiedad Intelectual 3 Otros - Instanciación (Formato; Identificador; Lenguaje, etc.) CONTENIDO PROPIEDAD INTELECTUAL OTROS Título Autor Fecha Materia Editor Tipo Resumen Contribución Formato Fuente Derechos Identificador Idioma Relación Cobertura http://es.dublincore.org/documents/dces/ 21
ELEMENTOS DEL NÚCLEO DE DUBLIN CORE: ELEMENTOS DEL DUBLIN CORE dc. Título dc. Autor o creador. dc. Claves dc. Descripción dc. Editor dc. Otros colaboradores. dc. Fecha dc. Tipo de Recurso. dc. Formato dc. Identificador del Recurso dc. Fuente dc. Lengua dc. Relación dc. Cobertura dc. Derechos VALORES Es el nombre dado a un determinado recurso, usualmente por el autor, es decir generalmente por el Creador o Editor. La persona u Organización responsable del contenido intelectual del recurso, depende el tipo documental pueden ser autores, artistas, fotógrafos, ilustradores, entre otros. Tópicos del recurso, claves o frases que describen el contenido del recurso. Para este caso se recomienda empleo de vocabularios controlados. Consiste en una descripción textual del recurso, tal como un resumen en el caso de documentos como objetos y descripciones para aquellos materiales audiovisuales. Es la Entidad responsable de hacer que el recurso se encuentre disponible en la red. En su formato actual. Pueden ser: Casa editoriales, Departamentos de Universidades o Entidades Corporativas. Persona u Organización no especificada en el elemento Creador que haya contribuido intelectualmente en la creación del recurso. Pero dichas contribuciones son secundarias. Es la fecha en que el recurso se puso a disposición del usuario en su forma actual. Se refiere a la categoría del recurso, por ejemplo Ensayos, Novela, página personal, poema, Reporte Técnico diccionario, entre otros. Se refiere al formato en el que se encuentra el material, usado para identificar el software y hardware que se necesitaría para mostrar el recurso. Secuencia de caracteres utilizado para identificar unívocamente un recurso. Por ejemplo para recursos en línea puede ser URLs o URNs. En cambio para otros recursos pueden utilizarse otros identificadores como por ejemplo ISBN. Secuencia de caracteres utilizado para identificar unívocamente un trabajo a partir del cual proviene el recurso actual. Es decir es la información acerca de algún material secundario del cual se deriva el material principal. Es el idioma en que se encuentra el contenido intelectual del recurso. Es un identificador del segundo recurso y su relación con el recurso actual o principal. Permite enlazar recursos relacionados y las descripciones de los recursos. Es la característica temporal y/o espacial del contenido intelectual del recurso. La cobertura espacial se refiere a una región física. La cobertura temporal se refiere al contenido del recurso, Es la mención acerca de la forma de manejar los Derechos: Una referencia (por ejemplo, URL) para una nota sobre derechos de autor, para un servicio de gestión de derechos o para un servicio que dará información sobre términos y condiciones de acceso a un recurso. (Fuente: Interfaz bibliotecaria de Greenstone Digital) 22
Características y principales ventajas del Dublín Core: a. Simplicidad b. Interoperabilidad semántica c. Consenso internacional d. Extensión e. Modularidad (RDF) Los responsables de colocar los metadatos de la información de la Red, a partir de fijar criterios normalizados a través de los sistemas de metadatos Dublin Core, se deberían ser los autores o editores para quienes deberían hacerse cursos cortos de capacitación o elaborar instructivos sencillos de uso del sistema. ANALISIS COMPARATIVO DE SOFTWARE PARA LA IMPLEMENTACION DEL REPOSITORIO INSTITUCIONAL La comparación realizada sobre las posibles herramientas a utilizar para la creación del Repositorio Institucional se realizó en conjunto con profesionales de la informática y de las ciencias de la