Propostas de um modelo de compatibilidade de linguagem entre sistemas de organização do conhecimento: a classificação decimal universal e o agrotermos

IV Seminário do Grupo de Pesquisa MHTX – 2021 Universidade Federal de Minas Gerais (UFMG) | Escola de Ciência da Informação (ECI) PROPOSTA DE UM MODELO DE COMPATIBILIDADE DE LINGUAGEM ENTRE SISTEMAS DE ORGANIZAÇÃO DO CONHECIMENTO: A CLASSIFICAÇÃO DECIMAL UNIVERSAL E O AGROTERMOS PROPOSAL FOR A LANGUAGE COMPATIBILITY MODEL BETWEEN KNOWLEDGE ORGANIZATION SYSTEMS: THE UNIVERSAL DECIMAL CLASSIFICATION AND AGROTERMOS Italo Rodrigues Castro, Universidade Federal de Minas Gerais italocastr[email protected] Resumo: A contribuição do uso da Classificação Decimal Universal para a recuperação da informação constitui a temática deste estudo, cujo objetivo é propor um modelo de compatibilidade de linguagem entre a Classificação Decimal Universal e o tesauro AgroTermos para melhorar a recuperação da informação, em um domínio específico, entre diferentes sistemas de informação. A metodologia deste estudo caracteriza-se como exploratória, descritiva, aplicada, de abordagens quali e quantitativa, e estudo de caso, tendo como referência empírica o tesauro AgroTermos no contexto da Empresa Brasileira de Pesquisa Agropecuária. O estudo de caso foi conduzido a partir da compatibilidade entre os termos das classes da Classificação Decimal Universal com os termos que representam os conceitos relacionados com a temática “Intensificação Agropecuária” do domínio da agricultura, que foram extraídos do tesauro AgroTermos, gerando um modelo conceitual. Esse modelo foi representado no padrão Simple Knowledge Organization System, por meio do software TemaTres, com a inserção das classes e termos da Classificação Decimal Universal e os descritores do tesauro AgroTermos com seus respectivos relacionamentos semânticos. Os resultados da pesquisa apontaram que as linguagens de ambos os instrumentos são correspondentes, ou seja, são interoperáveis, no contexto da web semântica. Concluiu-se que a Classificação Decimal Universal combinada a um tesauro, como o AgroTermos, contribui para melhorias na recuperação da informação, estabelecendo relações semânticas capazes de direcionar as buscas, com flexibilidade, e mantendo a lógica entre as relações. Palavras-chave: sistemas de organização do conhecimento; Classificação Decimal Universal; tesauros; compatibilidade de linguagem. Abstract: The contribution of the use of Universal Decimal Classification for information retrieval is the theme of this study, whose objective is to propose a language compatibility model between Universal Decimal Classification and AgroTermos to improve information retrieval of subjects in a specific domain between different systems of information. The methodology of this study is characterized as exploratory, descriptive, applied, qualitative and quantitative approach and case study, having as empirical reference the thesaurus AgroTermos in the context of the Brazilian Agricultural Research Corporation. The case study was conducted based on the compatibility between the terms of the CDU classes with the terms that represent the concepts related to the theme “Agricultural Intensification” in the domain of agriculture, which were extracted from the AgroTermos thesaurus, generating a conceptual model. This model was represented in the Simple Knowledge Organization System standard, through the TemaTres software, with the insertion of classes and terms from the Universal Decimal Classification and the descriptors of the AgroTermos thesaurus with their respective semantic relationships. The research results indicated that the languages of both instruments are matching, that is, they are interoperable, in the context of the semantic web. It was concluded that the Universal Decimal Classification combined with a thesaurus, such as AgroTermos, contributes to improvements in information retrieval, establishing semantic relationships capable of directing searches, with flexibility and maintaining the logic between the relationships. Keywords: knowledge organization systems; Universal Decimal Classification; thesaurus; language compatibility. 