Download PDF
ads:
Manoel Palhares Moreira
$PELHQWHSDUDJHUDomRHPDQXWHQomRVHPL
DXWRPiWLFDGHWHVDXURV
Belo Horizonte
2005
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
Manoel Palhares Moreira
$PELHQWHSDUDJHUDomRHPDQXWHQomRVHPL
DXWRPiWLFDGHWHVDXURV
Tese apresentada ao Programa de Pós-
Graduação em Ciência da Informação da
Escola de Ciência da Informação da
Universidade Federal de Minas Gerais, como
requisito parcial à obtenção do Grau de Doutor
em Ciência da Informação.
Linha de Pesquisa: Tratamento da Informação
Orientadora: Profª. Dra. Maria Aparecida Moura
Belo Horizonte
Escola de Ciência da Informação da UFMG
2005
ads:
Moreira, Manoel Palhares.
M836a Ambiente para geração e manutenção semi-automática de tesauros
[manuscrito] / Manoel Palhares Moreira. – 2005.
197 f. : il.
Orientadora: Maria Aparecida Moura.
Tese (doutorado) – Universidade Federal de Minas Gerais, Escola
de Ciência da Informação.
Referências: f. 168-178
Anexos: f. 179-197
1. Ciência da informação - Teses 2. Tesauro – Teses 3. Indexação
automática – Teses 4. Tecnologia da informação – Teses 5. Sistemas de
recuperação da informação – Tecnologia – Teses I. Título II. Moura, Maria
Aparecida III. Universidade Federal de Minas Gerais. Escola de Ciência da
Informação.
CDU: 025.4.03:004.4
Ficha Catalográfica: Biblioteca Etelvina Lima, Escola de Ciência da Informação da UFMG
Meus pais se foram durante o tempo de doutorado.
Eram pessoas simples, com pouco estudo e felizes...
Ensinaram-me da vida muito mais que qualquer escola.
Por tudo, este trabalho é dedicado a eles.
$JUDGHFLPHQWRV
Muitas coisas aprendi durante o tempo de doutorado; muito da ciência, muito
mais das pessoas. Antes de terminá-lo, preciso agradecer a todos aqueles que
facilitaram este percurso.
Agradecer a meus pais, que sempre estarão conosco e que na simplicidade de
suas vidas souberam nos dar oportunidades que nunca tiveram. A eles devo
tudo. O que me ensinaram permanecerá.
Agradecer a minha orientadora Profª. Maria Aparecida Moura, pela dedicação,
tranqüilidade e firmeza na condução deste trabalho; agradecer por me ensinar
da vida através da força e da energia que sabe transmitir.
Agradecer à Profª. Beatriz Valadares Céndon por ter me acolhido no programa
de Ciência da Informação, pela atenção, pelo carinho e as orientações durante
o percurso.
Agradecer a minha eterna professora Alcenir Soares dos Reis, pela amizade
que temos, por me escutar nos momentos mais difíceis e ter sempre algo para
dizer e me fazer pensar.
Agradecer aos professores Eduardo José Wense Dias, Gercina Ângela Borem
Oliveira Lima e Silvio Jamil Ferzoli Guimarães, que participaram da banca de
qualificação deste projeto e muito contribuíram com opiniões e sugestões para
o mesmo.
Agradecer a Profª. Maria Helena de Andrade Magalhães pela atenção e
gentileza na revisão minuciosa deste texto.
Agradecer aos alunos Julia Aparecida Gonçalves, Sergio Murilo Stempliuc e
Carlos Henrique Palhares Moreira Junior, pelas contribuições na construção do
projeto e a presteza em todo esse processo.
Agradecer aos colegas da PUCMinas - Almeida, Adriane, Ana Maria, Cristina,
Goretti, Humberto, Marco Túlio, Mark, Maurício (UFMG) e Nelma - pelo apoio
recebido em instantes menos fáceis que a vida trouxe junto com o doutorado e
que sem dúvida foram suavizados pela amizade que cada um deles
demonstrou. Agradecer aos bibliotecários da PUCMinas - Cássio, Jane,
Helenice (Lelé) e à Fátima (PUCBarreiro) - pelo profissionalismo com que
conduzem nosso tempo na biblioteca e pela paciência e disponibilidade em nos
ajudar sempre. Sem eles esse caminho teria sido mais difícil.
Agradecer a meus irmãos Ica, Gladys, Pedrinho e Andréa, às minhas cunhadas
Lúcia Helena e Vanuza, por que nesse tempo soubemos e aprendemos mais
estar juntos, e por que juntos gostamos e sabemos ser uma família. A meus
sobrinhos, que trazem alegria e agitação à minha vida, e às minhas tias Coca e
Dirce sempre atentas às minhas necessidades.
Agradecer a pessoas muito especiais, como a Adriana, pelo companheirismo e
a cumplicidade destes anos todos de amizade; como o Edmundo e o João,
meus companheiros de bons e menos bons momentos; como o Renato, pelo
carinho, a atenção e a preocupação constante comigo. São todos grandes
amigos que fazem sempre minha vida mais leve.
Dizer obrigado a tudo isso é muito pouco, mas é o que se sabe e o que é
possível exprimir em instantes assim.
+iTXHVHHVFUHYHUDYLGDHPIODXWDH
Y{RFRPRFDQWDPRVSiVVDURV
%XVFDUQDPHPyULDDOHPEUDQoDHD
GLUHomR2FXOWDURVUDVWURV
SHUFRUULGRVSDUDSHUGHUVHQR
HQFRQWURHQLQKR'HFLIUDURDOIDEHWR
UDELVFDGRQDVOLQKDVGRYHQWR
JUDYDGRQRIUXWRPDGXUR
HPEDUDoDGRQDSHQDWURFDGD&RPR
RVSiVVDURVKiGHVHHVFUHYHU
HQTXDQWRpGLDHSDUDWRGRV
Bartolomeu Campos Queirós
5HVXPR
Entre as diversas formas de representação da informação utilizadas por
Sistemas de Recuperação de Informação encontram-se os tesauros, que se
constituem em uma linguagem de indexação consolidada e empregada por
profissionais que exercem atividades de organização da informação. A
flexibilidade para o estabelecimento de novas relações entre termos, as
hierarquias e as referências cruzadas conferem ao instrumento uma
multiplicidade de usos, abrangendo processos que vão desde a indexação até
a efetiva recuperação dos documentos. A elaboração e manutenção de
tesauros são atividades intelectuais com procedimentos específicos, entre eles
o conhecimento de documentos produzidos na área, o entendimento dos
termos empregados e a construção de conceitos para explicação desses
termos. Do profissional envolvido espera-se uma atitude flexível para
incorporar as mudanças e inovações que surgem na área, na própria
linguagem e no emprego de termos. Este trabalho objetivou a construção de
uma metodologia e um ambiente para a geração e manutenção de tesauros de
forma semi-automatizada, através da utilização da linguagem natural e com
base em tecnologias da Ciência da Computação e nos fundamentos teóricos
da Ciência da Informação; mais especificamente, através dos conceitos
ordenadores da garantia literária, da garantia de uso e da garantia estrutural,
incorporando-se a essas a proposta da garantia advinda da própria estrutura do
texto. O ambiente possibilitou a verificação da atualidade e do potencial
representativo do tesauro. Partiu-se da hipótese de que palavras-chaves
recolhidas de artigos científicos poderiam ser aplicadas neste processo já que
elas representam duplamente a garantia literária e a de uso por se tratar de um
instrumento privilegiado de disseminação do conhecimento científico. Foram
feitos cálculos estatísticos envolvendo freqüência e escore padronizado nas
observações de freqüência de palavras-chave no título, no resumo, no texto e
na bibliografia dos artigos. Para testes, foram utilizados textos científicos dos
periódicos eletrônicos Datagrama Zero e Ciência da Informação, já
consolidados na área. A inexistência de um tesauro atualizado na área levou a
construção de um Tesauro em Ciência da Informação (TCI), a partir de
tesauros existentes em português (IBICT), em inglês (ASIS) e em espanhol
(CINDOC e DOCUTES). O ambiente apontou a necessidade de atualização de
termos, classificados por grau de relevância, levando em conta a evolução da
área.
Palavras-chave: tesauro; linguagem de indexação; organização da informação;
automação de tesauros; mineração de palavras
$EVWUDFW
Thesauri are among the diverse means of representing information as used by
Information Retrieval Systems, which is considered to be a consolidated
indexing language employed by professionals that carry out activities of
organizing information. The flexibility for establishing new relations between
terms, the hierarchies and the crossed references give that instrument a
diversity of usage, reaching processes that range from indexing to effective
recovery of documents. The production and maintenance of a thesaurus are
intellectual activities with specific procedures to be followed. Among them are
knowledge about documents produced in the subject area, comprehension of
the used terms and the construction of concepts to explain those terms. It is
expected from the professionals in this field a flexible attitude to assimilate the
changes and innovations which may be found in the indexing area, in the
language itself, and in the usage of terms. This study aimed at the construction
of a methodology and an environment to the generation and maintenance of a
thesaurus within a semi-automatic way, through the use of natural language
based on the technology of Computer Science and the theoretical scope of
Information Science. Moreover, through the ordering concepts of literary, usage
and structural guarantee, they incorporate the proposal of the guarantee that
comes from the structure of the text itself. The environment made it possible to
verify the present thesaurus as well as its representative potential. The
hypothesis was that key words from scientific articles could be applied in this
process, since they represent both the literary and usage guaranties, for they
are a privileged instrument in disseminating the scientific knowledge. Statistic
calculi were made involving frequency and score standardised in the
observation of the frequency of key words in titles, summaries, texts and articles
of the reference list. Scientific texts of the electronic periodicals 'DWDJUDPD=HUR
and &LrQFLDGD,QIRUPDomRwere used. The absence of an updated thesaurus in
the area led to the elaboration of a Thesaurus in Information Science (TIS),
from the existing thesaurus in Portuguese (IBICT), in the English language
(ASIS) and in Spanish (CINDOC and DOCUTES). The environment pointed out
the need of updating terms classified by degrees of relevance, considering the
progress of the area.
Key-words: thesaurus; indexation language; information organization; automatic
thesaurus; words mining.
UpVXPp
Parmi les multiples formes de représentation de l’information utilisées par des
Systèmes de Récupération d’Information se trouvent les thésaurus qui sont
constitués d´un langage d’indexation consolidé et employé par des
professionnels qui s´occupent de l´organisation de l’information. La flexibilité à
établir de noveaux rapports entre les termes, les hiérarchies et les références
croisées confèrent à cet outil une multiplicité d’usages comprenant des
procédés dès l’indexation jusqu’à l’effective récupération des documents.
L’élaboration et le maintien de thésaurus sont des activités intellectuelles qui
exigent des procédés spécifiques comme la connaissance des documents
produits dans le domaine, la compréhension des termes employés et la
construction de concepts pour mieux expliquer ces termes. De cette façon, on
attend une attitude flexible du professionnel engagé à fin d´incorporer aux
thésaurus les changements et les innovations du domaine, du langage même et
de l’emploi de termes. Ce travail de recherche a eu pour but la construction
d’une méthodologie et d’un environment appropriée à la génération et le
maintien de thésaurus de façon semi-automatisée à travers l’utilisation du
langage naturel et basé sur des technologies de l’Informatique et sur les
fondements théoriques de la Science de l’Information à savoir les concepts
ordonnateurs de la garantie littéraire, d´usage et de la garantie structurale, en
incorporant la garantie issue de la structure même du texte. L´environmente a
même permis de vérifier l’actualité et la portée représentative du thésaurus. On
est parti de l’hypothèse selon laquelle les mots clés extraits d’articles
scientifiques, à la fois garanties littéraire et de l’usage, pourraient être appliqués
à ce processus parce qu’il s’agit d’un outil privilégié de dissémination de la
connaissance scientifique. Des calculs statistiques comprenant la fréquence et
le VFRUH standardisé dans les observations de mots clés dans le titre, dans le
résumé, dans le texte et dans la bibliographie des articles. Pour les tests, ont
été utilisés des textes scientifiques des publications électroniques 'DWDJUDPD
=HUR et &LrQFLDGD,QIRUPDomR, déjà consolidées dans le domaine. L’inexistance
d’un thésaurus mis à jour dans le domaine a mené à la construction d’un
Thésaurus en Sciences de L'information (TCI), à partir de thésaurus en
portugais (IBICT), en anglais (ASIS) et en espagnol (CINDOC et DOCUTES).
L´environment a montré le besoin d’actualisation de termes classés par niveau
d’importance, en considérant l’évolution du domaine.
Les mot-clefs: le thesaurus; langue de l'indexation; l'organisation de
l'information; le thesaurus automatique; l'exploitation minière des mots.
5HVXPpQ
Entre las diferentes formas de representación de la información practicadas por
los Sistemas de Recuperación de Información se encuentran los tesauros, que
forman un lenguaje de indexación consolidada y empleada por profesionales
que ejercen actividades de organización de la información. La flexibilidad para
el establecimiento de nuevas relaciones entre términos, las jerarquías y las
referencias cruzadas confieren al instrumento una multiplicidad de usos,
abarcando procesos que van desde la indexación hasta la efectiva
recuperación de los documentos. La elaboración y mantenimiento de tesauros
son actividades intelectuales con procedimientos específicos, entre ellos el
conocimientos de documentos producidos en la área, el entendimiento de los
términos empleados y la construcción de conceptos para explicación de estos
términos. Acerca del profesional envolvido se espera una actitud flexible para
incorporar los cambios e innovaciones que emergen del área, del lenguaje y del
uso de los términos. Este trabajo planteó la construcción de una metodología y
un ambiente para la gestación y manutención de tesauros de forma
semiautomática, a través de la práctica del lenguaje natural y con base en
tecnologías de la Ciencia de Ordenadores y en los fundamentos teóricos de la
Ciencia de Información; específicamente, mediante los conceptos ordenados
de la garantía literaria, de la garantía del uso y de la garantía estructural,
incorporándose a ellas la propuesta de la garantía sacada de la misma
estructura del texto. El ambiente posibilitó la verificación de la actualidad y del
potencial representativo del tesauro. Se partió de la hipótesis de que palabras
claves recogidas de artículos científicos podrían ser aplicadas en este proceso
ya que ellas representan duplemente la garantía literaria y la del uso porque se
trata de un instrumento privilegiado de difusión del conocimiento científico. Se
hicieron cálculos estadísticos envolviendo frecuencia y score padrón en las
observaciones de frecuencia de palabras claves en el título, en el resumen, en
el texto y en la bibliografía de los artículos. Como prueba de la hipótesis fueron
usados textos científicos de los periódicos electrónicos 'DWDJUDPD =HUR y
&LHQFLD GD ,QIRUPDomR, ya consolidados en la área. La inexistencia de un
tesauro actualizado en la área trajo la construcción de un Tesauro en Ciencia
de Información (TCI), a partir de tesauros existentes en portugués (IBICT), en
lengua inglesa (ASIS) y en español (CINDOC y DOCUTES). El ambiente
señaló la necesidad de actualizar términos clasificados por grado de
significación, teniendo en cuenta la evolución del área.
Palabras-clave: tesauro; lenguaje de indización; información; minería de texto;
tesauros automatizados
/LVWDGH)LJXUDV
Figura 1 - Percentual de artigos com a quantidade de palavras-chave
encontradas em seus títulos................................................................ 94
Figura 2 - Percentual de ocorrência de palavras-chave da base nos títulos de
artigos................................................................................................... 95
Figura 3 - Artigos com suas palavras-chave no resumo................................... 96
Figura 4 - Artigos com palavras-chave da base no resumo.............................. 96
Figura 5 - Quantidade de palavras-chave encontradas nas bibliografias dos
artigos................................................................................................... 98
Figura 6 - Quantidade de palavras do vocabulário encontradas na bibliografia98
Figura 7 - AlfaThes - Ambiente de geração e manutenção semi-automática de
tesauros.............................................................................................. 101
Figura 8 - Áreas limítrofes à Ciência da Informação....................................... 114
Figura 9 - Modelo de Entidade e Relacionamentos para as bases Artigo e
Palavra-chave..................................................................................... 126
Figura 10 - Modelo Entidade e Relacionamentos com entidade grupo .......... 132
Figura 11 - Modelo de entidade e relacionamentos após inclusão da entidade
Palavra Tratada .................................................................................. 135
Figura 12 - Modelo de entidade e relacionamentos após inclusão da entidade
Freqüência de Palavra Tratada .......................................................... 138
Figura 13 - Modelo de entidades e relacionamentos após inclusão das tabelas
do TCI................................................................................................. 139
Figura 14 - Quantidade de artigos por ano em cada coleção......................... 141
Figura 15 - Quantidade de artigos por ano..................................................... 142
Figura 16 - Distribuição percentual da ocorrência de palavras-chave nas
coleções.............................................................................................. 143
Figura 17 - Percentual de textos da coleção Datagrama Zero com a respectiva
quantidade de palavras-chave em seu título ...................................... 145
Figura 18 - Percentual de textos da coleção Ciência da Informação com a
respectiva quantidade de palavras-chave em seu título ..................... 146
Figura 19 - Histograma das faixas de valores de índices ............................... 153
Figura 20 - Percentual do índice de palavras tratadas ................................... 154
Figura 21 - Percentual do índice de palavras tratadas não existentes no TCI 158
Figura 22 - Percentual de faixa de índice de palavras tratadas para palavras-
chave que ocorrem em pares ............................................................. 161
Figura 23- TCI: Tela inicial.............................................................................. 179
Figura 24 - TCI: ordem alfabética de termos .................................................. 180
Figura 25 -´TCI: Ordem hierárquica de termos............................................... 181
Figura 26 - TCI: apresentação de termos....................................................... 182
Figura 27 - Fórmula para cálculo da média de um série de valores ............... 183
Figura 28 - Fórmula para cálculo do desvio padrão ....................................... 183
Figura 29 - Fórmula para cálculo do escore padronizado............................... 183
Figura 30 - Calculo da média dos escores padronizados............................... 184
Figura 31 - Ambiente Alfathes: Seleção de termos ........................................ 194
Figura 32 - Ambiente Alfathes: Artigos com termo selecionado ..................... 195
Figura 33 - Ambiente Alfathes: Artigo selecionado......................................... 196
Figura 34 - Ambiente Alfathes: Tela de seleção de termos ............................ 197
/LVWDGH7DEHODV
Tabela 1 - Total de termos retirados dos tesauros ......................................... 117
Tabela 2 - Fontes das facetas criadas............................................................ 119
Tabela 3 - Número de descritores do TCI em cada faceta ............................. 125
Tabela 4 - Grupos ou grandes áreas do conhecimento.................................. 131
Tabela 5 - Relatório para tratamento de palavras-chave................................ 133
Tabela 6 - Relação de palavras-chave excluídas ........................................... 136
Tabela 7 - Palavras tratadas coincidentes em parte com as do TCI .............. 140
Tabela 8 - Quantidade de artigos por ano em cada coleção .......................... 141
Tabela 9 - Quantidade de artigos com a quantidade de palavras-chave em cada
coleção ............................................................................................... 144
Tabela 10 - Artigos com ocorrência de suas próprias palavras-chave nas
unidades de texto ............................................................................... 145
Tabela 11 - Quantidade de palavras-chave por faixa de freqüência no título do
texto de origem................................................................................... 146
Tabela 12 - Quantidade de palavras-chave por faixa de freqüência no resumo
do texto de origem.............................................................................. 147
Tabela 13 - Quantidade de palavras-chave por faixa de freqüência no corpo do
texto de origem................................................................................... 147
Tabela 14 - Quantidade de palavras-chave por faixa de freqüência na
bibliografia do texto de origem............................................................ 147
Tabela 15 - Ocorrências nos artigos das palavras-chave da base formada... 148
Tabela 16 - Palavras-chave nos títulos dos textos por faixa de freqüência.... 148
Tabela 17 - Palavras-chave nos resumos dos textos por faixa de freqüência 148
Tabela 18 - Palavras-chave no corpo dos textos por faixa de freqüência ...... 149
Tabela 19 - Palavras-chave nas bibliografias dos textos por faixa de
freqüência........................................................................................... 149
Tabela 20 - Resumo de cálculo média, mediana, desvio padrão dos escores
padronizados ...................................................................................... 151
Tabela 21 - Percentis de valores de índices calculados................................. 152
Tabela 22 - Freqüência na faixa de valores de índices .................................. 152
Tabela 23 - Percentual de palavras-chave não existentes no TCI por ano do
artigo de origem.................................................................................. 155
Tabela 24 - Palavras-chave não existentes no TCI por grupo de classificação
para tratamento ................................................................................. 156
Tabela 25 - Percentual de Palavras-chave não existentes no TCI por Grupo /
Ano ..................................................................................................... 157
Tabela 26 - Palavras tratadas existentes no TCI............................................ 186
Tabela 27 - Palavras tratadas não existentes no TCI..................................... 188
/LVWDGHDEUHYLDWXUDVHVLJODV
ABC Academia Brasileira de Ciências
ASIS American Society for Information Science
ABNT Associação Brasileira de Normas técnicas
CBPF Centro Brasileiro de Pesquisas Físicas
CDD Classificação Decimal de Dewey
CINDOC Centro de Información y Documentación Científica
CNAM Conservatoire National d’es Arts et Métiers
CNBB Conferência Nacional dos Bispos do Brasil
CNPq Conselho Nacional de Desenvolvimento Científico e Tecnológico
CSIC Consejo Superior de Investigaciones Científicas
Fapesp Fundação de Amparo à Pesquisa do Estado de São Paulo
FID Federação Internacional de Documentação
IASI Instituto de Adaptação e Inserção na Sociedade da Informação
IBICT Instituto Brasileiro de Informação em Ciência e Tecnologia
INTD Instituit National d’es Techniques de la Documentation
ISO International Organization for Standardization
KWIC keyword-in-context
KWOC keyword-out of-context
MAM Museu de Arte Moderna
INTD Institut National des Techniques de la Documentation
ISOC-DC
Base de Datos de Biblioteconomía, Documentación y Política Científica
PCB Partido Comunista Brasileiro
SI International System of Units
SQL Structured Query Language
TCI Tesauro em ciência da Informação
WEB World Wide Web
6XPiULR
1 Introdução......................................................................................................17
1.1 O problema ............................................................................................. 28
1.2 Objetivos................................................................................................. 33
1.3 O método ................................................................................................ 34
2 Revisão de Literatura..................................................................................... 39
2.1 Pelos caminhos da indexação ................................................................ 39
2.2 Linguagens ............................................................................................. 42
2.3 Trabalhando com as linguagens de indexação....................................... 47
2.3.1 Teoria da Classificação facetada...................................................... 49
2.3.2 Teoria da Terminologia..................................................................... 55
2.3.3 Teoria dos Conceitos........................................................................ 60
2.4 Tesauros................................................................................................. 63
2.4.1 Garantia literária, garantia de uso e garantia estrutural: bases para
um tesauro ................................................................................................ 72
2.4.2 A garantia que vem das unidades de texto ......................................78
2.5 Alguns trabalhos relacionados ................................................................ 83
3 O ambiente desenvolvido .............................................................................. 93
3.1 Pré-teste: verificando possibilidades através dos dados.........................93
3.2 AlfaThes: ambiente semi-automatizado de geração e alteração de
tesauros ........................................................................................................ 99
3.2.1 Preparação do ambiente e criação das bases de dados................ 103
3.2.2 Criação das bases de dados .......................................................... 126
3.3 Processamento estatístico .................................................................... 137
3.3.1 Cálculo das freqüências ................................................................. 137
3.4 Verificação de termos no Tesauro Ideal................................................ 138
4 Apresentação e análise dos dados.............................................................. 141
4.1 A base de artigos .................................................................................. 141
4.2 A base de palavras-chave..................................................................... 142
4.3 Freqüência de palavras-chave nas unidades de seus textos de
origem......................................................................................................... 144
4.4 Freqüência de palavras-chave da base nas unidades de texto ............ 148
4.5 Trabalhando com palavras tratadas...................................................... 149
4.6 Cálculo do desvio padrão e do escore padronizado das freqüências ... 150
4.7 Palavras tratadas não existentes no TCI .............................................. 154
4.8 Distância entre palavras tratadas.......................................................... 160
4.7 Escolha dos termos............................................................................... 162
5 Considerações finais ................................................................................... 163
REFERÊNCIAS.............................................................................................. 168
Anexo 1 Páginas do TCI – Tesauro em Ciência da Informação..................... 179
Anexo 2 Apresentação do cálculo do escore padronizado das freqüências... 183
Anexo 3 Palavras Tratadas ............................................................................ 186
Anexo 4 Telas do ambiente AlfaThes............................................................. 194
17
,QWURGXomR
O período entre o final da década de 40 e o início dos anos 50 foi marcado pelo
aumento das formas de produção e difusão de informações e pelo desejo de
sua obtenção. O mundo vivia sob a ameaça dos horrores da guerra ainda
recente, mas eram marcantes o otimismo e as esperanças de construção de
um mundo de paz e bem-estar advindos da vitória da democracia sobre os
regimes nazifascistas (RODRIGUES, 1996). Os anos de guerra impulsionaram
o trabalho e o desenvolvimento em diversas áreas e fizeram com que as
pessoas estivessem constantemente preocupadas com a defesa de seu país.
O desenvolvimento tecnológico era uma questão de garantia de vida da
população e do próprio país; soava como um alerta mundial para a importância
da pesquisa científica e a necessidade de incentivo a essa atividade. Houve
avanços da tecnologia bélica, das industrias farmacêutica e aérea. O
conhecimento simbolizava poder e sobrevivência e a bomba atômica foi uma
prova real disto. Havia consenso de que a ciência deveria ser empregada como
fator de desenvolvimento econômico e social.
O desenvolvimento tecnológico teve importância decisiva na resolução da
segunda guerra mundial e afetou substancialmente o direcionamento dado à
indústria, principalmente a norte-americana, levando o tema do
desenvolvimento na ciência e na tecnologia a ser almejado pelas diretrizes
políticas de diversos países. Nos Estados Unidos, a indústria, o governo, a
comunidade científica e a população em geral concordavam quanto a essa
necessidade e acreditavam que a pesquisa seria a base para a mudança e o
18
direcionamento necessários. Ao Estado caberia o apoio nos investimentos e à
indústria sua parcela de contribuição. A pesquisa aplicada seria orientada para
objetivos específicos e realizada em institutos nacionais enquanto a pesquisa
tecnológica ficaria sob o patrocínio da indústria e sem interferências
governamentais (GUIMARÃES, 2002).
Em decorrência, cresceu a produção científica e tornou-se claro que era
preciso acelerar o processo de disseminação do conhecimento produzido. Em
1945, Vannevar Bush publicou um artigo apontando a necessidade de se tornar
acessível o conhecimento produzido em ciência e tecnologia e sugerindo a
aplicação de tecnologia da informação como uma solução possível para a
recuperação da informação frente ao acelerado crescimento da produção
científica (SARACEVIC, 1995; BUSH, 1945). Muitos outros cientistas
compartilharam dessa preocupação e entusiasmaram-se com as possibilidades
de soluções tecnológicas para o problema.
Naquela época, a própria conjuntura e a necessidade do desenvolvimento
haviam criado uma relação estreita entre o computador e as necessidades
militares, principalmente nos Estados Unidos. O computador era utilizado
principalmente em cálculos balísticos e os centros de pesquisa civil recebiam
financiamentos do governo americano no período de guerra e posterior a ela.
Estes financiamentos eram supervisionados pelo Departamento de Pesquisa e
Desenvolvimento Científico, na época dirigido por Vannevar Bush (KUMAR,
1997).
Nos anos 50, a recuperação de informação ganha força entre a comunidade
científica. Nos Estados Unidos, a solução para esse problema passa a ter
19
apoio do governo, em um primeiro instante endereçada principalmente à
explosão de informação em ciência e tecnologia e mais tarde em outras áreas
do conhecimento humano.
No Brasil, os anos 50 representaram um esforço centralizado no
desenvolvimento do país, para superação de problemas sociais, do atraso
econômico e cultural. Esse esforço refletiu-se em mudanças de direcionamento
em vários segmentos da sociedade: na Igreja, através da criação de
movimentos de juventude e da criação da Conferência Nacional dos Bispos do
Brasil (CNBB); na política, pela da atuação de partidos de esquerda, de
correntes socialistas e, principalmente, do Partido Comunista Brasileiro (PCB);
nos movimentos nacionalistas, apoiados na possibilidade de desenvolvimento
independente do Brasil através do capital nacional; em diversos ramos do
conhecimento, especialmente nas ciências sociais em obras como as de
Gilberto Freire (6REUDGRV H PRFDPERV – 1957), Sérgio Buarque de Holanda
(9LVmRGRSDUDtVR – 1959); nas Letras através das obras de Tristão de Athayde
e Antônio Candido de Melo e Souza, dedicadas à compreensão e ao estudo da
literatura brasileira. E não poderia ser esquecido o romance * UDQGH 6HUWmR
9HUHGDV, de Guimarães Rosa, editado em 1956, revelando “RVHQWLGRXQLYHUVDO
FRQWLGR QDV WHPiWLFDV UHJLRQDLV EUDVLOHLUDV”. No campo das artes, o Brasil
destaca-se pela realização da Bienal Internacional de Artes Plásticas de São
Paulo (1951) e da Exposição Nacional de Arte Concretista, realizada no Museu
de Arte Moderna (MAM), que, como o Museu de Arte Moderna de São Paulo
(MASP) havia sido criado na segunda metade dos anos 40; a criação do Arena,
responsável pela divulgação do teatro como arma política; o rádio, que até
então era o meio de comunicação mais privilegiado pelo público acaba
20
cedendo espaço à televisão que chega ao Brasil no início de 1950
(RODRIGUES, 1996).
A indústria também foi privilegiada. Após a depressão de 1929 e até 1945 o
país passou por um grande desenvolvimento industrial. No início dos anos 50,
a indústria brasileira apresentava empreendimentos centrados na produção de
bens perecíveis e semiduráveis, particularmente os produtos de indústrias
têxteis, alimentar, de vestuário, de fumo e couro. Eram, em sua maioria,
indústrias de capital exclusivamente nacional, com a gerência considerada
como valor na tradição das famílias. Data desta época a entrada do capital
estrangeiro e já era visível a presença norte-americana na economia do país.
O presidente Getúlio Vargas apresentava comportamentos flexíveis ao capital
estrangeiro e seu segundo mandato foi marcado pelo alinhamento político do
Brasil aos Estados Unidos. Como sinal desse alinhamento, em 1951, a
Comissão Mista Brasil-Estados Unidos elaborou projetos para o setor
energético e viário. Em oposição à abertura do capital estrangeiro nasceu um
movimento nacionalista de defesa do petróleo brasileiro que pressionou as
instâncias governamentais fazendo com que, em 1953, o Congresso aprovasse
uma lei instituindo o monopólio estatal de exploração e de refinamento do
mesmo. Juscelino Kubitschek assume a presidência em 1956 e seu governo
delineou uma nova e definitiva configuração para o desenvolvimento industrial
do país, marcada pela presença do capital estrangeiro, principalmente nas
indústrias pesada, automobilística, de materiais elétricos e eletrônicos, de
eletrodomésticos, de produtos químicos e farmacêuticos, e de matéria plástica.
Surgiram as multinacionais com domínios nesses segmentos, exercendo
21
influências na vida econômica, social e política do Brasil (KOSHIBA e
PEREIRA, 1987).
Houve também um salto no desenvolvimento institucional da ciência no Brasil.
A exemplo do modelo e do consenso norte-americano surgiram na década de
50 duas agências de fomento à pesquisa no país: o Conselho Nacional de
Pesquisa (CNPq) e a Fundação de Amparo à Pesquisa do Estado de São
Paulo (Fapesp), e também um laboratório de pesquisa nacional, o Centro
Brasileiro de Pesquisas Físicas (CBPF). O CNPq foi criado em 1951, mas sua
idéia vem desde os anos 20 através dos integrantes da Academia Brasileira de
Ciências (ABC). A meta inicial e principal era a formação de recursos humanos
para a pesquisa. A Fapesp, embora instituída em 1962, começou a ser
pensada em 1942, quando foram montados os Fundos Universitários de
Pesquisa para a Defesa Nacional, logo a após a entrada do Brasil na Segunda
Guerra Mundial (GUIMARÃES, 2002; CNPq, 2005; FAPESP, 2005).
Assim, a Segunda Guerra Mundial marcou a humanidade, influenciou as
escolhas e diretrizes dos países e trouxe conseqüências à vida de todos. Esta
herança do período da guerra fez crescer a produção científica e representou
para as bibliotecas um desafio quanto aos processos de indexação e
recuperação de informação. Até então era possível organizar os documentos
do acervo - em maioria quase absoluta constituídos por livros - através de
instrumentos previamente construídos. O bibliotecário era o responsável pela
guarda destes bens documentais, embora já almejasse ser um intermediário
entre a necessidade de informação do usuário e o acervo disponível. Surgiram
outros gêneros e suportes documentais, principalmente artigos de periódicos
22
científicos e relatórios de pesquisas, representando o início da era da
especialização do conhecimento (FOSKETT, 1973; DODEBEI, 2002).
Com o intuito de proporcionar uma maior comunicação entre os cientistas, os
periódicos científicos surgiram no século XVII, na Inglaterra, logo após a
restauração da monarquia em 1660, como conseqüência da reunião de grupos
que, durante os anos de guerra civil, reuniam-se em locais e cidades diferentes
para debater questões filosóficas. Acalmados os ânimos, Londres foi escolhida
como local oficial para essas reuniões que acabaram por levar à formação da
Royal Society em 1662. Desde sua fundação, essa instituição preocupou-se
com a questão da comunicação científica, influenciada pelas idéias de Bacon
sobre a possibilidade de uma instituição científica. Eram prioridade a coleta e a
análise das informações recebidas e existem registros de que seus membros
percorriam países estrangeiros buscando dados sobre trabalhos neles
desenvolvidos. Como a tarefa era dispendiosa e levava tempo, elegeram então
como membros da Royal Society pessoas do estrangeiro, que cumpriam a
tarefa de comunicar à entidade, através de cartas, os trabalhos desenvolvidos
em seus países (MEADOWS, 1999). Só que a solução foi temporal e o volume
de cartas era tão grande que foi preciso encontrar uma outra forma de
divulgação dos trabalhos.
Em 1664, Denis de Sallo, um parisiense envolvido nessa forma de coleta e
disseminação de informação, começou a articular um periódico destinado à
publicação do que acontecia na Europa “QDUHS~EOLFDGDVOHWUDV” (MEADOWS,
1999). Em 5 de janeiro de 1665 foi publicado o primeiro número do /H-RXUQDO
GHV 6oDYDQV, e com ele nascia o periodismo científico. Naquela época,
conforme Lemos (1968) e Meadows (1999), o periódico tinha entre seus
23
compromissos: apresentar um catálogo dos principais livros ainda não
publicados na Europa, com informações sobre seu conteúdo e sua utilidade;
incluir apontamentos necrológios de celebridades da época, com bibliografia de
suas obras; a divulgação de experimentos em física, química e anatomia para a
explicação de fenômenos naturais, assim como a descrição de invenções de
máquinas úteis ou curiosas; a divulgação de decisões dos tribunais civis e
eclesiásticos e censuras de universidades, e levar aos leitores informações
diversas para alento à curiosidade humana.
Em março de 1665 a Royal Society publicou sua revista 3KLORVRSKLFDO
7UDQVDFWLRQV que, assim como o -RXUQDO GHV 6oDYDQV, possuía cobertura
ampla, embora tenham os dois tomado caminhos mais específicos com o
passar do tempo. A partir daí, o crescimento da literatura científica foi
exponencial, e a motivação encontra-se centrada na necessidade de
disseminação e comunicação eficiente para a comunidade científica. Além de
auxiliar na integração e na cooperação dos pesquisadores, contribui também
para a legitimação, o reconhecimento do trabalho e a aceitação do pesquisador
na própria comunidade (OLIVEIRA e NORONHA, 2005).
Desta forma, desde sua origem, o periódico científico desempenha importantes
funções na área da ciência, categorizadas por Valério (1994) como registro,
disseminação e instituição social. Como registro, é um meio formal de controle
da qualidade da própria revista, além de ser uma fonte do saber científico e do
conhecimento público. Como agente de disseminação da informação, fornece
informações de interesse à comunidade científica e fomenta discussão sobre
os pontos que nele são veiculados. Como instituição social atribui prestígio e
reconhecimento aos autores, às instituições, aos editores e aos avaliadores.
24
Mas, se de um lado estão os produtores dos documentos desejosos de que
seu conteúdo seja conhecido e disseminado, do outro lado estão os usuários,
com toda diversidade de necessidades. As unidades de informação então se
situam entre eles, como veículo apropriado para a disseminação de
informações. E para que este encontro ocorra com eficácia, processos de
indexação e recuperação de informação foram construídos ao longo dos anos,
com esforços no intuito de aperfeiçoar o desempenho dos sistemas de
recuperação de informação. Em linhas gerais, sistemas de recuperação de
informação constituem-se do esforço humano e dos procedimentos
implantados que visam facilitar a localização de informações disponíveis para
os usuários, a partir das requisições feitas por estes (ARAÚJO, 1994).
Os procedimentos dizem respeito às atividades de representação,
armazenamento, organização e acesso aos documentos (SALTON e MCGILL,
1983). A representação é feita através de processos de indexação, em
atividade intelectual realizada por profissionais especializados em
documentação. Segundo Naves (2000), esses profissionais são orientados por
critérios que podem estar agrupados entre objetivos e subjetivos. Os critérios
objetivos dizem respeito às informações bibliográficas, que através de regras
estabelecidas são retiradas dos próprios documentos. Os subjetivos são
critérios intelectuais e abrangem o tratamento temático do conteúdo do
documento e a análise de assuntos.
O armazenamento envolve os processos de gerenciamento dos documentos,
independente da mídia em que se encontram. A organização, assim como a
representação, objetiva facilitar o usuário no acesso à informação desejada.
25
Todo desenvolvimento tecnológico dos últimos anos tem possibilitado maior
agilidade no acesso e disseminação da informação nos diversos níveis da
sociedade. O desenvolvimento das telecomunicações e da computação, e
depois a confluência destes, tornaram possível o que chamamos de Tecnologia
da Informação (OLIVEIRA e NORONHA, 2005) que no contexto de
documentos e produções científicas inaugura, com o formato digital, novo
suporte para registro de informações.
Também como fruto dessa tecnologia, nos anos 90 surgiu a :RUOG:LGH:HE
(:HE) com a vocação no próprio nome de tornar-se a grande teia mundial de
informações. Não raro, a Web é confundida com a Internet, que nasceu em
1969 nos Estados Unidos. Originalmente, a Internet era apenas uma rede com
a tarefa de interligar laboratórios de pesquisa. Chamava-se então ARPAnet
(ARPA: Advanced Research Projects Agency). Pertencia ao Departamento de
Defesa norte-americano e tinha um cunho estratégico demarcado: seria uma
rede com disponibilidade contínua e deveria garantir a sobrevivência das redes
de comunicação e a segurança das informações em tempos de Guerra Fria. A
:HE avançou nos propósitos da Internet e trouxe consigo o conceito de
hipertexto objetivando uma interface mais amigável (SOUZA e ALVARENGA,
2004).