información en un trabajo interdisciplinar; donde cada miembro aportó experiencias sobre cómo debería funcionar el sistema y las características necesarias, tanto las de servicio (metadatos, aportación de datos, tipos de contenido, etc.) como las relacionadas con los servidores subyacentes (sistemas operativos, bases de datos, mecanismos de búsqueda, etc.). Dicha comparación se llevo a cabo teniendo en cuenta indicadores como interfaz, flexibilidad, lenguaje, procesamiento, recuperación, requerimientos de sistema, servidor Web, licencia, costo y contenidos. El total de herramientas presenta variedad en su interfaz al ofrecer formatos diferentes, aunque en ambiente Web, para sus distintos momentos; así los administradores y el personal que procesa la información poseen para su trabajo una interfaz y los usuarios finales pueden disfrutar de otra, que siempre es mucho más atractiva y que resulta amigable, para un buen uso de las colecciones. Las herramientas de software analizadas fueron: Archimede, BePress, CDSware, CONTENTdm, DSpace, EPrints, Fedora, Greenstone, TEDE, Cybertesis. De acuerdo con la investigación llevada a cabo por el grupo CEDIPUR, los software Greenstone, DSpace, TEDE, Archimede, CDSware (CERN Document Server Software), EPrints y Fedora, al ser programas open source, son gratuitos y con licencia pública, aunque Fedora se distribuye bajo Licencia de la Comunidad Educativa, ofrecen las mismas bondades de la licencia pública; permiten que los especialistas que los utilicen dispongan de su código fuente, a partir del cual pueden adaptar y mejorar sus programas. Otros como es el caso de CONTENTdm o BePress, al ser pagos y 23
con licencia privada no son flexibles con sus usuarios, que deben utilizarlo tal cual la empresa que la ha desarrollado lo comercializa. Se observa una coincidencia unánime en estas herramientas, que es la forma de procesar documentos; todas permiten asignar metadatos según estándares ampliamente distribuidos, como Dublin Core, aunque también brindan la posibilidad de que los especialistas declaren otros, si lo consideran necesario. CONTENTdm ofrece un vocabulario controlado que ayuda en la indización, además de la libertad de escoger el más idóneo según las necesidades institucionales. Cabe destacar, además, que las plataformas de software que fueron analizados en esta comparación permiten crear colecciones de distintos tipos de documentos como son: texto, en varios formatos, imágenes, audio, etcétera. En la evaluación comparativa se tuvieron en cuenta algunos de los siguientes parámetros: Distribución del producto, Programación y personalización, Formatos de archivos aceptados, Características técnicas, Estándares de metadatos, Interoperabilidad, administración y seguridad, Apoyo técnico, Documentación técnica, idiomas, almacenamiento indexación y búsquedas. ARCHIMEDE Desarrollado por la biblioteca de Laval University, Canadá. Objetivo: Partiendo del análisis del software disponibles E-Print y DSpace, la biblioteca decidió desarrollar una versión propia adaptable a sus necesidades. Requisitos técnicos: Instalación: Linux/Windows. Lenguaje de programación: Java Base de datos: varias Motor de búsqueda: Lucene Licencia pública general (GNU GPL) Disponible en sitio oficial. Compatible con protocolo OAI-PMH DESCRIPCIÓN: desarrollado por la biblioteca de la Universidad de Laval, Archimede es un software de código abierto para crear Repositorios Institucionales. Se ha desarrollado desde una perspectiva multilingüe, ofreciendo interfaz en inglés, francés y español. Enfocado a la internacionalización, la interfaz del software es independiente y no está dentro del código. Esto le permite desarrollar idiomas adicionales e interfaces específicas sin recodificar el propio software. También permite a los usuarios cambiar de un idioma a otro en cualquier momento y en cualquier sitio mientras se busca y encuentra contenido. DISPONIBILIDAD: 24