1 INTRODUÇÃO A aplicação dos Sistemas de Organização do Conhecimento (SOC), mesmo os tradicionais, para melhorar a RI on-line, tem sido estudada desde o surgimento da web. Os SOC, quando incorporados aos serviços da web, podem funcionar como mapas semânticos que orientam os usuários nas buscas. Com o aumento da padronização dos objetos representados, por meio do uso de padrões de metadados, a busca por assunto se tornou um elemento crucial na eficácia de um SRI. Assim, valorizou-se o uso dos SOC, que podem ser de vários tipos, sendo analisados, no âmbito desta pesquisa, dois deles, os sistemas de classificação bibliográfica, mais especificamente a Classificação Decimal Universal (CDU) e os tesauros (KOCH; TUDHOPE, 2004; ZENG, 2008). A estrutura hierárquica da Classificação Decimal Universal foi analisada para verificar seu potencial com o objetivo de trazer melhorias na recuperação da informação. Essa escolha foi por esse sistema ser menos rígido e mais flexível, permitindo maior especificidade dos assuntos, algo menos possível em sistemas mais engessados, como a Classificação Decimal de Dewey (CDD) (PIEDADE, 1997; SLAVIC, 2005). Slavic (2005) relata que a flexibilidade da CDU está associada à sua estrutura semifacetada, que possui princípios e regras para a combinação de elementos, com a utilização de notações e auxiliares relacionais, capazes de abranger assuntos compostos ou complexos de diversas áreas do conhecimento e aumentar a possibilidade de recuperar as informações representadas. Nesse sentido, a CDU é utilizada como um recurso de classificação pré-coordenado e pós-coordenado, sendo acoplada a um tesauro para que seja avaliado o potencial dos dois SOC para organizar o conhecimento produzido em um domínio específico. Apesar de a CDU ser um instrumento que possui uma estrutura classificatória com um nível elevado de especificidade de assuntos, ela não é totalmente efetiva na RI, ou seja, não resolve todos os problemas oriundos da falta de relevância (precisão e revocação) durante a busca pelos usuários. Assim, durante esta pesquisa, foram propostas melhorias para as atividades de representação e recuperação no domínio da Agricultura. Para isso, evidenciaram-se as relações semânticas entre os termos relacionados à CDU com os descritores do tesauro AgroTermos durante a compatibilidade de linguagem entre os dois vocabulários, visando à interoperabilidade e ao aumento da relevância na recuperação. Nas próximas seções, são apresentados os objetivos da pesquisa e os procedimentos metodológicos e, logo após, a análise e descrição dos resultados com um exemplo prático e, por fim, as considerações finais. 2 OBJETIVOS Diante do exposto, estabeleceram-se o objetivo geral e os objetivos específicos para a condução da pesquisa. 2.1 OBJETIVO GERAL Propor um modelo de compatibilidade de linguagem entre a Classificação Decimal Universal e o tesauro AgroTermos com o intuito de melhorar a recuperação da informação, em um domínio específico, entre diferentes sistemas de informação. 2.1.1 OBJETIVOS ESPECÍFICOS a. Analisar a compatibilidade dos termos da estrutura classificatória da CDU com os descritores do tesauro AgroTermos, na representação do assunto “Intensificação Agropecuária” do domínio da Agricultura. b. Verificar o potencial da recuperação com o uso da expansão dos termos e seus relacionamentos semânticos mapeados nesses dois SOC. c. Representar o modelo de compatibilidade proposto, utilizando o padrão Simple Knowledge Organization System, no âmbito da web semântica. 