Universidade Fernando Pessoa

Transcrição

1 Universidade Fernando Pessoa Pós-graduação em Ciências da Informação e da Documentação Tecnologias de Informação Documental Humberto Alves Arquivo Digital - Digitalização Porto, Junho de 2001 Universidade Fernando Pessoa Praça 9 de Abril, 349 P Porto Tel Fax geral@ufp.pt

2 Resumo Este trabalho incide sobretudo, o que é um arquivo digital partindo de um processo essencial para a sua criação a digitalização. Primeiramente, serão dadas algumas considerações sobre a microfilmagem, que é uma tecnologia utilizada para reprodução de documentos, referindo as suas vantagens e desvantagens. Seguidamente, abordarei o assunto da digitalização, como possível sucessora da microfilmagem. Neste ponto irei falar das tecnologias, subjacentes a este processo, como por exemplo os formatos que podem ser usados para a criação de documentos digitais, também da tecnologia de reconhecimento de caracteres e também os suportes de armazenamento. Ou seja alguns aspectos essenciais para que a digitalização seja o mais fiável possível. Não esquecendo as vantagens e desvantagens deste processo. Por fim, serão referidos alguns dos problemas que se levantam aquando da criação de um arquivo digital e da sua preservação. Mas também algumas medidas passíveis de serem tomadas para ajudar a solucionarem questões, como a da preservação dos documentos digitais.

3 Índice Resumo... 2 Índice... i Introdução... 2 Arquivo digital... 3 Microfilmagem... 4 Digitalização... 6 Alguns requisitos para a digitalização... 6 Processo de digitalização... 7 Tecnologia OCR... 7 Formatos de Ficheiros... 8 Mapa de pontos...8 Imagens Vectoriais...9 Ficheiros de texto...10 Meios de armazenamento Preservação dos documentos digitais Considerações finais Conclusões Bibliografia i

4 Introdução O presente trabalho foi realizado no âmbito da disciplina de tecnologias da informação documental, e tem como tema principal o arquivo digital, incidindo mais sobre o processo que envolve a digitalização. A função de qualquer arquivo é a gestão, disponibilização e preservação da documentação. Mas cada vez mais se procuram meios para que estas tarefas se tornem mais eficazes, visto que a deterioração do papel constitui um problema gravíssimo. Assim, de há um tempo a esta parte, quer as bibliotecas quer os arquivos têm vindo a debater-se entre a necessidade de garantir a transferência de suporte do conteúdo intelectual dos documentos e o tipo de suporte para o qual se deverá fazer essa transferência para salvaguardar a sua informação. Hoje em dia o acesso aos documentos produzidos e recebidos pelas organizações, passa pela valorização de ambiente digital: pesquisa e acesso em formatos digitais. Assim falar de arquivos digitais ganha uma dinâmica muito mais ampla que não se confia apenas à existência de ficheiros digitais, mas a toda a dinâmica que esse processo implica. Portanto, neste trabalho vou tentar apresentar o processo da digitalização como um dos grandes marcos para que a preservação e a disponibilização da informação se faça de uma forma mais efectiva. 2

5 Arquivo digital Um Arquivo Digital define-se por ser constituído por documentos primários que são digitalizados quer sob a forma material (disquetes, CR-ROM, DVD), quer em linha através da Internet, permitindo o acesso à distância. Este conceito inclui também a ideia de organização composta por serviços e recursos cujo objectivo é seleccionar, organizar e distribuir a informação, conservando a integridade dos documentos digitalizados. Tem-se como objectivo principal disponibilizar informação para a comunidade, bem como preservar a memória intelectual. Como objectivos mais específicos salientamse: a captura a informação e coloca-la em objectos digitais; disponibilizar os documentos sob a forma digital; dar suporte informacional aos utilizadores, respondendo prontamente às suas necessidades informacionais; oferecer uma forma alternativa de preservação dos objectos digitais; garantir o armazenamento e recuperação de todas as versões dos materiais produzidos. Estes arquivos digitais apresentam grandes vantagens, que podem torná-los mais competitivos num ambiente onde cada vez mais a tecnologia avança e ganha terreno no nosso dia a dia. Assim sendo, passarei a citar algumas dessas vantagens: Mais fácil acesso a informação, visto que esta informação pode ser disponibilizada na rede, deixando de implicar limitações geográficas para aceder a ela; Papel importante de preservação dos documentos originais este aspecto também relativa importante, porque a função de qualquer arquivo é preservar o conteúdo intelectual dos documentos e sabe-se que o papel com o manuseamento se vai deteriorado, e ao digitalizar a informação e ao disponibilizar aos utilizadores os documentos originais estão a ser poupados ; Custos mais baixos, pois é muito mais fácil a troca informacional entres os diversos arquivos. 3