A possibilidade do suporte digital, aliada à tecnologia da Web, permitiu que
novas formas de disseminação e recuperação de informações fossem
introduzidas através da disponibilidade dos documentos em rede e do
desenvolvimento de sistemas de recuperação de informação disponíveis nesse
ambiente, viabilizando a chamada “sociedade em rede” (CASTELLS, 1999),
26
onde a informação é produzida e armazenada em lugar distinto do usuário que
a recupera.
A desmaterialização dos objetos informacionais abriu novas perspectivas à
representação e à recuperação dos documentos. Essas tecnologias alteraram
também a forma de comunicação entre os homens e trouxeram mudanças na
comunicação científica; contudo, sem perder o caminho já percorrido, devem
ao mesmo tempo replicar e simular as formas já empreendidas na recuperação
da informação.
Se hoje nos é dado o acesso facilitado ao conhecimento, honra seja feita à
linguagem, pois é através dela que, principalmente, nos comunicamos com o
grupo no qual estamos inseridos, com o qual trabalhamos ou nos dedicamos
ao estudo. “eDOtQJXDTXHQRVFRQVWUyLHpSRUPHLRGHODTXHFRQVWUXtPRVR
PXQGRHQRVVDVUHODo}HVFRPHOH” (BRUSCHINI et al., 1998). A linguagem é a
expressão de nossa língua natural ou nativa, como comumente falamos. Esta
linguagem torna abrangente nossa comunicação, tira-nos de nossos próprios
limites.
A linguagem também é o meio pelo qual o homem cria e amplia sua
consciência, pois é através dela que dar-se-ão atos como simbolizar,
conceitualizar e classificar (MURRIEL, 1998). É nela que nos apoiamos para
fixar nossas culturas regionais, nos identificamos como um povo de
determinado lugar e em determinado tempo. Este é o poder da língua
manifestado e modificado no cotidiano, em nosso modo de viver o FXOWXV e
vigorar nossa própria cultura.
27
Na Web, os sistemas de recuperação de informação, mais precisamente, as
máquinas de busca utilizam-se de linguagem natural para os processos de
recuperação de informações. Para Lopes (2002), a linguagem natural pode ser
conceituada como ³VLQ{QLPRGHGLVFXUVRFRPXP´, ou seja, é a linguagem que
uma comunidade utiliza em seu dia a dia, habitualmente na fala e na escrita. A
linguagem natural é a linguagem utilizada nos textos científicos. Consideram-se
linguagens de indexação os instrumentos de representação de informação para
a indexação, o armazenamento e a recuperação de documentos. As mais
conhecidas são os tesauros e os sistemas de classificação bibliográfica.
Os tesauros constituem uma linguagem de documentação com a característica
específica de possuir relações entre os termos que o compõem. O termo
linguagem de documentação compreende, genericamente, os sistemas de
classificação bibliográfica, as listas de cabeçalho de assunto e os tesauros, os
quais surgiram estimulados pela necessidade de manipulação de grande
quantidade de documentos de conteúdos especializados.
O estudo dos tesauros envolve diversos campos do conhecimento, pois o tema
é, em si, multidisciplinar. Diz respeito à Ciência da Informação, por sua origem
e utilização imediata nos processos de indexação e recuperação de
informação; também está vinculado às contribuições da Terminologia, da
Lingüística, da Filosofia, da Lógica, da tradução, da análise sistêmica, da
normalização, dos sistemas de classificação, entre tantos outros. Todos eles,
cada qual em seu nicho particular, apresentam pontos de contribuição. Como
área de estudo da Ciência da Informação, multidisciplinar por natureza e
interdisciplinar na vocação, o tesauro herda dessa ciência essas propriedades.
28
Requer também o conhecimento do tema de tratamento da informação em sua
forma abrangente, o que corresponde dizer que compreender as ferramentas
anteriores, que facilitavam os serviços de indexação, colabora para o
entendimento de como os tesauros passaram a representar um ganho nesta
atividade. De forma geral, os tesauros são específicos, construídos para
determinada área do conhecimento, que tendem a aprofundar, e raramente
abrangem muitas disciplinas. Três pontos fundamentais - a garantia literária, a
garantia de uso e a garantia estrutural - constituem o referencial para a
construção de tesauros.
O presente trabalho trata da construção de um ambiente especializado na
geração e manutenção semi-automática de tesauros envolvendo as áreas já
mencionadas e conceitos. Baseia-se nas garantias literária, de uso e estrutural,
a elas adicionando a garantia que vem da estrutura do documento. Encontra-se
organizado da seguinte forma: a seguir apresenta-se o problema a ser
investigado e os objetivos desta pesquisa; no segundo item faz-se uma revisão
de literatura; logo após apresenta-se o instrumento desenvolvido para o
experimento e a análise dos dados obtidos. E em forma de conclusão,
apresentam-se a leitura deste caminho e as expectativas de sua continuidade.
2SUREOHPD
Pesquisas em recuperação de informação foram amplamente aplicadas
durante anos. As idéias e experiências dos anos 50 e 60 transformaram-se em
bancos de dados próprios para recuperação de informação e em serviços e
sistemas especializados no assunto. A chegada da tecnologia de redes nos
29
anos seguintes alterou a trajetória mas reforçou estas idéias. Houve
desenvolvimento no setor da indústria de tecnologia da informação e muitos
são os profissionais de informação envolvidos no assunto. A recuperação de
informação passou a ser utilizada na Web e é o ponto central em bibliotecas
digitais (SARACEVIC, 1995).
Mas permanecem alguns problemas:
•
a escolha da linguagem a ser utilizada na indexação ainda é impasse e
ponto de estudo: se a linguagem natural favorece os processos de
indexação automática, pode aumentar a revocação e diminuir a precisão da
recuperação de documentos. Por outro lado, a utilização de uma linguagem
de indexação aumenta a precisão, mas pode distanciar-se da linguagem
compreendida e empregada pelos usuários;
•
a informação tem, muitas vezes, período de vida breve e precisa ser
acessada rapidamente antes que perca seu valor para o usuário. A rapidez
com que as informações sofrem obsolescência é desafio para os
profissionais, frente ao grande número de documentos a serem indexados;
•
não existem padrões para o desenvolvimento de sistemas de informação e
muitas vezes o usuário perde grande tempo para compreender o
funcionamento das rotinas que compõem o sistema. Outro problema é a
forma como estes sistemas interagem com o usuário apesar dos avanços
nas pesquisas sobre a interação homem-computador;
•
a velocidade da produção é muitas vezes maior que a capacidade de
indexação dos profissionais de informação, tornando o processo moroso
30
frente à necessidade de se cumprir o papel de comunicação entre autores e
leitores;
•
percebe-se que os sistemas automatizados poderiam permitir o
acompanhamento da atualização dos conceitos empregados em linguagens
de indexação, permitindo um histórico do emprego desses conceitos e
termos; mas, não apresentam essa facilidade, muitas vezes pelo
distanciamento do profissional que constrói estes sistemas e os
profissionais de informação.
O quadro reflete carências em muitos pontos:
• os profissionais de Ciência da Informação nem sempre possuem
instrumentos que traduzam suas necessidades de recuperação de
informação, de acompanhamento da utilização destes sistemas pelos
usuários e da evolução dos conceitos e do emprego de termos em áreas
específicas do conhecimento;
• muitas vezes, os profissionais da informação não estão habilitados à
utilização de recursos computacionais que podem acelerar o processo, o
que os leva a um acúmulo de funções e a desvios no próprio ato de exprimir
o que desejam;
• as ferramentas disponíveis não levam em conta alguns princípios básicos
do processo de indexação e seus resultados não representam uma
resposta às necessidades dos sistemas de recuperação.
Muito esforço tem sido empregado pela área de Ciência da Computação para
produção de índices e listas que auxiliem o processo de recuperação da
31
informação, principalmente na Web. Em geral, a indexação de documentos na
Web ocorre através da linguagem natural utilizada na produção do próprio
documento sem que qualquer tratamento seja dado ao processo. A maioria dos
trabalhos nesta área aprofunda-se em questões relativas ao desempenho da
recuperação e ao poder de revocação com índices de precisão. Mas, estes
trabalhos não são interdisciplinares, não contam com a participação de
profissionais da informação que conheçam as necessidades dos usuários e
nem mesmo de profissionais da própria área abrangida pelo trabalho.
Os princípios norteadores de tesauros – a garantia literária, a garantia do
usuário e a garantia estrutural – também são por vezes omitidos. Se a primeira
pode ser justificada nestas pesquisas pelo fato dos descritores terem sido
extraídos de textos da própria área, na maioria das vezes o usuário é relegado
a segundo plano, desconsiderando a forma como ele interage com os assuntos
dos quais busca a informação. Também os processos que agregam facilidades
para que os usuários entendam a estrutura de indexação não estão
explicitados. Permanece a necessidade, para os profissionais de informação,
de construir um ferramental de indexação que considere estes princípios e que
utilize a tecnologia da computação para colaborar em todo o processo.
É necessário que sejam desenvolvidas ferramentas para auxílio à indexação
que levem em conta a facilidade de indexação da linguagem natural, sem
contudo esquecer os benefícios do tratamento da informação e das linguagens
de documentação, assegurando que esse processo produza resultados que
correspondam à realidade da área.
32
Se a geração dessas ferramentas constitui um problema a ser resolvido,
manter o seu produto atualizado também é outro problema. A produção de
documentos avança pelas diversas áreas da ciência e novidades na pesquisa
são sempre incorporadas. Faz-se necessário que uma ferramenta para auxílio
à indexação de documentos possua a capacidade de refletir e acompanhar
toda esta evolução.
Os tesauros constituem uma ferramenta de indexação já consolidada nas
atividades de organização da informação empregada por muitos que exercem
essas atividades. A flexibilidade de estabelecimento de novas relações entre os
termos de um tesauro, o estabelecimento de hierarquias e referências cruzadas
conferem ao instrumento uma multiplicidade de usos, abrangendo os
processos desde a indexação até o suporte para a efetiva recuperação dos
documentos.
Já existem ferramentas que automatizam algumas atividades do processo de
indexação e até algumas mais específicas que colaboram com a construção de
tesauros. Como exemplo, as máquinas de busca na Web, as pesquisas na
computação para acelerar o processo de busca em textos, de criação de
índices, de geração de índices a partir de tesauros, dentre outros. A análise
destas ferramentas leva-nos a crer que ainda existe uma carência de junção
destas soluções em um ambiente integrado, pois em geral elas pressupõem
automação de atividades de forma isolada. Não geram tendências ou
compartilhamento com outras ferramentas e acabam por perder o valor
atribuído pelos profissionais de informação. Os sistemas que automatizam a
construção de tesauros representam muito mais um esforço de gerenciamento
pelos usuários de informação do que um auxílio à geração do próprio tesauro e
33
exigem ainda do usuário uma manutenção manual, sujeita à morosidade do
próprio processo. Aos profissionais de informação, que na realidade são os
usuários gerentes desses processos, interessa uma solução que crie conexão
entre esforços e possibilite maior agilidade dos processos de indexação. Uma
solução comprometida com a performance do processo sem esquecer a
qualidade do produto gerado.
Assim, o problema existente pode ser resumido na falta de um instrumento
integrado para a geração e manutenção de tesauros, com funções semi-
automatizadas, capaz de selecionar e sugerir termos e relacionamentos entre
estes, indicando aos usuários gestores do processo a pertinência dos mesmos
frente a uma coleção de documentos.
Em função dessa ausência, este trabalho propõe a criação de um ambiente
para geração e manutenção semi-automática de tesauros que traga integração
entre ferramentas já existentes, com acréscimos ou uso diferenciado para as
mesmas, e que facilite os processos de geração e manutenção de tesauros
retirando dos usuários gestores tarefas possíveis de serem realizadas de forma
automatizada. Não se pretende automatizar o processo de criação de tesauros
mas acrescentar a ele facilidades, de forma que o indexador utilize seu
potencial crítico nas ações intelectuais do processo apoiado pela tecnologia.
2EMHWLYRV
Este trabalho teve como objetivo geral propor uma metodologia e um ambiente
para a geração e manutenção de tesauros de forma semi-automatizada, com
utilização da linguagem natural, tecnologias da Ciência da Computação e
34
fundamentos teóricos da Ciência da Informação, mais especificamente, através
dos conceitos ordenadores da garantia literária, da garantia de uso e da
garantia estrutural e da garantia da própria estrutura do texto.
Como objetivos específicos pretendeu-se:
•
Elaborar uma metodologia para geração e manutenção semi-automática
de tesauros a partir da linguagem natural encontrada em textos
científicos;
• Implementar ferramentas para verificação da atualidade e o potencial
representativo de um tesauro;
• Avaliar e testar algumas tecnologias existentes para auxílio aos processos
de geração e manutenção de tesauros.
2PpWRGR
O homem sempre fez de sua observação e da própria experiência vivida a
base para a construção de seu saber. O conhecimento do fogo e de como
produzi-lo é um exemplo. Com certeza a própria natureza já teria
proporcionado a visão de queimadas devido às altas temperaturas e o homem
já conhecia o conforto que o fogo podia trazer à sua vida e por isso o mantinha
(LAVILLE, 1999). Mas, ao aprender que friccionar pedras ou galhos secos
produziria fogo, mudou a relação entre o homem e esse fenômeno. Já era
possível controlá-lo e produzi-lo quando assim lhe conviesse. Mesmo que a
produção do fogo tenha começado como um pequeno incidente, interessa que
o fato de dominar sua produção modificou a forma de lidar com esse objeto.
35
Neste ponto deveria estar todo e qualquer objetivo do trabalho científico:
conhecer o funcionamento das coisas para poder interferir em acontecimento e
dele tirar proveitos para melhorar a vida; mas, nem sempre trabalhos científicos
significam melhoria na vida da coletividade.
Algumas vezes o homem recorreu a mitos e crenças para a explicação dos
fenômenos e situações que vivenciava. Em outras, fez de sua própria intuição o
pilar para explicação da realidade, agregada à tradição do saber que
atravessava gerações e permanecia porque assim era no passado e sempre
assim o seria. Mas, já bem cedo se questionava a fragilidade desse saber
intuitivo, do saber oriundo do senso comum ou da tradição. A racionalidade era
almejada e os filósofos cumpriram seu papel desde a antiguidade grega. Na
Idade Média, à reflexão filosófica juntaram-se dogmas religiosos e a Teologia
ganhou o espaço da Filosofia. O período do Renascimento foi marcante pela
renovação nas artes e nas letras, mas não no domínio do saber científico. No
século XVII floresceram idéias de observação empírica do real, para posterior
interpretação dos fatos sob a luz das ciências matemáticas (LAVILLE, 1999).
Começou então a definir-se a ciência experimental e o saber passou a ser
parte não somente da observação, mas igualmente da experimentação e da
mensuração.
Durante os séculos XVIII e XIX o método experimental desenvolveu-se por
meio de múltiplas aplicações e foram muitas as descobertas que melhoraram a
vida do homem. Laville (1999) afirma que o homem do século XIX foi o primeiro
a morrer em um mundo bem diferente do que viu ao nascer. A ciência
proporcionou progresso e qualidade de vida, muito embora acompanhados de
sérios problemas no campo social. O século XIX assistiu também ao
36
desenvolvimento das ciências humanas através das especulações dos filósofos
em suas percepções das sociedades e das formas de governo. Surgiram idéias
de direitos e igualdades, liberdades sociais e econômicas.
O século XX introduziu mudanças nos padrões culturais com os quais
percebemos, sentimos e agimos no e sobre o mundo, principalmente através
das idéias de Einstein publicadas em 1905 sobre a teoria da relatividade e da
radiação eletromagnética. A exploração do mundo atômico trouxe aos
cientistas uma nova realidade alterando mais uma vez a visão de mundo e a
forma de pensar. Os novos conhecimentos da física exigiam mudanças
profundas nos conceitos de espaço, tempo, matéria, objeto e causa e efeito,
alterando o modo de vivenciar o mundo. O universo passou a ser visto como
um todo dinâmico, indivisível, cujas partes estão essencialmente inter-
relacionadas (FREIRE, 2002).
Estes elementos influenciaram as Ciências Sociais. Nelas, o foco é o homem
em suas relações com os outros homens e a realidade. No Brasil, o CNPq
organiza a área de conhecimento Ciências Sociais através das áreas de direito,
administração, economia, arquitetura, planejamento urbano, demografia,
ciência da informação, museologia, comunicação, serviço social, economia
doméstica, desenho industrial e turismo. Cada uma delas vê o homem sob
determinado foco, de acordo com seu objeto de estudo, mas todas interessam-
se primeiramente pelo homem. A Ciência da Informação não poderia ser
diferente: interessa-se pela produção, coleta, tratamento, organização e
disseminação da informação a partir do homem. É através dele e de suas
relações sociais que a informação é produzida, percebida e legitimada para
depois ser tratada, armazenada e difundida.
37
A Ciência da Informação estabeleceu-se como área do conhecimento em
meados do século XX, quando então um grande volume de informações
advindas do período de guerra era disponibilizada à sociedade, através de
documentos e da produção científica, requerendo uma organização. A Ciência
da informação nasceu no ³HQWUHPHLR FRQWUDGLWyULR HQWUH GLVFLSOLQDV VRFLDLV H
WHFQROyJLFDV H QR HVSDoR GHL[DGR SRU UHFRUWHV Mi LQVWLWXtGRV SHOD
ELEOLRWHFRQRPLDHGHPDLVFLrQFLDVVRF LDLV´ (MOSTAFA, 1996). Mas herdou das
ciências sociais sua metodologia de pesquisa, pois seu norte continua sendo o
homem em suas relações, agora, com o objeto informacional.
Em sentido amplo, o método adotado em uma pesquisa diz respeito à escolha
de procedimentos sistemáticos para descrever e explicar os fenômenos
observados (RICHARDSON et al., 1999). Dentre outros, o método experimental
é aplicado fortemente pela psicologia social, para, principalmente, interpretar
reações individuais em função das interações entre indivíduos (JESUÍNO,
1986). A Ciência da Informação, interdisciplinar em sua natureza, também
acolhe instrumentos de outras áreas do conhecimento em suas pesquisas. A
proximidade com a Ciência da Computação dá-se através dos recursos que
esta ciência oferece para armazenamento e manipulação de dados, que, aos
olhos da Ciência da Informação, poderão se transformar em informação
através do sujeito, justamente nas relações que ela escolhe como objeto de
estudo. A Ciência da Computação, pertencente ao grupo das Ciências Exatas e
da Terra na classificação do CNPq, tem no experimento sua forma de busca
para a solução de problemas, apoiada por modelos construídos na própria
ciência ou em base matemática.
38
Neste projeto, optou-se pelo experimento como forma de proposta e análise de
uma solução para o problema levantado: a montagem de um ambiente semi-
automatizado para criação e manutenção de tesauros como base a esses
processos, através de tecnologias da computação.
Partiu-se da hipótese de que a reunião das palavras-chaves existentes em
artigos científicos poderia compor um conjunto de termos para a formação de
um tesauro que atendesse às necessidades de indexação de artigos da
coleção da qual tivessem sido retiradas e de outras coleções de artigos do
mesmo tema ou da mesma área de conhecimento. Este conjunto de palavras
deveria ser aplicado em verificações de freqüência de sua ocorrência nos
títulos, nos resumos, no corpo dos textos e nas bibliografias dos artigos. As
estatísticas proporcionadas pelo método deveriam auxiliar ao gestor do
ambiente criado na composição do tesauro.
Observa-se que a estatística é utilizada em grande escala na pesquisa em
Ciências Sociais, principalmente na área da economia. Os métodos
quantitativos representam, conforme Richardson et al. (1999) a intenção de
garantir a precisão dos resultados, evitando distorções de análise e
interpretação. O trabalho de Salton (1981), com levantamentos estatísticos da
freqüência de termos nos textos é um bom exemplo disto.
O ambiente semi-automatizado veio como verificação desta hipótese.
39
5HYLVmRGH/LWHUDWXUD
3HORVFDPLQKRVGDLQGH[DomR
As bibliotecas nasceram na Antiguidade. A Biblioteca de Alexandria,
considerada a primeira biblioteca do mundo, foi fundada entre 331 e 330 a.C..
A palavra biblioteca está relacionada ao conceito de coleção pública ou privada
de livros e documentos congêneres, organizados para o estudo, leitura e
consulta. Pode significar também o prédio, ou até mesmo o móvel onde se
encontra o acervo. O vocábulo origina-se do grego ELEOLRWKpNH, que deu origem
a ELEOLRWKHFD no latim (FERREIRA, 1989).
Desde a Antiguidade, os bibliotecários se preocuparam com a organização dos
acervos. Começaram por gerar listas como forma de facilitar o encontro de
documentos. Há registros de bibliotecas na era pré-cristã, que possuíam um
catálogo de obras gravado em pedras. No século XIV, os monges criaram listas
completas das obras dos mosteiros, indicando o lugar onde se encontravam,
assim como compilavam listas de várias bibliotecas, tendo em vista que
visitavam diversos mosteiros. Surgiram os guias para livros isolados, os
resumos, os cabeçalhos de capítulos, os textos em margens, os índices do
próprio livro, etc. Todos eles significaram pontos de avanço e alcance de uma
indexação de acervos, na tentativa de sempre facilitar o seu manuseio
(COLLISON, 1972).
Embora já existisse anteriormente como atividade, a definição da
documentação e de sua função são recentes. Mesmo atrelado ao processo de
armazenamento dos documentos, o conceito de documentação veio junto à
40
idéia de exploração da informação armazenada. Sua história inicia-se no
século XIX, com Paul Otlet (1863-1944) que cria, em 1892, com Henri La
Fontaine o 2 IILFH ,QWHUQDWLRQDO GH %LEOLRJUDSKLH, em Bruxelas. Ambos
trabalharam na tradução para o francês da quinta edição da Classificação
Decimal de Dewey (CDD) quando propuseram inovações permitindo uma
classificação não apenas enumerativa, mas capaz de levar à construção de
números compostos indicando assuntos inter-relacionados. Em 1895 eles
transformaram o órgão criado no ,QVWLWXW ,QWHUQDWLRQDO GH %LEOLRJUDSKLH,
empreenderam a redação de um repertório, em fichas, de acordo com uma
classificação de autores e uma classificação sistemática. Em 1910 celebrou-se
o primeiro Congresso Mundial de Bibliografia.
Em 1912, o microfilme apareceu, permitindo o armazenamento da informação
em formato reduzido. No período seguinte à primeira guerra mundial (1914-
1918) privilegiou-se a importância da utilização dos serviços das bibliotecas.
Nos anos 30 foram efetuados os primeiros trabalhos no domínio das técnicas
documentais. As revistas e os periódicos começaram a ter relevância. Em 1931
o termo "documentação" passou a ser empregado e o ,QVWLWXW,QWHUQDWLRQDOGH
%LEOLRJUDSKLH recebeu o nome de ,QVWLWXW ,QWHUQDWLRQDO GH 'RFXPHQWDWLRQ. No
ano seguinte criou-se na França a 8QLRQ )UDQoDLVH GHV 2UJDQLVPHV GH
'RFXPHQWDWLRQ, primeiro organismo francês de documentação. O ano 1934
representa uma data importante na história da documentação, com a
publicação do Tratado de documentação de Paul Otlet que constitui uma obra
fundamental da área.
No final dos anos 30, a documentação afirmou-se, organizando-se no plano
mundial. Destacam-se dois eventos: o primeiro Congresso Mundial de
41
Documentação (Paris, 1937) e a criação, em Haia, da Federação Internacional
de Documentação (FID). Paralelamente desenvolvem-se as técnicas
documentais com o uso das máquinas de cartões perfurados, utilizadas
principalmente nos Estados Unidos a partir dos anos 40. Também foi lá e nesta
mesma época que começaram a ser utilizados os seletores fotográficos.
Após a segunda guerra mundial, o desenvolvimento dos processos e das
técnicas documentais acelerou-se em diversos domínios. Em 1949, a Unesco
patrocinou a Conferência Internacional sobre a Análise dos Documentos
Científicos. Verifica-se um aumento considerável de publicações sobre o tema
na literatura. Em 1950 criou-se na França a primeira instituição de ensino da
documentação: o ,QVWLWXLW1DWLRQDOG¶HV7HFKQLTXHVGHOD'RFXPHQWDWLRQ (INTD)
ligado ao &RQVHUYDWRLUH1DWLRQDOG¶HV$UWVHW0pWLHUV (CNAM).
Por volta de 1952, Mooers publica os seus trabalhos, com a descrição do
sistema Zatocoding, atribuindo-se a ele a expressão "LQIRUPDWLRQ UHWULHYDO"
(CHAUMIER, 1971). A seguir, surgiram novas propostas para registros: o
sistema de Mortimer Taube ou sistema Uniterm (1953), o sistema do índice
permutado de Citron, Hart e Ohlman e o sistema de divulgação seletiva de
informação de Luhn, estes dois últimos em 1958. As reuniões e as
conferências internacionais tornaram-se mais numerosas. Os anos 1960 são
caracterizados pelo fenômeno da explosão documental que se traduz por um
aumento das publicações científicas e técnicas e uma multiplicação dos centros
de documentação ou de bibliotecas. Na França existiam 2352 centros de
documentação em 1962 (CHAUMIER, 1971).
42
Nos anos 1970 os computadores cresceram em potencialidade, permitindo o
tratamento em tempo real; começam os trabalhos em redes. No fim deste
período histórico cabe uma redefinição do que seja documento: o documento
não é mais apenas o livro, mas também o artigo de periódico, a ata de um
congresso, um relatório de investigação, sem esquecer os novos suportes de
informação: os filmes, as microfichas, os arquivos magnéticos. Quanto à
documentação, trata-se de uma disciplina científica que recorre à lingüística, à
matemática e à informática. A documentação "WRUQRXVH Y HUGDGHLUDPHQWH R
WUDWDPHQWR GD LQIRUPDomR QmR QXPpULFD HP WRGDV DV VXDV IRUPDV"
(CHAUMIER, 1971).
/LQJXDJHQV
A heterogeneidade pode ser observada na própria realidade, quer na natureza
das coisas, quer em nossa própria natureza. Somos indivíduos de uma mesma
sociedade, utilizamos os mesmos serviços, freqüentamos lugares comuns, e
somos diferentes. Visto de um ângulo maior, nos constituímos enquanto grupos
de acordo com nossos interesses, raças, culturas, afinidades, conhecimento,
etc. Como animais que somos, nos distinguimos destes não pela capacidade
de aprender, mas pela qualidade de sabermos transmitir o que aprendemos. O
homem é um animal que conquista e constrói não só para si, mas para toda
sua raça. Algumas espécies buscam na caça sua sobrevivência ou, no
máximo, a sobrevivência de seu grupo ou família. O homem busca formas para
garantir não só seu sustento ou sua vida, mas o de toda sua raça. O homem
aprende para a coletividade, e na coletividade constrói seu conhecimento.
43
Por ser um ser social e viver em coletividade, existe no homem o grande
desejo de relacionamento com seus iguais. Chega a ser uma necessidade
humana não estarmos isolados uns dos outros. No âmbito social, formamos
grupos orientados por interesses e desejos comuns, pela distribuição
geográfica, por nossa raça e, principalmente, por nossa cultura. Mesmo assim,
insistimos a todo instante em nos comunicarmos uns com os outros, sendo vital
esse relacionamento. Para estabelecer tais relações, Curras (1995) aponta dois
pontos importantes: primeiro, a linguagem, fundamental para que o processo
exista; segundo, a informação, conseqüência de tudo isto. Para essa autora, a
linguagem não é algo estático, possui seu movimento contínuo e evolutivo,
assim como nos encontramos em contínuo movimento e evolução. É preciso
conhecer esta mudança nos idiomas para que nossa comunicação siga seu
caminho natural. Daí justifica-se a importância atual da terminologia, da
tradução e da normalização.
Por linguagem entende-se a manifestação dos seres vivos, empregada em
suas relações de convivência existencial. É um instrumento utilizado para a
comunicação entre os homens, constituído de um conjunto de símbolos que
estão combinados de forma sistemática, para o armazenamento e troca de
informações. Neste trabalho, a palavra linguagem estará ligada ao contexto
humano, ao artifício que utiliza o homem para se comunicar com outros
homens. Antes de tudo é um instrumento de mediação e pode ser vista como
³XP FRQMXQWR GH VtPERORV F RQYHQFLRQDLV SRUWDGRUHV GH LQIRUPDomR FXMR
SULQFLSDOILPUHIHUHVHjFRPXQLFDomRHQWUHRVVHUHVYLYRV´ (CURRAS, 1995).
As linguagens exercem influência nos sistemas de recuperação de informação.
Estes sistemas possuem, cada qual a seu modo, uma forma de busca
44
específica que os caracteriza e os distingue em seu universo. Uma estratégia
de busca é uma técnica ou um conjunto de regras que são aplicadas para
tornar possível o encontro entre o desejo de um usuário, formulado por uma
requisição ao sistema, e a informação nele armazenada. De forma geral, as
máquinas de busca na Web utilizam-se de linguagem natural para os
processos de recuperação de informações. Para Lopes (2002), a Linguagem
Natural pode ser conceituada como ³VLQ{QLPRGHGLVFXUVRFRPXP´, ou seja, é a
linguagem que uma comunidade utiliza em seu dia a dia, habitualmente na fala
e na escrita. É também conhecida como vocabulário livre.
Chaumier (1971) classifica a linguagem natural em três grandes campos de
estudo: o estudo dos sons ou a fonologia pelo qual se interessa o profissional
de documentação na tradução automática de simbolização fonética; o estudo
das palavras ou a lexicologia, de primordial importância para a área de
documentação, encontra-se na base de qualquer linguagem de documentação;
o estudo da sintaxe, que intervém quando uma linguagem de documentação
tem um caráter elaborado ou complexo.
Lancaster (1993) afirma que a linguagem natural é, também, a linguagem
utilizada no discurso técnico-científico. Os sistemas de recuperação utilizam-se
dela nos processos prévios de indexação das palavras encontradas nos textos
que servirão para localização dos mesmos, no instante das requisições dos
usuários.
Á Ciência da Informação, como a outras áreas do conhecimento, importa como
as linguagens especializadas são utilizadas por grupos de usuários, com fins
definidos. O tema linguagens é aprofundado por diversos cientistas, que se
45
Interessam, sobretudo, pelas linguagens de indexação, também conhecidas
como linguagens de documentação ou linguagens documentárias, utilizadas
nos serviços de armazenamento, indexação e recuperação da informação,
processos básicos nessa ciência. Neste trabalho, os termos linguagem
controlada, linguagem de documentação e linguagem documentária são
tomados como sinônimos de linguagem de indexação.
Para Svenonius (2000) um documento é visto como uma incorporação
particular em espaço e tempo da informação. A linguagem utilizada pelo
documento, a linguagem natural, descreve e fornece o acesso a esta
incorporação. É distinta de uma linguagem que ela classifica como linguagem
do trabalho, ou seja, a linguagem com a qual se documenta atributos
específicos do documento e que provê acesso ao documento – o que é
semelhante ao que se denomina linguagem de documentação. O que distingue
essas linguagens é o fato da primeira enfocar o pensamento e a segunda a sua
manifestação. A primeira é fruto do pensamento dos autores de cuja
elaboração nasceu o documento. A segunda é a forma como esse pensamento
passa a ser representado, ou seja, sua manifestação. Assim, a linguagem do
documento pode também ser vista como a língua que descreve e fornece o
acesso às manifestações dos trabalhos ou do conteúdo da informação.
Consideram-se linguagens de indexação os instrumentos de representação de
informação para a indexação, o armazenamento e a recuperação de
documentos. As mais conhecidas são os tesauros e os sistemas de
classificação bibliográfica. São linguagens artificiais que foram construídas e
elaboradas. Não resultam de um processo evolutivo e necessitam de regras
explícitas para seu uso. Um vocabulário controlado, também chamado de
46
linguagem controlada, é uma linguagem documentária, um conjunto de termos
organizados sob determinada forma - hierárquica e/ou alfabética - cujo objetivo
é possibilitar a recuperação de informações temáticas, reduzindo a diversidade
da terminologia.
Para Lancaster (1993) e para Lancaster e Warner (1993) um vocabulário
controlado é essencialmente uma lista de termos autorizados, com estrutura
semântica, que se destina, principalmente, ao controle dos sinônimos, à
diferenciação de homógrafos e à reunião ou ligação dos termos. Para o autor,
os termos utilizados no processo de indexação serão extraídos de algum tipo
de vocabulário controlado, como um tesauro, ou poderão ser utilizados termos
livres e extraídos do próprio documento.
A classificação das linguagens de documentação para Chaumier (1978) dá-se
de acordo com os seus tipos e com o seu desenvolvimento histórico
linguagens. Podem ser classificadas nas seguintes categorias: as linguagens
de classificação, que abrangem a classificação decimal e a classificação por
facetas; as linguagens controladas, que envolvem as listas e os vocabulários e
as linguagens de descrição de dados.
As listas de vocabulários são utilizadas em bibliotecas e constituem sistemas
pré-coordenados de indexação. Em geral são apresentadas em estruturas de
verbetes amplos e específicos, apresentando, quando muito, as relações de
equivalência. Este tipo de recurso ainda é utilizado para certos índices.
Para Chaumier (1978), a ausência de sintaxe em linguagens de documentação
era uma característica comum, o que ocasionava dificuldades no seu emprego,
trazendo como conseqüência uma redução no desempenho dos sistemas
47
documentais. Alguns pesquisadores tentam propor linguagens com uma
sintaxe – por menor que seja – que permita sanar as principais ambigüidades
existentes nas linguagens sem sintaxe. O autor chama a atenção para os
trabalhos de R. Pàges com a sua linguagem conhecida como de ³DQiOLVHQmR
FRGLILFDGD´ e de J. C. Gardin e sua equipe, com a célebre 6\VWHPDWLF
2UJDQL]HG/DQJXDJH (SYNTOL).
7UDEDOKDQGRFRPDVOLQ JXDJHQVGHLQGH[DomR
Todo esforço realizado nos Sistemas de Recuperação de Informação possui
um só objetivo: possibilitar ao usuário o acesso à informação. São diversos os
instrumentos utilizados para a consecução desse objetivo e envolvem sempre
diversas áreas do saber. Mas, para que a informação possa ser disponibilizada
é necessário primeiramente que ela esteja organizada para tal. A classificação
é um instrumento de organização da informação.
Os esquemas de classificação existem desde a Antiguidade, em conotação
distinta da utilizada na Ciência da Informação. No decorrer da história, os
lógicos, os filósofos e os lexicógrafos utilizaram-se da classificação para
compreender e analisar o conhecimento, interpretando o significado da
classificação conforme era conveniente às suas idéias. Aristóteles (382-322
a.C.) percebia a classificação como um “H[HUFtFLR PHQWDO” e em sua obra
Organon apresentou suas grandes categorias para classificação (KAULA,
2005): Gênero, Espécie, Diferença, Propriedade e Acidente. Estas
desdobraram-se em 10 categorias (Substância, Qualidade, Quantidade,
Relação, Lugar, Tempo, Situação, Posse, Ação e Sofrimento ou passividade)
48
que foram usadas pelos aristotélicos e outros para qualificar os conceitos das
diversas áreas do conhecimento.
Para Aristóteles, tudo o que existia no mundo físico poderia ser expresso em
termos de um conjunto de características que individualizam e tornam real um
objeto frente aos demais. Através desse conceito de realidade a partir do
conjunto de atributos que possuíam as coisas, derivou-se a ciência da
classificação de Aristóteles em gêneros, espécies e sub-espécies. E foi
justamente destes princípios que surgiu a ciência que durante séculos utilizou-
se da observação de ocorrências na realidade e, com a devida generalização
indutiva, criou classificações gerais de fenômenos físicos de acordo com seus
atributos e modos de funcionamento (SHERA, 2005).
Mas esta classificação aristotélica pecou ao desconsiderar a interconectividade
existente entre os objetos do mundo real. Nada no universo é completo em si
mesmo, sem necessidade de referência a qualquer outra coisa substancial e
nem tampouco de ser o universo fragmentado em milhares de substâncias
desconectadas. Apesar de tudo, essa foi a lógica com a qual se construiu a
classificação taxonômica, que durante séculos orientou o trabalho de
classificação de documentos em uma ordem rígida de hierarquias (SHERA,
2005).
Apenas no final do século XVIII o termo ‘classificação’ foi relacionado com a
apresentação de um plano para a classificação das ciências e dos livros
(DAHLBERG, 1972b).
49
No século XIX, especialmente, a elaboração de tais planos tornou-se um hobby
para cada filósofo, bem como para alguns cientistas. Ampère, no prefácio de
sua classificação de 1834-1843, escreveu:
³-i Ki DOJXP WHPSR HX FRP SUHHQ GHUD TXH DR WHQWDU
GHWHUPLQDU DV FDUDFWHUtVWLFDV GLVWLQWLYDV SDUD D GHILQLomR H
FODVVLILFDomR GDV FLrQFLDV p QHFHVViULR FRQVLGHUDU QmR Vy D
QDWXUH]D GRV REMHWRV j TXDO HOHV VH UHODFLRQDP WDPEpP RV
SRQWRV GH YLVWD VRE RV TXDLV HVVHV REMHWRV SRGHP VHU
FRQVLGHUDGRV(AMPÉRE
1
DSXG DAHLBERG, 1972b).
Na biblioteconomia, foi Henry Evelyn Bliss (1870-1955) o primeiro a considerar
esses pontos. Bliss preocupou-se principalmente com os fundamentos
filosóficos de classificação. Em seu sistema final de classificação, publicado
primeiramente em 1935, depois revisto e ampliado nas edições de 1940 e
1953, Bliss apresentou os diferentes aspectos de cada área também de forma
diagramática, geralmente em nível hierárquico, embora algumas vezes em
arranjos bidimensionais. A grande contribuição de sua obra foi o contato com
os princípios filosóficos da classificação, entre eles, os fundamentos
conceituais da formação, divisão e partição de classes. Dahlberg (1979b)
aponta que a maior contribuição de Bliss foi ter proporcionado ao indiano
Ranganathan a mais fértil das inspirações.
7HRULDGD&ODVVLILFDomRIDFHWDGD
A teoria da Classificação Facetada foi elaborada por Shiyali Ramamrita
Ranganathan nos anos 30, a partir da &RORQ &ODVVLILFDWLRQ, tabela de
classificação, elaborada e adotada na Biblioteca da Universidade de Madras,
1
AMPÈRE, A. M. Essai sur la philosophie des sciences, or exposition analytique d'une
classification naturelle de toutes les connaissances humaines. Partie 1-2. Paris, 1834-1843.
50
Índia. Até então, as tabelas empregadas nos processos de documentação não
apresentavam as bases teóricas utilizadas em sua elaboração. Esta teoria
recebeu este nome por adotar uma técnica de fragmentar um assunto
complexo em diversos aspectos ou partes denominadas facetas (TRISTÃO;
FACHIN; ALARCON, 2004).
Ranganathan nasceu na Índia em 1892, onde morreu em 1972. Tinha o título
de mestre em Matemática e ensinava na Universidade de Madras. Em 1924 foi
designado como bibliotecário da universidade, mantendo-se na função por
cerca de vinte anos. Já como bibliotecário, ele viajou para a Inglaterra onde
estudou na /RQGRQV6FKRRORI/LEUDULDQVKLSMostrava-se descontente com a
Classificação Decimal de Dewey muito embora esse fosse o sistema mais
popular de classificação utilizado naquele país. Para ele o sistema continha
deficiências para expressar a totalidade dos aspectos do assunto específico de
um documento. Ranganathan tinha idéia de um sistema que permitisse a
inclusão de assuntos ainda inexistentes ou não planejados. Suas idéias estão
apresentadas em suas principais obras: 3UROHJRPHQDWR&ODVVLILFDWLRQ (1937),
3KLORVRSK\ RI %RRN &ODVVLILFDWLRQ (1951) e a própria &RORQ &ODVVLILFDWLRQ
(1933). Em todas elas sente-se o traço da filosofia oriental e da matemática e é
justamente esta integração entre o pensamento racional e o pensamento
oriental que coloca a Teoria da Classificação Facetada em um espaço singular
(CAMPOS, 2001).