3 PROCEDIMENTOS METODOLÓGICOS Seguindo os parâmetros estabelecidos por Gil (2010), nesta pesquisa, quanto aos objetivos, houve procedimentos de natureza exploratória, descritiva, aplicada, de abordagens quali e quantitativa, e estudo de caso, tendo como referência empírica o tesauro AgroTermos no contexto da Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). O universo da pesquisa selecionado para este estudo foi a CDU (CLASSIFICAÇÃO DECIMAL UNIVERSAL, 1997) e o tesauro AgroTermos. A amostra, no que diz respeito à CDU, foi a classe 631 (Agricultura em geral) e suas subdivisões. Já em relação ao tesauro AgroTermos, a amostra foi formada pelos 30 termos e seus relacionamentos semânticos sobre o assunto “Intensificação Agropecuária”, conforme a definição da estrutura proposta no estudo de Maculan (2015). O recorte temático da pesquisa são as classes da CDU que foram compatibilizadas com os termos (descritores) do tesauro AgroTermos que representam o assunto “Intensificação Agropecuária” dentro do domínio da Agricultura. Após a coleta e a análise dos dados, foi proposto um modelo de compatibilidade entre dois SOC. A escolha desse modelo foi a partir dos trabalhos de Dahlberg (1981), Frâncu (2003), Slavic (2005), Maculan (2015) e Maia (2018). A técnica de coleta de dados deu-se a partir da Classe 631 (Agricultura em geral) da CDU e suas subdivisões. Os termos e seus respectivos conceitos em relação à temática foram retirados da estrutura proposta por Maculan (2015), a partir do tesauro AgroTermos, com os relacionamentos semânticos entre os termos que representam cada conceito. A realização da compatibilidade entre as linguagens da CDU e do tesauro AgroTermos deu-se a partir da pesquisa bibliográfica das relações semânticas no contexto da Biblioteconomia e Ciência da Informação (BCI) e da análise do recorte temático nos dois SOC. Nesse sentido, os relacionamentos semânticos extraídos do AgroTermos facilitaram na definição das relações semânticas entre os termos nos dois SOC pelo autor desta tese, de acordo com a pesquisa de Maia (2018). Em seguida, com esforço intelectual, foi possível estabelecer as relações semânticas entre as classes da CDU em relação aos trinta termos definidos por Maculan (2015), que representam de maneira conceitual o recorte temático no domínio da Agricultura e que foram validadas pelo especialista do domínio. Para a realização do mapeamento, utilizou-se a matriz de compatibilidade conceitual de Dahlberg (1981), adaptada para esta pesquisa, na qual foi realizada a análise conceitual, a partir da estrutura classificatória da CDU e do AgroTermos e, por fim, com o uso das relações semânticas propostas por Maia (2018). A outra técnica de análise de dados deu-se a partir da aplicação do modelo proposto, utilizando o software TemaTres para ser representado na linguagem Simple Knowledge Organization System (SKOS). 4 ANÁLISE E DESCRIÇÃO DOS RESULTADOS Nesta pesquisa, seguindo as recomendações de Yin (2010), o estudo de caso foi realizado em duas etapas. A primeira etapa corresponde à execução do estudo de caso, em que foram identificados os 30 termos do recorte temático e suas relações semânticas entre as classes da CDU com os descritores do AgroTermos. Esse modelo foi construído a partir da classe 631 (Agricultura em geral) da CDU e de suas subdivisões com suas respectivas notações e termos, sendo que cada classe foi compatibilizada com os termos para representar os conceitos sobre o recorte temático no AgroTermos. Para isso, foi utilizado o método de compatibilidade conceitual de Dahlberg (1981) adaptado ao vocabulário de cada SOC, considerando a relação semântica de cada termo do recorte temático no AgroTermos e as relações semânticas propostas pelo autor desta tese, de acordo com a proposta de Maia (2018) para a área da BCI. Assim como Dahlberg (1981), durante o processo de compatibilização entre os dois SOC, foram consideradas as características de cada termo e seus relacionamentos semânticos que representam cada um dos 30 conceitos definidos por Maculan (2015). A partir do processo de compatibilidade, foi possível comparar cada classe e termos da CDU com os conceitos representados pelos termos no AgroTermos e as respectivas relações semânticas existentes. Foi utilizado o vocabulário da CDU com o vocabulário do tesauro AgroTermos, apresentando o número de coincidências conceituais. Por fim, foram definidas pelo autor desta tese as relações semânticas para a construção do modelo de compatibilidade proposto nos dois SOC, a partir do estudo de Maia (2018) e dos termos