Software gratuito, de código abierto, proporcionado por la GNU, licencia de público general. Descargar el software Archimede de SourceForge: http://sourceforge.net/projects/archimede CARACTERÍSTICAS: Inspirado en el modelo DSpace usando comunidades y colecciones de contenido. El buscador está basado en el código abierto Lucene, usando LIUS (Lucene Index Update and Search), un marco personalizado desarrollado por el personal de la biblioteca de Laval. Cumple con OAI. Utiliza un Dublin Core metadata set. APOYO TÉCNICO: http://sourceforge.net/projects/archimede/ PÁGINA WEB DE EJEMPLO: Laval University Library ΒEPRESS Descripción: desarrollado por la Berkeley Electronic Press, Bepress crea y alberga los repositorios de sus clientes. El coste incluye el software, la implementación de clientes, infraestructura, prácticas, servidor, la conservación, apoyo a distancia, apoyo técnico y actualizaciones de software. Se ha anunciado recientemente en la sociedad de software con ProQuest Information & Learning called Digital Commons@ que combina Bepress con ProQuest's, biblioteca de disertaciones y tesis electrónicas (ETDs). DISPONIBILIDAD: Software comercial, pago de licencia y honorarios de suscripción. El costo esta relacionado con el tamaño del repositorio y su uso. Incluye prácticas completas, documentación, apoyo técnico, servicio al cliente y actualizaciones de software. CARACTERÍSTICAS: 25
Ofrece software cliente EdiKit para añadir contenido al repositorio. OAI compliant. Exportación de datos XML. Personalización mediante API, plantillas. Búsqueda de texto completo. APOYO TÉCNICO: disponible pagando la licencia de software. PÁGINAS WEB DE EJEMPLO: Boston College University of California s escholarship Repository (http://repositories.cdlib.org/escholarship/) Florida State University New England Law Library Consortium CDSware DESCRIPCIÓN: desarrollado por CERN, la organización europea para la investigación nuclear, sita en Ginebra, CDSware está diseñada para hacer funcionar un servidor de pre-impresión electrónica, catálogo de biblioteca en línea o sistema de documentos en la web. DISPONIBILIDAD: Software gratuito de código abierto distribuido por la GNU General Public. Última versión: CDSware v0.3.3 Sitio de descarga: http://cdsware.cern.ch/download/ CARACTERÍSTICAS: OAI compliant. MARC 21 metadatos standard. Búsqueda de texto completo. Base de datos: MySQL. Extensibilidad: disponible en API. Poderoso motor de búsqueda con Google. 26
Personalización del usuario, incluyendo papelera de documentos y alertas de notificación de e-mails. APOYO TÉCNICO: Apoyo por e-mail gratuito en cds.support@cern.ch o por lista de correo: projectcdsware-users@cern.ch Apoyo técnico pagado también disponible. PÁGINA WEB DE EJEMPLO: CERN document server: http://cdsweb.cern.ch/ En CERN, CDSware maneja más de 400 colecciones de datos, que contienen más de 600.000 registros bibliográficos, e incluyen más de 250.000 documentos a texto completo. CONTENTdm DESCRIPCIÓN: Digital Collection Management Software by DiMeMa, Inc. Proporciona herramientas desde la organización y dirección a la publicación y búsqueda de colecciones digitales en Internet. CONTENTdm también ofrece herramientas para archivar colecciones de cualquier tamaño. DISPONIBILIDAD: Software comercial. El precio depende del tamaño de la colección. Disponible una prueba de 60 días gratuita. CARACTERÍSTICAS: Todo tipo de contenidos aceptados. Cumple con OAI. Dublin Core metadatos. XML data export (exportación de datos). Z39.50 compatible. Búsqueda de colección múltiple Añadido automático de colecciones a WorldCat. El producto incluye varios componentes: servidor CONTENTdm Software Acquisition Station (se puede copiar e instalar en más de 50 máquinas de Windows para distribuir su uso), búsqueda de clientes y plantillas en la web, PowerPoint plug-in. 27