Ranganathan levantou o problema da dinâmica do surgimento dos assuntos
tratados nos documentos frente a estrutura classificatória utilizada na época. O
fato em si não é novidade, já que outros autores haviam levantado a mesma
questão. Para ele, a totalidade das idéias conservadas pelo ser humano se
51
apresentava em um contínuo dinâmico; era preciso uma nova teoria capaz de
responder a essa necessidade (CAMPOS, 2001).
No contexto das atividades de classificação, Ranganathan observa três planos
de trabalho: O Plano da Idéias, o Plano Verbal e o Plano Notacional. Cada um
deles possui princípios normativos próprios e cumpre objetivos específicos. No
Plano das Idéias é onde existe a formação do processo do pensar, onde
originam-se as idéias. Para KAULA (2005) o criador das idéias passa por um
processo de autocomunicação no interior da mente e surgem mais idéias. Para
esse autor, o trabalho no plano das idéias pode ser tomado como análise do
conceito.
³8PD LGpLDpXP FRQFHLWR TXH DR WRPDU IRUPD FRQFUHWD SRGH
OHYDU D DOJXPDLQIRUPDomR$DQiOLVH FRQFHLWXDO pXPDWDUHID
GLItFLOTXHWHPTXHVHUHVJRWDGDQDFRQFHSomRGRHVTXHPDGH
FODVVLILFDomR 8P FRQFHLWR SRGH VHU XP LVRODGR XP TXDVH
LVRODGR RX XP DVVXQWR H p D LGHQWLILFDomR GH FRQFHLWRV VXD
SRVLomRQRXQLYHUVRGHDVVXQWRVVHXDUUDQMRVL VWHPiWL FRHQWUH
RXWURV FRQFHLWRV HWF TXH ID] GR WUDEDOKR XPD WDUHID iUGXD´
(KAULA, 2005)
O Plano Verbal objetiva permitir que a linguagem seja uma mediadora para a
comunicação das idéias e conceitos. Para tal, precisa ser livre de homonímia e
sinonímia, principalmente por se tratar de uma linguagem classificatória que
não é uma linguagem natural (CAMPOS, 2001; KAULA, 2005).
O Plano Notacional é o da representação, dos números que passam a
representar os conceitos. É mais restrito, pois tem que trabalhar de acordo com
o que foi produzido no plano das idéias. O Plano Notacional obedece
firmemente o que foi decidido no Plano da Idéias, muito embora seja
52
necessário desenvolver versatilidade com o objetivo de complementar
totalmente as descobertas no plano das idéias (KAULA, 2005). Encontra-se aí
o princípio da hospitalidade, ou seja, a propriedade representativa da
capacidade existente na estrutura classificatória em abrigar os novos conceitos
oriundos do Plano das Idéias.
Campos (2001) afirma que Ranganathan estende o conceito de hospitalidade,
que antes permitia apenas a criação de sub-classes nas classes já existentes,
impedindo a criação de novas classes. Para a autora, o princípio aplicado com
esta abrangência torna possível a introdução de mecanismos para que o
esquema classificatório acompanhe a dinâmica do conhecimento. E é possível
a ampliação da base notacional, a ampliação dos renques e a organização da
estrutura classificatória em categorias fundamentais: Personalidade
(3HUVRQDOLW\), Matéria (0DWWHU), Energia ((QHUJ\) , Espaço (6SDFH) e Tempo
(7LPH) – PMEST. Assim, o elemento utilizado na classificação não é mais o
assunto do documento, ³PDV RV FRQFHLWRV TXH ID]HP SDUWH GHVWH DVVXQWR
RUJDQL]DGRV D SDUWLU GDV FDWHJRULDV GHQWUR GD iUHD GR F RQKHFLPHQWR´
(CAMPOS, 2001).
A extensão do conceito de hospitalidade permitiu também a adoção do método
analítico-sintético, demarcando a separação entre os momentos da elaboração
de esquemas de classificação, da análise do documento e do uso desse
esquema. A classificação facetada é um esquema analítico-sintético, pois
envolve dois processos distintos: a análise do assunto em facetas e a síntese
dos elementos que constituem o mesmo, sendo, portanto, aplicável a qualquer
área do conhecimento (TRISTÃO; FACHIN; ALARCON, 2004).
53
Os elementos da estrutura classificatória de Ranganathan estão organizados a
partir de suas características, em renques e cadeias, distribuídos em facetas e
estas organizadas em categorias. As unidades classificatórias utilizadas são o
assunto básico e a idéia isolada. O assunto básico pode ser visto como um
assunto sem nenhuma idéia isolada como componente. É um corpo
sistematizado de idéias de um campo especializado e representa as áreas
mais abrangentes do conhecimento. São exemplos de assunto a Matemática, a
Agricultura, etc. A idéia auxilia na compreensão do assunto. Por exemplo, Milho
é uma idéia isolada que aplicada junto ao assunto Agricultura forma outro
assunto: Agricultura do milho (CAMPOS, 2001).
Ranganathan utiliza os conceitos de características para comparar os
elementos classificatórios, tendo em vista a formação de classes e, dentro
delas, os renques e as cadeias. As características estão associadas a
propriedades comuns dos objetos. Os renques derivam-se de uma única
característica em algum passo de divisão de características, formando séries
horizontais.
³2 UHQTXH p FRQVWLWXtGR GH FRQFHLWRV VXERUGLQDGRV D XP
PHVPR FRQFHLWR RX VHMD FRQFHLWRV FRRUGHQDGRV  VmR
FRQFHLWRV LUPmRV 2 UHQTXHp SRUWDQWR XPDVpULH KRUL]RQWDO
GHFRQFHLWRV3RUH[HPSORiJXDPLQHUDOHiJXDSRWiYHOWrP
R WHUPR VXSHURUGHQDGR EHELGD KtGULFD QDWXUDO ORJR VmR GH
PHVPR Qt YHO GH FRRUGHQDomR FRQVWLWXLQGRVH QXP  UHQTXH´
(BITI, 2005).
Uma cadeia é uma seqüência formada por classes e através do deslocamento
entre cadeias é possível chegar ao ponto desejado. Essa seqüência é formada
por séries verticais de conceitos onde cada qual possui uma característica a
54
mais ou a menos. Assim, os renques e as cadeias formam a organização da
estrutura classificatória que é totalmente hierárquica. Ranganathan estabelece
uma série de regras (cânones) para estabelecer a conduta uniforme na
formação dos renques e cadeias, entre eles o cânone da Exaustividade, o da
Exclusividade, o da Seqüência útil, o da Modulação, etc. (CAMPOS, 2001).
Uma faceta é um termo genérico utilizado para indicar algum assunto básico ou
isolado, tendo também a função de formar renques, termos e números
(RANGANATHAN, 1967). As facetas são de dois tipos: - a faceta básica que
agrupa assuntos básicos (áreas do conhecimento) e a faceta isolada que
agrupa conceitos isolados.
De uma forma mais genérica, Svenonius (2000) explica que o maior problema
relacionado às facetas é a dificuldade de se definir as próprias facetas e
conseqüentemente em se definir classes dentro delas. Para ela, estas
dificuldades são causadas pelo fato de que a língua é algo muitas vezes sem
regras. Existem os termos que não podem ser categorizados exclusivamente
em apenas uma faceta e termos que resistem à categorização porque são
muito ambíguos ou abstratos. Mais do que isso, definir facetas por critérios
semânticos e sintáticos (como muitas vezes é feito) conduz a uma classificação
transversal e inconsistente. Estas são as dificuldades fundamentais
encontradas nas raízes escondidas de muitas classificações baseadas em
lingüística.
O postulado das categorias é o princípio normativo para se organizar universos
de assuntos. O primeiro passo é justamente mapear o universo, seja ele
facetado ou enumerativo. Ranganathan postula que existirão, em todos os
55
universos de assunto, cinco idéias fundamentais: PMEST. A categoria tempo é
definida com seu entendimento usual, ou seja, ao período a que está associado
o assunto. A categoria Espaço também o é, exemplificando: as regiões
geográficas da localização do assunto. A categoria Energia pode ser
compreendida como uma ação de uma espécie que ocorre com respeito ao
assunto. A categoria Matéria é a manifestação de materiais em geral, com suas
propriedades ou o constituinte material de todas as espécies. A categoria
Personalidade não possui definição. E nela estarão os que não forem definidos
como espaço, energia ou matéria. A reunião de todas as categorias forma um
sistema de conceitos de determinada área de assunto sendo que cada conceito
desta categoria é também a manifestação da mesma (CAMPOS, 2001).
Lima (2004) aponta que a elaboração de uma classificação facetada parte do
exame da literatura do assunto na identificação dos conceitos e termos,
estabelecendo características e então, dentro delas, as facetas. Para a autora,
³DIDFHWD p D FROHomR GH WHUPRVTXHDSUHVHQWDP LJXDOUHODFLRQDPHQWRF RP R
DVVXQWRJOREDO” (LIMA, 2004), agrupados por princípio básico de divisão. Cada
assunto tem suas próprias facetas sendo que novos agrupamentos podem
surgir dentro de uma faceta. Importa também, que os termos organizados em
facetas não se sobreponham.
7HRULDGD7HUPLQRORJ LD
Na esfera da informação, a terminologia é peça chave para os processos de
sua produção, de seu armazenamento e de sua recuperação. O vocábulo
7HUPLQRORJLD tem origem na junção do prefixo latim WHUPLQX, que significa
WHUPR, acrescido do sufixo ORJR, no sentido de tratado, de acordo. Nos
56
dicionários, encontramos sentidos que remetem ao geral ou específico: pode
ser vista como o tratado dos termos específicos de uma arte ou ciência, como o
conjunto de todos estes termos ou como o emprego de palavras peculiares a
determinado escritor, a uma região, a uma religião, etc. (DICIONÁRIO
UNIVERSAL DA LÍNGUA PORTUGUESA, 2005). Para Campos (2001), a
esses significados deve-se incorporar a terminologia como um conjunto de
princípios teóricos. A ciência possui sua própria terminologia, subdividida nas
terminologias específicas de cada uma de suas áreas.
A autora lembra que o primeiro significado está diretamente ligado com a
lexicologia especializada, que é ³R HVWXGRFLHQWtILFRGRFRQMXQWRGHWHUPRVGH
XPDGDGDOtQJXDHPXPD iUHDHVSHFLDOL]DGD´. O segundo significado remete
ao campo dos dicionários técnicos, dos vocabulários e léxicos. E então, a
compreensão do que é terminologia passa a ser uma apresentação ordenada
de um certo grupo de conceitos. Ver a terminologia como um conjunto de
princípios teóricos é considerá-la como uma área de estudo científico o que
propicia ao termo o status de área de saber. A ³FLrQFLD GD WHUPLQRORJLD
VLJQLILFDUDPRGRVDEHUGLVFLSOLQDFLHQWtILFDXPDFLrQFLDHPVL FLrQFLDFRPR
WDO´ (DROZD, 1981 DSXG CAMPOS, 2001).
O vocábulo terminologia não existia originalmente no latim. Foi introduzido
inicialmente no alemão e posteriormente incorporado ao inglês e francês no
início do século. Neste trabalho, ao empregar o termo terminologia estaremos
nos referindo ao conjunto dos termos próprios de uma comunidade, de uma
ciência, de uma arte, de uma área específica do conhecimento ou atividade
humana.
57
Se nos debruçarmos no tempo à procura da compreensão histórica de quando
o homem começou a classificar e categorizar o real, certamente nos
defrontaremos com o período pré-socrático, quando a natureza inspirava os
filósofos no entendimento da vida, de seu movimento e de nossa própria razão
de ser. Mas, seria ir longe demais. As próprias divisões da história constituem
categorias que criamos para melhor compreender e estudar os fatos. Cada
área do conhecimento cria suas próprias divisões históricas, conforme
favoreçam a explicação dos fatos. Neste trabalho, utiliza-se o caminho
percorrido por Curras (1995) para demarcar os períodos históricos que
favoreceram o entendimento da questão terminológica:
• Primeiramente, um período que a autora denomina de clássico, desde
as civilizações da Antiguidade até o final do século XVII, constituindo
milhares de anos, quando aconteceram fatos marcantes da história da
humanidade. Até o século XVII, no início do que conhecemos como
ciência moderna, havia idéias universais das ciências, da filosofia e de
todos os ramos do conhecimento. As idéias eram universais e os
enciclopedistas foram um marco desse período. Naquela época, os
especialistas se dedicavam a áreas distintas do saber, mas possuíam
³FRQVFLrQFLDGHVXDHVSHFLDOLGDGHFRPRSDUWHGHXPWRGR´. Já existiam
particularidades nas linguagens utilizadas, diferenciadas por seu
emprego e nas áreas em que trabalhavam.
• A seguir vem o período de iniciação da terminologia moderna,
abrangendo os séculos XVIII e XIX. Destacam-se os trabalhos de
Lavoisier e Bertholler na nomenclatura e classificação para a química.
58
Os descobrimentos científicos e as invenções técnicas que surgiram,
trouxeram com eles uma grande revolução lingüística e terminológica.
As atividades no campo da normalização do trabalho também merecem
ser ressaltadas, pois levaram a uma normalização da linguagem para
realização de tradução correta para os vocábulos empregados.
• O terceiro período vai do início do século XX até os anos 30 e é
chamado de período da consolidação da área de terminologia, pois foi
nele que se criou uma consciência do surgimento dessa nova disciplina,
independente por si mesma e relacionada intimamente com a lingüística,
com a lógica, com as ciências naturais e as teorias classificatórias. Os
cientistas foram os propulsores do fato, pela própria necessidade de
utilização de termos específicos na comunicação com seu próprio grupo.
Em 1927, em Washington, realizou-se a 2ª Conferência de Padronização
Pan-Americana e uma das conclusões postulava que o espanhol, língua
oficial dos países hispano-americanos, deveria ser estudado e levado
em consideração nos trabalhos de Lingüística e Tradução. Deveriam
também evitar a diversidade de palavras que se utilizavam em diferentes
países para as mesmas coisas e os mesmos conceitos. Em 1938, o IEC
2
publicou o ,QWHUQDWLRQDO (OHWURWHFKQLFDO 9RFDEXODU\, outro marco
representativo do período.
2
O ,QWHUQDWLRQDO (OHFWURWHFKQLFDO &RPPLVVLRQ (IEC) é uma organização direcionada para o
estabelecimento de padrões relacionados às tecnologias da elétrica, da eletrônica e outras
áreas relacionadas. Muitos de seus padrões são desenvolvidos juntamente com o ,QWHUQDWLRQDO
2UJDQL]DWLRQIRU6WDQGDUGL]DWLRQ - ISO. Foi fundado em 1906 e hoje possui mais de 60 países
participantes. Originalmente estava localizado em Londres, mas sua atual sede está em
Genebra desde 1948. Este instituto distribui padrões para unidades de medida, particularmente
o JDXVV, KHUW], e ZHEHU. É também dele o Sistema de Giorgi, que em última instância tornou-se
padrão para ,QWHUQDWLRQDO 6\VWHP RI 8QLWV ± (SI). Em 1938, publicou um vocabulário de
tradução internacional para unificar a terminologia elétrica, trabalho que se tornou contínuo e
permanece de suma importância para as indústrias elétricas e eletrônicas.
59
• O período da teorização abrange de 1930 até 1970, quando foram
instituídos os princípios teóricos da terminologia moderna. O fato mais
marcante é a tese de doutoramento de Eugen Wuster sobre a
normalização da linguagem na técnica, principalmente em eletrotécnica,
considerado como um tratado da Teoria Geral da Terminologia. A
originalidade de seu trabalho consiste em ter aplicado, como se supõe,
as idéias de F. Saussure às linguagens científicas especializadas,
“colocando a ciência em contato com a lingüística e a filosofia”. Desse
período data a criação da Escola de Viena e o surgimento de escolas
em Praga e por toda a França. A Escola Húngara, também dessa época,
firmou-se nos problemas relativos à tradução. Em 1942, A. M.
Terpagoreve, terminólogo e presidente do Comitê de Terminologia
Técnica e Científica (KNTT), expôs a necessidade de se iniciar os
estudos para o estabelecimento de base teóricas para o Sistema de
Conceitos, fato que direcionou os trabalhos da escola Soviética
(CAMPOS, 2001). Em 1954, criou-se a União Latina, com o objetivo de
defender, conservar e difundir os idiomas de raízes latinas: o espanhol,
o português, o francês, o italiano e o romeno (CURRAS, 1995).
• Do início dos anos 70 até nossos dias, diversos trabalhos têm sido
produzidos no tema e o alcance a que chegamos torna fácil denominar
esse tempo como “período de evolução acelerada”. Os fundamentos
teóricos para a terminologia continuaram a ser estudados na Escola de
Viena. Helmut Felber deu continuidade às idéias de Wuster e Christian
Galinski foi seu sucessor. Nos últimos anos, o campo da terminologia
foi-se expandindo, chegando aos sistemas classificatórios. Em 1971
60
deu-se a criação do centro Infoterm, relacionado com o programa Unisist
e subordinado à Unesco. Trata-se de um centro internacional de
informação sobre tecnologia, com o objetivo de apoiar e coordenar a
cooperação internacional neste campo; influenciou a criação de centros
nacionais de terminologia em diversos países como França, Alemanha,
Espanha, Argentina, México e Canadá. No Brasil, a Embratel tornou-se
um ícone entre as organizações que se interessam por assuntos
terminológicos. Outro marco importante foi o Congresso sobre
Terminologia e Engenharia do Conhecimento, realizado em 1987 em
Trier, Alemanha, com trabalhos marcantes sobre terminologia em
Informática e engenharia das línguas.
7HRULDGRV&RQFHLWRV
Um tesauro é um vocabulário de termos de determinada área do
conhecimento, relacionados genérica e semanticamente. É uma forma de
representação do conhecimento de determinada área do conhecimento. A
teoria dos conceitos facilita a compreensão dos tesauros. Felber
3
(1984) apud
Motta (2005) coloca que as primeiras investigações sobre a natureza dos
conceitos foram feitas nas antigas escolas filosóficas gregas, sendo as idéias
de Platão na obra Phaidron (teoria das idéias) consideradas o início dessa
teoria. Mas, foi Aristóteles, na obra Organon, quem lançou os fundamentos da
lógica que se tornaram leis básicas do conceito: características, raciocínio,
inferência e definição, designadas por ele como $QDOLW\N (MOTTA, 2005).
3
FELBER, Helmut. Terminology manual. Paris, Unesco/Infoterm, 1984.
61
Na década de 70, Ingrid Dahlberg incorporou ao campo da documentação os
princípios terminológicos através de sua Teoria do Conceito, cujo princípio
básico toma o conceito como uma representação do conhecimento. A teoria
por ela introduzida possibilitou à Ciência da Informação uma compreensão
maior do que se entendia por conceito e sua aplicabilidade na representação e
recuperação de informação. Para Motta (2005) esta teoria destinava-se a servir
de fundamento para análises conceituais de toda e qualquer iniciativa de
estudo e padronização de termos. De maneira geral, para cada conceito temos
um referente, sobre o qual podem ser realizadas afirmações passíveis de
verificação. Todas essas afirmações podem ser sumarizadas por um termo,
que passa a representar o conceito em qualquer processo de comunicação.
Tudo começa pela compreensão da própria linguagem natural, que permitiu ao
homem explicar os objetos que encontrava na realidade através de símbolos
ou palavras, possibilitando também a tradução de seu próprio pensamento.
Assim, o conhecimento do homem fixou-se através dos elementos da
linguagem. Para Dahlberg (1978) a linguagem possibilitou que o homem
elaborasse enunciados sobre esses objetos, que podem ser considerados
como individuais – aqueles pensados como únicos e distintos dos demais e
cuja caracterização requer presença das formas do tempo e espaço - e os
objetos gerais que, de certa forma, prescindem das formas de tempo e espaço.
Aos objetos individuais estão associados o que ela chamou de conceitos
individuais e aos gerais correspondem os conceitos gerais. A formação dos
conceitos é a reunião e compilação de enunciados considerados verdadeiros a
respeito de determinado objeto.
62
As características de um conceito traduzem seus atributos. Podem ser
divididas em essenciais (necessárias) e acidentais (adicionais ou possíveis). As
essenciais dividem-se ainda em características constitutivas de essência e
características consecutivas da essência. As acidentais por sua vez dividem-se
em características acidentais gerais e acidentais individualizantes. É através
dessas características que se dá a análise do conceito. Em alguns casos as
características podem estar hierarquizadas. Em outros, uma característica é
apresentada de forma tão geral que pode ser considerada uma categoria. As
características de um conceito possuem as funções de ordenação
classificatória e dos respectivos índices, de definição do próprio conceito e de
formação dos nomes dos conceitos. Conceito é então definido como
³VtQWHVHVURWXODGDV GHHQXQFLDGRVYHUGDGHLURVVREUHREMHWRV
GR SHQVDPHQWR HVVHV HQXQFLDGRV  DVVHUo}HV  OHYDP DR
UHFRQKHFLPHQWR RX j VHSDUDomR GDV FDUDFWHUtVWLFDV GRV
FRQFHLWRV TXH WDPEpP SRGHP VHU FRQVLGHUDGDV F RPR RV
HOHPHQWRVGRVFRQFHLWRV´(DAHLBERG, 1979b).
As relações entre conceitos podem ser definidas pela presença de
características comuns em conceitos diferentes. Dahlberg (1978) mostra que
estas relações podem ser: lógicas, hierárquicas, de oposição e funcionais. Esta
última corresponde à inovação da teoria de Dahlberg, além da redefinição de
conceito. De forma distinta das demais que pertencem a um corpo de conceitos
estático, relacionando-se a objetos e propriedades, as relações funcionais
desencadeiam-se por um processo ou uma atividade (MOTTA, 2005).
Os princípios descritos acima foram aplicados por Dahlberg ao
reconhecimento, à construção e à utilização de sistemas de classificação. Hoje,
63
a teoria da classificação abrange o reconhecimento do conceito como elemento
material dos sistemas de classificação e consideram a aplicação de uma teoria
analítica de conceitos para a representação do conhecimento ou da informação
(DAHLBERG, 1979a).
A própria autora indica as conseqüências de sua abordagem teórica da
classificação: a avaliação dos sistemas de classificação existentes levando os
mesmos a uma objetividade maior do que anteriormente; a construção de
novos sistemas com agrupamentos ou arranjos previsíveis e a formalização de
enunciados sobre o conteúdo de documentos que podem ser pesquisados com
consistência, quer manualmente, quer por computador, a partir de estruturas de
sentenças pré-determináveis (DAHLBERG, 1979a).
7HVDXURV
A palavra tesauro tem origem do latim WKHVDXUXV, que significa tesouro. Foi
empregada como título no dicionário analógico de Peter Mark Roget,
“7KHVDXUXVRI(QJOLVKZRUGVDQGSKUDVHV”, publicado em Londres pela primeira
vez em 1852. O autor era secretário da Royal Society e objetivava facilitar sua
atividade literária. Trabalhou nesse projeto durante 50 anos. Em seu dicionário
as palavras foram agrupadas em ordem distinta da alfabética. Priorizaram-se
as idéias que exprimiam e esta foi a ordem escolhida. A busca por palavras
dava-se sempre por aquilo que elas podiam expressar, com seu significado
(GOMES, 1990).
A formação de um tesauro dá-se por palavras cuidadosamente escolhidas,
palavras que possuam significado para uma determinada área. Roget chamou
64
sua obra de WKHVDXUXV, com o significado de vocabulário, dicionário. Alguns
dicionários traduzem a palavra por enciclopédia ou tesouro. A originalidade
deste trabalho foi que ele associou significação tão grande ao vocábulo que o
mesmo permaneceu, para a área de documentação, associado à forma de
organização do vocabulário para os processos de indexação e recuperação
(CAMPOS, 2001; CHAUMIER, 1978; GOMES, 1990; MARQUES DE JESUS,
2002).
Motta (2005) citando Mikhailov et al.
4
(1973) afirma que o termo tesauro já
havia sido utilizado anteriormente, tendo sido empregado por Brunetto Latini
(1220-1294) para designar uma enciclopédia sistematizada que ele chamou de
‘Os livros do tesouro’. Em 1532, Thierry e R. Etienne publicaram o livro
’Dicionário ou tesouro do idioma latino’, um dicionário da língua latina em
arranjo alfabético. Quarenta anos depois, A. Etienne publicou outro dicionário
empregando o termo: “7KHVDXUXV OLQJXDJH *UDHFDH”, iniciado por seu pai R.
Etienne. Em 1736, Shorter Oxford Dictionary registrou o uso da expressão
inglesa “WKHVDXU\ RU VWRUHKRXVH RI NQRZOHGJH”, definindo o termo como
³WHVRXUR RX DUPD]pP GH FRQKHFLPHQWR VLPLODU D XP GLFLRQiULR RX D XPD
HQFLFORSpGLD´ (MOTTA, 2005). Através do relato dessa autora, fica clara a
importância do trabalho de Roget, sempre citado na literatura de tesauros: o
emprego do termo ganhou outro significado.
O final do século XIX e o início do século XX foram marcados pelo
aparecimento das primeiras ferramentas de descrição de documentos com fins
de pesquisa documentária, como a lista de cabeçalhos de assuntos utilizada no
4
MIKHAILOV, A.I. Nociones generales acerca del tesauro. In: ___________, Fundamentos de
la informática. Moscú, La Habana, Nauka, Academia de Ciencias de Cuba. Inst. Document. E
Inf. Cientifica y Técnica, 1973, v.2, p. 397-496.
65
catálogo da American Library Association em 1895 e a lista da Library of
Congress em 1911. No domínio da classificação, destacam-se a Classificação
Decimal de Dewey e a Classificação Decimal Universal. O primeiro trabalho
pertence a Melvil Dewey e foi publicado primeira vez em 1876. Ele foi traduzido
e ampliado por Paul Otlet e Henri Lafontaine, resultando na Classificação
Decimal Universal cuja primeira edição foi em 1905 (CHAUMIER, 1978). O
desenvolvimento da computação após 1960 possibilitou que os tesauros
viessem a ser uma ferramenta efetiva em sistemas de documentação. É
preciso lembrar, entretanto, que os trabalhos de computação se esquecem
muitas vezes dos relacionamentos entre os termos e da própria teoria da
informação, em função de uma otimização de processamento ou melhores
índices estatísticos. Em Campos (2001) encontra-se uma retrospectiva
histórica do tesauro na Europa e nos Estados Unidos.
Interessa-nos que o tesauro surgiu da necessidade de manipulação de grande
quantidade de documentos especializados, onde é preciso trabalhar com
vocabulário mais específico e uma estrutura mais depurada do que aquela
presente nos cabeçalhos de assunto (remissivas e referências cruzadas tipo
‘ver’ e ‘ver também’). Parte do desejo de uma comunidade de usuários em
recuperar documentos de uma área específica, onde é necessária maior
sistematização para a recuperação. Ao descrever a intenção de sua obra,
Bruschini et al. (1998) expõem claramente estes motivos.
O tesauro avançou na estrutura e nas referências cruzadas, dando lugar às
relações hierárquicas (verticais) e associativas (horizontais). A grande
característica de um tesauro é representada pelos termos e pelas relações
entre eles. São estas relações que conferem a um tesauro uma multiplicidade
66
de usos, desde o auxílio na própria função de indexação até o auxílio na efetiva
recuperação dos documentos.
Um vocabulário controlado constitui-se apenas de relações sinonímicas, ou
quase sinonímicas, para controle da polissemia. Em um vocabulário controlado
não se diferencia “termo” da “palavra” e não existem relações estruturais entre
os elementos. Entende-se por palavra à “menor unidade léxica” e seu
significado depende do contexto em que figura, pois tomada isoladamente
pode ter diversos significados. Em um tesauro encontram-se termos, que
possuem relacionamentos entre si, objetivando facilitar e propiciar melhor
recuperação das informações que por ele foram indexadas. São
relacionamentos dinâmicos e construídos pela própria evolução da área a que
se refere o tesauro. É também uma forma de se organizar informações em
determinado campo do saber e o aprendizado de seus termos dá-se
naturalmente pelo próprio processo de utilização.
Elaborar um tesauro é antes de tudo uma atividade intelectual, que requer
atividades específicas para a consecução dos objetivos dos que se empenham
nesta tarefa, entre elas: o conhecimento de documentos produzidos na área, o
entendimento dos termos empregados, a construção de conceitos para
explicação dos termos. A construção de um tesauro requer uma atitude flexível
para incorporar as mudanças que a linguagem utilizada sofre no caminho de
seu desenvolvimento sem abrir mão dos conceitos, mas em atitude aberta a
seu próprio desenvolvimento.
A ambigüidade que as palavras trazem, por carregarem em si mesmas
múltiplos significados, faz com que se tornem inadequadas para a indexação e
67
a recuperação. As linguagens de documentação partem de uma palavra,
tomada sob certos princípios, ou uma expressão, para representar um único
conceito ou idéia. De antemão, pressupõe-se que estes conceitos ou idéias
encontram-se legitimados na comunidade de usuários para a qual se constrói o
tesauro.
Cada palavra, ou expressão recebe então o nome de TERMO, que equivale a
um conceito adicionado de uma designação, construída por uma ou mais
unidades léxicas. O controle é necessário para que se mantenha a relação de
um termo para cada conceito e a cada conceito um só termo. Estes termos,
que representam um conceito, são também chamados de descritores. Os
outros recebem o nome de não-descritores e formam o conjunto das
remissivas. Um tesauro é algo dinâmico, retrato fiel da realidade que
representa, em contínua mudança, requerendo contínuas manutenções e
atualizações. Seus componentes são: os termos, a estrutura entre eles e o
conjunto de remissivas.
A estrutura de um tesauro diz respeito aos relacionamentos, às ligações e
vinculações existentes entre os conceitos representados por termos. Nenhum
termo existe em um tesauro sem ligação com outro, sempre determinada por
seu significado (SVENONIUS, 2000). Os relacionamentos podem ser de
diversos tipos, como:
• Relacionamentos lógicos, oriundos da comparação de dois conceitos.
Podem se dividir em: genérico-específico, o que permite formar as classes
dos conceitos e a estrutura hierárquica dos tesauros; relacionamento
68
analítico, que gera as relações a partir das relações associativas entre os
termos; o relacionamento de oposição, indicando os termos opostos.
• Relacionamentos ontológicos, reunindo as relações partitivas, os
relacionamentos de sucessão ou contigüidade entre os termos e os
relacionamentos material-produto.
•
Relacionamentos de efeito, constituído pelos relacionamentos de
causalidade ou causa efeito, pelos relacionamentos de instrumentalidade e
os relacionamentos de descendência que apresentam relações
genealógicas entre os termos (GOMES, 1990).
Curras (1995) apresenta as relações existentes entre os termos de um tesauro
classificadas em relações de equivalência, hierárquicas e associativas.
Acredita-se ser esta uma divisão mais simples e mais próxima da hoje utilizada.
As relações de equivalência são aquelas que representam os sinônimos ou
quase sinônimos de um termo. Na área técnica verifica-se a ocorrência de
sinonímia com freqüência. Nos tesauros os sinônimos aparecem com a
indicação de USE ou UP (use para). Um exemplo dá-se com as palavras:
Antídoto e Contraveneno, que apareceriam nos tesauros um como termo
preferido (ou descritor) e o outro fazendo remissiva ao primeiro.
Antídoto
UP Contraveneno
Contraveneno
USE ANTÍDOTO
A quase-sinonímia acontece quando dois conceitos têm praticamente a mesma
intensão. Define-se intensão por um conjunto das características que
69
constituem um conceito. Na definição de um conceito, incluem-se em sua
definição apenas as características mais importantes para o domínio do
tesauro (BITI, 2005). Quando de sua ocorrência, seleciona-se um deles como
descritor e procede-se como no exemplo acima, com uma entrada para cada
um deles, estabelecendo uma relação de equivalência.
A homonímia é o emprego do mesmo termo com significados diferentes. A
solução, quando ocorre, é a indicação do contexto. Exemplo:
Tênis (calçado)
Tênis (esporte)
As relações hierárquicas surgem da necessidade de especificar termos
genéricos e específicos e desta forma, estabelecer os mais diversos tipos de
relações, dependendo da linha e objetivo do tesauro.
Árvores
Árvores frutíferas
Macieiras
Laranjeiras
Árvores de nozes
Nogueiras
Castanheiras
Na bibliografia consultada assinalam-se as relações hierárquicas do tipo
genérica, do tipo partitiva, ou seja, o todo com suas partes, do tipo enumerativa
(Exemplo: Mar – Mar Báltico, Mar Negro, Mar Mediterrâneo) e as poli-
hierárquicas, onde um termo pode depender de mais de um termo genérico.
70
As relações associativas são estabelecidas por pontos distintos de associação,
dependendo do domínio do tesauro e de seu objetivo. O estabelecimento dos
tipos de relações associativas faz parte da política de implantação do tesauro.
Resta observar que os tesauros são construídos para uma área específica do
conhecimento. Não existe um tesauro geral; alguns cobrem vários assuntos.
Os tesauros nascem da necessidade de se reunir e sistematizar a informação
contida em documentos de determinado nicho do conhecimento. O trabalho de
BRUSCHINI et al. (1998) é um bom exemplo. Assim, é possível definir um
tesauro como uma “... OLQJXDJHP GRFXPHQWiULD GLQkPLFD TXH FRQWpP WHUPRV
UHODFLRQDGRV VHPkQWLFD H ORJLFDPHQWH FREULQGR GH PRGR FRPSUHHQVLYR XP
GRPtQLRGRFRQKHFLPHQWR” (GOMES, 1990).
A função do tesauro é representar os assuntos dos documentos e das
solicitações de busca. Esta representação é feita no momento da indexação,
através dos processos consecutivos de análise do documento, identificação de
seu conteúdo e da tradução para os termos do tesauro de acordo com a
política de indexação. Na recuperação, a representação da solicitação é feita
no momento em que o usuário busca uma informação, quando o pedido é
analisado, identificando-se seu conteúdo. A seguir, busca-se o termo no
tesauro através do processo de tradução. A própria estrutura do tesauro, ou
seja, os relacionamentos nele existentes possibilitam este processo de
tradução.
Seguindo este raciocínio, pode-se afirmar que o termo é um componente do
sistema de recuperação de informação, sendo afetado por ele e diretamente
afeta também seu desempenho. A estrutura de um tesauro é que traz ao
71
usuário – consulente ou indexador – a possibilidade de encontrar o termo mais
adequado, mesmo se não se conhece o nome específico para a idéia ou
conceito. A partir do que conhece o usuário, outros termos, oportunos ou não,
são apresentados para sua escolha, através da estrutura do tesauro.
Gomes (1990) classifica primeiramente os tesauros em relação à língua
suporte. Assim, eles podem ser monolíngues ou multilíngues. Uma atenção
especial deve ser dada ao segundo tipo, pois na tradução de termos de um
idioma para outro deve-se considerar o contexto cultural do emprego de
determinados termos. Essa autora classifica também os tesauros pela
especificidade de seus termos em macrotesauros e microtesauros. Nos
macrotesauros os termos representam conceitos mais amplos, o número de
descritores é pequeno e o número de remissivas é elevado, uma vez que
conceitos específicos são representados por não-descritores, que remetem ao
descritor genérico imediatamente superior. Nos microtesauros, os descritores
estão atrelados a conceitos específicos e referem-se a uma área restrita do
conhecimento.
Outra classificação feita pela autora diz respeito ao assunto: os tesauros
podem ser voltados para uma missão ou problema, ou dedicados a um
assunto. No primeiro caso, de tesauro multidisciplinar, um tesauro sobre meio
ambiente é um bom exemplo; no segundo caso, de tesauros voltados para uma
disciplina científica específica, um tesauro de Química constitui bom exemplo.
Alguns pontos específicos na teoria de Tesauros precisam ser ressaltados
neste trabalho. São eles a garantia de usuário, também conhecida como
garantia de uso, a garantia literária e a garantia estrutural.
72
*DUDQWLDOLWHUiULDJDUDQWLDGHXVRHJDUDQWLDHVWUXWXU DOEDVHV
SDUDXPWHVDXUR
Uma das primeiras tarefas indicadas na bibliografia para a criação de um
tesauro é a seleção de vocabulário, que vem logo após as atividades de
planejamento do tesauro, ou seja, a definição do domínio e dos objetivos do
instrumento, a seleção das fontes para consulta e a definição de sua forma de
apresentação. Alguns autores indicam que o vocabulário deve ser levantado
nas principais fontes do domínio do tesauro, indicadas na fase de seu
planejamento, ou de algum vocabulário de um serviço de informação já
consolidado da área (AITCHISON e GILCHRIST, 1979; BITI, 2005). O
vocabulário selecionado para a criação de tesauros é, antes de tudo, um
vocabulário normalizado, observa Svenonius (2000), pois é oriundo de um
conjunto restrito de palavras e frases, que vieram da linguagem natural
encontrada nas fontes do domínio e também, pelo tratamento semântico dos
termos, para fixar o seu referente e estabelecer as suas relações com outros
termos.
Nem todo vocabulário de um serviço de informação já existente deve ser
aproveitado para um novo tesauro, pois nem sempre o conjunto como um todo
interessa à clientela desse novo serviço (BITI, 2005). Selecionar o vocabulário
é antes de tudo uma tarefa de delimitação do tesauro a ser construído,
levando-se em conta principalmente as pessoas que dele farão uso e o próprio
domínio do tesauro.
A definição do domínio do tesauro assegura as decisões da escolha do
vocabulário a ser utilizado, bem como, as relativas aos termos a serem
73
adicionados ou removidos, o que colabora na questão do custo da construção
de um tesauro, que está fortemente relacionado a seu tamanho. É importante
limitar o tamanho de um vocabulário para se ter somente termos necessários e
suficientes para alcançar seus objetivos (SVENONIUS, 2000).
O ideal seria que houvesse uma forma de conhecer precisamente se
determinado termo deveria pertencer ou não ao vocabulário, o que é uma
tarefa árdua e requer antes de tudo a experiência e o conhecimento da área de
domínio do tesauro. Svenonius (2000) observa que, na prática, os domínios
tendem a ser definidos indiretamente, especificando critérios para a seleção de
termos, e que, tradicionalmente, os critérios empregados para este propósito
são a garantia literária, a garantia do usuário e a garantia estrutural.
A garantia literária é um conceito introduzido em 1911 por Wyndam Hulme,
autor que defendia que a determinação de classes utilizadas em linguagens de
documentação não deveria originar-se da classificação do conhecimento, mas
das classes existentes na literatura (DODEBEI, 2000). A garantia literária
possui o VWDWXV de um princípio: nas linguagens de indexação, o vocabulário
escolhido para a representação dos assuntos deve ser derivado empiricamente
da literatura para a qual pretende-se a representação. Ou seja, a literatura deve
ser determinante.