propostos por Maculan (2015). O Quadro 1 apresenta um exemplo do resultado da compatibilidade entre os termos da classe mais geral dentro do recorte temático (Classe 631) da CDU correspondente a “631.15 – Produção da fazenda. Organização de fazendas. Administração de fazendas” e compatibilizado com os termos que denotam o conceito “Intensificação Agropecuária”, pertencente ao AgroTermos. QUADRO 1 – Compatibilidade da classe 631.15 com o termo Intensificação agropecuária Nº Estrutura classificatória da CDU AgroTermos Maculan - (2015) Relações semânticas entre AgroTermos em relação a cada termo (Embrapa) Relações semânticas CDU e AgroTermos - Maia (2018) 1 631.15 – Produção da fazenda. Organização de fazendas. Administração de fazendas Intensificação Agropecuária Exploração agrícola intensiva <Narrow Term> Intensificação Hierárquica – Hiperônimo – Hipônimo – Inclusão de Classe – Atividade subordinada Fonte: dados da pesquisa. Pelo que mostra o Quadro 1, com a inclusão do termo “Intensificação Agropecuária” do AgroTermos em relação aos termos da CDU (Classe 631.15), não houve nenhuma representatividade específica ou de equivalência. A partir da relação de hierarquia no AgroTermos, o termo “Exploração agrícola intensiva” caracteriza-se como um termo específico em relação ao termo “Intensificação”, pois se refere a sistemas agrícolas que envolvem intensificação de trabalho e/ou de insumos, o que resulta em maior produção ou produtividade agrícola, sendo representado, no tesauro, pela sigla NT<Narrow Term>. A classe 631.15 é mais genérica em relação ao termo “Intensificação Agropecuária”, pois o termo constitui um processo que visa ao aumento da produtividade agropecuária e estabelece, entre os dois vocabulários, uma relação Hierárquica – Hiperônimo – Hipônimo – Inclusão de Classe – Atividade subordinada. Durante essa análise, esse relacionamento pode ser explicado, considerando que a classe 631.15 possui termos com significados amplos, ou seja, abrangem qualquer tipo de atividade subordinada à produção, organização ou administração de fazenda; por isso o termo “Intensificação Agropecuária” ficou como sendo um termo específico da referida classe. Nesta pesquisa, inseriu-se o termo “Intensificação Agropecuária” na categoria 5 – “Agronomia”, visto que, sendo ele o assunto principal, não havia sido inserido em nenhuma classe, e consequentemente, não havia notação na CDU e nem descritores e as relações semânticas atribuídas a ele, para que fosse demonstrado no software TemaTres. O TemaTres permite a navegação por categorias de assuntos, passando pelos descritores até chegar ao assunto “Intensificação Agropecuária” que, nesse exemplo, tem correspondência com a classe 631.15 da CDU, que possui como termo geral a categoria 5 (Agronomia), na qual está inserido. Além disso, mostra a relação semântica entre a classe da CDU e o termo “Intensificação Agropecuária”, os termos específicos correspondentes à classe 631.15. O tipo de link de correspondência com a classe 631.15 e termos na CDU possui a relação (skos:BroadMatch) com a Uniform Resource Identifier (URI)1 no AgroTermos. O TemaTres na aba “Metadados” tem a opção de exportação em diversos formatos, sendo que, nesta pesquisa, o formato escolhido foi o SKOS. O padrão SKOS manifesta-se em várias linhas com uma linguagem baseada em Extensible Markup Language (XML) namespace (Nome em XML para fornecer nomes de elementos e atributos para documentos em XML) e Resource Description Framework (RDF/RDFS) (Definição da tripla – recurso, propriedade, valor), que é a estrutura definida pela linguagem (MARCONDES, 2021). 