6 Microfilmagem A microfilmagem é uma técnica de miniaturização sobre filme, de preferência de 35mm, de qualquer documento existente em suporte papel com o objectivo de preservar o conteúdo intelectual para o futuro. Trata-se de uma técnica com largos anos de prática e investigação tendo em vista o seu próprio melhoramento, perfeitamente regulamentado pelas altas patentes nacionais e internacionais. Sendo produzido e mantido em condições óptimas, o microfilme garante alguns anos de longevidade. Um microfilme deve ser reproduzido três vezes. O primeiro microfilme é o de preservação, que resulta do conjunto de actividades de selecção, preparação, produção, controlo de qualidade e armazenamento, levadas a cabo para preservar a informação de espécies documentais já deterioradas, instáveis ou mesmo estragadas. Um outro microfilme serviria de cópia, para o usufruto dos nossos utilizadores, obviamente esta seria a mais massacrada pelo excessivo manuseamento. Contudo reduz a excessivo manuseamento do documento origina. Por fim, a ultima cópia do microfilme, será uma cópia de segurança para alguma eventualidade. Como qualquer outro processo, a microfilmagem tem as suas vantagens e desvantagens que passarei a mencionar de seguida: Vantagens: 1. Pequeno volume que possui; 2. O reconhecimento de valor legal e de arquivo; 3. A normalização fixa. 4

7 Desvantagens: 1. lentidão na pesquisa; 2. a pesquisa sequencial 3. a utilização em monoposto; 4. a rápida deterioração devido as sucessivas cópias 5. a consulta incómoda e fatigante. Em suma, pode se considerar que existem várias agravantes no processo de microfilmagem, contudo esta continua a ser um dos processos mais utilizados. Apesar disso, vou falar da digitalização como uma solução efectiva para suceder a microfilmagem e que traz benefícios para todos os interessados. 5

8 Digitalização Uma outra alternativa técnica para a transferência de suporte do conteúdo intelectual dos documentos é a digitalização. Esta é vista como a grande sucessora da microfilmagem. Assim sendo, a digitalização é, em palavras muito simplistas, um processo que permite a fotografia electrónica capturada directamente do documento original. Uma imagem digital pode com precisão proporcionar a informação, a disposição e a apresentação do documento original, incluindo os caracteres tipográficos, as anotações e as ilustrações. Uma imagem digital é um conjunto de pontos ou elementos picturais (pixels). Quanto maior for o número de pixéis, maior a resolução que se consegue. Cada pixel tem um valor tonal (preto, branco, tons de cinzento e cor) e é representado digitalmente por um código binário (bits). Estes bits são armazenados em computador numa ordem sequencial e a qualidade das imagens digitais depende da resolução na captura inicial. Alguns requisitos para a digitalização Existem várias opções de materiais para que se processe a digitalização. Contudo cada opção e determinada pelo uso e comporta custos diferenciados. Elementos chave para qualquer digitalização são os sistemas que fazem a captura de imagem. Estes podem ser dois: scanners ou então maquinas fotográficas digitais. No que diz respeito aos requisitos de hardware, este é importante, pois, o processamento de imagens implica cálculos complexos pelo que quanto mais rápido for o processador e maior a memória RAM, mais rápida será a execução das tarefas. Neste seguimento são também importantes as prestações da RAM de vídeo (VRAM), que controla a quantidade de cores que o computador pode mostrar no monitor e o tamanho suportado. O monitor e placa gráfica, também são outros requisitos que a sua 6

9 menção e necessária. Para um bom trabalho de manipulação de imagem é fundamental um bom monitor e uma boa placa gráfica. Os monitores de grandes dimensões são essenciais para que seja feita a manipulação de imagens, especialmente em contexto profissional, assim o monitor deverá ser no mínimo de 17 polegadas. Deve também, proporcionar a melhor imagem colorida possível. Processo de digitalização Para que um arquivo digital seja possível é necessário que os objectos que a compõem se encontrem em formato adequado. Outro aspecto importante são também certos princípios básicos, tamanho dos ficheiros, deve ser digitalizar usando sempre o máximo de qualidade, e tratando-se de texto deve definir-se se se digitaliza como imagem ou usando OCR (optical charater recognition). É sobre a tecnologia OCR e sobre os formatos de texto e imagem que se podem utilizar na digitalização, que vou falar seguidamente. Tecnologia OCR Esta tecnologia é uma das possibilidades para converter a informação em para um documento digital. O OCR permite ao computador ler o texto. Trata-se de um processo de converte as imagens bitmap em ficheiros de texto ASCII, ou seja, este software trabalha a partir de um ficheiro que contém uma imagem no texto a ser lido, por exemplo, um ficheiro gerado por um scanner. Analisa as formas dos caracteres e cria um ficheiro de texto que pode então ser editado por qualquer processador de texto, mas o reconhecimento nunca é totalmente perfeito: se o computador é incapaz de identificar um carácter marca-o para identificação posterior por um operador humano ou pode fazer uma leitura incorrecta. As ferramentas de correcção automática são um meio de ajuda para optimizar a correcção, mas o operador humano deve estar sempre envolvido após o uso do OCR. A taxa de reconhecimento de caracteres 7