Ao comentar as idéias de Hulme, Svenonius (2000) observa que a linguagem à
qual ele se referia era a /LEUDU\RI&RQJUHVV&ODVVLILFDWLRQ(LCC), e a literatura
que serviria como garantia era a contida nos livros que estavam na biblioteca.
A autora acrescenta que a linguagem específica de uma área ou disciplina da
ciência tem a propriedade de ser definida através de um texto canônico desta
74
disciplina ou de um conjunto de documentos da mesma. Uma vez que a
literatura de uma área pode ser definida, as expressões e termos nela contidos
são indicativos da temática e tornam-se candidatos à inclusão no vocabulário
da linguagem.
O princípio da garantia literária é aplicado desde os processos de classificação.
Para Vickery (1975) a classificação é antes de tudo uma ferramenta de
seleção. Ao introduzir o processo de classificação, o autor enfatiza que o ato de
agrupar termos em categorias deve estar acompanhado da observação de
novos termos continuamente descobertos e cujas relações encontram-se
gravadas na literatura. Para ele, não se pode ser demasiadamente rígido em
apresentar antecipadamente um termo associado a uma categoria, pois esta
tarefa também requer um exame concreto da literatura do assunto. A
classificação deve ser baseada na garantia literária.
Embora necessária, a garantia literária não é suficiente para legitimar a
admissão de termos no vocabulário de uma linguagem de documentação, pois
nem sempre os termos utilizados pelos autores equivalem a termos utilizados
por quem pesquisa e deseja recuperar a informação.
A garantia do usuário está relacionada com o princípio de que os termos
selecionados para um tesauro precisam estar de acordo com aqueles utilizados
pelos usuários na tarefa de recuperação de informação. Cutter (1904)
5
apud
Svenonius (2000) já afirmava, naquela época, que o uso era o árbitro supremo,
e ele não se referia aos escritores, mas àqueles que buscam e necessitam da
5
CUTTER, Charles A., Rules for a Printed Dictionary Catalog, 4th ed. U.S. Bureau of Education
Special Report on Public Libraries, Part II. Washington, D. C. U. S. Government Printing Office.
1904.
75
informação. Para Svenonius (2000), alguns teóricos da indexação por assuntos
vêem a garantia do usuário competindo em importância com a garantia literária.
Na realidade, ambas são importantes e complementares. É importante acatar o
vocabulário dos usuários e através dele conduzir as requisições que eles fazem
aos descritores de um vocabulário mais especializado. Mas, sabe-se também
que muitas vezes alguns usuários se perdem em palavras no instante da
busca. Para eles, é sempre útil incluir termos nos quais nunca poderiam
pensar, mas para os quais poderiam ser dirigidos com a finalidade de melhorar
os pedidos, em sua procura.
Comumente, a garantia do usuário é sempre honrada na criação de uma
linguagem de documentação e é muito raro existirem tentativas contrárias a
este princípio pelos especialistas nestas linguagens. Existem diversos
trabalhos nesta área, inclusive trabalhos que pesquisam em registros de ORJV
de transações feitas em bases de dados dispostas em tecnologia de bancos de
dados RQOLQH, onde é possível retomar a consulta de um usuário e tentar medir
a adequação e o confronto do vocabulário por ele empregado nas rotinas de
busca com os vocabulários normalizados de linguagens de documentação.
Estes trabalhos demonstram que, no nível léxico, o encontro nem sempre se dá
em nível significativo. Entretanto, no nível conceitual, em que os autores
contabilizam os sinônimos e as relações genéricas, ele é consideravelmente
alto. Tal fato fez com que Svenonius (2000) definisse que encontrar a linha de
uso comum entre os termos nem sempre é o alvo principal para identificar os
conceitos nos quais um usuário está interessado, mas é fundamental para dar
nome a estes conceitos. Além de que, como reforça com propriedade a autora,
são muitos usuários diferentes e com usos diferentes, e para traçar um
76
vocabulário normalizado é necessário incluir todos os nomes pelos quais um
conceito é conhecido (SVENONIUS, 2000).
Também a garantia de uso já era observada muito antes. Gilchrist (1971) tratou
a garantia de uso, de acordo com o contexto de sua época, como uma força
paralela de pensamento na qual o leitor, como usuário e freqüentemente
criador de literatura, deveria ser empregado como uma fonte para se conhecer
a linguagem mais apropriada para a indexação. Ele cita Reisner
6
(1965) que já
afirmava em seu trabalho ser essencial a presença do usuário, pois só ele, o
usuário, seria capaz de refletir a diversidade semântica considerável da
linguagem por ele utilizada. Gilchrist (1971) citando Greer
7
(1965), Papier e
Cortelyou
8
(1962), continua seu raciocínio afirmando que os modelos que
levam em conta o usuário estão diretamente relacionados com o potencial da
necessidade de informação do usuário e com a linguagem por ele utilizada:
uma linguagem “espontânea” com a qual expressa seu pedido de informação.
Lancaster e Warner (1993) partilham da mesma opinião em relação a ambas
as garantias. Para eles, a escolha dos termos é decisiva para se construir um
vocabulário controlado e o caminho principal para este processo deve ser
necessariamente a escolha de termos derivados da literatura a ser indexada,
incluindo no processo a garantia literária. Mas, há de se preservar a garantia do
usuário, de quem deverão também vir os termos. São dois recursos que trazem
um impacto na indexação e na busca e que provam particularmente a
problemática da escolha de termos: (1) o nível apropriado de especificação do
6
REISNER, Phyllis. Evolution of a “growing” thesaurus. New York. IBM Watson Research
Center. 1965.
7
GREER, F. User vocabulary in thesaurus development. Perceptual and Motor Skills, v. 21. p.
827-37. 1965.
8
PAPIER, L. S. , CORTELYOU, E. H. Use of a technical word association test in the
preparation of a thesaurus. Journal of Documentation. v.18, n.4, p. 183-7. 1962.
77
vocabulário e (2) a extensão às palavras, que são combinadas para dar forma
a termos mais complexos e mais específicos da indexação.
Acontece muitas vezes, que alguns termos não se apóiam nem na garantia
literária nem na garantia de uso, mas são admitidos em um vocabulário
normalizado porque possibilitam uma função estrutural útil. São termos que
facilitam elos em uma hierarquia de termos ou colaboram para que seja
possível dispor um conjunto mais específico de termos.
Quando se constrói um vocabulário hierárquico, o mais provável é admitir
termos que estão somente garantidos por suas propriedades estruturais.
Vocabulários altamente estruturados, como os empregados por linguagens
classificatórias, incluem muitos assuntos designados por expressões que
dificilmente alguém pensaria em usar por escrito em documentos ou em
arquivos de tecnologia, isto é, bancos de dados de aplicações automatizadas.
Svenonius (2000) exemplifica o fato citando títulos encontrados na
Classificação Decimal de Dewey que começam com a palavra “tipos”, como
“Tipos de escolas”. Embora nem sempre requeridos, estes títulos existem em
virtude da sua utilidade nas funções de navegação pela estrutura.
A isto denomina-se garantia estrutural, ou seja, termos cuja colocação encontra
justificativa na estrutura do tesauro. Geralmente, para esses termos, a garantia
estrutural tende a anular a garantia literária ou a garantia de uso e a sua
colocação resulta em uma seleção de vocabulários da forma WRSGRZQ ao invés
de uma seleção ERWWRPXS (SVENONIUS, 2000).
As relações existentes entre os termos de um tesauro constituem ponto
fundamental de tal forma que as diretrizes de alguns tesauros proíbem termos
78
órfãos, isto é, não relacionados a outros termos. O que faz sentido, se o
propósito da normalização de vocabulário é estabelecer conectividade na forma
de relações semânticas entre termos. Também é significativo se o vocabulário
for usado junto com texto livre para pesquisa. Seria uma despesa
desnecessária incluir termos órfãos que poderiam ser capturados através de
palavras-chave. Por outro lado, onde o vocabulário de assunto é o único
acesso à informação, baseado em índice impresso, é necessário incluir termos
órfãos ou conceitos importantes para que possam ser recuperados.
$JDUDQWLDTXHYHPG D VXQLGDGHVGHWH[WR
Algo particular chamou a atenção ao se construir este projeto. Os textos
científicos obedecem a determinado formato, com normas para sua construção.
E algumas partes específicas de um texto são prioritárias tanto para quem
escreve quanto para quem os lê. Passemos a definir um texto científico
publicado no formato de um artigo.
Um artigo científico possui uma estrutura composta de elementos pré-textuais,
textuais e pós-textuais. Os elementos pré-textuais compõem-se do título, da
autoria do artigo, do resumo e das palavras-chaves. Os elementos textuais
correspondem ao texto propriamente dito e os pós-textuais às referências
bibliográficas, aos resumos em outras línguas, às notas de final de texto e
anexos. Existem diversas obras que tratam da normalização de trabalhos
científicos. Entre elas foram vistas as obras de França et al.(2004) e Cunha
(2004). No caso brasileiro, as normas técnicas da Associação Brasileira de
Normas Técnicas (ABNT) regulamentam a apresentação desta estrutura e das
79
particularidades de cada um destes elementos através das normas técnicas
NBR10520, NBR6023, NBR6022, NBR6024, NBR6028.
As normas da ABNT dão diretrizes para uma correta apresentação dos
elementos de um artigo científico. O título deve ser claro e objetivo, podendo
ser formado de título e subtítulo, apresentado sempre na mesma língua do
texto e, em caso de necessidade de apresentação em outras línguas, estes são
apresentados logo a seguir. No título de artigo científico, deve-se evitar a
utilização de parênteses e fórmulas que dificultam a compreensão de seu
conteúdo. Se o artigo for uma tradução, o nome do tradutor e o título original do
artigo devem ser apresentados em notas de rodapé.
Segundo Krzyzanowski e Ferreira (1998) foi a partir da década de 60 que
começaram a surgir na literatura estudos sobre avaliação de revistas científicas
e técnicas, demonstrando a necessidade de se definirem parâmetros
mensuráveis que realmente refletissem a qualidade da informação registrada.
Os autores fazem referência a um artigo publicado por Arends (1968), onde é
relatada uma avaliação dos periódicos médicos venezuelanos, baseada em
modelo criado por um grupo de trabalho da Unesco em 1964, para a seleção
de revistas técnicas latino-americanas. Em 1982, Braga e Oberhofer
10
apud
Krzyzanowski e Ferreira (1998) apresentaram uma proposta para avaliação de
periódicos brasileiros científicos e técnicos, alterando o modelo da Unesco.
Esses autores propõem um modelo que procura refletir aspectos de forma dos
periódicos, dentro de parâmetros mensuráveis.
9
ARENDS, L. Las revistas médicas venezolanas: evaluación de su cualidad. Acta Cient.
Venezolana. V. 19, p. 145-151, 1968.
10
BRAGA, G. M., OBERHOPER, A. Diretrizes para avaliação de periódicos científicos e
técnicos brasileiros. Ver. Lat., n. 1, p. 27-31. ene./jun., 1982.
80
Lopes Neto et al. (2002) apresentam pesquisa realizada em títulos de artigos
de um periódico de enfermagem. Este trabalho merece atenção, já que o
problema apresentado por eles focava-se na adequação dos títulos das
pesquisas de enfermagem em traduzir o que realmente havia sido estudado.
Abaixo são listadas algumas das conclusões e observações feitas por estes
autores, que podem ser estendidas a artigos de periódicos de outras áreas da
ciência:
•
Os títulos, de forma geral, possuíam linguagem econômica em palavras
como uma condicionante de objetividade e veracidade;
• Os títulos deviam oferecer aos leitores de pesquisas científicas
contribuições de forma direta, facilitando sua busca sem gerar ansiedade e
frustração;
•
Títulos exuberantes, construídos na tentativa de mostrar uma linguagem
filosófica e científica, comumente deixam de expressar o conteúdo
trabalhado. O uso de uma linguagem rebuscada pode decepcionar os
leitores, quando o ideal seria motivá-los;
•
A maioria dos artigos analisados apresentava títulos considerados
adequados, de acordo com o referencial de análise utilizado, embora uma
quantidade significativa de artigos apresentasse títulos com uma captação
apenas parcialmente adequada, uma vez que, de acordo com a percepção
dos autores, não condiziam com o conteúdo expresso no corpo do trabalho;
•
O emprego de metáforas em títulos foi verificado em apenas 7,35 % dos
casos e o pleonasmo em 5,38% dos mesmos;
81
• Títulos longos foram encontrados em 16,37 % dos artigos e títulos com
problemas de pontuação - emprego inadequado de sinais de pontuação
como interrogação, dois pontos, etc. - foram observados em 13,24 % dos
títulos analisados;
• Em relação à clareza do título, esta foi observada em 66,17% dos casos;
• As palavras-chave utilizadas nos artigos foram parcialmente captadas nos
títulos e, segundo os autores, deve-se dar uma atenção maior a este
emprego e estudo.
Nos textos científicos, obrigatoriamente o nome do autor, ou dos autores, é
sempre apresentado por extenso e a seguir ao título, embora em alguns casos
seja possível ver nomes intermediários abreviados. Se o periódico exigir a
apresentação das credenciais do autor, estas devem ser apresentadas em nota
de rodapé. Agradecimentos dos autores e data de entrega dos originais à
redação, devem aparecer em nota editorial no final do artigo.
O resumo é uma apresentação concisa e seletiva de um texto, apresentado
sempre em seqüências de frases afirmativas e não de enumeração de tópicos,
ressaltando o objetivo, o método e, de forma mais genérica, os resultados e as
conclusões do documento. O resumo é sempre disposto na língua do texto e
preferencialmente, deve-se utilizar o verbo na voz ativa e na terceira pessoa do
singular. No resumo ³ D SULPHLUD IUDVH GHYH VHU VLJQLILFDWLYD H[SOLFDQGR R
WHPD SULQFLSDO GR GRFXPHQWR´ (NBR6028). Quanto à sua extensão, os
resumos de artigos de periódicos não devem ultrapassar a 200 palavras,
exigência não aplicada quando se trata de resumos críticos de obras.
82
Seguindo ao resumo, são apresentadas as palavras-chave na língua do texto,
consideradas um elemento obrigatório do texto científico, salvo alguma
recomendação específica do periódico, em contrário são antecedidas pela
expressão “Palavras-chave:”, separadas entre si por ponto e finalizadas
também por ponto (NBR6022) Correspondem a palavras significativas do
conteúdo do artigo e facilitam a elaboração posterior de um índice de assunto.
França et al. (2004) recomendam que estas palavras devem ter uniformidade
de apresentação em todo o periódico, consistência de estilo e exatidão de
informação em relação ao texto científico. Sempre que possível, devem
apresentar exaustividade, ou seja, devem ser o mais completo possível,
respeitando o número de palavras-chave limite do periódico. E é fundamental
que sejam claras e adequadas ao leitor a quem se destinam.
Logo depois é apresentado o texto, a parte principal do artigo, contendo uma
exposição ordenada e pormenorizada do assunto tratado. Divide-se em seções
e subseções, cuja regulamentação encontra-se nas normas técnicas NBR6024
e NBR6022. Via de regra, encontram-se nele alguns elementos de destaque: a
introdução, o desenvolvimento do trabalho contendo uma revisão de literatura
através dos trabalhos relacionados, referencial teórico, a metodologia
empregada, os resultados e a avaliação destes e a conclusão. Estes itens
conterão sempre sub títulos e numeração conforme o padrão do periódico onde
se publica o texto científico. Atenção especial é necessária para as citações,
regulamentadas pela norma NBR10520 da ABNT.
As referências bibliográficas constituem um elemento obrigatório em textos
científicos e devem ser apresentadas conforme a norma NBR6023.
Correspondem a uma listagem de todas as obras e documentos bibliográficos
83
que foram usados para elaboração do artigo. Em alguns casos, após as
referências bibliográficas são apresentados as notas de final de texto, os
agradecimentos e os anexos.
Wilson (1985) trata do assunto do texto. Para ele um autor, ao escrever, tem
uma intenção clara quanto ao seu assunto. De alguma forma, passa a ter
controle sobre nosso sentido em relação ao domínio do texto, que ele, autor,
controla muito bem. Ao escrever, sabe o que está fazendo e fornece um
enunciado honesto em relação a seus objetivos através do próprio texto, o que
favorece àqueles que trabalham na representação do texto.
Neste trabalho, o título de um artigo científico, o resumo, as palavras-chave e a
bibliografia tornaram-se objetos de estudo, em particular pelo entendimento de
que a estas partes de um texto científico são dadas prioridades de construção,
pois são instrumentos que facilitam a escolha do usuário na recuperação. Elas
passam a ser as unidades de texto eleitas para a pesquisa. Assim sendo,
levanta-se a questão de que a partir delas é possível extrair termos e
relacionamentos representativos de um documento, de uma coleção de
documentos e de um conjunto de coleções de documentos.
$OJXQV WUDEDOKRVUHODFLRQDGRV
Lancaster e Warner (1993) apresentam comparações entre trabalhos
realizados na Ciência da Informação sobre o tema de construção de tesauros.
A pesquisa nesta área encontra-se dividida em duas grandes linhas: uma de
construção manual de tesauros e a outra de construção automática de
tesauros. Nessas pesquisas, o que está sendo representado é a organização
84
de uma terminologia específica de assuntos e o objetivo de ambas as linhas é
impor maior predição no uso da língua, na recuperação de informação, pela
representação explícita de relacionamentos entre termos e frases. Este
procedimento colabora para que a revocação seja acompanhada de alto nível
de precisão, tendo em vista a especificidade da terminologia representada –
“TXDQWRPDLVHVSHFtILFRVRVWHUPRVHQFRQWUDGRVQRWHVDXURPDLRUDSUHFLVmR”
(LANCASTER e WARNER, 1993).
Na construção manual, palavras e frases são identificadas por um grupo de
peritos em documentação, através da extração de assuntos da literatura. Estes
assuntos são então organizados em facetas e são determinadas as relações
entre os termos. As pesquisas na linha de construção automática dividem-se
em dois grupos: trabalhos que partem de estatística de ocorrências de termos e
trabalhos que têm como base a lingüística.
Soergel (1974) aponta que os relacionamentos extraídos através da
observação estatística são relacionamentos conceituais e esta é a idéia básica
para métodos automáticos de construção de tesauros. Para ele, os métodos
automáticos auxiliam o processo de construção, mas não substituem o esforço
intelectual necessário para a construção de uma linguagem de indexação ou
mesmo de um tesauro. As estatísticas não devem ter precedência ao
julgamento humano na avaliação do vocabulário, mas através delas algumas
decisões úteis podem ser tomadas. O autor considera que a identificação dos
termos e dos relacionamentos por métodos automáticos deve ser considerada
como um tipo e pré-processamento das fontes, especialmente sumários e
textos completos, antes de se decidir transferir termos para o tesauro
(SOERGEL, 1974).
85
Na aproximação automática existem sempre dois procedimentos: a seleção
prévia através da utilização de freqüência, eliminando anteriormente VWRSZRUGV
(palavras sem significado para a indexação ou representação do documento);
seguindo com a seleção de termos que representam estes conteúdos. O
trabalho de Luhn (1997) e de Salton (1981) são representantes desta linha.
Hirschman, Grishman, Sager
11
(1975) apud Lancaster e Warner (1993)
utilizam-se também da classificação dos termos em classes gramaticais para a
seleção. Lancaster e Warner (1993) citam também os trabalhos de Dilton e
McDonald
12
(1983) onde frases mais específicas e complexas são utilizadas
para análise lingüística, assegurando uma seqüência gramatical.
Alguns outros trabalhos agrupam palavras ou frases estatisticamente, de
acordo com a freqüência de suas co-ocorrências ou através de sua freqüência
relativa, como o de Spark Jones (1971)
13
, Stilles (1961)
14
e Doyle (1961)
15
todos eles citados por Lancaster e Warner (1993).
Soergel (1974) coloca que trabalhos estatísticos podem ser considerados em
unidades de texto, equivalendo às partes de formulações de pedido de buscas
tendo em vista termos dos descritores; ao conjunto dos termos indexados
contidos na representação do documento; aos resumos de documentos; às
frases individuais extraídas dos documentos ou de seus resumos; aos
parágrafos dos resumos ou mesmo ao texto completo. Esse autor denomina
11
HIRSCHMAN, L., GRISHMAN, R., SAGER, N. (1975). Grammatically-Based Automatic Word
Class Formation. ,QIRUPDWLRQ3URFHVVLQJDQG0DQDJHPHQWY11, p.39-57.
12
DILTON, M., MCDONALD, L. Fulty Automatic Book Indexing. Journal of Documentation, v.
39, n. 3; p.153-154, september 1983.
13
SPARK JONES, K. Automatic keyword classification for information retrieval. London,
Butterworth, 1971.
14
STILES, H. E. The association factor in information retrieval. Journal of the Association For
Computing Machinery. V. 8, n.2, p.271-279, April 1961.
15
DOYLE, L. B. Semantic road maps for literature searches. Journal of Associations for
Computing Machinery, v. 8, n. 4, p. 553-578, Octobre 1961.
86
"FRUSXV GR WH[WR" ao conjunto das unidades de um texto de um ou todos os
tipos. Para ele existem dois métodos principais de se contar freqüência de
termos: uma contagem denominada total, equivalente ao número de vezes que
o termo ocorre no documento ou uma contagem única para cada unidade,
independente do número de ocorrências do termo. Aponta, também, a
possibilidade de se estabelecer pesos de acordo com a freqüência do termo
dentro da unidade.
Soergel (1974) discute ainda a validade de serem os descritores retirados de
um texto apenas por alto valor de ocorrência dos mesmos observando que
quando aparecem em poucas unidades eles podem ter maior poder
discriminatório. Em seu trabalho, o autor apresenta formas de mensurar a
ocorrência simultânea ou não de dois termos em unidades do texto, assim
como uma interpretação destes valores de ocorrência, tendo em vista a
possibilidade de existir relação de sinonímia, de homonímia, relação conceitual
ou uma relação hierárquica entre estes termos.
Conforme Lancaster e Warner (1993), o que não aparece nas aproximações
estatísticas é uma representação das relações semânticas específicas entre os
termos, o que pode levar a agrupamentos “DPEtJXRV VHPDQWLFDPHQWH´ que,
gerados deste modo, deixam questionamentos sobre a utilização de termos
extraídos a partir de uma coleção em outra coleção distinta.
Para operacionalizar este problema outros autores tentaram produzir um
tesauro como uma rede semântica, através do uso de um dicionário legível por
87
computador. Fox et al.
16
(1998) apud Lancaster e Warner (1993) apresentaram
trabalho nesta linha. Um vocabulário controlado gerado deste modo
presumivelmente não estaria unido a uma coleção particular e representaria o
conteúdo de um vocabulário geral, passível então de aplicação em muitos
ambientes diferentes.
Existem também tesauros construídos por recursos léxicos genéricos, como os
dicionários que são potencialmente úteis, já que o conjunto de termos e frases
estaria relacionado de forma semanticamente específica, como por exemplo,
através de relações gênero-espécie, parte-todo, causa-efeito, etc. Esse tipo de
processamento requer um alto desempenho computacional (LANCASTER e
WARNER, 1993), porém construir tal rede é necessário, já que ainda não está
claro como um tesauro assim construído colaboraria nas operações de
recuperação. Esses dicionários, em geral, partem da estrutura da língua, sem a
necessária presença da terminologia especializada, requerida nas solicitações
de busca de assuntos específicos.
Lancaster observa ainda que o uso da Lingüística, como base para se agrupar
termos, pode significar melhoria de desempenho em alguns casos de
recuperação de informação, conforme apresentado por Wang, Vandendorpe e
Evens (1985)
17
DSXG Lancaster e Warner (1993). Estes autores propõem a
ruptura de termos específicos e termos genéricos em algumas categorias de
relacionamento, como nas relações parte-todo, como forma de melhoria em
alguns casos de recuperação de informação.
16
FOX, E. A. et al. Building a large thesaurus for information retrieval. In: Proceedings of the
Second Conference on Applied Natural Language Processing. Austin, Texas, February 1998.
Morristown, N. J., Association for Computational Linguists, 1988, p. 101-108.
17
WANG, Yih-Chen, VANDERDORPE, J., EVENS, M. Relational thesauri in information
retrieval. Journal of the American Society for Information Science. v. 36, n.1, p.15-17, January
1985.
88
Na Ciência da Computação os trabalhos encontrados versam sobre a
automação da construção de tesauros, sendo que alguns trabalhos
relacionados com processamento de linguagem natural articulam a
possibilidade de se trabalhar com palavras-chave, vocabulário controlado e
tesauros. No contexto deste último, a computação vem sendo utilizada para a
construção do vocabulário a ser utilizado em um tesauro, em comparações de
semelhanças entre palavras ou termos empregados em uma área, através de
associações e estatísticas, e para a própria organização do vocabulário.
Não se pode deixar de referenciar o desafio para recuperação de dados na
Web e as contribuições da computação através das máquinas de busca. Shiri e
Revie (2000) apresentam os tipos de tesauros existentes para a Web,
delineando suas funções e os desafios a serem vencidos. O trabalho de Chen
et al. (2003) propõe a construção automática de tesauros para a Web, através
da estrutura de vínculos (OLQNV) encontrada nas páginas. Está presente também
a preocupação com as atualizações de termos de determinado domínio, visto
que a proposta é identificar novos termos e reconhecer novas relações para um
tesauro, através da própria evolução da rede. Os autores partem de um
conjunto de páginas da Web representativo do domínio do tesauro. A
metodologia consiste em filtrar os vínculos dispostos, analisando cada
conteúdo das páginas apontadas, as quais são representadas por um grafo
onde cada nodo representa um conceito. As relações trabalhadas são de
associação e agregação. As relações associativas são representadas por
relações horizontais neste grafo, sendo que as relações de agregação
compõem a estrutura hierárquica. O tesauro é então construído pelas
89
estruturas de conteúdos das páginas selecionadas. Estes autores chegaram a
uma melhoria de 20% na busca por conteúdos contidos nestes tesauros.
O trabalho de Crouch e Yang (1992) apresenta um algoritmo para geração
automática de tesauros através da construção de vetores representativos de
estatísticas das relações existentes entre as palavras. Os autores validam o
algoritmo apresentando resultados de melhorias na efetividade de recuperação
em quatro coleções utilizadas como massa de teste. Nestes dados, a
pertinência de um termo a uma classe do tesauro é identificada através de
algoritmos. Kimoto e Iwadera (1989) mostram um sistema de recuperação
baseado em um tesauro dinâmico utilizando os conceitos de conexão entre
nodos, com base em uma rede de estrutura onde cada nodo representa um
termo do tesauro. As conexões entre esses nodos representam as ligações, ou
relações, entre os termos e, por sua vez, entre os documentos. Os autores
previram a informação de documentos relevantes para o usuário, abrindo
possibilidades de alterar o peso do nodo e gerar vínculos. De alguma forma, os
pesos de nodo e vínculos refletem um interesse particular do usuário.
Bruandet (1982) apresenta uma metodologia em forma de estudo teórico para
construção automatizada de tesauros através da utilização de bancos de
dados, e Donghong (1998), um estudo para combinar um tesauro com um
dicionário, ambos na língua chinesa. As palavras do tesauro são localizadas no
dicionário de onde são capturadas as palavras relacionadas. Ou seja, trabalha
com relações de equivalência em tesauros, a partir de seus termos em
comparação com as palavras de um dicionário. O trabalho produz uma
classificação semântica das significações encontradas no dicionário. Foo et al.
(2000) trabalham também na construção de um tesauro automático chinês;
90
explicitam as fases de construção de um tesauro automático, enquanto
apresentam suas experiências trabalhando com um conjunto de documentos
da área de economia.
Braga (1982) apresenta estudo realizado para indexação de artigos de
periódicos, a partir de palavras extraídas dos títulos, utilizando algoritmo
NH\ZRUGLQFRQWH[W - KWIC - aplicado a cada título e mensurando
estatisticamente os resultados. Para a autora, o título é uma forma de
sumarização que determina o conteúdo do documento, ou de outra forma,
sobre o que o documento foi escrito e por isso justifica esforços de indexação a
partir do mesmo. O KWIC foi introduzido por Peter Luhn em 1958 e baseia-se
na rotação automática das palavras que compõem o título. Na verdade, o
método encontra-se apoiado em três princípios básicos:
•
os títulos são informativos;
• as palavras extraídas dos títulos podem ser usadas para uma indexação e
uma busca efetiva;
• a palavra vista isoladamente pode ter sentido ambíguo e o contexto que a
rodeia permite definir e explicar o seu significado.
A autora registra a cifra de 70 artigos encontrados desde 1958 e 1960 (datas
das obras de estudo de Luhn) até 1980, que tratam de título como elemento de
aceso ao conteúdo. Kremmer (1985) aponta que os índices gerados pelos
algoritmos KWIC, ou NH\ZRUGRXWFRQWH[W (KWOC), são limitados em recursos
de busca. Esses índices são ainda mais limitados em recursos de busca, mas
são importantes quando se deseja fornecimento rápido de informação sobre a
91
literatura corrente de determinado campo. Joyce e Needham (1997) apontam
que Luhn acreditava que o método estatístico poderia ser aplicado da seguinte
forma:
• palavras com significado semelhante ou relacionado se agrupam em
famílias, como nos cabeçalhos em Roget’s Thesaurus;
• a codificação de documentos em termos de elementos nocionais é efetuada
por meio do dicionário de anotações e o resultado é um abstrato nocional
mecanicamente preparado;
• para recuperação, é solicitado ao usuário da pesquisa preparar uma
composição com tantos detalhes quantos os do problema. Isto é codificado
da mesma maneira, e o padrão de pergunta nocional é comparado com o
padrão notacional do documento. Uma vez que um PDWFK idêntico é
altamente improvável, este processo poderia levar a uma base estatística
partindo de determinado grau de semelhança.
Chen e Wu (1999) afirmam que a qualidade de indexação não depende
somente de conhecimento profissional e da experiência de bibliotecários ou
especialistas de assunto; pode ser afetada por restrições impostas em relação
ao tempo e ao custo da atividade. Em seu trabalho, partem de palavras de
títulos e resumos de documentos indexados manualmente como treinamento
para a criação de um vocabulário controlado a ser gerado. A idéia proposta por
eles é baseada no conteúdo das palavras do vocabulário, presumindo-se que
deve existir uma relação entre vocabulários controlados e o conteúdo das
palavras extraídas. Ao se encontrar estas palavras nos textos, eles atribuem ao
92
documento a indexação do vocabulário controlado, permitindo que um mesmo
texto seja indexado por diversos assuntos.
Morita et al. (2004) trabalham com a construção automática de tesauros. Em
pesquisa relativa à co-ocorrência de palavras, através do processamento de
linguagem natural, utilizaram-se de um dicionário na língua dos documentos e,
a partir de hierarquias construídas com as palavras dos documentos e com as
do dicionário, extraíram estas co-ocorrências. Nesse trabalho, apresentam
cálculos para se verificar a similaridade entre as palavras. Hodge e Austin
(2002) apresentam a hierarquia léxica de palavras através de conceitos ligados
a redes neurais. Seu trabalho descreve uma metodologia para categorização
de palavras dentro destes princípios.
Holanda et al. (2004) utilizam-se de grafos construídos entre as palavras de um
tesauro, com interesse pela forma como se dá o caminho entre as palavras, ou
seja, entre os nodos do grafo. Neste, as conexões entre os nodos
correspondem às relações entre os termos do tesauro.
Salton (1981) apresenta um sumário das possibilidades de indexação através
de aplicações automatizadas por freqüência de termos. Para ele, existe um
relacionamento claro entre a freqüência de um termo e sua importância para
representação do conteúdo do documento. Aponta estas questões tendo em
vista o documento e uma coleção de documentos, levantando pontos sobre a
especificidade de um termo e seu poder de discriminação de documentos.
93
2DPELHQWHGHVHQYROYLGR
Este capítulo apresenta o caminho da construção do ambiente semi-
automatizado para a construção de tesauros como alternativa de solução para
o problema levantado. Apresenta-se a seguir a fase de pré-teste e os passos
para a construção do ambiente desenvolvido.
3UpWHVWHYHULILFDQGRSRVVLELOLGDGHVDWUDYpVGRVGDGRV
Como pré-teste, foi realizado um experimento para verificar se a construção de
uma base de dados, formada pela reunião de todas as palavras-chave,
encontradas em textos específicos de uma área, aumentaria o poder de
indexação dos mesmos para uma máquina de busca baseada em vocabulário
controlado. Partiu-se da hipótese de que as palavras-chave informadas por
autores nos textos científicos ocorrem nas partes específicas: título, resumo,
texto e bibliografia, neste trabalho tratados como unidades de texto.
O experimento foi realizado em duas fases: na primeira, foi verificado se as
palavras-chave de cada artigo eram encontradas em cada uma dessas
unidades; na segunda fase, foi criado um arquivo contendo todas as palavras-
chave de todos os artigos e novamente foi realizada a verificação de ocorrência
de palavras-chave nessas unidades, partindo-se agora do conjunto de
palavras-chave.
Como massa de teste foram escolhidos 114 artigos escritos na língua
portuguesa e disponibilizados no periódico digital 'DWDJUDPD =HUR
18
em julho
18
Na bibliografia a referência DATAGRAMA ZERO(2004) consta com data de seu ultimo
acesso.
94
de 2004, quando foi realizado o pré-teste. Nessa fase, os resultados foram
obtidos a partir de uma análise quantitativa dos dados levantados, com
execução de programas para reconhecer a ocorrência de palavras-chave nos
textos do periódico.
As Figuras 1 e 2 apresentam o percentual das ocorrências de palavras-chave
nos títulos. Apenas 27% dos artigos da massa não possuíam suas palavras-
chave em seus títulos. Este percentual passa para 10% dos artigos quando
estas palavras são comparadas com o vocabulário controlado criado a partir do
conjunto de palavras-chave dos artigos. Pode-se supor que o uso do
vocabulário formado pelo conjunto das palavras-chave encontradas nos artigos
para indexar seus títulos levaria a um ganho nas possibilidades de recuperação
da informação.
)LJXUD3HUFHQWXDOGHDUWLJRVFRPDTXDQWLGDGHGHSDODYUDVFKDYHHQFRQWUDGDVHP
VHXVWtWXORV
uma
45%
zero
27%
quatro
4%
três
4%
duas
20%
95
)LJX UD3HUFHQWXDOGHRFRUUrQFLDGHSDODYUDVFKDYHGDEDVHQRVWtWXOR VGHDUWLJRV
As Figuras 3 e 4 apresentam o percentual das ocorrências de palavras-chave
nos resumos. Dos 114 artigos da amostra, 24 (21%) não incluíam suas
palavras-chave nos resumos. O vocabulário controlado reduziu este número
para apenas dois artigos, pouco menos que 2% do total. O vocabulário
controlado aplicado aos resumos pode ser eficiente na recuperação de
informações; mas prevalece a premissa do conhecimento deste vocabulário e
sua aplicação pelo usuário.
duas
31%
uma
27%
zero
10%
seis
1%
cinco
6%
três
14%
quatro
11%
96
)LJX UD$UWLJRVFRPVXDVSDODYUDVFKDYHQRUHVXPR
)LJXUD$UWLJRVFRPSDODYUDVFKDYHGDEDVHQRUHVXPR
O resultado dos testes para encontrar palavras-chave nos textos dos artigos
ficou dentro do esperado. Apenas oito artigos, 7% do total, não possuíam as
palavras-chave no corpo do texto. Um dado interessante é que seis deles não
24
20
22
13
10
6
7
6
2
1 1 1
0
10
20
30
4XDQWLGDGHGHSDODYUDVHQFRQWUDGDV
4XDQWLGDGHGHDUWLJRV
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
23
25
24
0
2
4
6
8
10
12
14
4XDQWLGDGHGHSDODYUDV
4XDQWLGDGHGHDUWLJRV
97
possuíam também estas palavras no título e na bibliografia. A aplicação
utilizando a base de palavras-chave reduz este valor a zero.
Existem hoje na Web processos que procuram demonstrar quantas vezes um
texto já foi citado em outros textos. Um exemplo é o &LWHVHHU,VW ± 6FLHQWLILF
/LWHUDWXUH'L JLWDO/LEUDU\
19
. Nesta fase de testes partiu-se da hipótese de que a
bibliografia utilizada pelos autores dos artigos poderia apresentar termos
coincidentes com as palavras-chave do artigo, auxiliando a recuperação da
informação. Apesar de quarenta artigos (35%) não apresentarem palavras-
chave de seus textos em sua bibliografia, o percentual dos que apresentam é
animador.
O emprego da base de palavras-chave em relação à bibliografia reafirma estes
dados. Dos quarenta artigos iniciais, cujas palavras-chave não encontraram
correspondentes na bibliografia, apenas sete continuam desta forma ao se
aplicar o vocabulário controlado. Este número é muito pequeno e representa
apenas 6% do total dos artigos, evidenciando que a forma de recuperação por
bibliografia pode também facilitar a recuperação de informação. As Figuras 5 e
6 ilustram esta execução.
19
CITESSER.IST. Scientific Literature Digital Library. Disponível em http://citeseer.ist.psu.edu Acesso
em 10 jul. 2004.
98
)LJXUD4XDQWLGDGHGHSDODYUDVFKDYHHQFRQWUDGDVQDVELEOLRJUDILDVGRVDUWLJRV
0
1
2
3
4
5 6 7
8
9
10
11
12
13
14
15
16
17
19
21
22
23
24
25
30
31
35
37
40
42
50 55
92
67
61
51
66
26
29
20
18
27 52
0
1
2
3
4
5
6
7
8
4XDQWLGDGHGHS DODYUDV
4XDQWLGDGHGHDUWLJRV
)LJX UD4XDQWLGDGHGHSDODYUDVGRYRFDEXOiULRHQFRQWUDGDVQDELEOLRJUDILD
Assim, nesta fase de pré-teste foram verificadas as ocorrências das palavras-
chave indicadas pelos autores de textos científicos de determinada área do
conhecimento no título, no resumo, no próprio texto e na bibliografia dos artigos
da revista Datagrama Zero. Os resultados do pré-teste demonstraram que, na
maioria dos casos, essas palavras facilitam a recuperação dos artigos, se os
0
1
2 3
4
5
6
7
8
9
10
11 12
13
14 15
18 22
24 25 43
0
5
10
15
20
25
30
35
40
45
4XDQWLGDGHGHSDODYUDV
4XDQWLGDGHGHDUWLJRV
99
mesmos forem indexados pelo conjunto das palavras. Os resultados do pré-
teste incentivaram a continuidade da pesquisa e tornaram-se base para a
formulação da hipótese deste trabalho.
 $OID7KHV DPELHQWH VHPLDXWRPDWL]DGR GH JHUDomR H
DOWHUDomRGHWHVDXURV
Entende-se por ambiente de tecnologia a reunião de recursos de máquinas
(KDUGZDUH), programas (VRIWZDUH) e, principalmente, de pessoas que executam
tarefas e interagem com o mesmo. O ambiente semi-automatizado de
construção e alteração de tesauros foi batizado - e será assim denominado
neste trabalho - com o nome de $OIDWKHV (Alfa Thesaurus) pela crença de que,
com ele, apenas inicia-se um caminho, em analogia à letra grega alfa, início de
tudo.