5 CONSIDERAÇÕES FINAIS A partir desta pesquisa, com o estudo de caso no contexto da Embrapa que investigou a compatibilidade de dois SOC (a CDU e o AgroTermos), concluiu-se a 1 Embrapa, [2021]. importância da interoperabilidade semântica e a possibilidade de padronização desses vocabulários em uma linguagem legível por máquina, utilizado o padrão Simple Knowledge Organization System (SKOS). A utilização do formato SKOS permitiu o intercâmbio de dados entre diferentes sistemas de informação, ou seja, para torná-los interoperáveis no âmbito da web semântica. Dessa maneira, analisou-se a contribuição dos relacionamentos semânticos da estrutura classificatória da CDU, como instrumento de representação do conhecimento de modo pós-coordenado acoplada com o tesauro AgroTermos no domínio da Agricultura. Em relação a pesquisas futuras, sugere-se um estudo comparativo entre as diferentes metodologias utilizadas pelos autores desta temática e a aplicação de estudos de caso em outros domínios. Além disso, deve ser investigada a questão do uso da base de dados proprietária Master Reference File (MRF) da CDU em formato de dados vinculados (Linked Data), de modo que seja possível incluir o maior número possível de idiomas e mapeamentos para outros SOC. Para isso, torna-se necessário unificar os estudos, delegando a uma instituição a tarefa de disponibilizar de forma padronizada os conceitos e os relacionamentos entre os termos, para representar os assuntos em cada domínio do conhecimento, por meio de dados abertos (Linked Open Data). Assim, será possível compartilhar a informação por diversas instituições nacionais ou internacionais; e que esse conteúdo possa ser acessível para toda a comunidade da área de interesse. REFERÊNCIAS CLASSIFICAÇÃO DECIMAL UNIVERSAL (CDU): edição-padrão internacional em língua portuguesa. Brasília, DF: Instituto Brasileiro de Informação em Ciência e Tecnologia (IBICT), 1997. DAHLBERG, Ingetraut. Towards establishment of compatibility between indexing languages. International Classification, [s. l.], v. 8, n. 2, p. 88-91, jul./dez. 1981. EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA (Embrapa). Agrotermos. [S. l.]: Embrapa, [2021]. Disponível em: https://sistemas.sede.embrapa.br/agrotermos/resources/43e7907a1789783315e08aad7f72384. Acesso em: 1 nov. 2021. FRÂNCU, Victoria. The impact of specificity on the retrieval power of a UDC-based multilingual thesaurus. Cataloging & classification quarterly, [s. l.], v. 37, n. 1-2, p. 49-64, jan./dez. 2003. Disponível em: https://www.tandfonline.com/doi/abs/10.1300/J104v37n01_05. Acesso em: 7 jun. 2021. GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 5. ed. São Paulo: Atlas, 2010. KOCH, Traugott; TUDHOPE, Douglas. User-centred approaches to Networked Knowledge Organization Systems/Services (NKOS). [S. l.]: Background, 2004. MACULAN, Benildes Coura Moreira dos Santos. Estudo e aplicação de metodologia para reengenharia de tesauro: remodelagem do THESAGRO. 2015. 339 f. Tese (Doutorado em Ciência da Informação) – Escola de Ciência da Informação, Universidade Federal de Minas Gerais, Belo Horizonte, 2015. Disponível em: http://www.bibliotecadigital.ufmg.br/dspace/handle/1843/BUBD9ZKMUV. Acesso em: 13 mar. 2020. MAIA, Lucinéia Souza. Extração e explicitação de relações semânticas para a representação do conhecimento de documentos acadêmicos: um estudo de caso a partir de uma estrutura classificatória. 2018. 263 f. Tese (Doutorado em Gestão e Organização do Conhecimento) – Escola de Ciência da Informação, Universidade Federal de Minas Gerais, Belo Horizonte, 2018. Disponível em: https://repositorio.ufmg.br/handle/1843/VAFA-BB5JHW. Acesso em: 20 ago. 2020. MARCONDES, Carlos Henrique. Dados abertos interligados: publicação, recuperação e integração de acervos de arquivos, bibliotecas e museus na web. Marília: Oficina Universitária; São Paulo: Cultura Acadêmica, 2021. PIEDADE, Maria Antonieta Requião. Introdução à teoria da classificação. Rio de Janeiro: Interciência, 1977. SLAVIC, Aida. Classification management and use in a networked environment: the case of the Universal Decimal Classification. 2005. 463 f. Tese (Doutorado em Filosofia) - University of London, London, 2005. Disponível em: https://discovery.ucl.ac.uk/id/eprint/1334914/. Acesso em: 6 jun. 2021. YIN, Robert. Estudo de caso: planejamento e métodos. 4. ed. Porto Alegre: Bookman, 2010. ZENG, Marcia Lei. Knowledge Organization Systems (KOS). Knowledge Organization, [S. l.], v. 35, n. 2-3, p. 160-182, fev. 2008. Disponível em: https://www.isko.org/cyclo/kos. Acesso em: 6 jun. 2021.