10 para um texto dactilografado é de cerca de 95%. Esta taxa pode variar de acordo com a língua/criptação da fonte e depende também do tipo de documento e o software utilizado. Logo, isto significa que a digitalização requer uma atenção continua. Formatos de Ficheiros Como já referi acima é necessário ter em conta em que tipo de formato se vai guardar o documento depois de digitalizado. Um factor a ter em conta na escolha do formato do documento é o modo como ele vai ser usado e para que suporte vai ser armazenado, por exemplo se for para um CD pode se utilizar um tipo de formato, mas se for para disponibilizar on-line e necessário que o documento não seja muito pesado, pois pode dificultar o acesso. Os formatos disponíveis abrangem uma gama variada e vão desde o mapa de pontos, as imagens vectoriais, texto, entre outros. Por conseguinte, farei uma breve alusão sumária a estes formatos que enumerei. Mapa de pontos As imagens deste tipo são representadas em computador por um mapa de pontos, representativo das cores que o compõem. Cada ilustração está dividida em quadrados (cada quadrado e um pixel) e a cada um deles é atribuído um valor que depende do seu tom ( por exemplo, a preto e branco só existe um bit por pixel com o valor de 1 para o branco e 0 para o preto). As dimensões do quadrado ou pixel variam em função da definição pretendida de acordo com o dispositivo de saída, monitor ou impressora, e que determinam o tamanho da imagem no monitor. A densidade de pixels de uma imagem é a sua resolução. 8

11 Perante o elevado número de formatos existente, é essencial escolher um considerado maduro e estável. Vou passar a apresentar alguns e suas respectivas características: TIFF (Tag Image File Format) este formato é muito usado na digitalização. As opções disponíveis dependem das cores escolhidas. É um formato sem perda de qualidade mas a troco de uma compressão baixa. GIF (Graphics Interchange Format) trata-se de um formato originado pela compuserve e é muito comum, sobretudo na Internet. JPEG (Joint Photografic Experts Group) é um formato internacional cada vez mais comum, mesmo na Internet. Proporciona perda de qualidade na compressão mas é o que apresenta maior taxa de compressão. É considerado uma boa opção em termos de armazenamento de espaço e durabilidade. Imagens Vectoriais As imagens vectoriais constituem um método alternativo de gerar, guardar, e expôr imagens. Ao contrário do mapa de pontos, a descrição vectorial regista um conjunto de instruções geométricas para desenhar e colorir formas e o mapa de pontos é criado somente quando a imagem é enviada para o monitor ou impressora. Por esta razão, gera um ficheiro menor do que a representação em mapa de pontos e é mais flexível, na medida em que permite, por exemplo, que a imagem seja rodada ou expandida. Outro aspecto importante é que a resolução não é afectada pelo aumento da imagem nem depende do dispositivo de saída. Estas imagens são normalmente usadas nas aplicações de desenho assistido por computador, como e o caso do AutoCAD. Assim os formatos mais usados são: o CGM (Computer Graphics Metafile), este trata-se de um formato normalizado para imagens vectoriais e que oferece confiança no que diz respeito à sua 9