Para a programação do AlfaThes utilizou-se a linguagem PHP (acrônimo
recursivo para "PHP: +\SHUWH[W 3UHSURF HVVRU"), em sua versão 4. O PHP é
uma linguagem voltada para o desenvolvimento de aplicações Web. A escolha
deu-se principalmente pelas funções que possui para gerenciamento de VWULQJ
(conjunto de letras), facilitando o processamento a ser realizado. Para
armazenamento dos dados optou-se pelo gerenciador de banco de dados
MySql, software livre, que utiliza a linguagem SQL (6WUXFWXUHG 4XHU\
/DQJXDJH) como linguagem de manipulação de dados (DML – GDWD
PDQLSXODWLRQ ODQJXDJH). Uma das principais características do MySql é sua
total integração com o PHP, sendo que a interface utilizada para consultas no
projeto foi o EasyPHP (EASYPHP, 2005).
100
Foram selecionados como usuários deste ambiente pessoas com um
conhecimento profundo em criação de linguagens de indexação, aqui
denominados especialistas em indexação, e usuários com conhecimentos
específicos na área de domínio do tesauro, aqui denominados especialistas da
área. Ambos os tipos de usuário serão referenciados neste texto como usuários
gestores do ambiente, o qual contou também com um gestor, aqui denominado
gestor do projeto, cujo perfil é semelhante ao dos demais usuários.
Foram tomadas como premissas básicas que o ambiente deveria possuir
interface amigável e possibilitar a todos os usuários envolvidos a consulta a
todo e qualquer dado armazenado em sua base: a coleção de documentos, as
palavras-chave extraídas, as palavras-chave tratadas, os termos
recomendados, os conceitos construídos, os termos e os relacionamentos
existentes no tesauro que estava sendo criado ou em manutenção.
A criação de tesauros pressupõe fases já estabelecidas nos processos
realizados pelos profissionais de informação, envolvendo atividades de seleção
de documentos representativos, a extração dos termos, a geração dos
conceitos e o estabelecimento da estrutura, ou seja, a criação dos
relacionamentos entre os termos (BITI, 2005; CAMPOS, 2001; CINTRA et. al;
2002; DODEBEI, 2002; GOMES e CAMPOS, 2004). Estes quatro passos
básicos orientaram a arquitetura de construção do AlfaThes, apresentado na
Figura 7.
101
)LJXUD$OID7KHV$PELHQWHGHJHUDomRHPDQXWHQomRVHPLDXWRPiWLFDGHWHVDXURV
O AlfaThes foi construído em seis etapas, descritas a seguir:
• Preparação do ambiente e criação das bases de dados
Termos selecionados
Gestor e demais
usuários
Gestor e demais
usuários
Gestor e demais
usuários
Gestor e demais
usuários
Palavras-chave
Palavras-chave
&ULDomRGDV
EDVHVGHGDGRV
*HUDomRH
DWXDOL]DomR
7HVDXURV
9HULILFDomR
WHUPRV
MXQWRD7HVDXUR
6HOH
omRGH
7HUPRV
5HDOL]DomR
GHURWLQDV
HVWDWtVWLFDV
HFiOFXORGH
IUHTXrQFLDV
HtQGLFHV
3UHSDUDomRGR
DPELHQWH
Tesauro Ideal
Tesauro Ideal,
conjunto de textos
Índices
102
• Realização de rotinas estatísticas
•
Cálculo de freqüências e índices
•
Análise e seleção de termos
• Verificação de termos em tesauro ideal
• Geração e atualização do tesauro
A construção de tesauros prevê a fase de planejamento, quando são
estabelecidas as políticas que o nortearão. Antecedendo a isto, todo tesauro
tem uma motivação centrada em determinado assunto, em uma área do
conhecimento, na missão institucional, dentre outras.
A Ciência da Informação foi escolhida como área do conhecimento para o
AlfaThes. Como políticas, decidiu-se que os termos deveriam retratar esta área
em sua forma mais ampla, ou seja, os termos deveriam ser selecionados
levando em conta sua interdisciplinaridade com a Biblioteconomia,
Arquivologia, Museologia, Ciência da Computação, Economia, Comunicação,
Ciências Cognitivas, Administração, Ciências Políticas, História, Filosofia,
Direito, Linguística, Sociologia, Educação, entre outras. E seriam, sempre que
possível, tomados no singular e em gênero masculino; que as siglas seriam
consideradas somente em casos de alto grau de importância e que deveriam
ter seu nome explicitado em notas de escopo e como não-descritores; que os
nomes de pessoas e de organizações não seriam incluídos; que termos
adicionais, não existentes entre as palavras-chave dos documentos
selecionados, poderiam fazer parte do tesauro, desde que fossem
consideradas importantes pela equipe do projeto.
103
3UHSDUDom RGRD PELHQWHHFULDomRGDVEDVHVGHGDGRV
Esta fase correspondeu aos processos de preparação dos dados para
execução das rotinas previstas no AlfaThes e envolveu os seguintes passos:
3UHSDUDomRGDHQWUDGDGHGDGRVVHOHomRGRVGRFXPHQWRV
Os tipos de documentos escolhidos para o ambiente foram os textos científicos:
artigos, recensões, comunicações, relatos de experiência e artigos de revisões
de literatura. Esta escolha baseou-se no fato de ser possível identificar nesses
tipos de texto as unidades eleitas para estudo: o título, o resumo, o texto e a
bibliografia, apoiado nos trabalhos de França et al.(2004), Cunha (2004) e nas
normas técnicas NBR10520, NBR6023, NBR6022, NBR6024, NBR6028, da
ABNT.
Foram selecionados para esta edição do AlfaThes textos científicos em formato
eletrônico, disponibilizados pelas revistas 'DWDJUDPD =HUR e &LrQFLD GD
,QIRUPDomR disponíveis nos respectivos endereços eletrônicos, em janeiro de
2005. A escolha deu-se por diversos motivos:
• ter sido possível reunir textos de duas coleções de um mesmo período
(1999-2004);
•
uniformidade dos temas tratados nos dois periódicos, envolvendo textos
relacionados à Ciência da Informação;
• disponibilidade dos textos em formato digital, em sua forma integral e na
Web;
104
• vínculo com as garantias literária, de uso e estrutural, propostas como
suporte teórico a este trabalho;
•
regras de submissão necessárias à garantia que vem das unidades de
texto
20
.
Observa-se ainda que o período escolhido foi direcionado primeiramente pela
disponibilidade da revista Datagrama Zero, mas que corresponde a um período
privilegiado na produção em Ciência da Informação, envolvendo temas
relacionados a objetos de seu estudo e com suas áreas limítrofes. São
exemplos os avanços na tecnologia da informação, nas ciências gerencias, na
área da cognição, entre outros tantos.
A revista Datagrama Zero é um periódico eletrônico, bimestral, produzido pelo
Instituto de Adaptação e Inserção na Sociedade da Informação (IASI), uma
organização não-governamental, sem vinculação político-partidária ou religiosa,
fundada em novembro de 1998 e dedicada a estudos e pesquisas sobre a
Sociedade da Informação.
Nela, os textos estão reunidos por afinidade temática, englobando assuntos
relacionados às áreas interdisciplinares da Ciência da Informação, como:
Informação e Sociedade, Informação e Políticas Públicas, Informação e
Filosofia ou Informação e Comunicação, sendo disponibilizados em versão
integral no formato KWPO.
O periódico possui regras de submissão de artigos disponibilizadas no próprio
VLWHDestas, destacam-se: a regra referente à língua em que deverão estar os
artigos: português ou espanhol; a exigência de um resumo temático, com cerca
20
Ver o item 2.4.2
105
de cem palavras, em português (ou espanhol) e inglês; titulo em português (ou
espanhol) e inglês e a exigência de um conjunto mínimo de cinco palavras-
chave (DATAGRAMA ZERO, 2004). A primeira regra justifica a escolha da
massa de teste, formada com todos os textos na língua portuguesa, o que
resultou no total de 128 textos, no período de dezembro de 1999 a outubro de
2004; a segunda exige o resumo em todos os artigos e a terceira é válida para
o objetivo do experimento, pela presença das palavras-chave.
A Revista Ciência da Informação é de responsabilidade do Instituto Brasileiro
de Informação em Ciência e Tecnologia (IBICT). Seu primeiro número data de
1972. Teve periodicidade semestral até 1991, passando então a ser
quadrimestral. É um periódico de atuação marcante no campo da ciência da
informação e do setor de informação em Ciência e Tecnologia (C&T),
publicando textos de especialistas nacionais e estrangeiros. A revista tem seus
artigos indexados ou resumidos em 3DVFKDO7KHPD6FLHQFHGH/,QIRUPDWLRQ
'RFXPHQWDWLRQ /LEUDU\ DQG ,QIRUPDWLRQ 6FLHQFH $EVWUDFWV 3$,6 ) RUHLJQ
/DQJXDJH,QGH[,QIRUPDWLRQ6FLHQFH$EVWUDFWV/LEUDU\/LWHUDWXUH3iJLQDVGH
&RQWHQLGR&LHQFLDVGHOD,QIRUPDFLyQ('8&$&&,211RWtFLDVGH(GXFDFLyQ
&LHQFLD\&XOWXUD,EHURDPHULFDQDV5HIHUDWLYQ\L=KXUQDO ,QIRUPDWLND.
Seu conteúdo traz artigos, recensões, entrevistas, comunicações, relatos de
experiência, artigos de revisão de literatura e a seções LQPHPRULDP, ponto de
vista e editorial. A revista publica trabalhos em português, espanhol, inglês e
francês. Estão disponibilizados na Web os artigos desde o primeiro número de
1995. A revista possui normas editoriais, dentre as quais destacam-se: o título
do trabalho deve ³VHU EUHYH H VXILFLHQWHPHQWH HVSHFtILFR H GHVFULWLYR´; o
resumo, conter cerca de 200 palavras e estar de acordo com a NBR
106
6028/2003. As demais unidades de texto – numeração, bibliografia, citações –
deverão estar de acordo com as normas NBR 6024/2003, NBR 6023/2002,
NBR 10.520/2002 respectivamente.
A importância desta revista para a área de Ciência de Informação e seu rigor
editorial justificaram sua escolha. Dela foram colhidos 186 textos em português,
de diversos tipos, editados entre janeiro de 1999 e setembro de 2004.
Foi criado um diretório para cada coleção de artigos. No contexto deste
trabalho, entende-se como diretório uma pasta de arquivos em computação e
por coleção um conjunto de documentos colhidos de uma mesma fonte. O
projeto contou então com duas coleções: Datagrama Zero e Ciência da
Informação.
Todos os textos colhidos, originalmente em formato KWPO, foram convertidos
para o formato texto (W[W) e o nome externo do arquivo seguiu a padronização:
artigo + ano + mês + número do artigo.txt. Assim, o arquivo artigo1999jan1.txt
refere-se ao texto de número um da edição de janeiro de 1999. Optou-se por
não colocar o nome da coleção no nome externo do arquivo, já que os textos
ficaram mantidos em diretórios distintos por coleção.
Foram considerados como atributos qualificadores de cada coleção a fonte de
onde foram retirados os documentos e o período de produção dos mesmos, já
que estes facilitariam, posteriormente, a recuperação de informações
estatísticas por estes cortes.
107
$PRQWDJHPGHXPWHVDXURLGHDOHP&LrQFLDGD,QIRUPDomR
Na busca de um tesauro em língua portuguesa, no contexto da Ciência da
Informação, constatou-se uma lacuna, em relação à atualidade. No Brasil, o
tesauro especializado nessa área é o tesauro do IBICT, produzido em 1989,
defasado portanto frente à velocidade de atualização desta área.
A necessidade tornou-se um desafio. Era preciso gerar um tesauro em Ciência
da Informação, aqui considerado tesauro ideal, capaz de satisfazer as
necessidades de processamento requeridas por este trabalho e de retratar as
diversas áreas de domínio da Ciência da Informação; e que fosse construído
levando-se em conta as garantias literária, de uso e estrutural. Para facilitar o
entendimento do texto, a partir deste instante o tesauro ideal em Ciência da
Informação, construído neste trabalho será chamado de TCI (Tesauro em
Ciência da Informação).
A Ciência da Informação é um campo emergente no âmbito das Ciências
Sociais que se caracteriza por estudos de cunho multidisciplinar e
interdisciplinar. Como resultado, a sua representação temática oscila entre as
especificidades do campo e as hibridações conceituais realizadas nas
fronteiras do seu domínio. A geração de um tesauro de tipo ideal para a
Ciência da Informação, como o TCI, deve levar em consideração essa
particularidade, sob o risco de estabelecer uma estrutura pouco consistente e
um facetamento que não reflita o seu real entrelaçamento conceitual,
preocupação presente em todo o processo.
A escolha dos tesauros que iriam servir de base à criação do TCI – em
português e em outras línguas - foi orientada pela legitimidade dos órgãos
108
responsáveis por sua criação, por seu uso consolidado na comunidade usuária
e pela disponibilidade de acesso aos mesmos. Foram então eleitos quatro
tesauros: o 7KHVDXUXVRI ,QIRUPDWLRQ6F LHQFHDQG /LEUDULDQVKLS da $PHULFDQ
6RFLHW\ IRU ,QIRUPDWLRQ 6FLHQFH (ASIS), o 7HVDXUR GH &LHQFLDV GH OD
'RFXPHQWDFLyQ - tesauro DOCUTES - da Universidade de León (Espanha), o
7HVDXUR HQ %LEOLRWHFRQRPtD \ 'RFXPHQWDFLyQ do &HQWUR GH ,QIRUPDFLyQ \
'RFXPHQWDFLyQ &LHQWtILFD (CINDOC) e o Tesauro em Ciência da Informação,
do IBICT.
Os tesauros CINDOC e DOCUTES foram retirados da Web em seus
respectivos endereços. O tesauro ASIS e o IBICT encontram-se
disponibilizados em bibliotecas. A opção por mais de um tesauro nesta
construção justifica-se no fato de que a Ciência da Informação conjuga outras
ciências em seu corpo teórico e por se desejar buscar culturas e visões
diferentes de representação de seus campos. A escolha do tesauro em língua
inglesa deve-se à legitimidade do mesmo na comunidade mundial de Ciência
da Informação. Os tesauros espanhóis foram eleitos por retratarem as áreas de
Arquivologia, Documentação e Museologia, tendo como foco o registro
documental.
O tesauro ASIS, em segunda edição, segue basicamente o proposto na edição
anterior. A política de sua criação elegeu como objetivo uma cobertura mais
profunda nos campos da Ciência da Informação e Biblioteconomia, para a
indexação nestas áreas, sem esquecer os campos relacionados e periféricos
mais fortemente relacionados, entre eles: Ciência da Computação, Lingüística
e ciências relacionadas à cognição e ao comportamento. Outras áreas
109
periféricas foram incluídas, com uma cobertura limitada: Economia,
Administração, Estatística e Sociologia (MILSTEAD, 1998).
O tesauro ASIS descreve e incorpora o caráter interdisciplinar da Ciência da
Informação e suas interfaces mais evidentes, mas isto é feito de forma mais
abrangente e horizontal, ficando o desejo de maior aprofundamento em alguns
pontos. As manifestações da informação são ordenadas em disciplinas
distintas, destacando-se as contribuições dos campos disciplinares à Ciência
da Informação e sinalizando o aspecto informacional a ser organizado em cada
campo (MOREIRA e MOURA, 2005).
O tesauro encontra-se delimitado a partir de assuntos tópicos. De acordo com
a política de seleção dos termos, não foram incluídos nomes próprios de
organizações, pessoas, programas, etc., com algumas exceções, como por
exemplo, os nomes de ferramentas, tendo em vista sua representatividade na
prática da indexação e catalogação. Outra exceção aberta diz respeito a
termos fundamentais no contexto da Web, já que por sua disseminação e uso
comum podem ser considerados nomes próprios (MILSTEAD, 1998).
Esta edição do tesauro ASIS incluiu 1353 descritores e 778 não-descritores,
distribuídos em trinta e seis facetas. São elas: atividades e operações; negócio
e gerência de operações; atividade de comunicação; operação de computador;
atividade educacional; atividade geral; informação e operações em biblioteca;
atividade socioeconômica; operação técnica e de produção; edifício e
instalações; mídia de comunicação; tipos de documentos; tipos de documentos
por disponibilidade, acesso, organização; tipos de documentos por conteúdo de
informação, propósito; tipos de documentos por meio físico; campos e
110
disciplinas; equipamento, hardware e sistemas; conhecimento, informação,
etc.; conhecimento, informação (por conteúdo); representação da informação;
conhecimento e dispositivos de organização da informação; linguagem;
elementos lingüísticos; funções naturais e eventos; redes; organizações;
pessoa e grupos informais; mídia física; provedores de produtos e serviços;
qualidade; qualidade em geral; qualidade humana; qualidade da informação e
de dados; qualidade de sistema e equipamentos; pesquisa e métodos
analíticos; aspectos sócio-culturais.
A equipe de montagem do tesauro vivenciou, entre as dificuldades enfrentadas
para sua atualização, o dinamismo existente na Ciência de Informação, cujo
campo de ação sofreu a velocidade de mudanças, principalmente após a Web,
com a incorporação de novos termos e a eliminação de muitos outros. Foi
necessário equilíbrio para incluir termos atuais, ou mesmo um jargão que
poderia ser superado antes do tesauro ser publicado. Com base nessa
premissa, a ausência de alguns termos foi justificada. A versão data de 1998 e
alguns termos hoje conhecidos por todos, como XML, por exemplo, não
constam dessa edição.
O 7HVDXURGH%LEOLRWHFRQRPtDH'RFXPHQWDFLyQ do CINDOC (CINDOC, 2005)
foi proposto para ser uma linguagem controlada para a análise de conteúdo e
recuperação de documentos incluídos na %DVH GH 'DWRV GH %LEOLRWHFRQRPtD
'RFXPHQWDFLyQ \ 3ROtWLF D &LHQWtILFD – ISOC-DC, produzida pelo CINDOC, do
&RQVHMR 6XSHULRU GH ,QYHVWLJDFLRQHV &LHQWtILFDV (CSIC) desde 1975. Sua
criação teve como alvo suprir a falta de léxicos documentais em espanhol
abrangendo os campos semânticos representados nos textos técnico-
111
científicos publicados na Espanha, muitos dos quais estão armazenados na
mencionada base de dados.
A implantação deste tesauro possibilitou indexação mais homogênea dos
documentos incorporados na base ISOC-DC, facilitando uma recuperação fácil
e exaustiva, eliminando ambigüidades e dando uma visão da afinidade
semântica entre os termos distintos, enriquecendo o trabalho dos
documentalistas e ampliando o campo de busca do usuário. O tesauro
proporciona à comunidade científica um conjunto estruturado de termos sobre
a base de um sistema de conceitos para a organização do conhecimento
biblioteconômico (CINDOC, 2005).
A ISOC-DC é uma base de dados bibliográficos de artigos de revistas
espanholas sobre Biblioteconomia, Documentação, Arquivologia, Política
Científica e Política de Informação, assim como artigos de congressos
espanhóis nessas áreas. Permite a recuperação de informação por diversos
critérios de busca. A temática abrange as áreas de Antropologia, Arqueologia e
Pré-História, Belas Artes, Biblioteconomia e Documentação, Direito, Economia,
Educação, Filosofia, Geografia, História, Lingüística, Literatura, Psicologia,
Ciências Políticas e Sociologia, Urbanismo e Estudos americanistas. A vastidão
do universo para o qual foi criada foi um dos motivos de sua escolha como um
dos tesauros para a composição do TCI.
O tesauro, orientado para sua disponibilidade na Web (DOCUTES, 2005), foi
elaborado pelo setor de %LEOLRWHFRQRPtD \ 'RFXPHQWDFLyQ da 8QLYHUVLGDG GH
/HyQ, através de um projeto de investigação científica patrocinado pela -XQWD
GH &DVWLOOD no ano 2000 e faz parte de um objetivo maior de potencializar
112
práticas e ações na área através de tutoriais desenvolvidos a partir de material
adequado. É utilizado nas atividades docentes da universidade e, por esta
razão, tem disponibilidade constante na Web, onde é possível encontrar a
relação completa dos termos distribuídos nas seguintes facetas: Ciência da
documentação: Historia. Teorias. Sistemas; Informação. Documentos. Fontes
de informação; Investigação e metodologia documental; Profissionais e
usuários; Representação e recuperação de informação; Sistemas de
informação e Tecnologias da informação.
Para a construção do tesauro a equipe do projeto DOCUTES utilizou-se do
0XOWL7HV (MULTSYSTEMS, 2005), software específico para auxílio na criação
e edição de tesauros eletrônicos.
O Tesauro de Ciência da Informação do IBICT (IBICT, 1989) foi desenvolvido
com vistas a atender às necessidades de indexação dos documentos
existentes no acervo desse instituto e está orientado por sete grandes
categorias, aqui entendidas como facetas: Informação; Documento; Unidade de
informação; Planejamento; Processos e serviços de informação; Transferência
e uso da informação e Profissão.
Observou-se uma articulação de suas facetas em torno do conceito de
informação; mas não reflete o avanço do campo e de suas interfaces
disciplinares. Há um número excessivo de termos que demarcam um atraso em
relação à nova configuração do campo. Este fato era esperado já que o tesauro
data de 1989 e, desde então, foram muitas as atualizações existentes na
Biblioteconomia e na Ciência da Informação.
113
A edição de 1989 traz toda documentação do processo de sua criação,
explicitando as políticas e escolhas feitas na ocasião. Já esteve disponibilizado
na Web, mas no instante da coleta dos dados não nos foi possível encontrá-lo
nesta mídia.
$PHWRGRORJLDHPSUHJDGD
Para a construção do TCI alguns passos foram previamente estabelecidos, em
conformidade com os autores BITI (2005), Campos (2001), Cintra et. al (2002),
Dodebei (2002), Gomes e Campos (2004). Acredita-se que estes passos
possam facilitar a construção de futuros tesauros em outras áreas, a partir de
tesauros já existentes.
•
(VWDEHOHFLPHQWRGRVREMHWLYR V
: O objetivo do tesauro foi definido em três
pontos: primeiramente, ele deveria servir de apoio a este experimento de
geração semi-automática de tesauros; em segundo lugar, deveria fornecer
subsídios para indexação de artigos científicos em língua portuguesa e em
terceiro lugar, deveria estar disponível na Web para futuras pesquisas
utilizando tesauros e este ambiente.
O campo temático foi delimitado pelas áreas de Arquivologia, Biblioteconomia,
Ciência da Informação e Documentação. Estas áreas do conhecimento foram
tomadas a partir de seu próprio foco e das áreas que compõem o universo de
sua produção. Primeiramente elegeu-se a área de Ciência da Informação como
central para o propósito do tesauro a ser construído. A seguir, analisou-se sua
relação com a área de Biblioteconomia, com levantamento das áreas limítrofes
mais próximas dos conteúdos destas duas áreas ou de outras áreas cujo
114
relacionamento com a Ciência da Informação e com a Biblioteconomia revela
interdisciplinaridade. São elas: Administração, Arquivologia, Museologia,
Ciências Cognitivas, Ciências da Computação, Economia, Educação,
Linguística e Sociologia. Estas áreas compõem o círculo primeiro de
relacionamento com a Ciência da Informação e a Biblioteconomia. Seguindo a
elas, estão as áreas de Filosofia, Ciências Políticas, História e Direito, por suas
relações com as áreas centrais os com as áreas do primeiro círculo.
)LJXUDÈUHDVOLPtWURIHVj&LrQFLDGD,QIRUPDomR
A Figura 8 ilustra o relacionamento estreito entre estas áreas e aponta para as
seguintes questões:
• a alfabetização informacional, através dos conteúdos da Educação, da
Linguística e da Ciência da informação;
História
Direito
Ciências
Políticas
Filosofia
Comunicação
Arquivologia
Ciências
Cognitivas
Economia
Ciência da
Computação
Administração
Sociologia
Linguística
Museologia
Educação
Biblioteconomia
Ciência da
Informação
115
• a comunicação mediada por computador, através das demandas da
comunicação e das soluções proposta pela Ciência da Computação;
•
a educação em Ciência da Informação, como peculiaridades da
Educação no domínio específico da Ciência da Informação;
• a liberdade intelectual, através do Direito, da Comunicação e da
Sociologia;
•
as questões relativas à Informação e Sociedade, pelos conteúdos de
Sociologia e Ciência da Informação e Ciências Políticas;
• a automação dos processos de indexação e o processamento de
linguagem natural através da Linguística, da Biblioteconomia e da
Ciência da Computação;
•
os pontos relativos à gerência de informação, de recursos
informacionais, de biblioteca, através dos conteúdos da Administração,
da Ciência da Informação e da Biblioteconomia.
•
'HILQLomRGDHTXLSH
: Partiu-se do princípio de que a equipe de construção
de um tesauro deve ser representativa da sua área. Neste caso específico, as
atividades foram realizadas pelo autor e tiveram a supervisão da professora
orientadora. É importante observar que a construção de tesauros deve sempre
prever um trabalho em equipe, constituída sempre que possível por pessoas
com conhecimento do campo temático, conhecimento de elaboração de
tesauros e abertura para novos horizontes.
116
Uma aluna do curso de Biblioteconomia ECI/UFMG auxiliou a digitação dos
termos do tesauro construído para testes. Em muitas reuniões de debate sobre
pertinência de termos e sobre o tratamento de palavras, ela também esteve
presente e de forma participativa.
Um aluno do curso de Ciência da Computação PUCMinas auxiliou nas
atividades referentes à programação, sob supervisão do autor, tendo
participação ativa na construção física dos bancos de dados gerados e do
modelo do ambiente.
A equipe formada para o ambiente AlfaThes contou então com conhecimentos
oriundos da Ciência da Informação e da Ciência da Computação. Esse era o
interesse desde o início do projeto: vivenciar esta interdisciplinaridade,
permitindo que a aproximação de campos distintos do saber na solução de
problemas a elas pertinentes levasse os envolvidos no processo a compartilhar
não só conhecimento, mas também metodologias de trabalho que atendam às
áreas envolvidas na solução, conforme aponta Domingues (2005).
•
(OHLomR GH WHVDXURV Mi H[LVWHQWHV QD iUHD
: Esta atividade foi orientada
para os objetivos de criação do tesauro e para o público que dele fará uso.
Estabeleceu-se, previamente, que os tesauros eleitos deveriam ser
ferramentas consolidadas pela comunidade da área de Ciência da Informação,
possuir filosofia e estruturação próximas às desejadas, e que deveriam estar
alinhados ao suporte teórico deste trabalho: as garantias literária, de uso e
estrutural. No caso do TCI, a legitimidade na comunidade, o grau de utilização
e a disponibilidade dos tesauros foram os norteadores, resultando na escolha
dos tesauros da ASIS, DOCUTES, CINDOC e o do IBICT.
117
•
&ROHWD GRV GDGRV
: Os dados disponíveis em meio eletrônico foram
colhidos diretamente da Web. Os provenientes dos tesauros ASIS e IBICT
foram digitados a partir das respectivas edições impressas. Foram criados
arquivos diferentes para cada um dos tesauros, respeitando suas facetas,
hierarquias e os relacionamentos entre os termos Foi importante eleger um
deles como base para o novo tesauro. Foi escolhido o tesauro ASIS como
ponto fundamental de partida para comparações e efetivação de seus próprios
termos e dos termos e relacionamentos dos demais tesauros.
A Tabela 1 mostra o número inicial de termos coletados de cada tesauro.
Observa-se que alguns tesauros possuíam número maior de termos do que
aqueles relacionados neste trabalho, uma vez que alguns termos foram
descartados durante o processo de tradução, por não pertencerem ao universo
da língua portuguesa ou serem termos específicos dos países e das culturas
do tesauro original. Os termos foram separados mantendo suas hierarquias
originais, conservadas à parte para a redistribuição dos mesmos.
7DEHOD7RWDOGHWHUPRVUHWLUDGRVGRVWHVDXURV
Tesauro de origem Total de termos retirados
IBICT 947
CINDOC 1145
DOCUTES 1515
ASIS 1623
Total de termos 5230
• (VWDEHOHFLPHQWR GH S ROtWLFDV
: Nesta etapa foram previstas as regras e
normas a serem seguidas na elaboração do tesauro. Estabeleceu-se como
118
padronização para os termos o uso da forma singular; evitou-se a utilização de
termos emprestados de outras línguas com exceção daqueles que, de acordo
com o senso comum, são utilizados no Brasil; foram evitados nomes próprios e
de organizações; nos casos em que as siglas foram incluídas, optou-se por
criar novo termo como não-descritor com o nome completo; parênteses foram
utilizados para incorporar um qualificador ao descritor, mas de forma geral esta
prática foi evitada.
• 7UDGXomR GRV WHVDXURV GH RULJHP: Como três dos tesauros escolhidos
não se encontravam em língua portuguesa, foi necessária uma fase de
tradução dos mesmos, que ficou sob a responsabilidade deste autor, com a
revisão feita pela professora orientadora. Essa tradução procurou avançar além
da tradução de palavras, buscando sempre termos empregados na cultura do
tesauro a ser construído e eliminando termos e relacionamentos que não
agregavam valor para indexação na língua portuguesa.
Observou-se que a tarefa de tradução realizada por apenas uma pessoa
colabora para conduzir à utilização de termos semelhantes. Sendo feita por
uma só pessoa, e diferente do tradutor, a revisão favorece a escolha de um
termo entre os sinônimos e facilita o encontro de termos incongruentes ao
propósito da área. É interessante que a revisão da tradução seja feita por
profissional que conheça a área temática do tesauro. Os termos precisam
retratar a cultura da língua para a qual estão sendo levados e, principalmente,
o emprego e uso dos mesmos pela comunidade científica e de usuários,
respectivamente.
119
•
(VFROKD GDV IDFHWDVGR IXWXURWHVDXUR
: Nesta fase, a partir das facetas
encontradas nos tesauros existentes e em conformidade com os objetivos do
tesauro proposto, elegeram-se as facetas que iriam compor o futuro tesauro.
Foi observado que esta não é uma etapa definitiva e durante as operações de
junção dos termos e de estruturação do tesauro, descritas nos itens seguintes,
foi necessário retomar este passo e rever as facetas eleitas. As revisões
realizadas proporcionaram novos arranjos dos termos nas facetas escolhidas.
Para o novo tesauro, foram selecionadas facetas dos quatro tesauros que dele
foram fontes. Em alguns casos a faceta herdou o nome original da fonte
utilizada. A Tabela 2 mostra as facetas criadas no TCI e a fonte dos termos e
relacionamentos para cada uma delas.
7DEHOD)RQWHVGDVIDFHWDVFULDGDV
)DFHWD 7HVDXURIRQWH
Arquivologia CINDOC
Campos e disciplinas ASIS, CINDOC, DOCUTES
Ciência da Informação IBICT
Conhecimento e informação ASIS
Documentação ASIS, CINDOC, DOCUTES, IBICT
Fontes de Informação DOCUTES
Informação e operações em bibliotecas ASIS, CINDOC, DOCUTES, IBICT
Mídia Física e de comunicação ASIS
Museologia CINDOC
Organizações ASIS
Pesquisa e métodos analíticos ASIS
Pessoas, profissionais, grupos informais ASIS, CINDOC, DOCUTES, IBICT
Tecnologia da Informação ASIS, CINDOC, DOCUTES
Unidades de Informação ASIS, CINDOC, IBICT
120
•
-XQomRHFRPSDUDomRHQWUHRVWHUPRV
: A atividade prevê a reunião dos
termos existentes nos tesauros organizados nas facetas escolhidas
anteriormente. Utilizou-se de recursos de computação, como planilhas e
gerenciadores de bancos de dados, para efetivação da comparação do
emprego dos termos e geração do novo tesauro. A atividade englobou os
seguintes passos:
• reunião dos termos dos tesauros existentes nas facetas escolhidas
conservando a relação hierárquica previamente existente;
• análise, remanejamento e/ou eliminação de termos coincidentes e
arranjo da estrutura hierárquica;
•
transformação de descritores em não-descritores, e vice-versa,
conforme os objetivos do tesauro;
• revisão da nova estrutura hierárquica.
A utilização de VRIWZDUHV para auxílio à estruturação de tesauros facilita este
processo. No caso do TCI, os termos foram dispostos em sua relação
hierárquica em documentos textos antes de serem transpostos para outros
VRIWZDUHV. Planilhas eletrônicas e gerenciadores de bancos de dados foram
utilizados para verificação de termos coincidentes e de semelhanças de grafias.
O emprego destes instrumentos foi fundamental para o auxílio no tratamento
das palavras traduzidas, principalmente na eliminação de termos que não
fazem parte da cultura brasileira, da sinonímia e da homonímia. Os termos
foram inicialmente introduzidos nas facetas escolhidas e, através da utilização
de listagens, os termos receberam os devidos tratamentos. A tradução facilitou
121
a verificação de termos com a mesma grafia, resultando na possibilidade de
sua eliminação e de alocação dos termos nas facetas.
A versão acadêmica do 7KHVDXUXV &RQVWUXFWLRQ 6\VWHP YHUVLRQ (TCS-8)
(WEBCHOIR, 2005) foi utilizada para a construção do tesauro a partir dos
termos e das relações hierárquicas já estabelecidas. O TCS-8 é um sistema
para auxílio à construção de tesauros que apresenta flexibilidade, robustez e
facilidades de manuseio, permitindo aos usuários criar tesauros e outros
vocabulários hierárquicos através de ferramentas para verificação de
duplicidade e documentação dos termos, para a construção de hierarquias e
relacionamentos, inclusive distinguindo os tipos relacionamentos. Orienta-se
pela 1DWLRQDO ,QIRUPDWLRQ 6WDQGDUGV 2UJDQL]DWLRQ (NISO) padrão z39.19,
permitindo que o usuário, caso deseje, crie suas próprias regras de estrutura.
O emprego de softwares de construção de tesauros foi importante nesta etapa
pela facilidade de visualização das estruturas hierárquicas, para construção de
notas de escopo e demais itens de documentação, além de agilizar o
estabelecimento de relações entre os termos e sua categorização.
Na versão inicial do TCI, os 5230 termos resultaram em 2230 termos, sendo
que 292 destes eram não-descritores. Sua base maior permaneceu com o
tesauro ASIS, sendo que também deste alguns termos foram eliminados tendo
em vista sua pouca utilização no Brasil. Outros foram acrescentados, e novos
relacionamentos foram criados. Dos tesauros DOCUTES e CINDOC foram
selecionados, principalmente, os termos e os relacionamentos representativos
da área de documentação e arquivologia.
122
Os termos foram introduzidos no software TCS-8 a partir das facetas
escolhidas. A primeira análise do produto revelou que o mesmo possuía termos
que necessitavam de uma redistribuição, assim como muitos outros deveriam
ser utilizados como não-descritores. Seguiram-se atividades de documentação
dos termos (notas de escopo) e estabelecimento dos relacionamentos, assim
como eliminação de termos e reorganização destes como descritores e não-
descritores.
• (VWUXWXUDomR GR QRYR WHVDXUR: As garantias literária, de uso e estrutural
tornaram-se também o norte do TCI. Cada termo analisado era revisto tendo
em vista sua utilização na área. Alguns termos não conhecidos pela equipe
passaram por processo de consultas a bibliografias ou informações na Web.
Embora já estivesse estabelecida pelos tesauros de origem, a garantia literária
precisava ser preservada, justificando estas consultas.
A organização dos conceitos foi conduzida pelo processo de indução/dedução.
À medida que as relações foram sendo estruturadas, novos conceitos foram
acrescentados, complementando a organização de cada faceta do futuro
tesauro. De forma genérica, três tipos de relacionamentos direcionam a
elaboração de tesauros: a) relacionamento de equivalência; b) relacionamento
hierárquico; c) relacionamento associativo.
Cada um deles possui sua propriedade de reciprocidade. O relacionamento
associativo e o de equivalência são simétricos enquanto o hierárquico é
assimétrico; o que equivale a dizer que, dados dois termos A e B, se A está
relacionado a B por uma associação qualquer, B também está relacionado a A
pela mesma associação. Por sua vez, se A e B são termos equivalentes, um
123
destes termos deverá ser escolhido como descritor. O outro termo fará parte do
tesauro como não-descritor através da orientação USE. Observa-se que se
trata de um relacionamento simétrico com o correspondente inverso USADO
PARA. Nem sempre a relação de equivalência diz respeito à sinonímia em um
tesauro, como pode ser observado no emprego de políticas como a adotada
para o uso de siglas para as quais os nomes completos correspondem a elas.
Muitas vezes termos não sinônimos são empregados por usuários distintos
com o mesmo significante e representados no tesauro a partir destas relações.
No TCI, quando se fez necessária a inclusão de siglas, foram também incluídos
os termos não-descritores com seu significado. Para termos não sinônimos
utilizados com o mesmo significante ou associados de alguma forma foram
introduzidos relacionamentos no TCI.
O relacionamento hierárquico é uma característica básica dos tesauros
distinguindo-os das demais listas de termos, glossários ou outro tipo de
vocabulário controlado. Segue as regras gerais de uma hierarquia, onde um
termo pode ter diversos outros a ele subordinados mas subordina-se apenas a
um único termo. Contudo, podem ocorrer casos de polihierarquia nos quais um
termo poderá pertencer a facetas distintas, o que não é permitido pelo TCS-8.
Quando ocorreram estes casos, utilizou-se do artifício de adicionar ao termo
um asterisco (*) diferenciando-o do termo originalmente incluído. Em alguns
casos, relações associativas entre esses termos foram criadas, no TCI, por
exemplo, o termo ‘Almanaque’, pertencente ao termo genérico ‘Obra de
referência’ da faceta ‘Documentação’ e o termo ‘Almanaque*’, pertencente ao
termo genérico ‘Fonte primária’ da faceta ‘Fontes de informação’. Um
relacionamento associativo foi criado entre esses termos.
124
Ainda quanto às hierarquias, no contexto dos tesauros, um descritor dito
superordenado representa uma classe ou um todo, e os descritores a ele
subordinados são referidos como seus membros ou partes.
Alguns autores, entre eles BITI (2005), classificam as relações como lógicas e
ontológicas. No primeiro grupo encontram-se as relações hierárquicas, sendo
que as de equivalência e as partitivas (p SDUWH GH) compõem as do segundo
grupo. Para esses autores, uma relação partitiva não pode ser considerada
hierárquica, pois em muitos casos as partes de um objeto possuem cada qual
sua própria classe H[ ELHOD SLV WmR HL[R GH PDQLYHOD FRPR SDUWHV GH XP
PRWRU e em alguns outros o objeto pode ser visto como parte e também como
objeto independente H[ D 7HUUD HQTXDQWR SODQHWD p SDUWH GR 6LVWHPD VRODU
PDV SRGH VHU YLVWD LQGHSHQGHQWHPHQWH GR VLVWHPD SRU VXDV FDUDFWHUtVWLFDV
SUySULDVFRPRFRORUDomRGLPHQVmRHWF. Citam também casos onde o todo
não se configura como um objeto mais importante ou determinante da
existência da parte, como no caso, por exemplo, de carro (todo) em relação ao
motor (parte/componente) onde existe uma necessidade da parte para
funcionamento do todo (BITI, 2005). No caso do TCI estes pontos não foram
considerados embora haja concordância com esses autores.
• 5HYLVmRH DWXDOL]DomR
: Esta etapa garante a longevidade de um tesauro.