12 durabilidade; outras aplicações exigem normas especificas, por exemplo, os Sistemas de Informação Geográfica (GIS) ou o Desenho Assistido por Computador (CAD). Ficheiros de texto Um ficheiro de texto consiste numa sequência de códigos de caracteres, representando as palavras e os espaços que foram digitalizados. Para um ficheiro de processamento de texto também são necessários outros códigos relacionados com a formatação e o arranjo da página e que geralmente são incorporados nos documentos sendo, assim, mais um dado a preservar. O formato mais simples de texto é um ficheiro ASCII e não contém senão texto. Como se trata de um formato normalizado, permite difundir o documento de modo mais legível em qualquer máquina. O SGML (Standard Generalised Markup Language) no sentido escrito não é uma estrutura mas uma linguagem usada para criar documentos formatados. É uma norma internacional e está vulgarizada. Pode se usar para salvaguardar um texto e a sua estrutura mas sem arranjo da página. O HTML (Hypertext Markup Language) é uma implementação simplificada do SGML e particularmente comum nas páginas da Internet. Tem duas grandes vantagens: a da simplicidade e compactação. Na sua origem, o objectivo do HTML era o de criar um meio universal de armazenar e mostrar a informação onde o conteúdo era mais importante que a apresentação. A linguagem XML (Extensible Markup Language) é um projecto do consórcio WWW e tornou-se rapidamente numa norma para a publicação, armazenamento e transferência de dados electrónicos. A promoção do uso de normas comuns para o conteúdo digital é fundamental para a realização das promessas oferecidas pelas tecnologias emergentes nomeadamente no que toca à pesquisa da informação. Enquanto o HTML contém informação relativa à apresentação da página, o XML especifica os mesmos elementos de modo a que possam ser interpretados pelo computador. Esta diferença e suficiente para constituir uma espécie de base de dados cujo o interesse reside na 10

13 possibilidade de usar pesquisas especificas e ultrapassar o problema de falta de meios para pesquisar. Os formatos de tratamento de texto mais sofisticados são geralmente proprietários. Permitem um página mais evoluída com a integração de gráficos e imagens, mas não existe uma actualização constante deste software. Os formatos mais usuais na WWW são: RTF (Rich Text File) é um formato de texto com o intuito de formatação (de paginas, caracteres), usado principalmente no software da Microsoft Office. PS (Post Script) é uma linguagem de programação que reproduz precisamente os dados sobre a formatação, estilos e elementos gráficos. PDF (Portable Document Format) tal como o PS é um formato da Adobe, que gera ficheiros mais compactos do que a versão PS para a mesma página, o que torna mais apropriado para transmissão electrónica. O PDF parecer ser uma aposta ganha visto que é muitíssimo utilizado na Internet. A Adobe garante, pelos menos, possibilidade de leitura por 25 anos. Como se pode ver são muitas as opções de formatos quer de texto quer de imagem, pela qual se pode optar. Contudo tem que se ter sempre em atenção qual o melhor para as necessidades dos nossos utilizadores e para a nossa organização. 11

14 Meios de armazenamento Não existem, como sabe, meios de armazenamento permanentes e definitivos, cada um deles tem uma expectativa de vida determinada, muito devido a rápida evolução tecnológica que também vai desenvolvendo novos suportes para a informação. Os ficheiros gerados pelo processo de digitalização exigem drives se grande capacidade. Nesse campo, os suportes ópticos ganham vantagem. Estes suportes permitem o acesso directo a informação, ou seja, permitem ler directamente um qualquer registo num ficheiro independentemente da sua posição. Alguns dos mais normalizados hoje em dia são os CD-ROMs, e cada vez mais os DVDs. As vantagens dos suportes ópticos podem resumir-se nos seguintes pontos: trata-se de uma tecnologia avançada de armazenamento, gestão e distribuição de grandes volumes de informação, de elevado grau de portabilidade e de grande capacidade de armazenamento. Além disto, apresenta vantagens de interactividade, capacidade de actualização, rapidez de acesso. Assim sendo, a redução do volume da informação assim armazenado é considerável, aliado a uma boa qualidade de imagem e garantia de conservação dos documentos. 12

15 Preservação dos documentos digitais Um dos problemas que actualmente se coloca é o acesso aos conteúdos digitais, de modo a preservar a nossa herança cultural. A preservação, envolve componentes importantes tais como: armazenamento, manutenção e acessibilidade ao material digital ao longo do tempo. Isto deve englobar os documentos digitalizados e os de natureza digital. Assim do ponto vista técnico podem considerar-se três formas para que esta preservação seja feita: Preservação tecnológica se o material conta com o ambiente técnico usado para a sua criação então, para manter a sua funcionalidade, preserva-se a tecnologia original. Deste modo, conservam-se tanto o hardware como o software utilizados na produção do documento digital. Contudo, ao longo do tempo pode se verificar a degradação natural dos equipamentos. Emulação tecnológica esta baseia-se também na preservação do ambiente tecnológico original. Todavia, esta manutenção faz-se recorrendo a uma tecnologia actual que pretende imitar a original. Isto obriga a uma descrição detalhada do ambiente original em que foi criado o documento de forma a permitir a sua emulação no futuro. Migração de dados por fim, este processo tem como principal fundamento a manutenção dos dados em formatos actuais. Isto, requer a migração regular de ficheiros de uma dada versão de software para outra mais recente. Assim sendo, fica garantido desde logo a acessibilidade aos dados. Para além destes, existe também o processo designado refrescamento. Este resulta na transferência sistemática do material armazenado para novos suportes. Não existe a preocupação de saber se o material ainda é utilizável, aplicando-se independentemente da estratégia de preservação adoptada 13