Nela estão contidas as atividades de manutenção e atualização dos termos e
de suas relações. O presente trabalho prevê esta atividade de forma semi-
automática. No caso do TCI, os termos gerados pelo ambiente AlfaThes
poderiam ser utilizados para sua atualização. Optou-se por não fazê-lo antes
de melhor avaliação do produto. O TCI estará disponibilizado na Web e prevê-
125
se a interação com os usuários da comunidade de Ciência da Informação para
suas atualizações, que deverão ser trimestrais e os termos oriundos do
AlfaThes farão parte de sua primeira atualização. O TCI também será utilizado
em práticas docentes que possibilitarão sua atualização, permitindo futuros
trabalhos.
O TCI foi concluído em outubro de 2005. Possuía então 1891 termos, divididos
em 1694 descritores e 197 não-descritores, e será disponibilizado na Web. A
Tabela 3 apresenta o número de descritores de cada faceta.
No que se refere às garantias, preocupação inicial de todo o processo, a
literária e a de uso foram herdadas dos tesauros que serviram de base ao
trabalho, tendo em vista o cuidado na tradução nesse sentido. O grande
desafio foi a garantia estrutural já que aspectos ligados à cultura ficaram
visíveis na relação de termos. Além disso, foram reunidos tesauros criados com
objetivos distintos.
7DEHOD1~PHURGHGHVFULWRUHVGR7&,HPFDGDIDFHWD
Faceta Número de descritores
Arquivologia 85
Informação e operações em biblioteca 330
Campos e disciplinas 205
Ciência da Informação 65
Conhecimento e informação 23
Documentação 158
Fontes de Informação 123
Mídia física e de comunicação 26
Museologia 43
Organizações 17
Pesquisa e métodos analíticos 80
Pessoas, profissionais e grupos formais 64
Tecnologia da Informação 358
Unidades de Informação 117
O Anexo 1 apresenta algumas páginas do TCI.
126
&ULDo mRGDVEDVHVGHGDGRV
Esta fase correspondeu à criação das bases de dados de artigos e de palavras-
chave, seguindo o modelo de entidades e relacionamentos (ELMASRI e
NAVATHE, 2000) apresentado na Figura 9. Para maior facilidade no texto, a
partir de instante, será utilizada a palavra ‘artigo’ como equivalente a todos os
tipos de texto extraídos dos dois periódicos
21
.
)LJXUD0RGHORGH(QWLGDGHH5HODFLRQDPHQWRVSDUDDVEDVHV$UWLJRH3DODYUDFKDYH
A tabela Artigo contém as colunas Número do artigo (NumArt), Título do artigo
(TitArt), Nome Externo do Arquivo (NomExtArq), Ano de publicação (AnoArt). A
tabela Palavra-chave foi criada contendo as colunas código da palavra-chave
(CodPalCha) e a palavra-chave (PalCha). A relação ‘Ocorrência Origem’ possui
informações da freqüência de cada palavra-chave em seu artigo de origem,
especificamente suas freqüências no título, no resumo, no texto e na
bibliografia. Possui as colunas código do arquivo (CodArt), código da palavra-
chave (CodPalCha), ocorrências no título (OcoTit), ocorrências no resumo
(OcoRes), ocorrências no texto (OcoTex) e ocorrências na bibliografia
21
Ver o item 3.2.1.1 deste trabalho.
PALAVRA
CHAVE
ARTIGO
Artigo X
Palavra-
chave
0,N
0,N
1,N
1,N
Ocorrência
Origem
127
(OcoBib). Entende-se por freqüência em estatística ao número de observações
em uma classe não sobreposta (ANDERSON, et. al, 2002). Assim, esse
conceito, neste trabalho, significa a ocorrência da palavra-chave em cada parte
específica do texto.
A relação ‘Artigo X Palavra-Chave’ denota a ocorrência de uma mesma
palavra-chave em mais de um artigo e possui as colunas Número do Artigo
(NumArt) e Código da palavra-chave (CodPal), assim como os campos com a
freqüência desta palavra em cada unidade do artigo da base, ou seja, no título
(OcoTit), resumo (OcoRes), texto (OcoTex) e bibliografia (OcoBib) de cada
artigo. A carga das freqüências nestas relações foi feita no procedimento
3.2.2.2 deste projeto, apresentado adiante.
&DUJDGRVGDGRVGHDUWLJR
Os artigos foram incluídos na base Artigo através de programação, numerados
por ordem de entrada, sendo que foram lidos em ordem de classificação do
nome externo. Esta operação equivale à função de documentação da base de
documentos que compõe um tesauro (BITI, 2005). O título do artigo foi retirado
através de expressão regular na programação. Na base de dados ‘Artigo’ foram
gravados os atributos: número do artigo, título e ano de publicação, sendo que
este último foi retirado do nome externo do arquivo. Para inserção dos artigos,
o programa verificou se os mesmos possuíam as quatro unidades básicas de
um texto, eleitas neste projeto: título, resumo, texto e bibliografia, além da
obrigatoriedade de existência de palavras-chave. Naquele instante, quatorze
textos apresentaram problemas pela inexistência de bibliografias, sendo cinco
deles da coleção &LrQFLDGD,QIRUPDomR e nove da coleção 'DWDJUDPD=HUR. A
128
base de artigos passou a ter então 300 artigos, que constituíram a massa de
dados deste projeto.
&ULDomRGDWDEHODSDODYUDVFKDYH
A carga da tabela Palavra-chave correspondeu à fase de extração das
palavras-chave dos textos, para a qual foi criado um programa em PHP com as
seguintes funções:
•
Ler cada artigo de cada coleção, inserindo dados em Artigo;
•
Para cada artigo, selecionar as palavras-chave, adicionando as
mesmas na tabela Palavra-chave. Esta inserção é única para cada
palavra e o programa verifica a sua existência antes de inseri-la. Caso
já exista, o programa utiliza o código da palavra existente, mantendo a
unicidade;
•
Para as palavras-chave de cada artigo, o programa verifica a sua
freqüência no artigo de origem em cada uma das quatro unidades do
texto, e armazena os dados da tabela OcorrênciaOrigem,
possibilitando visão das palavras-chave existentes em um texto
específico, em uma coleção, no conjunto das coleções.
A programação utilizou funções de reconhecimento de padrão para verificação
da freqüência de palavras-chave nos artigos de origem. Foram construídas
expressões regulares para localização das palavras-chave, conforme o
disposto em cada coleção, assim como também para o reconhecimento das
unidades de texto integrantes do artigo científico.
129
A freqüência de palavras-chave está relacionada ao número de sua ocorrência
nos textos selecionados, de acordo com Salton (1981), para quem freqüência é
considerada tendo em vista o aparecimento da palavra no documento; de
forma diferente desse autor, introduzimos o conceito de freqüência para
unidades específicas de um texto científico (título, resumo, texto e bibliografia),
analisando também a freqüência a partir do conceito de coleção e do conjunto
de coleções.
Acredita-se que os subtítulos existentes em textos científicos e as citações
representam também pontos de referência; mas, não foram objetos de análise
deste trabalho.
Escolheu-se como grão para o estabelecimento da freqüência o texto e suas
unidades, o que permitiu que o cálculo se estendesse para uma coleção
específica e para o conjunto das coleções. Assim, foi construído um programa,
em PHP, que lia cada texto da base ‘Artigo’, armazenando, na relação
‘OcorrênciaOrigem’, a freqüência de cada uma de suas palavras-chave em seu
título, seu resumo, seu texto e sua bibliografia. Procedimento análogo foi feito
para armazenar dados na relação ‘Artigo X Palavra-Chave’, agora verificando
todas as palavras-chave coletadas com cada texto da base
22
.
7UDWDPHQWRGDVSDODYUDVFKDYH
Tendo em vista a experiência do gestor com as linguagens de indexação,
considerou-se fundamental sua participação no processo de tratamento de
palavras-chave , ao qual corresponderam os seguintes passos:
22
Verificar detalhes do modelo de dados na Figura 9, p. 124.
130
• eliminação das ocorrências de plural-singular, masculino-feminino e de
sinônimos no arquivo de palavras-chave;
•
eliminação de palavras-chave que o gestor do projeto considerou não
relevantes para o tesauro;
• substituição da palavra-chave por outra palavra mais comumente
utilizada na área de Ciência da Informação.
Cabem algumas reflexões, pois as palavras-chave são indicadas pelos autores
dos textos. No caso do AlfaThes, os textos são de cunho científico e sabe-se
que os autores possuem domínio da área de conhecimento para a qual
escrevem. E é relevante também observar que são pessoas interessadas na
leitura e recuperação de seus textos, o que os leva a uma aproximação das
palavras do universo disponível na área. Porém, nem sempre as palavras-
chave escritas em linguagem natural expressam termos condizentes com uma
linguagem de indexação, fato que reforça a necessidade do tratamento,
realizado em duas etapas:
D &ULDomRGDWDEHODGHJUXSRVGHSDODYUDV
As palavras-chave encontradas nos artigos foram classificadas em grupos
de áreas de conhecimento que possuíam interdisciplinaridade com a
Ciência da Informação (Tabela 4). Alguns termos não possuíam
característica específica de apenas uma área do conhecimento; outras
vezes não foi possível identificar um grupo para a palavra-chave. Em ambos
os casos, essas palavras foram classificadas em uma área denominada
‘limítrofe’. Esta classificação permitiu o agrupamento das palavras para o
devido tratamento. Ao gestor coube indicar o grupo ao qual a palavra-chave
131
pertenceria. Uma nova tabela foi inserida no banco de dados, a relação
Grupo, e o modelo de entidades e relacionamentos do experimento passou
a ser o apresentado na Figura 10.
7DEHOD*UXSRVRXJUDQGHViUHDVGRFRQKHFLPHQWR
6LJOD 'HVFULomR
AD Administração
AR Arquivologia
BA Belas Artes
BI Biblioteconomia
CC Ciência da Computação
CG Ciência Cognitiva
CH Ciências Humanas
CI Ciência da Informação
CM Ciências Médicas
CP Ciências Políticas
CS Ciências Sociais
EC Economia
ED Educação
FI Filosofia
HI História
L Limítrofe
LI Linguística
MS Museologia
PI Psicologia
SO Sociologia
132
)LJXUD0RGHOR(QWLGDGHH5HODFLRQDPHQWRVFRPHQWLGDGHJUXSR
A princípio, foi estudada a possibilidade de uma programação interativa
onde o indexador informaria sobre esses grupos. Observou-se, entretanto,
que ao gestor interessava a visão do conjunto dessas palavras para decisão
do grupo ao qual pertenciam e por isso foi feita a opção pelo relatório, o que
o deixou mais à vontade tendo as folhas do relatório espalhadas na mesa,
com a possibilidade de reconsiderar sua decisão de colocar uma palavra em
determinado grupo, tendo em vista o reconhecimento de outra palavra.
E 7UDWDPHQWRGHSDODYUDVFKDYH
Com as palavras-chave classificadas em grupos, foi emitido um relatório
contendo o código da palavra, a palavra-chave, o título do artigo de onde a
palavra havia sido retirada, o nome do arquivo externo do artigo e o grupo
no qual a palavra fora classificada. Uma página exemplo deste relatório,
classificado por grupo/palavra-chave para facilitar seu manuseio, é
mostrada na Tabela 5.
PALAVRA
CHAVE
ARTIGO
Artigo X
Palavra-chave
0,N
0,N
1,N
1,N
Ocorrência
Origem
Grupo X
Palavra-
chave
GRUPO
0,N
1,N
133
7DEHOD5HODWyULRSDUDWUDWDPHQWRGHSDODYUDVFKDYH
Código
Palavra
Palavra
C
ódigo
Artigo
Título Artigo Arquivo Grupo
454 Administração de empresas 132 Desafios da sociedade do conhecimento e gestão de pessoas em sistemas de informação artigo 2003 mai 6.txt AD
451 Administração de pessoal 132 Desafios da sociedade do conhecimento e gestão de pessoas em sistemas de informação artigo 2003 mai 6.txt AD
543 Administração hospitalar/ tendências 161 Sistema de informação: instrumento para tomada de decisão no exercício da gerência artigo 2004 jan 6.txt AD
485 Alinhamento estratégico 141
Metodologia para projeto de planejamento estratégico de informações alinhado ao
planejamento estratégico: a experiência do Senac-PR
artigo 2003 set 14.txt AD
88 Ambiente de qualidade 24
Ambiente de qualidade em uma biblioteca universitária: aplicação do 5S e de um estilo
participativo de administração artigo 1999 set 11.txt AD
506 Apoio à decisão 148
Investigação de práticas anticompetitivas: um sistema de informação para apoio à
interpretação de legislação por agências reguladoras
artigo 2003 set 8.txt AD
292 Aprendizado organizacional 71 Inteligência organizacional: um referencial integrado artigo 2001 mai 5.txt AD
81 Aprendizagem organizacional 22 Aprendizagem organizacional e informação artigo 1999 set 1.txt AD
744 Call Center 225 Fonte de Informação Estratégica e Não-Estratégica Artigo 2001 junho 05.txt AD
418 Capacitação de recursos humanos 121 A sociedade da informação no Brasil: um ensaio sobre os desafios do Estado artigo 2003 jan 4.txt AD
610 Centros de Competência 182 Dado, Informação, Conhecimento e Competência Artigo 1999 dezembro 01.txt
AD
564 Competência 167 Identificando competências informacionais artigo 2004 set 12.txt AD
564 Competência 182 Dado, Informação, Conhecimento e Competência Artigo 1999 dezembro 01.txt
AD
869 Competências 266 Competências no discurso oficial da formação de professores no Brasil [1] Artigo 2003 dezembro 03.txt
AD
149 Competitividade 37 Impacto da tecnologia de informação na gestão de pequenas empresas artigo 2000 jan 4.txt AD
66 corporações transnacionais 17 Observatório da cidadania: monitorando as políticas públicas em âmbito global artigo 1999 mai 5.txt AD
931 Cultura Corporativa 285 Cultura Organizacional no Processo de Inteligência Competitiva Artigo 2004 agosto 02.txt AD
36 Cultura da organização 10
A inteligência competitiva e a área de informação tecnológica no Instituto de Pesquisas
Tecnológicas do Estado de São Paulo S.A. artigo 1999 jan 9.txt AD
894 Cultura Organizacional 275 O Processo de Inteligência Competitiva em Organizações Artigo 2003 junho 03.txt AD
894 Cultura Organizacional 285 Cultura Organizacional no Processo de Inteligência Competitiva Artigo 2004 agosto 02.txt AD
460 Fatores críticos de sucesso 134
Motivações e fatores críticos de sucesso para o planejamento de sistemas
interorganizacionais na sociedade da informação artigo 2003 mai 8.txt AD
134
O tratamento das palavras-chave foi realizado pelo gestor, com observação
ativa do autor deste projeto. Por tratamento de palavras entende-se: o
tratamento de gênero, a eliminação, quando possível, de sinônimos, de plural e
de palavras-chave que não correspondem a termos propícios para a indexação
e, em alguns casos, a substituição da palavra-chave por outra, de acordo com
a cultura da área de Ciência da Informação e com o conhecimento do usuário.
Este processo aconteceu de forma recursiva como um todo, ou seja, a partir do
primeiro relatório as palavras foram sendo tratadas e novos relatórios foram
emitidos com novas sessões de tratamento, até que se chegou a um ponto
considerado satisfatório para o prosseguimento do projeto.
Observou-se, mais uma vez, que o gestor espalhava as folhas do relatório de
um mesmo grupo de palavras e procurava ter uma visão do todo para seu
tratamento. O título dos artigos auxiliou na decisão de impasses no tratamento.
A tabela de ‘Palavras tratadas’ ficou com um total de 730 palavras. Seguindo a
carga desta tabela, foram criadas novas relações no banco de dados: ‘Palavra
Tratada’ e o relacionamento ‘Chave X Tratada’. A primeira refere-se às
palavras resultantes do tratamento dado às palavras-chave e a segunda, ao
par de equivalência entre palavra-chave e Palavra Tratada. Duas relações
foram estabelecidas entre a tabela Artigo e a nova tabela Palavra Tratada. A
primeira delas, ‘Artigo Palavra Tratada’, contém as freqüências de cada palavra
tratada em cada artigo da base, através da somatória dessas freqüências. A
segunda - ‘Ocorrência Palavra Tratada’ - foi apenas uma verificação para saber
se as palavras tratadas encontrariam correspondência direta na base de
artigos. Foi grata a surpresa: a relação ‘Artigo Palavra Tratada’ armazenou a
freqüência de 648 palavras tratadas em pelo menos uma das unidades de texto
135
através da somatória da freqüência das palavras-chave a elas relacionadas. A
verificação da freqüência da própria palavra tratada resultou no total de 643
palavras tratadas, o que denota a qualidade do tratamento realizado nas
palavras-chave.
O modelo de entidades e relacionamentos do projeto passou a ser o
especificado na Figura 11.
)LJXUD0RGHORGHHQWLGDGHHUHODFLRQDPHQWRVDSyVLQFOXVmRGDHQWLGDGH3DODYUD
7UDWDGD
A equivalência entre Palavra Tratada e palavra-chave apontou que 573
palavras tratadas possuíam, cada qual, correspondência com apenas uma
palavra-chave distinta. Durante a fase de tratamento foram excluídas 47
palavras-chave, relacionadas na Tabela 6.
1,N
0,N
1,N
PALAVRA
TRATADA
Ocorrência
Origem
PALAVRA
CHAVE
ARTIGO
Artigo X
Palavra-
chave
0,N
0,N
1,N
Grupo X
Palavra-
chave
GRUPO
Chave X
Tratada
0,N
Artigo X Palavra-
Tratada
Ocorrência
Palavra Tratada
0,N
0,N
0,N
0,N
1,N
136
7DEHOD5HODomRGHSDODYUDVFKDYHH[FOXtGDV
Código Palavra-chave
12 Redes de informação corporativas
35 O profissional como agente de mudanças
41 Preservação da vontade sociocultural
57 Demanda da dimensão sociopolítica
58 Oferta técnico-científica
80 Monitoração em ciência e tecnologia/indicadores de competitividade
94 Estrutura de cursos para usuários de bases de dados
107 Serviços técnicos
181 Pensamento transversal
186 Sobrecarga informativa
218 Tríplice hélice
288 Diversidade humana
303 IMPA
307 Harvest
352 Produtividade de autores
373 Novas tecnologias
377 ANFIS
380 Cooperação e compartilhamento
448 Edgar Morin
449 Gaston Bachelard
472 Revista de divulgação científica
494 Personal Brain
530 Quissamã (Rio de Janeiro, Brasil)
549 Iniciativas internacionais
550 Propostas brasileiras
569 IDAMS
601 Henry Walter Bates
619 Impacto das Novas Tecnologias
624 Diversidade Disciplinar
625 Recomendações Curriculares
636 Ementa
652 UCC 2B
653 UCITA
662 Regulamentação das Novas Tecnologias
724 Visão de futuro
764 Estudos Sociais da Ciência
796 Gráficos Conceituais
806 Curso em informação
838 Obsessão Social
847 Recontextualização
849 Parâmetros de ordem
878 Análise funcional do comportamento verbal
896 Sociedade de Risco
898 Percepção de Risco
899 Compreensão Pública da Ciência e Tecnologia
932 Estratégias de Preservação
942 Explicação
137
3URFHVVDPH QWRHVWDWtVWLFR
Foram realizados todos os cálculos estatísticos no ambiente e gerados os
principais índices, seguindo as rotinas abaixo. Coube ao usuário gestor apenas
a autorização do processo.
&iOF XORGDVIUHTrQFLDV
A palavra freqüência, no âmbito da estatística, está associada ao número de
vezes que determinado fato é observado (ANDERSON, et al., 2002; BUSSAB e
MORETIN, 2002). Neste trabalho, considerou-se como freqüência ao número
de vezes em que a palavra é encontrada nas unidades de texto.
Para armazenar a freqüência das palavras-chave foi introduzida a entidade
‘Freqüência’ no modelo de dados que passou a ter a estrutura apresentada na
Figura 12. Optou-se por verificar a freqüência de cada palavra-chave em cada
coleção da amostra, o que justifica uma palavra-chave ter mais de uma
freqüência a ela relacionada.
Para armazenamento de dados relativos à freqüência das palavras tratadas,
foram incluídas, na respectiva tabela, colunas específicas para este dado em
cada unidade de texto, calculadas a partir da freqüência das palavras-chave
correspondentes. Para este cálculo utilizou-se a linguagem 6WUXFWXUHG 4XHU\
/DQJXDJH (SQL).
138
)LJXUD0RGHORGHHQWLGDGHHUHODFLRQDPHQWRVDSyVLQFOXVmRGDHQWLGDGH)UHTrQFLD
GH3DODYUD7UDWDGD
9HULILFDomRGHWHUPRVQR7HVDXUR,GHDO
Para verificar a existência das palavras tratadas no TCI, foram criadas as
entidades ‘TCI TERMO’ e ‘TCI FACETA’, contendo respectivamente os termos
e as facetas existentes no TCI, bem como, os relacionamentos entre os termos
neste tesauro - ‘TCI Relacionamento’. A primeira recebeu os termos descritores
e os não-descritores do TCI e a distinção entre eles foi feita por faixa de código.
O modelo de entidades e relacionamentos do modelo passou a ter a
configuração apresentada na Figura 13.
1,N
1,N
0,N
Artigo X Palavra-
Tratada
Ocorrência
Palavra Tratada
0,N
0,N
0,N
0,N
0,N
PALAVRA
CHAVE
ARTIGO
Artigo X
Palavra-chave
GRUPO
1,N
0,N
Ocorrência
Origem
1,1
0,N
0,N
FREQUÊN
CIA
PALAVRA
TRATADA
Chave X
Tratada
1,N
Possui
Grupo X
Palavra-
chave
139
)LJXUD0RGHORGHHQWLGDGHVHUHODFLRQDPHQWRVDSyVLQFOXVmRGDVWDEHODVGR7&,
Primeiramente, foram encontradas 161 ocorrências de palavras tratadas no
TCI. Os dados foram analisados para verificar se existiam desencontros de
singular-plural ou grafias diferentes para os mesmos termos. Para isso foi
elaborada uma rotina que pesquisava coincidências de letras em partes
específicas das palavras tratadas com as do TCI. O resultado mostrou 18
palavras tratadas nesta situação, listadas na Tabela 7.
0,1
0,N
1,1
0,N
0,N
0,N
0,N
0, 1
0,N
0,N
0,N
0,N
TCI
Relacionamento
TCI
TERMO
TCI
FACETA
1, 1
0,N
1,N
0,N
FREQUÊN
CIA
PAL
AVRA
TRATADA
PALAVRA
CHAVE
ARTIGO
Artigo X
Palavra-chave
Grupo X
Palavra-
chave
GRUPO
Chave X
Tratada
1,N
Artigo X Palavra-
Tratada
Ocorrência
Palavra Tratada
0,N
1,N
0,N
Ocorrência
Origem
Possui
140
Estas palavras foram consideradas como existentes no TCI, totalizando 179
ocorrências de palavras tratadas na tabela ‘TCI Termo’ correspondendo a
24,52%.
7DEHOD3DODYUDVWUDWDGDVFRLQFLGHQWHVHPSDUWHFRPDVGR7&,
Palavra tratada Palavra no TCI
Administração de empresa Administração de empresas
Análise documentária Análise documental
Arquitetura de Sistema de Informação Arquitetura de sistema
Base de dados bibliográfica Base de dados bibliográficos
Biblioteconomia Biblioteconomia (área de conhecimento)
Desenvolvimento de coleções Desenvolvimento de coleção
Desenvolvimento de sistemas de informação Desenvolvimento de sistema
Gestão de documento Gestão de documentos
Informação institucional Informação de empresas
Informação organizacional Informação de empresas
Informação sociedade Informação e sociedade
Interação homem-máquina Interação homem máquina
Processamento de informação Processamento da informação
Profissional da informação Profissional de informação
Projeto de pesquisa e desenvolvimento Projeto de pesquisa
Recuperação da informação Recuperação de informação
Sistema de recuperação da informação Sistema de recuperação de informação
Tecnologia da informação e comunicação Tecnologia da informação e da comunicação
As etapas ‘Seleção de termos’ e ‘Geração e atualização de tesauros’ serão
apresentadas no capítulo 4, a seguir.
141
$SUHVHQWDomRHDQiOLVHGRVGDGRV
$EDVHGHDUWLJRV
Conforme descrito no capítulo 3, a amostra foi composta de 300 artigos,
pertencentes a duas coleções. A Tabela 8 apresenta o total de textos
classificados por coleção e ano de publicação, dados ilustrados pela Figura 14.
7DEHOD4XDQWLGDGHGHDUWLJRVSRUDQRHPFDGDFROHomR
Ano Ciência da Informação Datagrama Zero
1999 32 5
2000 26 16
2001 24 23
2002 31 24
2003 36 23
2004 32 28
Total 181 119
)LJXUD4XDQWLGDGHGHDUWLJRVSRUDQRHPFDGDFROHomR
32
26
24
31
36
32
5
16
23
24
23
28
0 10 20 30 40
1999
2000
2001
2002
2003
2004
Ciência da Informação DataGrama Zero
142
Percentualmente, 60,33% dos textos pertencem à revista &LrQFLD GD
,QIRUPDomR e 39,67% à revista 'DWDJUDPD =HU R. Se classificada por ano, a
freqüência de artigos tem um crescimento linear, sendo que os anos de 2002,
2003 e 2004 são aqueles em que há maior ocorrência de textos. É importante
lembrar que foram colhidos apenas textos em língua portuguesa (Figura 15).
)LJXUD4XDQWLGDGHGHDUWLJRVSRUDQR
$EDVHGHSDODYUDVFKDYH
A base foi constituída por 957 palavras-chave. Destas, 523 ocorreram apenas
em textos da revista &LrQFLDGD,QIRUPDomR; 349 na revista 'DWDJUDPD=HURe
85 palavras ocorreram nas duas revistas, simultaneamente. A Figura 16
apresenta esses números em percentuais.
37
42
47
55
59
60
0
10
20
30
40
50
60
70
1999 2000 2001 2002 2003 2004
$QR
4WGHDUWLJRV
143
)LJXUD'LVWULEXLomRSHUFHQWXDOGDRFRUUrQFLDGHSDODYUDVFKDYHQDVFROHo}HV
A ocorrência de palavras-chave em seu texto de origem está apresentada na
Tabela 9, organizada por coleção. Ocorreram em mais de um texto 90
palavras-chave na revista &LrQFLD GD ,QIRUPDomR e 59 na revista 'DWDJUDPD
=HUR. Apenas 8 artigos, sendo quatro de cada coleção, não possuíam
ocorrências de suas próprias palavras-chave em quaisquer das unidades de
texto. Quando o conjunto de palavras-chave através da base formada foi
verificado no conjunto de artigos, nenhum artigo apresentou-se nessa situação.
Também foi observado que 289 palavras-chave não ocorrem em quaisquer das
unidades do texto, sendo que destas, 164 da revista Ciência da Informação e
125 da revista Datagrama Zero. Era previsível a não ocorrência de palavras-
chave nas unidades do texto.
Ciência da
Informação
55%
Datagrama Zero
36%
Nas duas
revistas
9%
144
7DEHOD4XDQWLGDGHGHDUWLJRVFRPDTXDQWLGDGHGHSDODYUDVFKDYHHPFDGDFROHomR
Coleção
Quantidade
de Artigos
Quantidade de
Palavras
2 1
9 2
43 3
41 4
47 5
20 6
8 7
6 8
2 9
1 10
1 11
CI
1 19
Total DUWLJRV
5 2
19 3
21 4
48 5
15 6
8 7
1 8
1 9
DATAGRAMA
1 10
Total DUWLJRV
Observou-se que, em alguns casos e para ambas as revistas, as regras de
submissão no tocante ao número de palavras-chave não haviam sido
respeitadas, embora a maior concentração de palavras-chave por artigo tenha
ocorrido na faixa de três a seis palavras.
)UHTrQFLDGHSDODYUDVFKDYHQDVXQLGDGHVGHVHXVWH[WRV
GHRULJHP
Foi verificada a ocorrência das palavras-chave em cada unidade de seu texto
de origem. Esses dados são apresentados na Tabela 10.
145
7DEHOD$UWLJRVFRPRFRUUrQFLDGHVXDVSUySULDVSDODYUDVFKDYHQDVXQLGDGHVGH
WH[WR
Total de artigos
no Título no Resumo no Texto na Bibliografia
Datagrama Zero
119 95 (79,84%)
104 (87,39%)
113 ( 94, 96%)
72 (60,50%)
Ciência da Informação
181 140 (77,35%)
161 (88,95%)
176 (97,28%)
126 (69,62%)
Total
300 235 (78,34%)
265 (88,34%)
289 (96,34%)
198 (66,00%)
Tomando como base a revista 'DWDJUDPD=HUR, utilizada no pré-teste, nota-se
uma melhoria dessa freqüência. Observa-se que novos textos, não disponíveis
no instante do pré-teste, foram inseridos na amostra. Para comparar com o pré-
teste, a Figura 17 apresenta a freqüência de palavras-chave no título de seu
artigo de origem para as palavras da revista 'DWDJUDPD=HUR.
)LJXUD3HUFHQWXDOGHWH[WRVGDFROHomR'DWDJUDPD=HURFRPDUHVSHFWLYDTXDQWLGDGH
GHSDODYUDVFKDYHHPVHXWtWXOR
Na Figura 18, apresenta-se a distribuição para a coleção &LrQFLD GD
,QIRUPDomR, percebida como mais uniforme.
Zero
20%
três
5%
quatro
4%
cinco
1%
duas
31%
Uma
39%
146
)LJXUD3HUFHQWXDOGHWH[WRVGDFROHomR&LrQFLDGD,QIRUPDomRFRPDUHVSHFWLYD
TXDQWLGDGHGHSDODYUDVFKDYHHPVHXWtWXOR
Para cada palavra-chave, foi observada a freqüência em cada unidade de
texto. Como são unidades distintas, as tabelas 11, 12, 13 e 14 apresentam
respectivamente, a freqüência total de palavras-chave nos títulos, nos resumos,
nos textos e nas bibliografias de seu artigo de origem. Para que seja possível
uma comparação entre estes valores, as freqüências serão também
apresentadas em percentuais.
7DEHOD4XDQWLGDGHGHSDODYUDVFKDYHSRUIDL[DGHIUHTrQFLDQRWtWXORGRWH[WRGH
RULJHP
Quantidade de palavras-chave
Faixa de freqüência Percentual
680 zero 71,06%
273 de 1 a 5 28,53%
1 de 6 a 10 0,10%
1 de 11 a 15 0,10%
2 de 16 a 20 0,21%
zero
19%
três
10%
quatro
2%
duas
38%
uma
31%
147
7DEHOD4XDQWLGDGHGHSDODYUDVFKDYHSRUIDL[DGHIUHTrQFLDQRUHVXPRGRWH[WRGH
RULJHP
Quantidade de palavras-chave Faixa de freqüência
Percentual
518 Zero 54,13%
406 de 1 a 5 42,42%
24 de 6 a 10 2,51%
3 de 11 a 15 0,31%
4 de 16 a 20 0,42%
2 acima de 20 0,21%
7DEHOD4XDQWLGDGHGHSDODYUDVFKDYHSRUIDL[DGHIUHTrQFLDQRFRUSRGRWH[WRGH
RULJHP
Quantidade de palavras-chave
Faixa de freqüência Percentual
285 Zero 29,78%
284 de 1 a 5 29,68%
132 de 6 a 10 13,79%
59 de 11 a 15 6,17%
44 de 16 a 20 4,60%
153 Acima de 20 15,98%
7DEHOD4XDQWLGDGHGHSDODYUDVFKDYHSRUIDL[DGHIUHTrQFLDQDELEOLRJUDILDGRWH[WR
GHRULJHP
Quantidade de palavras-chave
Faixa de freqüência
Percentual
717 Zero 74,92%
191 De 1 a 5 19,96%
31 De 6 a 10 3,25%
5 De 11 a 15 0,52%
5 De 16 a 20 0,52%
8 Acima de 20 0,83%
148
)UHTrQFLDGHSDODYUDV FKDYHGDEDVHQDVXQLGDGHVGH
WH[WR
A Tabela 15 apresenta a freqüência das palavras-chave quando os artigos são
averiguados com toda a base de palavras-chave formada. Os valores
anteriores aproximam-se de 100%, confirmando e melhorando o que já havia
sido visto no pré-teste. Esta melhoria deve-se ao fato de terem sido
encontradas as palavras-chave em ambas as coleções.
7DEHOD2FRUUrQFLDVQRVDUWLJRVGDVSDODYUDVFKDYHGDEDVHIRUPDGD
Freqüência de artigos com ocorrências das palavras-chave da base formada
Total de artigos
No Título No Resumo
No Texto Na Bibliografia
Datagrama Zero 119 (100%) 116 (97,48%)
119 (100%)
119 (100%)
118 (99,15%)
Ciência da Informação
181 (100%) 179 (98,90%)
181 (100%)
181 (100%)
181 (100%)
Total 300 295 (98,34%)
300 (100%)
300 (100%)
299 (99,67)
As tabelas 16 a 19 apresentam, respectivamente, a freqüência total dessas
palavras nos títulos, nos resumos, nos textos e nas bibliografias dos artigos.
7DEHOD3DODYUDVFKDYHQRVWtWXORVGRVWH[WRVSRUIDL[DGHIUHTrQFLD
Quantidade de palavras-chave Faixa de freqüência Percentual
615 Zero 64,26%
308 de 1 a 5 32,18%
20 de 6 a 10 2,09%
4 de 11 a 15 0,42%
3 de 16 a 20 0,31%
7 acima de 20 0,73%
7DEHOD3DODYUDVFKDYHQRVUHVXPRVGRVWH[WRVSRUIDL[DGHIUHTrQFLD
Quantidade de palavras-chave Faixa de freqüência Percentual
419 Zero 43,78%
407 de 1 a 5 42,54%
44 de 6 a 10 4,60%
22 de 11 a 15 2,30%
18 de 16 a 20 1,88%
47 Acima de 20 4,90%
149
7DEHOD3DODYUDVFKDYHQRFRUSRGRVWH[WRVSRUIDL[DGHIUHTrQFLD
Quantidade de palavras-chave Faixa de freqüência Percentual
172 zero 17,97%
213 de 1 a 5 22,26%
104 de 6 a 10 10,87%
69 De 11 a 15 7,21%
42 De 16 a 20 4,39%
357 Acima de 20 37,31%
7DEHOD3DODYUDVFKDYHQDVELEOLRJUDILDVGRVWH[WRVSRUIDL[DGHIUHTrQFLD
Quantidade de palavras-chave Faixa de freqüência
Percentual
494 zero 51,62%
214 de 1 a 5 22,36%
60 de 6 a 10 6,27%
29 de 11 a 15 3,03%
17 de 16 a 20 1,78%
143 Acima de 20 14,94%
Os dados confirmaram o pré-teste. A reunião de palavras-chave de coleções
de artigos em uma única base pode aumentar o poder de recuperação dos
documentos. É preciso ressaltar que as palavras-chave de uma coleção foram
encontradas também nos artigos da outra coleção, reafirmando o que se
esperava em relação ao reunir textos científicos de uma mesma área do
conhecimento.
7UDEDOKDQGRFRPSDODYUDVWUDWDGDV
O total de linhas na tabela de palavras tratadas foi de 730. A relação ‘Chave X
Tratada’ garantiu que uma palavra tratada ficasse associada a pelo menos uma
palavra-chave e vice-versa. A relação ‘Artigo X Palavra Tratada’ recebeu dados
através da navegação entre as relações ‘Artigo X Palavra-Chave’ e ‘Chave X
150
Tratada’. Desta forma, foram armazenadas todas as freqüências das palavras
tratadas para cada unidade de texto, em todos os artigos.
É necessário lembrar que, embora o total de palavras tratadas seja de 730,
estão relacionadas às 957 palavras-chave, das quais 289 não haviam sido
observadas nas unidades de textos. Este fato fez com que 82 palavras tratadas
não constassem em ‘Artigo X Palavra Tratada’. Porém, em todos os artigos
foram encontradas as palavras tratadas e o menor número foi de trinta palavras
tratadas por artigo, sendo o maior de 127.
Foi realizado um experimento à parte para averiguar se a própria palavra
tratada ocorria nas unidades de texto da base de artigos. Seu resultado foi
armazenado na relação ‘Ocorrência Palavra Tratada’. O resultado superou a
freqüência das palavras-chave. Foram encontradas palavras tratadas em todos
os artigos, sendo que o menor número de palavras por artigo foi de 32 e o
maior de 132 palavras. Porém, enquanto na relação ‘Artigo X Palavra Tratada’
não houve freqüência para 82 palavras tratadas, na relação ‘Ocorrência
Tratada’ a não-ocorrência foi de 87 palavras tratadas.
Observa-se que a relação ‘Ocorrência Palavra Tratada’ foi criada apenas como
termômetro do tratamento dado às palavras-chave e não será utilizada nas
estatísticas deste trabalho.
 &iOFXOR GR GHVYLR SDGUmR H GR HVFRUH SDGURQL]DGR GDV
IUHTrQFLDV
Neste trabalho, as freqüências das palavras tratadas foram obtidas em
unidades distintas do texto: título, resumo, corpo do texto e bibliografia.
Desejava-se obter a freqüência total da palavra tratada no artigo, mas esta
151
freqüência não poderia vir da simples somatória das freqüências nas unidades
do texto, pois cada uma delas tem sua estrutura de formação e suas regras.
Tomando como grão a palavra, observa-se que as unidades de texto, por sua
própria natureza, possuem ocorrências de palavras distintas. Os textos
científicos possuem regras próprias e mesmo que elas sejam burladas, jamais
se construirá um resumo com o mesmo número de palavras de um texto. A
comparação fica ainda mais sem sentido se tomarmos o título e compara-lo
com qualquer uma das outras unidades do texto.
Ressalta-se também que as unidades de texto possuem valores subjacentes a
ela agregados, não abordados neste trabalho. Tomando em conta estes
valores, as palavras constantes em um título teriam um peso maior que as
encontradas no corpo do texto, por exemplo.
Optou-se pela solução do problema apoiado na teoria estatística, onde para se
comparar unidades de medidas de diferentes conjuntos de dados, utiliza-se o
escore padronizado. O resumo deste cálculo é apresentado na Tabela 20 e o
Anexo 2 traz maiores detalhes do mesmo.
7DEHOD5HVXPRGHFiOFXORPpGLDPHGLDQDGHVYLRSDGUmRGRVHVFRUHV
SDGURQL]DGRV
Análise Descritiva do Índice
n
730
Média 0,00000
Mediana -0,26001
Desvio Padrão
0,90204
Mínimo -0,31523
Máximo
11,58814
152
Para facilitar a apresentação desses índices em histograma, foram criados dez
percentis e verificada a freqüência dos índices por faixa de valores. As Tabelas
21 e 22 apresentam, respectivamente, os percentis criados e sua freqüência
em faixas de valores, com os quais foi possível traçar o histograma da Figura
19.
7DEHOD3HUFHQWLVGHYDORUHVGHtQGLFHVFDOFXODGRV
3HUFHQWLV
10 -0,31549
20 -0,30667
30 -0,29535
40 -0,28032
50 -0,26007
60 -0,23471
70 -0,17329
80 -0,03399
90 0,56607
100 11,61334
7DEHOD)UHTrQFLDQDIDL[DGHYDORUHVGHtQGLFHV
Faixa de valores Freqüência
Igual a –1 0
de –1 a 0 594
de 0 a 1 90
de 1 a 2 27
de 2 a 3 7
de 3 a 4 6
de 4 a 5 2
de 5 a 6 2
de 6 a 7 0
de 7 a 8 0
de 8 a 9 0
de 9 a 10 0
de 10 a 11 0
de 11 a 12 2
153
)LJXUD+LVWRJUDPDGDVIDL[DVGHYDORUHVGHtQGLFHV
Estes índices foram divididos em três faixas de acordo com seu valor: ‘menor
que zero’, ‘maior ou igual a zero e menor que 1’ e ‘maior ou igual a 1’. Como
foram calculados a partir da freqüência das palavras tratadas, são
significativos, respectivamente, de palavras que podem indicar novidade na
área ou palavras que voltaram a ser utilizadas nos artigos, e por isso uma
freqüência mais baixa no período; de palavras existentes em todo o período e
com uma distribuição mais homogênea; e de palavras muito utilizadas e
portanto pertencentes a temas muito discutidos no período, ou palavras
consolidadas na área e por isso com alta freqüência. A Figura 20 mostra os
percentuais de distribuição destes índices nestas faixas.
+LVWRJUDPD
0
100
200
300
400
500
600
700
-1 0 1 2 3 4 5 6 7 8 9 10 11 12
ËQGLFH
)UHTrQFLD
154
)LJXUD3HUFHQWXDOGRtQGLFHGHSDODYUDVWUDWDGDV
3DODYUDVWUDWDGDVQmRH[LV WHQWHVQR7&,
O objetivo do ambiente era indicar quais palavras-chave deveriam fazer parte
do TCI. Para isto, a base de termos do TCI foi transportada para uma tabela no
gerenciador de bancos de dados MySql. Verificou-se que 179 palavras tratadas
já existiam no TCI, correspondendo a 24,52% do total, mas interessavam mais
as 551 (75,48%) restantes, número que, comparado a outros já tratados neste
trabalho, revela alguns pontos, discutidos adiante. A relação completa das
palavras tratadas, com indicativo das que ocorreram e das que não ocorreram
no TCI é apresentada no Anexo 3.
A Tabela 23 traz o percentual, por ano, das palavras-chave não existentes no
TCI, dado obtido pelo relacionamento existente entre palavras-chave e
palavras tratadas - ‘Chave Tratada’ - e o conjunto formado de palavras tratadas
não existentes no TCI.
Maior ou igual a 1
6%
Maior ou igual a zero
e menor que 1
12%
Menor que zero
82%
155
7DEHOD3HUFHQWXDOGHSDODYUDVFKDYHQmRH[LVWHQWHVQR7&,SRUDQRGRDUWLJRGH
RULJHP
Ano
Quantidade de Palavras-chave não
existentes no TCI
Percentual
1999 110 13%
2000 130 15%
2001 130 15%
2002 139 16%
2003 187 22%
2004 158 19%
TOTAL
854 100%
Os artigos da base deste trabalho contemplam apenas seis anos de produção
na Ciência da Informação e por apenas duas revistas, devido à limitação da
disponibilidade em meio digital e ao acesso público. A produção do passado e
o percurso desta ciência estão retratados no TCI, já que foram considerados
nos tesauros que lhe serviram de fonte; além da legitimidade através dos
órgãos que os formaram, dos objetivos para os quais foram criados e da
utilização de cada um deles por seu nicho de usuários. Assim, de alguma forma
comparou-se um tesauro preparado para artigos científicos produzidos antes
do final dos anos 90 com artigos científicos produzidos posteriormente. Era
esperado um número baixo de palavras tratadas existentes no tesauro. O fato
de se ter encontrado um número próximo a 25% delas no TCI pode revelar
alguns fatos:
• a produção em Ciência da Informação oscila pela própria
interdisciplinaridade da área, fazendo com que temas envolvendo mais de
uma área do conhecimento sejam discutidos à luz de suas bases teóricas e
tenham produção científica privilegiada conforme apareçam em destaque,
na aproximação verificada. A Tabela 24 apresenta as palavras-chave não
156
existentes no TCI classificadas nos grupos que as tornaram possíveis. O
percentual de palavras do grupo ‘Limítrofe’ revela a interdisciplinaridade da
área. A Tabela 25 detalha por grupo / ano este percentual;
7DEHOD3DODYUDVFKDYHQmRH[LVWHQWHVQR7&,SRUJUXSRGHFODVVLILFDomRSDUD
WUDWDPHQWR
Grupo
Quantidade de Palavras-chave não
existentes no TCI
Percentual
Ciências Médicas 1 0,12%
História 1 0,12%
Psicologia 1 0,12%
Ciências Humanas 2 0,23%
Ciências Sociais 2 0,23%
Filosofia 3 0,35%
Museologia 3 0,35%
Arquivologia 6 0,70%
Linguística 11 1,29%
Ciência Cognitiva 23 2,69%
Ciências Políticas 24 2,81%
Sociologia 24 2,81%
Educação 27 3,16%
Ciência da Computação
39 4,57%
Administração 69 8,08%
Biblioteconomia 78 9,13%
Limítrofe 213 24,94%
Ciência da Informação 327 38,29%
Totais 854 100,00%
157
7DEHOD3HUFHQWXDOGH3DODYUDVFKDYHQmRH[LVWHQWHVQR7&,SRU*UXSR$QR
Quantidade de Palavras-chave não existentes no TCI por Grupo
Grupo
Ano
Quantidade
Palavras-
chave
%
Grupo
Ano
Quantidade
Palavras-
chave
%
1999 17 1,99% 1999
5 0,59%
2000 5 0,59% 2000
6 0,70%
2001 15 1,76% 2001
3 0,35%
2002 5 0,59% 2002
1 0,12%
2003 19 2,22% 2003
4 0,47%
Administração
2004 8 0,94%
Ciências Políticas
2004
5 0,59%
1999 3 0,35% 2001
1 0,12%
2003 1 0,12%
Ciências Sociais
2004
1 0,12%
Arquivologia
2004 2 0,23% 1999
1 0,12%
1999 13 1,52% 2000
5 0,59%
2000 7 0,82% 2001
1 0,12%
2001 14 1,64% 2002
13 1,52%
2002 16 1,87% 2003
6 0,70%
2003 18 2,11%
Educação
2004
1 0,12%
Biblioteconomia
2004 10 1,17% 2000
1 0,12%
1999 5 0,59% 2002
1 0,12%
2000 3 0,35%
Filosofia
2004
1 0,12%
2001 4 0,47% História 2000
1 0,12%
2002 2 0,23% 1999
25 2,93%
2003 4 0,47% 2000
33 3,86%
Ciência Cognitiva
2004 5 0,59% 2001
29 3,40%
1999 1 0,12% 2002
31 3,63%
2000 7 0,82% 2003
47 5,50%
2001 8 0,94%
Limítrofe
2004
48 5,62%
2002 6 0,70% 1999
2 0,23%
2003 12 1,41% 2000
1 0,12%
Ciência da Computação
2004 5 0,59% 2001
3 0,35%
1999 38 4,45% 2002
2 0,23%
2000 54 6,32% 2003
2 0,23%
2001 46 5,39%
Linguística
2004
1 0,12%
2002 59 6,91% Museologia 2004
3 0,35%
2003 66 7,73% Psicologia 2003
1 0,12%
Ciência da Informação
2004 64 7,49% 2000
6 0,70%
2000 1 0,12% 2001
5 0,59%
Ciências Humanas
2003 1 0,12% 2002
3 0,35%
2003
6 0,70%
Ciências Médicas 2001 1 0,12% Sociologia
2004
4 0,47%
Totais 545 63,82%
309 36,18%
158
A Figura 21 apresenta o índice de freqüência equivalente ao escore
padronizado para as palavras tratadas não existentes no TCI.
)LJXUD3HUFHQWXDOGRtQGLFHGHSDODYUDVWUDWDGDVQmRH[LVWHQWHVQR7&,
• a Ciência da Informação parece estar sendo revisitada. Alguns temas da
própria área são aqueles já estudados no passado. Mas, sua
interdisciplinaridade com outras áreas e as contribuições advindas trazem
novas oportunidades. Este trabalho é um exemplo disto e o percentual alto
para o grupo ‘Ciência da Informação’ também revela isto (Tabela 24);
•
nessa linha, o percentual tímido referente à lingüística aponta a retomada
das discussões sobre terminologia, linguagens de recuperação de
informação, sistemas de indexação, automação de resumos e de traduções,
entre outros;
Menor que zero
87%
Maior ou igual a
zero e menor que 1
8%
Maior ou igual a 1
5%
159
• o percentual não muito alto para a Ciência da Computação deve-se ao fato
de que, durante o tratamento, as palavras-chave relacionadas à área de
Tecnologia da Informação foram classificadas no grupo ‘Limítrofe’. Mesmo
assim, corresponderam a 4,58% do total e revelam principalmente textos
que abordam a Web e sua adoção pela Ciência da Informação;
•
o percentual de 2,7% para a Ciência Cognitiva juntamente com a curva
formada pelos percentuais ano a ano mostra a interdisciplinaridade com o
tema Conhecimento e as pesquisas que retornam sobre o tema na Ciência
da Informação;
• a Arquivologia e a Museologia possuem um percentual muito pequeno. A
interdisciplinaridade é notória nas áreas, mas a divulgação de trabalhos
envolvendo Ciência da Informação e estes campos ainda se dá de forma
separada, até mesmo como reforço à divisão do exercício profissional, tão
polêmica em nossos dias;
•
no final dos anos 90, muito se discutiu em torno do tema gerência da
informação. O reflexo desta fase está nítido no ano de 1999 e na retomada
do tema em textos contendo palavras-chave como gestão da informação,
gestão da qualidade, inteligência competitiva, entre outros;
• o TCI apresentou necessidade de atualização em pontos estratégicos de
outras áreas, para corresponder à realidade: um bom índice para a Ciências
Políticas, que estiveram presentes em textos enfocando governo eletrônico,
governabilidade, gestão participativa, informação e órgãos públicos, etc.; a
Sociologia, com a chegada da discussão da inclusão digital; o alto índice
para o grupo Biblioteconomia que teve durante o período diversos textos
160
tratando da aplicação de padrões de metadados e o início da discussão de
bibliotecas digitais; e a Educação, com textos pertinentes à ensino e
tecnologia, educação à distância e educação tecnológica.
A distribuição mantém-se para este grupo de palavras, porém um percentual
menor na faixa ‘maior ou igual a zero e menor que 1’ reforça o fato destas
palavras tratarem assuntos com freqüência mais homogênea na base de
artigos. Assim como, a manutenção relativa do percentual de índices altos para
palavras que denotam novidade ou assuntos que estão sendo revisitados.
'LVWkQFLDHQWUHSDODYUDVWUDWDGDV
Foi verificada a distância entre duas palavras-chave que ocorriam,
simultaneamente, em mais de um texto da base de artigo.
Um texto é composto de frases que juntas formam parágrafos. O texto
científico possui subitens distintos, cada um deles formado de diversos
parágrafos. Neste trabalho, considerou-se a distância entre palavras à menor
distância de palavras distintas, nas seguintes métricas de texto: ‘mesma frase’,
‘mesmo parágrafo’, ‘parágrafos diferentes’ e ‘itens diferentes’. São simétricas,
ou seja, a distância entre a palavra $ e a palavra % é igual à distância entre a
palavra % e a palavra $, em qualquer circunstância.
Foi criada uma rotina específica para esta medição. Primeiramente, foi
elaborada uma visão
23
de dados formada de pares de palavras que ocorriam
em um mesmo texto mais de uma vez e cujas palavras-chave se relacionavam
com as palavras tratadas não existentes no TCI, o que foi lido pelo programa.
23
A palavra visão está sendo usada neste ponto como tradução do objeto YLHZ do modelo
relacional
161
Para cada artigo da base onde ocorria o par de palavras-chave foram
armazenados os dados sobre as distâncias na menor medida das métricas
citadas anteriormente. Os resultados foram armazenados em uma tabela
específica e seu resultado chegou a quase 187.000 linhas, conjugando um total
de 107 palavras-chave que ocorriam em 1450 pares distintos.
Foram encontradas 45 palavras tratadas entre as não existentes no TCI
correspondentes a estas 107. A Figura 22 mostra o percentual do índice de
freqüência para estas palavras, onde observa-se que o maior índice está entre
palavras consolidadas na área e que novas palavras, ou palavras que passam
a ser novamente utilizadas, possuem baixa freqüência, justamente pelo tema
se encontrar em fase de crescimento.
Maior ou igual a 1
56%
Maior ou igual a
zero e menor que
1
42%
Menor que zero
2%
)LJXUD3HUFHQWXDOGHIDL[DGHtQGLFHGHSDODYUDVWUDWDGDVSDUDSDODYUDVFKDYHTXH
RFRUUHPHPSDUHV
162
(V FROKDGRVWHUPRV
O ambiente previa a escolha dos termos para a atualização do tesauro. Todas
as 551 palavras tratadas não encontradas no TCI precisam ser analisadas para
esta inclusão. Um aplicativo foi montado para uma interação do usuário. Nele,
estas palavras foram divididas conforme os grupos de valor de índice abordado
anteriormente: ‘menor que zero’, ‘maior ou igual a zero e menor que 1’ e ‘maior
ou igual a 1’, que passaram a receber o nome, respectivamente, de ‘termos
que denotam novidade ou retomada de termos’; ‘termos contemporâneos’ e
‘termos estáveis’.
Observa-se que apesar de todo esforço computacional e estatístico deste
trabalho, ele foi antes de tudo orientado pela preocupação de garantir o carater
amigável da linguagem, levando em conta a terminologia, os aspectos
semânticos e o contexto da atualização. Este princípio levou a indicação dos
termos aos usuários gestores, sendo que a escolha da ordem de atualização e
da inclusão ou não do termo no tesauro continuam sob sua responsabilidade.
O ambiente proporciona ao usuário, após a escolha de uma palavra tratada em
um destes grupos, um quantitativo de artigos com a ocorrência desta palavra
para cada ano do período dos artigos (1999-2004). São também mostrados os
títulos de cada artigo onde ela aparece com a facilidade de acesso ao próprio
artigo. O Anexo 4 apresenta exemplos destas telas.
163
&RQVLGHUDo}HVILQDLV
Este trabalho partiu da hipótese de que palavras-chave encontradas em textos
científicos poderiam servir de base para geração e atualização de tesauros,
tendo como suporte teórico as garantias literária, de uso e estrutural. Somando
a elas, foi proposta a garantia da estrutura de texto.
A disseminação de textos científicos por meio eletrônico trouxe dinamismo à
comunicação científica, mas evidenciou também a obsolescência das
linguagens e das metodologias de indexação. A velocidade como novos textos
são produzidos e disseminados fez com que o problema da atualização viesse
à tona.
Como proposta de solução montou-se um ambiente para reunir e tratar as
palavras-chave de textos científicos, coletadas e armazenadas em uma única
base. Verificou-se que os textos científicos de uma mesma área possuem em
suas unidades de texto palavras-chave de outros textos, sejam eles de sua
própria coleção ou de outra coleção da mesma área.
O tratamento de palavras-chave proposto mostrou sua facilidade frente ao
trabalho de identificação, de extração, de leitura e de escolha de termos
comuns aos trabalhos de geração e atualização de tesauros. Contudo será
necessário o cotejamento da lista resultante com as fontes específicas do
domínio.
Foi construído um tesauro em Ciência da Informação, a partir da síntese de
tesauros existentes, que estará disponível na Web para futuros trabalhos e
164
atualizações. Ao final do experimento observou-se que este carecia de termos
que demonstram tendências de estudo no campo.
A tecnologia da computação e o cálculo estatístico foram empregados como
forma de auxiliar o profissional de indexação na tarefa de manter atualizadas
as ferramentas de indexação indicando e classificando termos inexistentes no
tesauro em relação ao grau de novidade. O uso de procedimentos estatísticos
e computacionais auxiliaram na tomada de decisão quanto ao caráter
representativo dos termos.
As palavras-chave demonstraram ser um excelente indicativo das garantias
literárias e de uso, sobretudo porque elas representam o substrato teórico
indicado pelos próprios autores. Nesse caso, a redução do intervalo existente
entre o processo de produção de conhecimento e a criação de instrumentos de
representação e recuperação da informação fica facilitada a partir da extração
e comparação automática da freqüência das palavras–chave num dado campo
de conhecimento. Verificou-se que a atualização da linguagem tem, nessas
palavras, um balizamento importante.
A ausência de adoção de padrões para a composição das palavras-chave
revela que os autores comunicam-se entre si numa linguagem altamente
especializada. Nesse sentido, é preciso eleger outros instrumentos mais gerais
para a composição da base terminológica (dicionários especializados, sistemas
de classificação, taxonomias, dentre outros) para que a linguagem gerada
possa efetivar-se como um mapa conceitual representativo da área. É preciso
que esse instrumento vá além das particularidades presentes no discurso de
165
um ou outro pesquisador e das marcas locais e temporais que, por vezes,
impregnam o discurso científico.
O conjunto final de palavras tratadas demonstrou que a produção do
conhecimento na área tem incidido sobre experiências interdisciplinares que
articulam a Ciência da Informação com outros campos do conhecimento, o que
leva sua representação a ser influenciada por essas experiências.
Compreender como se dá o estabelecimento das interfaces entre a Ciência da
Informação e os demais campos do conhecimento parece ser fundamental para
viabilizar automaticamente a geração de tesauros ou produtos que
automatizem parte desse processo, como o aqui apresentado.
A interdisciplinaridade entre as áreas de Ciência da Informação e a Ciência da
Computação permitiu que métodos de ambas as áreas fossem empregados na
solução do problema, apontando maiores possibilidades para futuros trabalhos
nos quais o conhecimento específico de cada uma delas seja compartilhado
em vistas ao objetivo. Verificou-se no projeto o compartilhamento das
metodologias das áreas, possibilitando que o método computacional simulasse,
de forma metafórica, os processos de indexação.
A disponibilidade de textos científicos em meio eletrônico crescerá a cada dia.
O trabalho demarcou a importância da garantia da manutenção de estruturas
pré-estabelecidas para os mesmos, de acordo com regras vigentes,
correspondendo a facilidades do trabalho computacional para reconhecimento
e extração de palavras.
O término do trabalho suscita continuidade. Recomenda-se que trabalhos
futuros nessa mesma linha estejam principalmente atentos:
166
• à riqueza das referências bibliográficas encontradas nos textos científicos e
ao que as palavras nela dispostas poderão revelar. O trabalho da
bibliometria relacionado ao de geração e manutenção de tesauros pode
revelar novidades para automação dos processos de indexação. Este
trabalho abordou parte disso, mas há muito a ser feito, principalmente se
relacionado à identificação de autores consagrados em sub-áreas
específicas do conhecimento, ao relacionamento entre palavras de artigos e
as existentes nos tesauros das áreas como subsídio aos futuros
relacionamentos dos termos, entre muitos outros;
• aos trabalhos que partam para coleta de palavras em outras unidades de
texto, como nos títulos dos itens de artigos científicos, relacionando estes
às freqüências de palavras-chave no próprio item;
•
ao ato de conjugar freqüência de palavras com seu significado semântico,
quer quando vistas isoladamente, quer quando relacionadas a outras
palavras, através do conceito de distância visto neste trabalho, ou através
de novas métricas a serem propostas;
•
à aplicação de dicionário de sinônimos ou dicionário da área em ambientes
como o aqui proposto para favorecer o encontro entre palavras resultantes
do tratamento dado pelo indexador com palavras existentes em tesauros;
• as novas métricas advindas de textos científicos. Neste trabalho apurou-se
a medida de cada unidade de texto, para todos textos disponíveis na base.
Estes dados ficarão para futuros trabalhos, onde seja possível compreender
a importância de palavras colocadas em unidades específicas de texto a
167
partir do universo que esta parte encera e sua importância na
representação do conteúdo;
•
à busca de outras formas para liberar o profissional de informação cada vez
mais para atividades intelectuais, cabendo à máquina o processamento
mais pesado e a ele a decisão e a escolha;
• ao entendimento da interdisciplinaridade da Ciência da Informação através
da vivência em pesquisas e projetos com outras áreas;
•
ao fomento de projetos que disponibilizem, no formato digital, textos
científicos de periódicos com publicação anterior ao advento da Web,
facilitando métodos para averiguação do grau de novidade ou
obsolescência de termos e de ferramentas de indexação;
•
aos projetos cuja massa de textos científicos inclua artigos de congressos,
cuja velocidade de publicação e a legitimidade da pertinência da área,
favoreceram a seleção de termos que traduzam novidade.
Fica a certeza de que apenas iniciou-se um caminho.
168
5()(5Ç1&,$6
AITCHISON, Jean; GILCHRIST, Alan. 0DQXDO SDUD F RQVWUXomR GH
WHVDXURV. Rio de Janeiro: BNG, 1979.
ALVARENGA, Lídia. A teoria do conceito revisitada em conexão com
ontologias e metadados no contexto das bibliotecas tradicionais e digitais.
'DWD*UDPD=HUR 
Revista de Ciência da Informação, v.2, n.6, dez. 2001.
Disponível em: <http://www.dgzero.org/dez01/F_I_art.htm>. Acesso em: 15
fev. 2005.
ANDERSON, David R.; SWEENEY, Dennis J.; WILLIAMS, Thomas A.
(VWDWtVWLFD DSOLFDGD j $GPLQLVWUDomR H (FRQRPLD
. Tradução de Luiz
Sérgio de Castro Paiva. São Paulo: Pioneira Thomson Learning, 2002.
ARAÚJO, Vânia M. R. H. Sistemas de recuperação da informação – SRIs.
In: ___. 6LVWHPDV GH UHFXSHUDomR GD LQIRUPDomR: nova abordagem
teórico-conceitual. 1994. Tese (Doutorado em Comunicação e Cultura) –
Escola de Comunicação, Universidade Federal do Rio de Janeiro, Rio de
Janeiro, 1994. cap. 5, p. 84-122.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS – ABNT.
1%5

: informação e documentação: citações em documentos –
apresentação. Rio de Janeiro, 2002a.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS – ABNT.
1%5
:
informação e documentação: artigo em publicação periódica científica
impressa – apresentação. Rio de Janeiro, 2003.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS – ABNT. 1%5:
informação e documentação: elaboração de referências. Rio de Janeiro,
2002.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS - ABNT.
1%5
:
Informação e documentação: numeração progressiva das seções de um
documento. Rio de Janeiro, 2003.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS - ABNT.
1%5
:
resumos. Rio de Janeiro, 2003.
BAEZA-YATES, R.; RIBEIRO NETO, B. 0RGHUQ LQIRUPDWLRQ UHWULHYDO
New York: Addison-Wesley, 1999.
169
BARRETO, Aldo de Albuquerque. Políticas de monitoramento da
informação por compressão semântica dos seus estoques. 'DWDJUDPD=HUR

Revista de Ciência da Informação, v.4, n.2, abr. 2003. Disponível em:
<www.datagramazero.org.br>. Acesso em: 03 jul. 2004.
BIBLIOTECA NACIONAL (Brasil).
+LVWyULFR
.
)XQGDomR GD %LEOLRWHFD
1DFLRQDO
. Disponível em: <www.bn.br>. Acesso em: 12 dez. 2004.
BITI - Biblioteconomia, Informação e Tecnologia da Informação.
(ODERUDomR GH WHVDXURV GRFXPHQWiULRV
: tutorial. Disponível em:
<http://www.conexaorio.com/biti >. Acesso em: 06 mar. 2005.
BOUDON, Raymond. 2V PpWRGRV HP  VRFLRORJLD. Tradução de Lólio
Lourenço de Oliveira. São Paulo: Ática, 1989.
BRAGA, Lílian Maria. 3DODYUDV GH WtWXORV H UHVXPRV FRPR DFHVVR DR
FRQWH~GR G R GRFXPHQWR
: uma análise numérica. 1982. Dissertação
(Mestrado em Ciência da Informação) – Instituto Brasileiro de Informação
em Ciência e Tecnologia/Universidade Federal do Rio de Janeiro, Rio de
Janeiro, 1982.
BRASIL. Ministério da Ciência e Tecnologia.
3RUWDO )XVW
 %LEOLRWHFDV
.
Glossário de biblioteconomia e documentação. Disponível em:
<http://portalfust.socinfo.org.br/contribuicoes.htm>.Acesso em: 21 out. 2005.
BRUANDET, M. F. Concept notion for automatic and dynamic thesaurus
updating. In: ANNUAL INTERNATIONAL CONFERENCE ON SYSTEMS
DOCUMENTATION, 1., 1982, Carson. $FWDV Carson: ACM Press, 1982.
p. 18-22.
BRUSCHINI, Cristina; ARDAILLON, Danielle; UNBEHAUM, Sandra G.
7HVDXURSDUDHVWXGRVGHJrQHURH  VREUHPXOKHUHV
. 34. ed. São Paulo:
Fundação Carlos Chagas, 1998.
BUSH, V. As we may think.
7KH$WODQWLF0RQWKO\
, v.176, n.1, p.101-108,
June 1945.
BUSSAB, Wilson de O., MORETIN, Pedro A. Estatística básica. São Paulo:
Saraiva, 2002.
CAMPOS, Maria Luiza de Almeida. /LQJXDJHPGRFXPHQWiULD: teorias que
fundamentam sua elaboração. Niterói: Ed UFF, 2001.
CAMPOS, Maria Luiza de Almeida. Perspectivas para o estudo da área de
representação da informação.
&LrQFLD GD ,QIRUPDomR
, Brasília, v.25, n.2,
1995.
170
CASTELLS, Manuel. A revolução da tecnologia da informação. In: ______.
$VRFLHGDGHHPUHGH. 2. ed. São Paulo: Paz e Terra, 1999. v.1, p. 49-86.
CAVALCANTI, Cordélia R.
,QGH[DomRWHVDXUR
: metodologia & técnicas.
Brasília: Associação de Bibliotecários do Distrito Federal, 1978.
CHARTIER, Roger.
$ DYHQWXUD GR OLYUR
: do leitor ao navegador;
conversações com Jean Lebrun. São Paulo: Ed. UNESP, 1998.
CHAUMIER, Jacques.
$VWpFQLFDVGRFXPHQWDLV
. Lisboa: Europa América,
1971.
CHAUMIER, Jacques.
/HV ODQJDJHV GRFXPHQWDLUHV
: le traitement
linguistique de l’information documentaire. Paris: Entreprise Moderne, 1978.
CHEN, Kuang-hua; Wu, Chien-tin. Automatically controlled-vocabulary
indexing for text retrieval. In: COMPUTATIONAL LINGUISTICS
CONFERENCE, 12., 1999, Hsinchu.
$FWDV
Hsinchu: [s.n.], 1999, p.171-
185.
CHEN, Z. et al. Web: building a web thesaurus from web link structure. In:
ANNUAL INTERNATIONAL ACM SIGIR CONFERENCE ON RESEARCH
AND DEVELOPMENT IN INFORMATION RETRIEVAL, 26., 2003, Toronto.
$FWDV«
Toronto: ACM Press, 2003. p. 48-55.
CINDOC. Tesauro en Biblioteconomía y Documentación. Disponível em:
<http://www.cindoc.csic.es>. Acesso em: 01 jun. 2005.
CINTRA, A. M. M.; TÁLAMO, M. F. G. M.; LARA, M. L. G.; KOBASHI, N. Y.
3DUD HQWHQGHU DV OLQJXDJHQV GRFXPHQWiULDV. 2. ed. rev. e ampl. São
Paulo: Polis, 2002.
COLLISON, Robert L.
ËQGLFHVHLQGH[DomR
. São Paulo: Polígono, 1972.
CONSELHO NACIONAL DE DESENVOLVIMENTO CIENTÍFICO E
TECNOLÓGICO – CNPq. História. Disponível em
<http://www.cnpq.br/sobrecnpq/historia/>, Acesso 25 out. 2005.
CRAVEN, Tim.
7KHVDXUXVFRQVWUXFWLRQ
. Faculty of Information and Media
Studies University of Western Ontario. Disponível em:
<http://instruct.uwo.ca/gplis/677/thesaur/main00.htm>. Acesso em: 18 mar.
2005.
CROUCH, C. J.; YANG, B. Experiments in automatic statistical thesaurus
construction. In: ANNUAL INTERNATIONAL ACM SIGIR CONFERENCE
ON RESEARCH AND DEVELOPMENT IN INFORMATION RETRIEVAL,
15., 1992, Copenhage.
$FWDV«
Copenhage: ACM Press, 2003. p. 77-88.
171
CUNHA, H. R. S. 3DGUmR38&0LQDVGHQRUPDOL]DomR: normas da ABNT
para apresentação de artigos em periódicos científicos. Disponível em:
<www3.pucminas.br/documentos/normalizacao_artigos.pdf>. Acesso em:
27 fev. 2005.
CURRÁS, Emilia.
7HVDXURV OLQJXDJHQV WHUPLQROyJLFDV
. Brasília: IBICT,
1995.
DAHLBERG, Ingetraut. O futuro das linguagens de indexação. In:
CONFERÊNCIA BRASILEIRA DE CLASSIFICAÇÃO BIBLIOGRÁFICA,
1972, Rio de Janeiro.
$QDLV
Brasília: IBICT, 1979a. v. 1, p. 323-334.
DAHLBERG, Ingetraut. Teoria da classificação ontem e hoje. In:
CONFERÊNCIA BRASILEIRA DE CLASSIFICAÇÃO BIBLIOGRÁFICA,
1972, Rio de Janeiro. $QDLV Brasília: IBICT, 1979b. v.1, p.352-370.
DAHLBERG, Ingetraut. Teoria do conceito.
&LrQFLDGD,QIRUPDomR
, Rio de
Janeiro, v.7, n.2, p.101-107, 1978.
DICIONÁRIO universal da língua portuguesa. 3. ed. Lisboa :Texto,1998.
Disponível em :< http://www.priberam.pt>. Acesso em: 19 mar. 2005.
DOCUTES. Tesauro de Ciencias de la Documentación. Disponível em:
<http://www3.unileon.es/dp/abd/tesauro/pagina/tesdocumentacion/docutes.h
tm>, Acesso em: 01 jun. 2005.
DODEBEI, Vera Lúcia Doyle. 7HVDXUR: linguagem de representação da
memória documentária. Niterói: Intertexto, 2002.
DOMINGUES, Ivan. Conhecimento e Transdisciplinaridade II: aspectos
metodológicos. Belo Horizonte: Editora UFMG, 2005.
DONGHONG, J.; JUNPING, G.; CHANGNING, H. Combining a chinese
thesaurus with a chinese dictionary. In: CONFERENCE ON ASSOCIATION
FOR COMPUTATIONAL LINGUISTICS, 36, 1998.
$FWDV«
[s.l.]: [s.n.],
1998. v.1.
DROZD, L. Some remarks on a linguistic theory. In: THEORETICAL AND
METHODOLOGICAL PROBLEMS OF TERMINOLOGY. Nov. 27-30, 1979.
Moscow. Proceedings ... Muenchen: Saur, 1981. p. 106-117.
EASYPHP. Disponível em: < http://www.easyphp.org/>. Acesso em: 01 jun.
2005.
ELMASRI, R.; NAVATHE, S. B.
)XQGDPHQWDOV RI GDWDEDVH V\VWHPV
.
3.ed. Addinson Wesley, 2000.
172
FERREIRA, Aurélio Buarque de Holanda. 0LQLGLFLRQiULR GD OtQJXD
SRUWXJXHVD3.ed. Rio de Janeiro : Nova Fronteira, 1989. p. 73.
FOO, S. et al. Automatic thesaurus for enhanced Chinese text
retrieval.
/LEUDU\5HYLHZ
, v.49, n.5, p.230-239, July 2000.
FOSKETT, Anthony Charles.
$D ERUGDJHPWHPiWLFDGDLQIRUPDomR
. São
Paulo: Polígono, 1973.
FRANÇA, J. L. et al.
0DQXDOSDUDQRUPD OL]DomRGHSXEOLFDo}HVWpFQLFR
FLHQWtILFDV
. 7.ed. rev. e aum. Belo Horizonte: UFMG, 2004.
FREIRE, Isa Maria. Da construção do conhecimento científico à
responsabilidade social da ciência da informação. ,QIRUPDomR 
6RFLHGDGH, João Pessoa, v.12 n.1 2002. Disponível em:
<http://www.informacaoesociedade.ufpb.br/pdf/IS1210207.pdf>. Acesso em:
18 ago. 2005.
FREUND, John E. Estatística aplicada: economia, administração e
contabilidade. Porto Alegre: Bookman, 2000.
FREUND, John E. Estatística aplicada: economia, administração e
contabilidade. Porto Alegre: Bookman, 2000.
FUNDAÇÃO DE AMPARO À PESQUISA DO ESTADO DE SÃO PAULO -
Fapesp
 +LVWyULFR
disponível em:
<http://www.fapesp.br/materia.php?data[id_materia]=1>. Acesso em: 25 out.
2005.
GILCHRIST, Alan. 7KHWKHVDXUXVLQUHWULHY DO. London: Aslib, 1971.
GOMES, Hagar Espanha (Org.).
0DQXDO GH HODERUDomR GH WHVDXURV
PRQROtQJHV
. Brasília: Programa Nacional de Bibliotecas de Instituições de
Ensino Superior, 1990.
GOMES, Hagar Espanha; CAMPOS; Maria Luiza de Almeida. Tesauro e
normalização terminológica: o termo como base para intercâmbio de
informações.
'DWD*UDPD=HUR 
Revista de Ciência da Informação, Rio de
Janeiro, v.5, n.6, dez. 2004. Disponível em:
<http://www.dgzero.org/dez04/Art_02.htm >. Acesso em: 01 jul. 2005.
GUIMARÃES, Reinaldo F. N. Pesquisa no Brasil: a reforma tardia. 6mR
3DXOR3HUVSHFWLYD, v.16, n.4, p.41-47, out./dez. 2002.
HODGE, Victoria J.; AUSTIN, Jim. Hierarchical word clustering – automatic
thesaurus generation.
1HXURFRPSXWLQJ
v
48, n.1-4, p.819-846, Oct. 2002.
173
HOLANDA, A. et al. Thesaurus as complex network. 3K \VLFD$6WDWLVWLFDO
0HFKDQLFV DQG LWV $SSOLFDWLRQV, v. 344, iss. 3-4 [SPECIAL ISSUE], p.
530-536, 2004.
INSTITUTO BRASILEIRO DE INFORMAÇÃO EM CIÊNCIA E
TECNOLOGIA – IBICT.
7HVDXUR GH &LrQFLD GD ,QIRUPDomR
: versão
preliminar. Brasília: IBICT, 1989.
ISOC-DC. Base de Datos de Bibliotecomía, Documentación y Política
Científica. Disponível em:
<http://bddoc.csic.es:8080/BIBYDOC/BASIS/bibydoc/web/docu/SF>. Acesso
em: 04 jul. 2005.
JESUÍNO, Jorge Correa. O método experimental nas ciências sociais. In:
SILVA, Augusto Santos; PINTO, José Madureira (Org.). 0HWRGRORJLD GDV
&LrQFLDV6RFLDLV
8 ed. Porto: Edições Afrontamento, 1986. p. 215-249.
JONES, K; WILLET, P.
5HDGLQJV LQ LQIRUPDWLRQ UHWULHYDO
. California:
Morgan Kaufmann, 1997. p.15-20.
JOYCE, T.; NEEDHAM, R. M. The thesaurus approach to information
retrieval.
$PHULFDQ'RFXPHQWDWLRQ
, v.9, p.192-197, 1958.
KAULA, Prithvi N. Repensando os conceitos no estudo da classificação.
Tradução dos Editores do Herald of Library Science.
%,7, ±
%LEOLRWHFRQRPLD ,QIRUPDomR  7HFQRORJLD GD ,QIRUPDomR. Disponível
em: <http://www.conexaorio.com/biti/>. Acesso em: 23 fev. 2005. Título
original: Rethinking on the concepts in the study of classification.
KIMOTO, H.; IWADERA, T. Construction of a dynamic thesaurus and its use
for associated information retrieval. In: ANNUAL INTERNATIONAL ACM
SIGIR CONFERENCE ON RESEARCH AND DEVELOPMENT IN
INFORMATION RETRIEVAL, 13, 1989, Brussels.
$FWDV
Brussels: ACM
Press, 1989. p.227-240
KOSHIBA, L.; PEREIRA, D. M. F. História do Brasil. 5. ed. rev. e ampl. São
Paulo: Atual, 1987. p. 386.
KREMER, Jeannette M. Estratégia de busca. 5HYLVWD GD (VFROD GH
%LEOLRWHFRQRPLD GD 8)0*, Belo Horizonte, v.14, n.2, p.187-220, set.
1985.
KRZYZANOWSKI, R.F.; FERREIRA, M. C. G. Avaliação de periódicos
científicos brasileiros.
&LrQFLD GD ,QIRUPDomR
, Brasília, v.27, n.2, p.165-
169, maio/ago.1998.
174
KUMAR, Krishan. A sociedade de informação. In: ___. 'DVRFLHGDGHSyV
LQGXVWULDOj SyVPRGHUQD novas teorias sobre o mundo contemporâneo.
Tradução de Ruy Jungmann. Rio de Janeiro: Jorge Zahar, 1997. cap. 2, p.
18-47.
LANCASTER, F. W.
,QGH[DomR H UH VXPRV
: teoria e prática. Brasília:
Briquet de Lemos, 1993.
LANCASTER, F. W.; WARNER, Amy J.
,QIRUPDWLRQ UHWULHYDO WRGD\
.
Arlington: Information Resources, 1993.
LAVILLE, Cristian; DIONNE, Jean.
$ FRQVWUXomR GR VDEHU
: manual de
metodologia da pesquisa em ciências humanas. Tradução de Heloísa
Monteiro e Francisco Settineri. Belo Horizonte: UFMG, 1999.
LEMOS, Antônio Agenor Briquet de. Presente e futuro do periódico
científico.
&RUUHLR%UD]LOLHQVH
, Brasília, 13 jul. 1968. Caderno Cultural, p. 3.
Disponível em: < http://www.briquetdelemos.com.br/editor1.htm>. Acesso
em: 20 out. 2005.
LIMA, Gercina Ângela Borém de O.
0DSD+LSHUWH[WXDO0+7;
: um modelo
para organização hipertextual de documentos. 2004. Tese (Doutorado em
Ciência da Informação) – Escola de Ciência da Informação, Universidade
Federal de Minas Gerais, Belo Horizonte, 2004.
LOPES, Ilza Leite. Uso das linguagens controlada e natural em bases de
dados: revisão de literatura. &LrQFLD GD ,QIRUPDomR, Brasília, v.31, n.1,
p.60-71, maio/ago. 2002.
LOPES NETO, D. et al. Análise de títulos de artigos de pesquisas
publicadas em um periódico brasileiro de enfermagem.
5HYLVWD /DWLQR
$PHULFDQD GH (QIHUPDJHP
Ribeirão Preto, v.10, n.1, p.77-84, jan./fev.
2002.
LUHN, H. P. The automatic derivation of information retrieval encodements
from machine-readable texts. In: SPARCK JONES, K.; WILLET, P.
5HDGLQJV LQ LQIRUPDWLRQ UHWULHYD O
. San Francisco: Morgan Kaufmann,
1997. p.21-24.
MANGUEL, Alberto. 8PDKLVWyULDGDOHLWXUD. 2. ed. São Paulo: Companhia
das Letras, 2001.
MAPLE, Amanda.
)DFHWHG DFFHVV
: a review of the literature. Disponível
em: <http://www.music.indiana.edu/tech_s/mla/facacc.rev>. Acesso em: 31
mar. 2005.