16 Considerações finais Assim, para que o projecto de digitalização se implemente de forma correcta, é necessário ter em atenção alguns procedimentos que se poderão revelar essenciais à sua concretização, designadamente: A definição de rotinas de controlo de qualidade dos documentos digitalizados; A organização de sistemas variados de cópias de segurança, com salvaguarda das matrizes digitais e dos metadados (devidamente organizados e correlacionados com as imagens a que respeitam); O estabelecimento de regras de classificação e indexação adaptadas à realidade de um arquivo em sistema digital; A manutenção da actualização tecnológica do sistema, isto é, da capacidade de acesso e intervenção na informação arquivada ( up-to-date user interface ) o que deve ser obtido essencialmente através de uma gradual e permanente inovação; A definição de níveis de segurança do sistema, tendo especialmente em vista quem recolhia e produzia a informação em suporte digital (os colaboradores do Arquivo) e quem era o seu destinatário (os leitores); A inclusão da Internet, desde o primeiro momento, nos objectivos do Projecto, não apenas como veículo de informação institucional, mas também, como meio de acesso aos metadados e em alguns casos, às imagens da documentação tratada. 14

17 Depois de tudo o que foi apresentado acima, facilmente se percebe a sofisticação do processo que a digitalização acarreta e como tal faz-se acompanhar de inúmeras vantagens, mas também algumas desvantagens. Assim como vantagens temos: 1. Fidelidade ao original; 2. Manutenção da qualidade inicial independentemente do número de cópias; 3. possibilidade de distribuição em rede 4. utilização da imagem a medida 5. viabilidade do ponto de vista económico. No que concerne as desvantagens estas são: 1. rápida evolução tecnológica (de seguida apresentarei algumas formas de combater esta desvantagem); 2. a falta de normalização é neste ponto que a microfilmagem ganha mais pois existem falta de normas para legislar e reconhecer o valor legal dos documentos digitais; 3. restrições legais ligadas ás questões de direitos de autor. Tendo em conta tudo o que foi acima apresentado, a digitalização caminha a passos largos para uma implementação cada vez mais efectiva nos arquivos e bibliotecas deixam de lado a microfilmagem. Os arquivos digitais estão ai para guardar (preservar) e para difundir (facultar o acesso). 15

18 Conclusões Em conclusão, gostaria de sublinhar que a digitalização se tem revelado um processo de cópia com significativas vantagens em matéria de acesso à informação, preservando consequentemente os originais sendo necessário que os projectos de digitalização apresentem objectivos claramente definidos. E, uma vez definidos os objectivos, o projecto deve ter em linha de atenção os recursos institucionais (as colecções que se querem digitalizar, o pessoal necessário, as capacidades técnicas, os prazos de execução, o orçamento e o espaço disponível). Estes são, afinal, os elementos que comandam as diversas vertentes da digitalização: a gestão do projecto, a selecção documental, a conservação (dos originais e das imagens digitais), o processamento das imagens, o controlo de qualidade, as capacidades de acesso por outras palavras, estas são as características que permitem aferir da qualidade dos projectos, tendo especialmente em vista a sua sustentabilidade futura. Por isso, preservar a memória não é encerrá-la dentro de um cofre. É tratá-la para ser conhecida e divulgada, e é nesse sentido que a digitalização deve ser altamente difundida de modo a 16

19 Bibliografia CABRAL, Maria Luísa Para uma estratégia em preservação e conservação na Biblioteca Nacional. Revista Biblioteca Nacional : Lisboa, 1998 Preservation microfilming: a guide for librarians and archivists. 2nd ed. American Library Association : London, Paginas a&b : arquivos e bibliotecas. Nº 2 Lisboa, 1998, ISSN Tecnologia OCR [em linha]. Lisboa : Biblioteca Nacional Digital, 2003 [Consult. 20 Jun. 06]. Disponível em Arquivo Digital fundação Mário Soares [em linha]. Lisboa : Fundação Mário Soares, [s.d.] [Consult. 23 Jun. 06]. Disponível em Isaías, P. Bibliotecas digitais. Universidade Aberta : Lisboa,