175
MARQUES DE JESUS, Jerocir Botelho. Tesauro: um instrumento de
representação do conhecimento em sistemas de recuperação da
informação. In: SEMINÁRIO NACIONAL DE BIBLIOTECAS
UNIVERSITÁRIAS, 12., 2002, Recife. Disponível em:
<http://www.ndc.uff.br/textostecnicos.asp> . Acesso em: 03 jul. 2004.
MARTINS, Wilson
 $ SDODYUD HVFULWD
: história do livro, da imprensa e da
biblioteca. 3.ed. rev. e atual. São Paulo: Ática, 1998.
McGARRY, Kevin.
2 FRQWH[WR GLQkPLFR GD LQIRUPDomR
: uma análise
introdutória. Brasília: Briquet de Lemos, 1999.
MEADOWS, A. J. $ FRPXQLFDomR FLHQWtILFD. Brasília: Briquet de
Lemos/Livros, 1999. 268 p.
MILSTEAD, Jéssica L. $ 6,6 WKHVDXUXV RI LQIRUPDWLRQ VFLHQFH DQG
OLEUDULDQVKLS
2. ed. New Jersey: Information Today, 1998.
MOREIRA, Manoel Palhares. MOURA, Maria Aparecida.
*HUDomR
DXWRPiWLFD GH WHVDXURV DERUGDJHP FRQFHLWXDO H YLDELOLGDGH
WHFQROyJLFD
. In: ENCONTRO NACIONAL DE PESQUISA EM CIÊNCIA DA
INFORMAÇÃO, 6., 2005, Florianópolis. $QDLV HOHWU{QLFRV. Florianópolis,
2005. 1 cd-rom.
MOREIRA, Manoel Palhares, STEMPLIUC, Sergio Murilo, PFEILSTICKER,
Igor Seufferheld de Oliveira. )RUPDomRGHXP YRFDEXOiULRFRQWURODGRD
SDUWLUGHSDODYUDVFKDYH. In: ENCONTRO NACIONAL DE PESQUISA EM
CIÊNCIA DA INFORMAÇÃO, 6., 2005, Florianópolis. $QDLV HOHWU{QLFRV.
Florianópolis, 2005. 1 cd-rom.
MORITA, K. et al. Word classification and hierarchy using co-occurrence.
,QIRUPDWLRQ 3URFHVVLQJ DQG 0DQDJHPHQW
, v.40, n.6, p.957-972, Nov.
2004.
MOSTAFA, Solange Puntel. Ciência da Informação: uma ciência, uma
revista.
&LrQFLDGD,QIRUPDomR
Brasília, v.25, n.3, p.1-5.,1996.
MOTTA, Dilza Fonseca.
0RGHORUHODFLRQDOFRPRQRYDDERUGDJHPSDUD D
FRQVWUXomRGHWHVDXURV. Disponível em <http://www.conexaorio.com/biti/>.
Acesso em: 18 jan. 2005.
MOURA, Maria Aparecida; SILVA, Ana Paula; AMORIM, Valéria Ramos de.
A concepção e o uso das linguagens de indexação face às contribuições da
Semiótica e da Semiologia.
5HYLVWD ,QIRUPDomR  6RFLHGDGH
estudos

João Pessoa, v.12, n.1, p.1-22, 2002.
176
MULTISYSTEMS. 0XOWLWHV. Disponível em: <http://www.multites.com/>.
Acesso em: 03 jul. 2005.
MURRIEL, Gatti. ¿Por qué prestar atención al lenguaje?
%ROHWtQ
,QIRUPDWLYR GH 7HPDV /LQJtVWLFRV GHO 'HSDUWDPHQWR $FDGpPLFR GH
+XPDQLGDGHV GH OD 8QLYHU VLGDG GHO 3DFtILFR
, Lima, v.1, n.1, jul. 1998.
Disponível em <http://www.up.edu.pe/coine/Boletin1/TRASFOND.HTM>.
Acesso em: 10 jun. 2005.
MYSQL. Disponível em: < http://www.mysql.com/>. Acesso em: 01 jun.
2005.
NAVES, Madalena M. L. )DWRUHVLQWHUIHUHQWHVQRSURFHVVRGHDQiOLVHGH
DVVXQWR: estudo de caso de indexadores. 2000. Tese (Doutorado em
Ciência da Informação) – Escola de Ciência da Informação, Universidade
Federal de Minas Gerais, Belo Horizonte, 2000.
NAVES, Madalena. M. L. Análise de assunto: concepções.
5HYLVWD GH
%LEOLRWHFRQRPLDGH%UDVtOLD
, Brasília, v.20, n.2, p.215-226, jul./dez.1996.
OLIVEIRA, Érica B. P. M. de; NORONHA, Daisy P. A comunicação
científica e o meio digital.
,QIRUPDomR6RFLHGDGH
: estudos, João Pessoa,
v.15, n.1, 2005. Disponível em:
<http://www.informacaoesociedade.ufpb.br/>. Acesso em: 25 out. 2005.
PHP. Hypertext Preprocessor. Disponível em:< http://www.php.net.> Acesso
em: 01 jun. 2005.
PINHEIRO, Lena Vânia Ribeiro. Campo interdisciplinar da Ciência da
Informação: fronteiras remotas e recentes. In: ________ . CASTRO, Ana
Lucia Siaines de. (Orgs.).
&LrQFLD GD LQIRUPDomR FLrQFLDV VRFLDLV H
LQWHUGLVFLSOLQDULGDGH
Rio de Janeiro: Instituto Brasileiro de Informação em
Ciência e Tecnologia, 1999.
PINKER, Steven.
2 LQVWLQWR GD OLQJXDJHP
: como a mente cria a
linguagem. São Paulo: Martins Fontes, 2002.
RANGANATHAN, Shiyali Ramamrita. Prolegomena to library classification.
3. ed. London: 1967.
RICHARDSON, Roberto Jarry et al. 3HVTXLVD6RFLDO: métodos e técnicas.
São Paulo: Atlas, 1999.
ROBERTS, Norman. The pre-history of the information retrieval thesaurus.
-RXUQDORI'RFXPHQWDWLRQ
, v.40, n.4, p.271-285, Dec. 1984.
177
RODRIGUES, Marly. $ GpFDGD GH : populismo e metas
desenvolvimentistas no Brasil. 3.ed. São Paulo: Ática, 1996.
ROGET, Peter Mark.
7KHVDXUXV RI (QJOLVK ZRUGV DQG SKUDVHV
. [s.l.]:
[s.n.], 1960.
SALTON, Gerard. A Blueprint for automatic indexing.
6,*,5 )yUXP
v.16,
n.2, p. 22-38, May/June 1981.
SALTON, Gerard. Automatic text indexing using complex identifiers. In:
ACM CONFERENCE ON DOCUMENT PROCESSING SYSTEMS, 1988,
Santa Fé.
$FWDV
… Santa Fé: ACM Press, 1988, p.135–144.
SALTON, Gerard. '\QDPLF LQIRUPDWLRQ SUR FHVVLQJ. New Jewrsey,
Prentice Hall, 1975.
SALTON, Gerard; McGILL, Michael J. ,QWURGXFWLRQW RPRGHUQLQIRUPDWLRQ
UHWULHYDO
New York: McGraw Hill Book, 1983.
SARACEVIC, T. Ciência da Informação: origem, evolução e relações.
3HUVSHFWLY DV HP &LrQFLDGD ,QIRUPDomR
v.1, n. 1, (jan/jun.) 1996. Belo
Horizonte: Escola de Biblioteconomia da UFMG, 1996.
SARACEVIC, T. Evaluation of evaluation in information retrieval. In:
ANNUAL INTERNATIONAL ACM SIGIR CONFERENCE ON RESEARCH
AND DEVELOPMENT IN INFORMATION RETRIEVAL, 18., 1995. Seattle.
$FWDVSeattle: ACM Press, 1995. p.138-146.
SHERA, Jesse H. Padrão, estrutura e conceituação na classificação.
Tradução de Hagar Espanha Gomes. %,7, ±%LEOLRWHFRQRPLD,QIRUPDomR
 7HFQRORJLD GD ,QIRUPDomR
. Disponível em:
<http://www.conexaorio.com/biti/>. Acesso em: 14 fev. 2005.
SHIRI, A.; REVIE, C. Thesauri on the web: current developments and
trends.
2QOLQH,QIRUPDWLRQ5HYLHZ
, v.24, n.4, p.273-279, 2000.
SILVA, Augusto Santos; PINTO, José Madureira. Uma visão global sobre as
ciências sociais. In:____ (Org.).
0HWRGRORJLDGDV&LrQFLDV6RFLDLV
8 ed.
Porto: Edições Afrontamento, 1986. p. 9-27.
SOERGEL, D. ,QGH[LQJ ODQJXDJHV DQG WKHVDXUL FRQVWUXFWLRQ DQG
PDLQWHQDQFH. Los Angeles, Cal.: Melville, 1974.
SOUZA, Raimundo Ferreira de. A história das bibliotecas. 8)$& QD
LPSUHQVD
. Disponível em: <http://www.ufac.br//imprensa>. Acesso em: 18
nov. 2004.
178
SOUZA, Renato Rocha; ALVARENGA, Lídia. A Web Semântica e suas
contribuições para a ciência da informação. &LrQFLD GD ,QIRUPDomR,
Brasília, v. 33, n.1, p.132-141, jan./abr. 2004.
SPINK, A. et al. Searching the web: the public and their queries.
-RXUQDORI
WKH $PHULFDQ 6RFLHW\ IRU ,QIRUPDWLRQ 6FLHQFH DQG 7HFKQRORJ\
, v.52,
n.3, p.226-234, 2001.
SPITERI, Louise. A simplified model for facet analysis.
&DQDGLDQ-RXUQDO
RI,QIRUPDWLRQDQG/LEUDU\6FLHQFH
, Toronto, v.23, n.1/2, p.1-30, Apr./Jul.
1998.
SVENONIUS, Elaine. 7KH LQWHOOHFWXDO IRXQGDWLRQ RI LQIRUPDWLRQ
RUJDQL]DWLRQ. Cambridge, MA: MIT Press, 2000.
TARGINO, Maria das Graças. Comunicação científica na sociedade
tecnológica: periódicos eletrônicos em discussão.
&RPXQLFDomR H
6RFLHGDGH
São Bernardo do Campo, n. 31, p. 71-98, 1. sem. 1999.
TRISTÃO, Ana Maria Delazari; FACHIN, Gleisy Regina Bóries; ALARCON,
Orestes Estevam. Sistema de classificação facetada e tesauros:
instrumentos para organização do conhecimento.
&LrQFLDGD ,QIRUPDomR
,
Brasília, v.33, n.2, p.161-171, maio/ago. 2004.
VALÉRIO, Palmira Moriconi.
(VSHOKRGD &LrQFLD
: avaliação do Programa
Setorial de Publicações em Ciência e Tecnologia da FINEP. Brasília:
FINEP/IBICT, 1994.
VICKERY, Brian Campbell. &ODVVLILFDWLRQDQGLQGH[LQJLQVFLHQFH. 3.ed.
London: Butterworths, 1975.
WEBCHOIR. The Thesaurus Construction System (TCS). Disponível em:
<http://www.webchoir.com>. Acesso em: 01 jun. 2005.
WILSON, Patrick. Subjects and the sense of position. In: CHAN, Lois Mai;
RICHMOND, Phyllis A.; SVENONIUS, Elaine (Ed.).
7KHRU\ RI VXEMHFW
DQDO\VLV
: a sourcebook. Littleton, Colorado: Libraries Unlimited, 1985. p.
306-325.
179
$QH[R  3iJLQDV GR 7&, ± 7HVDXUR HP &LrQFLD GD
,QIRUPDomR
)LJXUD7&,7HODLQLFLDO
180
)LJXUD7&,RUGHPDOIDEpWLFDGHWHUPRV
181
)LJXUD7&,2UGHPKLHUiUTXLFDGHWHUPRV
182
)LJXUD7&,DSUHVHQWDomRGHWHUPRV
183
$QH[R  $SUHV H QWDomR GR FiOFXOR GR HVFRUH 
SDGURQL]DGRGDVIU H TrQFLDV
Para se comparar unidades de medidas de diferentes conjuntos de dados,
utiliza-se o escore padronizado. Se [ é uma mensuração pertencente a um
conjunto de dados com média (Figura 23) e desvio padrão V
(Figura 24),
então seu valor em unidades padronizadas, (3, equivale ao calculo da
diferença entre seu valor e o valor médio dividido pelo desvio padrão
(FREUND, 2000), conforme apresentado na Figura 25.
)LJXUD)yUPXODSDUDFiOFXORGDPpGLDGHXPVpULHGHYDORUHV
)LJXUD)yUPXODSDUDFiOFXORGRGHVYLRSDGUmR
)LJXUD)yUPXODSDUDFiOFXORGRHVFRUHSDGURQL]DGR
(3 = x – x
m
s
[
∑
=
=
+++
= [
QQ
[[[
;
1
21
1
184
O escore padronizado informa a quantos desvios-padrão um valor está acima
ou abaixo da média do conjunto de dados, permitindo comparações entre
dados de conjuntos distintos.
O valor zero da média dos escores padronizados é explicado pela própria
estatística. Dados uma série de Q observações de uma mesma variável ;,
denotada como [  [  [   [ , o cálculo da média dessas observações é
obtido pela fórmula da Figura 23. O escore padronizado é calculado de acordo
com Figura 25.
A seguir, transforma-se a série de observações [ [ [    [ em uma nova
série de observações denotada como ] ] ] ]
.
O cálculo da média e do desvio padrão dessa nova variável Z, que é uma
transformação de X ficaria de acordo com a Figura 26, ou seja zero.
)LJXUD&DOFXORGDPpGLDGRV HVFRU HVSDGURQL]DGRV
Ou seja, a média de uma série de escores padronizados é sempre igual a zero.
Seguindo o mesmo raciocínio, porém de forma mais complexa, podemos
demonstrar que o desvio padrão de uma série de escores padronizados é
sempre igual a 1.
( )
0.
1
.
1
.
1
.
1
.
.
..
.
.
)()()(
)()()(
21
212121
221
2121
=−=−
+++
=
=−
+++
=
−+++
=
−++−+−
=
=
−
++
−
+
−
=
+++
=
+++
=
;
V
;
V
;
VQ
[[[
V
VQ
;Q
VQ
[[[
VQ
;Q[[[
VQ
;[;[;[
Q
V
;[
V
;[
V
;[
Q
[(3[(3[(3
Q
]]]
=
185
Sempre que se transforma uma série de observações de uma variável em
escores padronizados, faz-se a justamente a transformação da escala original
para uma escala padrão, na qual a média e o desvio padrão são fixos e
conhecidos.
Na apresentação dos resultados foram adotados percentis. Um percentil é uma
medida da posição relativa de uma unidade que está sendo observada em
relação a todas as outras. O S-ésimo percentil tem no mínimo S% dos valores
abaixo daquele ponto e no mínimo (100 - S)% dos valores acima (ANDERSON
et. al, 2002).
186
$QH[R3DODYUDV 7UDWDGDV
7DEHOD3DODYUDVWUDWDGDVH[LVWHQWHVQR7&,
Palavras tratadas existentes no TCI
Palavra Tratada Índice Palavra Tratada Índice
Informação 11,3331
Administração de Empresas -0,1998
Conhecimento 4,9986 Protocolo -0,2017
Ciência da informação 4,0476 Comércio eletrônico -0,2027
Pesquisa 3,7695 Sistema de recuperação de informação -0,2042
Sistema 3,5438 Centro de informação -0,2043
Acesso à informação 3,3655 Cienciometria -0,2116
Comunicação 3,1056 Máquina de busca -0,213
Dado 2,5432 Desenvolvimento de coleção -0,2146
Internet 2,3442 Competência informacional -0,2147
Rede 2,1917 Classificação facetada -0,2173
Conceito 2,1201 Indústria da Informação -0,2191
Modelo 1,9673 Arquivologia -0,2204
Web 1,7032 Diretório -0,221
Usuário 1,6824 Biblioteca pública -0,2224
Biblioteca 1,5709 Indexador -0,2234
Educação 1,4928 Agente inteligente -0,2235
Tecnologia da informação 1,3999 SGML -0,2241
Sociedade da informação 1,2568 Pré-impressão -0,2284
HTML 1,1063 Web Semântica -0,2304
Biblioteconomia (área de conhecimento) 1,0307 Página web -0,2311
Periódico 0,9972 Linguagem de marcação -0,233
Sistema de informação 0,9948 Lei de Lotka -0,2373
Realidade virtual 0,9883 Informetria -0,2396
Termo 0,9356 Sistema de informação gerencial -0,2417
Base de dados 0,9206 Informação e sociedade -0,2478
Representação da informação 0,9128 Indexação automática -0,2504
Arquivo 0,8887 Coleção -0,2548
Documentação 0,873 Serviço de referência -0,2548
Publicação 0,7274 Explosão informacional -0,2559
Tecnologia da informação e da
comunicação 0,6759
Desenvolvimento de sistema
-0,2576
Classificação 0,6303 Homografia -0,261
Pesquisador 0,6286 História natural -0,2652
Professor 0,6118 Engenharia -0,2654
Tese 0,6028 MARC -0,2654
Profissional de informação 0,6023 Museu de ciência -0,2654
Recuperação de informação 0,5479 Recurso eletrônico -0,2654
Memória 0,4608 Lei de Bradford -0,2671
Hipertexto 0,4043 História -0,2689
Bibliotecário 0,4015 Interação homem máquina -0,269
Biblioteca digital 0,379 Biblioteca híbrida -0,2724
Biblioteca universitária 0,3466 Lei de Zipf -0,2733
Indexação 0,3149 Universidade -0,2749
Fonte de informação 0,3087 Processamento de linguagem natural -0,2758
Serviço de informação 0,2875
Literatura cinzenta -0,2758
187
Lingüística 0,267 Linguagem natural -0,2758
Terminologia 0,2562 Biblioteca escolar -0,2758
Tomada de decisão 0,2384 Texto eletrônico -0,2759
Cd-rom 0,2028 Semântica -0,2767
Transferência de informação 0,1882 Fluxo de Informação -0,2847
Uso da informação 0,1789 Modelo cognitivo -0,2847
Dissertação 0,1584 Rede neural -0,2872
Ontologia 0,1381 Descritor -0,2908
Disseminação da informação 0,1079 Serviço arquivístico -0,2908
Informação técnico científica 0,1073 Imagem -0,2908
Software 0,1027 Método estatístico -0,2934
Psicologia 0,067 Museu de Arte -0,2952
Tesauro 0,0656 Profissional da informação -0,2952
Metadado 0,0618 Necessidade de informação -0,2952
Bibliografia 0,0553 Tecnologia educacional -0,2959
Informação Científica 0,0512 Bibliotecário de referência -0,2978
Busca de informação 0,036 Leitor -0,3003
Bibliometria 0,0301 Revisão de literatura -0,3021
Medicina 0,0285 Informação gerencial -0,3021
Informação tecnológica 0,0067 Aquisição -0,3065
Banco de dados -0,0127
Documento arquivístico -0,3065
Economia da informação -0,0209
Formato bibliográfico -0,3065
XML -0,0332
Gestão de documentos -0,3065
Organização da informação -0,0417
Acervo -0,3065
Correio eletrônico -0,0546
Informação organizacional -0,3109
Ciências Humanas -0,0583
Gerencia de coleção -0,3109
Publicação eletrônica -0,0919
Arquitetura de sistema -0,3109
Recurso de informação -0,0923
Sociologia da informação -0,3109
Estratégia de busca -0,0924
Lógica difusa -0,3109
Linguagem de indexação -0,1013
Base de dados bibliográficos -0,3109
Epistemologia -0,1107
Informação institucional -0,3109
Intranet -0,1138
Índice de citação -0,3109
Hipermídia -0,1279
Linguagem de programação -0,3109
Semiótica -0,1317
Modelo Booleano -0,3109
Estudo de usuário -0,1332
Teatro -0,3152
Base de conhecimento -0,1362
Administração hospitalar -0,3152
Informação estatística -0,1462
Perfil de usuário -0,3152
Processamento da informação -0,1468
Análise de citação -0,3152
Economia -0,1516
Liberdade de Informação -0,3152
Documento digital -0,1543
Medicina veterinária -0,3152
Dublin Core -0,1662
Recuperação da informação -0,3152
Análise documental -0,1724
Projeto de pesquisa -0,3152
Sistema especialista -0,1743
Resumo -0,3152
Cibernética -0,1854
Uso de informação -0,3152
Arquivo aberto -0,1928
Ciências sociais -0,3152
Arquivista -0,1934
188
7DEHOD3DODYUDVWUDWDGDVQmRH[LVWHQWHVQR7&,
Palavras tratadas não existentes no TCI
Palavra tratada Índice
Palavra Tratada Índice
Formação 11,5881
VIRTUS -0,2715
Ciência 5,8183 Contexto da informação -0,2722
Brasil 4,7234 Interação universidade-empresa -0,2724
Tecnologia 3,8572 Imagem digital -0,2733
Texto 3,4272 Modelagem de Dados -0,2733
Sociedade 3,3662 Teoria do conhecimento -0,2733
Trabalho 2,9625 Lógica Cultural -0,2739
Organização 2,0427 Avaliação (software) -0,2747
Programa 1,8784 Política de comunicação -0,2747
Estado 1,7347 Reciclagem papel -0,2751
Poder 1,6775 E-prints -0,2758
Avaliação 1,5813 Informação cidadania -0,2758
Documento 1,5479 Controle social -0,2759
Qualidade 1,4804 Compressão -0,2767
Jornalismo 1,4552 Semiose -0,2767
Criação 1,2577 Ciência clássica -0,2777
Instituto Brasileiro de Informação em Ciência
e Tecnologia 1,1735
Direito de propriedade
-0,2777
Estratégia 1,1442 Estratégia metodológica -0,2777
Fonte 1,0885 Fenômeno da informação -0,2777
Linguagem 1,0646 Neoliberalismo -0,2777
Informática 1,0622 Prática profissional -0,2777
Comunidade 1,0550 Ciência e Tecnologia -0,2802
Saber 1,0500 Economia Digital -0,2802
Paradigma 1,0289 Gestão da qualidade -0,2802
Referência 1,0068 Informação agropecuária -0,2802
Corpora 0,9476 Rizoma -0,2802
Interatividade
0,9406
Universidade Federal do Rio Grande do
Norte -0,2802
Ensino 0,8992 Processos de Informação -0,2803
Definição 0,8279 Antropologia Brasileira -0,2811
Horizon 0,7751 Classificação industrial -0,2811
Competência 0,7551 Controle bibliográfico institucional -0,2811
Inovação 0,6696 Iluminismo -0,2811
Disseminação 0,6680 Informação sobre Risco -0,2811
Liber 0,6429 Normalização Terminológica -0,2811
Decisão 0,6299 Pesquisa científica -0,2811
Leitura 0,6072 Qualidade (serviço de biblioteca) -0,2811
Escrita 0,5977 Consulta pública -0,2821
Complexidade 0,5683 Sistema de inteligência competitiva -0,2821
Governo 0,5601 Reversibilidade -0,2828
Mpress 0,5500 Budapest open access initiative -0,2846
Padrão 0,4795 Cultura impressa -0,2846
Produção científica 0,4559 Programa 5S -0,2846
Globalização 0,4082 Programa de qualidade -0,2846
Inteligência competitiva 0,4058 SERVQUAL -0,2846
Gestão do conhecimento 0,3817 Sociedade aprendente -0,2846
Gestão da informação 0,3547 Transgênicos -0,2846
Descrição 0,3489 Ambiente de informação -0,2855
189
Cidadania 0,2711 Análise setorial -0,2855
Competitividade 0,2268 Informação potencializada -0,2855
França 0,2114 Mensuração Estatística -0,2855
Identidade 0,2028 Progresso Globalizado -0,2855
Produção do conhecimento 0,1968 Ajuda técnica -0,2864
Comunicação científica 0,1688 Criação da informação -0,2864
Política informacional 0,1615 Imagem em movimento -0,2864
Gerência 0,1607 Monitoramento de informação -0,2864
Mediação 0,1523 Popularização da Ciência -0,2864
Ciberespaço 0,1483 Sistema de informação estatística -0,2864
Automação 0,1240 Texto Linear -0,2864
Acessibilidade 0,1101 Acesso à arquivo público -0,2889
Sociedade do conhecimento 0,0958 Busca -0,2896
Inclusão 0,0927 Comunicação política -0,2896
Intercâmbio 0,0855 Disseminação da Pesquisa -0,2896
Autonomia 0,0782 Informação ambiental -0,2896
Metáfora 0,0497 Centro de Competência -0,2908
Cenário 0,0317 Consciência individual -0,2908
Energia 0,0232 Conteúdo semântico -0,2908
Periódico científico 0,0219 Controle bibliográfico nacional -0,2908
Capitalismo 0,0209 Cultura digital -0,2908
Totalidade 0,0167 Integração de Informações -0,2908
Meios de comunicação
0,0074
Pessoa portadora de necessidades
especiais -0,2908
Exclusão social 0,0067 Política da informação -0,2908
Inovação tecnológica 0,0051 Processo legislativo -0,2908
Política pública -0,0055 Reserva Técnica -0,2908
Liderança -0,0073 Tecnologias da comunicação e informação
-0,2908
Alfabetização -0,0114 Viabilidade do produto -0,2908
Ensino a distância -0,0188 Viabilidade do serviço de informação -0,2908
Interdisciplinaridade -0,0227 Crescimento do Conhecimento -0,2915
Informação negócio -0,0304 Informação legislativa -0,2915
Contrato -0,0327 Campo de Conhecimento -0,2934
País em desenvolvimento -0,0354 Democratização da informação -0,2934
Abstração -0,0409 Manipulação da informação -0,2934
Informatização -0,0424 Atuação profissional -0,2940
Capital intelectual -0,0440 Perfil profissional -0,2940
Transferência de Tecnologia -0,0571 Aparato Informacional -0,2952
Propriedade intelectual -0,0598 Cibernose -0,2952
Legislação -0,0652 Cognóscio -0,2952
Língua portuguesa -0,0668 Comunidade discursiva -0,2952
Formação profissional -0,0700 Documento Eletrônico de Arquivo -0,2952
Mercado de trabalho -0,0700 Estoque Informacional -0,2952
Responsabilidade social -0,0705 Imagem técnica -0,2952
Biblioteca virtual -0,0707 Índice da sociedade da informação (ISI) -0,2952
Catalogação -0,0712 Informatose -0,2952
Tratamento da informação -0,0781 Literatura branca -0,2952
cognição -0,0832 Math-net -0,2952
Organização do conhecimento -0,0838 Método de Solução de Problemas -0,2952
ISIS -0,0950 Midiologia -0,2952
Palavras-chave -0,0979 Monitoramento fontes de informação -0,2952
Cultura organizacional -0,0980 Normoterapia -0,2952
Representação do conhecimento -0,0983 Paratexto -0,2952
190
Bem e serviço -0,1023 Sistema de informação estratégica -0,2952
Informação estratégica -0,1046 Sociologia da Cultura -0,2952
Interoperabilidade -0,1061 Valência Sintático-Semântica -0,2952
Inteligência empresarial -0,1064 Alinhamento estratégico -0,2959
Planejamento estratégico -0,1076 Enfoque sistêmico -0,2959
Caos -0,1099 Habilidade informacional -0,2959
Periódico eletrônico -0,1115 Cultura Corporativa -0,2978
Pós-modernidade -0,1210 Descoberta de conhecimento -0,2978
Automação de biblioteca -0,1227 Exclusão digital -0,2978
Divulgação científica
-0,1251
Financiadora de Estudos e Projetos
(Finep)
-0,2978
Valor da informação -0,1264 Interface de Busca -0,2978
Ambigüidade (recuperação) -0,1274 Método de ensino -0,2978
Dialética -0,1276 Necessidade de usuário -0,2978
Ferramenta de busca -0,1325 Ontologia formal -0,2978
Modelo conceitual -0,1346 Orientação a Objetos -0,2978
Governo Eletrônico -0,1349 Texto Científico -0,2978
Universidade Federal do Rio Grande do Sul -0,1356 Arquivística -0,2995
Grupo de pesquisa -0,1403 Corporações transnacionais -0,2995
Data mining -0,1456 Estados Unidos -0,2995
Informação digital -0,1479 Interpretação legal -0,2995
Filtro -0,1482 Metodologia -0,2995
Estoques de Informação -0,1492 Organização não-governamental (ONG) -0,2995
Sociabilidade -0,1499 Políticas de Formação de Professores -0,2995
Inteligência organizacional -0,1502 Publicação automatizada -0,2995
Hegemonia -0,1514 Administração de biblioteca -0,3003
Teoria do conceito -0,1566 Central de atendimento -0,3003
Conhecimento tácito -0,1586 Comportamento de usuários -0,3003
Comunicação eletrônica -0,1653 Comunidade científica -0,3003
Movimento social -0,1655 Educação tecnológica -0,3003
Usabilidade -0,1655 Inovação conservadora -0,3003
W3C -0,1710 Produtor rural -0,3003
Oralidade -0,1736 Serviço de atendimento ao cliente -0,3003
Informação eletrônica -0,1736 Voluntariado -0,3003
Lista de discussão -0,1737 Banco de teses -0,3021
Categorização -0,1754 Cooperação interinstitucional -0,3021
Governança -0,1767 Holismo -0,3021
Amazônia -0,1776 Recepção de informação -0,3021
Aprendizagem organizacional -0,1787 Rede organizacional -0,3021
Instituição -0,1830 Técnica gerencial -0,3021
Mundo do Trabalho -0,1848 Treinamento (usuário) -0,3021
Rede social -0,1856 Informação estratégia competitiva -0,3046
Monitoramento ambiental -0,1864 Institucionalização da informação -0,3046
Formação de professor -0,1873 Sociedade de aprendizagem -0,3046
Copyright -0,1924 Alfabetização informacional -0,3065
Auto-organização -0,1945 Digitalização da informação -0,3065
Fatores críticos de sucesso -0,1987 Disseminação Científica -0,3065
Espaço digital -0,2008 Ecologia do conhecimento -0,3065
Information literacy -0,2029 Gestão participativa -0,3065
Identidade cultural -0,2047 Informação para negócios -0,3065
Desenvolvimento sustentável -0,2049 Inteligência científica -0,3065
Lixo -0,2049 Interface de Consulta -0,3065
Esquecimento -0,2050 Modelo Vetorial -0,3065
191
Hiperdocumento -0,2055 Paradigma Informacional -0,3065
Economia do conhecimento -0,2068 Política institucional -0,3065
Conhecimento organizacional -0,2122 Repositório digital -0,3065
Usuário da informação -0,2130 Sinergética -0,3065
Contrato Social -0,2136 Sistema de informação para negócios -0,3065
Direito à informação -0,2146 Sistema de leitura de tela -0,3065
Assimilação da informação -0,2155 Sistema de publicação -0,3065
Informação Governamental -0,2186 Teoria da ciência da informação -0,3065
Processos organizacionais -0,2187 Análise de referência -0,3109
Função social -0,2224 Autoritarismo científico -0,3109
Biblioteca eletrônica -0,2241 Avaliação de pares -0,3109
Terceiro Setor -0,2241 Cliente-Finep -0,3109
Critérios de avaliação -0,2252 Código fonte -0,3109
Sistema de classificação -0,2261 Compartilhamento -0,3109
Jornalismo científico -0,2267 Compreensão Ativa -0,3109
Serviço de biblioteca -0,2277 Diáspora digital -0,3109
Indicadores bibliométricos -0,2292 Esoterismo científico -0,3109
Estado brasileiro -0,2302 Ética da Informação -0,3109
Arquivo de log -0,2304 Forma textual -0,3109
Gestão -0,2304 Formação de opinião -0,3109
Preservação digital -0,2304 Fundamento social da informação -0,3109
Economia Política -0,2309 Gestão de biblioteca -0,3109
Informação financeira -0,2311 Gestão de informação -0,3109
Web site -0,2311 Gestão Eletrônica de Documento -0,3109
Governabilidade -0,2316 Hierarquia da informação -0,3109
Plataforma Lattes -0,2321 Holografia -0,3109
Atividade de informação -0,2322 Impacto das Tecnologias da Informação -0,3109
Arquitetura da informação -0,2330 Índice de Desenvolvimento Humano (IDH) -0,3109
Conhecimento explícito -0,2341 Inferência bayesiana -0,3109
Educação ambiental -0,2345 Info-exclusão -0,3109
Ciência cognitiva -0,2348 Informação ação estratégica -0,3109
Rede informal -0,2348 Informação de patente -0,3109
Humanismo -0,2353 Informática educacional -0,3109
Armazenamento -0,2367 Integração de conhecimento -0,3109
Mecanismo de busca -0,2367 Marginalidade Tecnológica -0,3109
recuperação -0,2367 Modelo de preservação OAIS -0,3109
Método científico -0,2375 Modelo semântico -0,3109
Memória Social -0,2384 Neurose virtual -0,3109
Privatização -0,2391 Prospecção Informacional -0,3109
Registro do Conhecimento -0,2399 Qualidade de informação -0,3109
Correios -0,2409 Recurso lingüístico -0,3109
Produção intelectual -0,2409 Rede SCienTI -0,3109
Tecnologia de informação e comunicação -0,2410 Referência digital -0,3109
Administração de recursos humanos -0,2417 Reforma Curricular -0,3109
Mnemotécnica -0,2442 Relacionamento com cliente -0,3109
Apoio à decisão -0,2453 Saúde -0,3109
Webmuseu -0,2453 Serviço de aquisição -0,3109
Sistema estatístico -0,2459 Setor informacional -0,3109
Conteúdo digital -0,2461 Sistema centrado no usuário -0,3109
Cultura Informacional -0,2466 Site jurídico -0,3109
Construção do Objeto -0,2468 Sociedade contemporânea -0,3109
Agente do conhecimento -0,2470 Sugestão de aquisição -0,3109
192
Estatística oficial -0,2470 Trabalhador rural -0,3109
Setor industrial -0,2471 Análise textual -0,3152
Capacitação de recursos humanos -0,2479 Aprendizagem -0,3152
Integração de sistemas -0,2479 Artigo científico -0,3152
Filosofia da ciência -0,2496 Aspecto econômico -0,3152
Política de pesquisa -0,2504 Aspecto tecnológico -0,3152
Transdisciplinaridade -0,2504 Autoria na Internet -0,3152
Biologia -0,2504 Avaliação (periódico) -0,3152
Serviço Web -0,2504 Avaliação centrada no usuário -0,3152
Sintagma nominal -0,2504 Avaliação de acesso -0,3152
Webometria -0,2504 Avaliação impacto tecnológico -0,3152
Pesquisa operacional -0,2523 Biblioteca acadêmica -0,3152
Tempo livre -0,2530 Cadeia de valor -0,3152
Informação competitividade -0,2536 Capacitação (usuário) -0,3152
Qualidade (serviço) -0,2539 Catalogação de recursos eletrônicos -0,3152
Analfabetismo -0,2540 Classificação do Conhecimento -0,3152
Conhecimento objetivo -0,2546 Classificação em Ciência e Tecnologia -0,3152
Câmara Legislativa do Distrito Federal
-0,2548
CNPq - fomento à pesquisa em Ciência da
Informação -0,3152
Etnografia -0,2548 Colaboração -0,3152
ISO 9001
-0,2548
Comportamento informacional -
professores educação básica -0,3152
Leitura Documentária -0,2548 Curso de graduação -0,3152
Medicina tropical -0,2548 Desajuste Conceitual -0,3152
Núcleo Temático da Seca -0,2548 Direito da Informação -0,3152
Servidor de enlace -0,2548 Disciplina científica -0,3152
Texto fílmico -0,2548 Disseminação da Obra Digital -0,3152
Produtos informacionais -0,2559 Educação superior -0,3152
Satisfação do usuário -0,2559 Elaboração de tesauro -0,3152
Tipo de usuário -0,2559 Enlaces -0,3152
Inclusão digital -0,2565 Estatística -0,3152
Pequena e média empresa -0,2566 Expansão das Novas Tecnologias -0,3152
Agregado de Informação -0,2567 Fomento à pesquisa -0,3152
Auto-arquivamento -0,2567 Formação continuada -0,3152
Imagem de síntese -0,2567 Fundamento -0,3152
Lingüística estrutural -0,2567 Gestor da informação -0,3152
Informação jurídica -0,2574 Giddens -0,3152
Monitoramento informação -0,2574 Indicador empresarial -0,3152
Paradigma tecnológico -0,2576 Informação contexto social -0,3152
Acesso Livre -0,2584 Informação extradiscursiva -0,3152
Indução -0,2585 Informação intradiscursiva -0,3152
Publicação impressa -0,2585 Informação mudança social -0,3152
Sociologia da Ciência -0,2585 Informação sociedade contemporânea -0,3152
Função da Terminologia -0,2599 Informática aplicada -0,3152
Análise bibliométrica -0,2601 Inteligibilidade do código fonte -0,3152
Informação Arquivística -0,2601 Jornalismo on-line -0,3152
Comutação bibliográfica -0,2602 Lilacs -0,3152
Análise de log -0,2610 Livro verde -0,3152
Musealização -0,2610 Medline -0,3152
Pesquisa colaborativa -0,2610 Método quantitativo (avaliação) -0,3152
Teoria da terminologia -0,2620 Metodologia curso -0,3152
Data warehousing -0,2635 Micro e pequena empresa -0,3152
Mudança social -0,2646 Moçambique -0,3152
193
Pesquisa participante -0,2652 Motivação (psicologia) -0,3152
Programa Sociedade da Informação -0,2652 Periódico arquitetura e urbanismo -0,3152
Entidade de classe -0,2654 Periódico design -0,3152
Espaço Prisional -0,2654 Periódico paisagismo -0,3152
Gestão de investimentos -0,2654 Pesquisa desenvolvimento -0,3152
Normose informacional -0,2654 Planejamento informação -0,3152
Portal corporativo -0,2654 Portugal -0,3152
Sistema de informação de clientes -0,2654 Produção bibliográfica -0,3152
Sistema interorganizacional -0,2654 Produtividade científica -0,3152
Tesauro Eletrônico -0,2654 Programa educativo -0,3152
Massa Documental -0,2661 Programação código aberto -0,3152
Regime de informação -0,2664 Projeto moral e informação -0,3152
Informação documentária -0,2671 Publicação bibliográfica -0,3152
Qualificação profissional -0,2671 Reflexividade -0,3152
Ocultamento de Informação -0,2680 Servidor de link -0,3152
Setor de informações -0,2680 Sociedade de risco -0,3152
Interação homem-computador -0,2690 Tecnologia hipermídia -0,3152
Interação ser humano computador -0,2690 Unidade de conhecimento -0,3152
Indicador em ciência e tecnologia -0,2696 Unidade de informação -0,3152
Sistema estatístico nacional -0,2696 Usuário de base de dados -0,3152
Viagem -0,2697
Forma simbólica -0,2715
194
$QH[R7HODVGRDPELHQWH$OID7KHV
)LJXUD$PELHQWH$OIDWKHV6HOHomRGHWHUPRV
195
)LJXUD$PELHQWH$OIDWKHV$UWLJRVFRPWHUPRVHOHFLRQDGR
196
)LJXUD$PELHQWH$OIDWKHV$UWLJRVHOHFLRQDGR
197
)LJXUD$PELHQWH$OIDWKHV7HODGHVHOHomRGHWHUPRV
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo