Comunicação Oral WEB SEMÂNTICA, DADOS LIGADOS E WEB 2.0: EXPLORANDO NOVAS FRONTEIRAS PARA OS ARQUIVOS ABERTOS. Rafael Port da Rocha UFRGS

Transcrição

1 XIV Encontro Nacional de Pesquisa em Ciência da Informação (ENANCIB 2013) GT 8: Informação e Tecnologia Comunicação Oral WEB SEMÂNTICA, DADOS LIGADOS E WEB 2.0: EXPLORANDO NOVAS FRONTEIRAS PARA OS ARQUIVOS ABERTOS Rafael Port da Rocha UFRGS Resumo Este artigo explora novas fronteiras para os Arquivos Abertos e para a disseminação da ciência, proporcionadas pelo surgimento da Web 2.0, da Web Semântica e dos Dados Ligados (Linked Data). Apresenta avanços na produção e na divulgação de textos científicos obtidos através dos Arquivos Abertos e do modelo de interoperabilidade OAI-PMH. Caracteriza Arquivos Abertos, Web 2.0, Web Semântica e Dados Ligados, indicando aspectos que estes podem contribuir para a disseminação de ativos da ciência. Apresenta e destaca benefícios de Fabrico/Ciência, que é um ambiente experimental desenvolvido para explorar as fronteiras entre Arquivos Abertos, Web 2.0, Web Semântica e Dados Ligados, que colhe metadados de revistas eletrônicas da Ciência da Informação, disponibiliza estes metadados na plataforma da Web Semântica, e oferece recursos da Web 2.0 para análise e para captura da inteligência coletiva. Palavras-chave: Arquivos abertos. Web Semântica. Dados Ligados. Web 2.0. SEMANTIC WEB, LINKED DATA AND WEB 2.0: EXPLORING NEW FRONTIERS FOR OPEN ARCHIVES Abstract This article explores new frontiers for Open Archives and scientific dissemination that are made possible through the rise of Web 2.0, Semantic Web and Linked Data. It presents advances in the production and dissemination of scientific texts, obtained through Open Archives and the OAI-PMH interoperability model. It characterizes Open Archives, Web 2.0, Semantic Web and Linked Data, and presents how they can contribute to the dissemination of the science. It depicts the Fabrico/Ciência, which is an experimental environment designed to explore Open Archives, Web 2.0, Semantic Web and Linked Data, which harvests metadata from electronic journals of Information Science, makes available these metadata in the Semantic Web platform, and offers features of the Web 2.0 to capture and analyze the collective intelligence. Keywords: Open Archives. Semantic Web. Linked Data. Web INTRODUÇÃO A internet e os movimentos do software livre e do acesso aberto proporcionaram grandes avanços à publicação e à disseminação da produção científica. A rede rompeu barreiras ligadas à produção e à distribuição de publicações científicas, à medida que não exige os complexos e caros processos para geração de conteúdos em papel, assim como para o envio desses materiais aos seus leitores. A rede e o suporte digital tornaram viável a

2 disseminação de materiais que até então tinham circulação restrita, como teses e dissertações e relatórios de pesquisa. O movimento do software livre também foi um grande aliado à publicação científica na internet, pois vários sistemas de bases de dados para documentos digitais foram desenvolvidos dessa forma. O software OJS 1 é uma base de dados para revistas eletrônicas que gerencia todo o processo de revisão por pares dos artigos submetidos, e o TEDE 2 é uma biblioteca de teses e dissertações que dá suporte ao programa de pós-graduação em atividades ligadas à defesa e à elaboração da versão final do texto. O DSPACE 3 é uma base de documentos que permite o gerenciamento de coleções por comunidades, com a configuração de fluxos para recepção de conteúdos. Esse novo cenário provocou o surgimento de novos tipos de bases de dados, como os repositórios institucionais, que possibilitam que as instituições reúnam sua produção intelectual em uma única base de dados; e os repositórios temáticos, em que autores podem arquivar textos científicos em coleções referentes aos temas abordados. Tudo isso deu força para o surgimento e a concretização de um movimento para a publicação aberta de textos científicos, isto é, o movimento do acesso livre, que prega que a literatura em Acesso Livre (Open Access - OA) é digital, em linha, gratuita e livre de muitas restrições de direitos autorais e licença de uso. (SUBER, 2004) A visibilidade de uma base de dados documental não é plenamente atingida apenas ao a disponibilizá-la na internet, pois na web muitos usuários não chegam aos documentos via seu portal, mas por meio de outros ambientes. Por isso, é preciso que esta base de dados opere em conjunto com outros sistemas, como mecanismos de busca que atuam sobre várias bases de dados, organizadas em uma federação. Essas bases de dados devem atender a requisitos de interoperabilidade. Interoperabilidade compreende na habilidade com que múltiplos sistemas, com diferentes plataformas de hardware e software, estruturas de dados e interfaces, trocam dados com perdas mínimas de conteúdo e funcionalidade. (NATIONAL INFORMATION STANDARDS ORGANIZATION, 2004) Com o objetivo de promover a interoperabilidade entre bases de dados de acesso livre, chamadas de Arquivos Abertos, padrões técnicos de interoperabilidade foram estabelecidos através da Iniciativa dos Arquivos Abertos. A Iniciativa dos Arquivos Abertos desenvolveu o 1 OPEN JOURNAL SYSTEM. Disponível em 2 SISTEMA DE PUBLICAÇÃO ELETRÔNICA DE TESES E DISSERTAÇÕES. Disponível em: 3 DSPACE. Disponível em

3 protocolo OAI-PMH 4, que permite que metadados sobre os documentos armazenados em uma base de dados possam ser colhidos por componentes integradores, como motores de busca que atuam sobre uma federação de bases de dados. Esses padrões técnicos foram incluídos nos grandes sistemas de bases de dados desenvolvidos na forma de software livre, como TEDE, OJS e DSPACE. Isso viabilizou o surgimento de federações formadas por bases de dados de textos científicos, em que um componente global promove a busca unificada, envolvendo todas as bases de dados membros da federação. Sob essa arquitetura de federação de bases de dados, surgiram as bibliotecas nacionais e internacionais de teses e dissertações, como BBTD 5, EThOS 6 e DART-Europe 7. Também surgiram federações de repositórios institucionais, como DRIVER 8, de bibliotecas digitais de patrimônio cultural, como Europeana 9, e federações de revistas eletrônicas de acesso livre, como DOARJ 10. A web, o software livre, o acesso aberto, e os padrões de interoperabilidade proporcionaram grandes avanços à publicação de textos científicos. Hoje temos uma nova realidade, em que canais abertos de comunicação científica passam a assumir destaque e rivalizar com os canais tradicionais, estabelecidos pelas grandes editoras científicas. Esse avanço, entretanto, não se encerra, pois a web está em constante evolução, e esta evolução determina novas possibilidades para a publicação e a disseminação da ciência. Web 2.0, Web Semântica e Dados Abertos e Ligados são termos usados para designar novos avanços da web. A Web 2.0 é a identificação de uma nova web em que os seus usuários passam de meros consumidores de informação para produtores de informação, disponibilizando e construindo coletivamente conteúdos, assim como agregando valores a conteúdos já produzidos, através de comentários, relações, avaliações, etiquetas, etc. Já a Web Semântica representa uma iniciativa em prover significado compreensível por máquinas aos recursos da web, a fim de viabilizar o desenvolvimento de ambientes de software inteligentes (agentes inteligentes). A web, originalmente centrada em documentos interligados (hipertexto), também está evoluindo para incorporar dados interligados, permitindo o relacionamento e o cruzamento de dados provenientes de fontes diversas. Essa web dos dados tem sido chamada de Dados Ligados (Linked Data). 4 Open Archives Initiative Protocol for Metadata Harvesting. Disponível em 5 Biblioteca Brasileira de Teses e Dissertações. Disponível em 6 EThOS. Biblioteca de Teses e Dissertações do Reino Unido Disponível em: 7 DART-Europe. Biblioteca de Teses e Dissertações da Europa. Disponível em: 8 Digital Repository Infrastructure Vision for European Research. Disponível em 9 Europeana. Disponível em 10 Directory of Open Access Journals. Disponível em

4 Este artigo apresenta o ambiente Fabrico/Ciência 11, que explora o uso de recursos dos Arquivos Abertos (OAI-PMH), da Web 2.0, da Web Semântica e dos Dados Ligados, na comunicação científica. O ambiente Fabrico/Ciência é uma base de dados construída de acordo com a arquitetura da Web Semântica, que permite a colheita de metadados através do protocolo OAI-PMH, e disponibiliza estes metadados de acordo com os princípios estabelecidos para os Dados Ligados. A Web 2.0 está presente ao possibilitar que os usuários adicionem valores aos objetos descritos, via anotações semânticas; ao disponibilizar, para exploração dos dados, técnicas de agregação de sistemas de folksonomias; e ao explorar a atuação dos seus usuários através de uma rede social, com foco nos conteúdos descritos. A seguir, as seções dois, três e quatro apresentam, respectivamente, interoperabilidade entre bases de dados via OAI-PMH, Web 2.0 e Web Semântica/Dados Ligados, destacando benefícios destas para a disseminação de recursos científicos. A seção cinco descreve o ambiente Fabrico, e seção seis aborda a experimentação deste ambiente como um provedor de serviços a partir metadados colhidos de revistas eletrônicas da Ciência da Informação (chamado de Fabrico/Ciência). Considerações finais são realizadas na seção sete. 2 INTEROPERABILIDADE EM ARQUIVOS ABERTOS E O PROTOCOLO OAI- PMH A Iniciativa dos Arquivos Abertos estabeleceu uma arquitetura para a interoperabilidade entre bases de dados documentais denominada OAI-PHM. A arquitetura OAI-PMH é composta por provedores de dados, provedores de serviços e por um protocolo de colheita de metadados. Os provedores de dados são bases de dados documentais independentes, autônomas e heterogêneas. São independentes e autônomas, pois possuem autonomia de gestão e características próprias para atender às demandas de seus usuários (requisitos de submissão, interface de consulta e navegação, plataforma de software, etc.). São heterogêneas, pois possuem estruturas internas e softwares diferentes. Entretanto, para fins de interoperabilidade, devem prover uma funcionalidade padrão, especificada por OAI-PMH, que permite que os metadados que descrevem os conteúdos armazenados sejam colhidos pelos provedores de serviços. Os provedores de serviços são componentes que proporcionam serviços a partir de metadados colhidos dos provedores de dados. Um exemplo de provedor de serviço é um 11 Fabrico/Ciência. Disponível em

5 mecanismo de busca de uma federação de repositórios. No contexto de OAI-PMH, os ambientes BBTD, EThOS, DART-Europe, DRIVER e Europeana são provedores de serviços. A troca de informações entre provedores de serviço e provedores de dados é estabelecida por um protocolo de colheita de metadados. Através deste protocolo, um provedor de serviço submete a um ou a vários provedores de dados comandos que determinam que estes provedores de dados devem enviar determinados conjuntos de metadados para o provedor de serviço. Os metadados são enviados dos provedores de dados para os provedores de serviços através de documentos XML, via protocolo HTTP. OAI-PMH estabelece que um provedor de dados deve, no mínimo, fornecer os seus metadados no esquema Dublin Core. O padrão OAI-PMH possibilitou o surgimento de vários provedores de serviços, como BBTD, EThOS, DART-Europe, DRIVER e Europeana. Entretanto, observa-se uma concentração no desenvolvimento de provedores de serviço especializados na busca da informação, embora OAI-PMH viabilize o desenvolvimento de outros tipos de serviços. Por exemplo, OAI-PMH permite a construção de provedores de serviços que realizem tarefas agregação de dados, indicando coautoria, autores mais atuantes, relacionado autores a assuntos, etc. Serviços de agregação de informação são comuns na Web 2.0, em ambientes de catalogação social (folksonomias). Metadados colhidos de provedores de dados também poderiam ser utilizados em ambientes semânticos (provedores de serviços para Web Semântica) e em Dados Abertos. Esses aspectos são abordados nas próximas seções. 3 A WEB 2.0 A Web 2.0 é uma designação para um novo cenário que surge em torno da web, cuja característica principal e diferenciadora é que os seus usuários passam de meros consumidores de informação para parceiros no seu desenvolvimento. Caracterizam a Web 2.0 ambientes de compartilhamento de conteúdos (como YouTube 12, Scribd 13, Flickr 14 ), redes sociais de relacionamento (como Facebook 15 e a blogosfera), redes de catalogação coletiva de filmes, 12 YouTube. Ambiente de Compartilhamento de Vídeos. Disponível em: 13 Scribd. Ambiente de Compartilhamento de documentos. Disponível em: 14 Flickr. Ambiente de Compartilhamento de fotos. Disponível em: 15 Facebook. Rede Social. Disponível em:

6 livros, músicas (como Filmow 16, Skoob 17, LibraryThing 18 ), ambientes de escrita coletiva (como Wikipedia 19 ), sistemas de classificação social, chamados de folksonomias (como CiteUlike 20, Bibsonomy 21 ), entre outros. Estes ambientes da Web 2.0 apresentam como diferencial competitivo saberem tirar proveito da inteligência coletiva, e são desenvolvidos a partir de uma arquitetura de participação (O REILLY, 2007). Lévy (1998, p.28) caracteriza inteligência coletiva como inteligência distribuída por toda parte, incessantemente valorizada, coordenada em tempo real, que resulta em uma mobilização efetiva das competências. Os sistema da Web 2.0, ao tirarem proveito da inteligência coletiva, giram em torno da existência de um saber coletivo; que é necessário reconhecer que a inteligência coletiva está distribuída em qualquer lugar onde há humanidade e que esta pode potencializar-se através dos dispositivos tecnológicos (COBO ROMANI; PARDO KUKLINSKI, 2007, p.47, tradução nossa). Estes ambientes também possuem uma arquitetura tecnológica que se configura em torno da participação dos usuários: A estrutura tecnológica se expande de maneira conjunta com as interações sociais dos sujeitos que utilizam a Internet. Cada vez que uma pessoa cria um novo link, a rede se completa e, portanto, enriquece. A ideia de uma arquitetura de participação se baseia no princípio de que as novas tecnologias potencializam o intercâmbio e a colaboração ente os usuários (COBO ROMANI; PARDO KUKLINSKI, 2007, p.47, tradução nossa). Nas bases de dados tradicionais, os conteúdos são classificados pelos seus autores (palavras-chaves) e por indexadores especializados. Já na Web 2.0, a classificação também é realizada pelos usuários (leitores) dos conteúdos. Isso é chamado de classificação social ou folksonomia. Nas folksonomias, usuários atribuem livremente assuntos (chamados de etiquetas) aos recursos, não havendo controles de sinônimos, siglas, número, etc. O poder das folksonomias está nos seus mecanismos de agregação e de relacionamento. Estes sistemas agregam e relacionam etiquetas, conteúdos e etiquetadores. Por exemplo, possuem funcionalidades que mostram etiquetas de acordo com suas frequências de uso, geralmente em nuvens de etiquetas, em que estas são apresentadas em ordem alfabética, com o tamanho da letra de cada etiqueta indicando a sua frequência. Ambientes de folksonomias também 16 Filmow.Comunidade de apreciadores de filmes. Disponível em: 17 Skoob.Comunidade de leitores de livros. Disponível em: 18 LibraryThing. Comunidade de amantes de livros. Disponível em: 19 Wikipedia. Enciclopédia desenvolvida coletivamente. Disponível em: 20 Citeulike.Catalogação social de material acadêmico. Disponível em: 21 Bibsonomy. Catalogação social publicações e favoritos. Disponível em:

7 mostram, por exemplo, relações entre etiquetas, entre usuários e etiquetas, e entre conteúdos e etiquetas. Para uma etiqueta, apresentam as etiquetas a esta relacionadas por serem atribuídas a mesmos conteúdos, assim como os conteúdos que receberam a etiqueta, e os usuários que atribuíram a etiqueta a estes conteúdos. Para um usuário, apresentam seus conteúdos e suas etiquetas; e para um conteúdo, mostram suas etiquetas e usuários. A ciência também está presente na Web 2.0 através dos blogs publicados por pesquisadores, dos ambientes de classificação social voltados a conteúdos científicos (como Binsonomy e CiteULike), pelo uso de ambientes wiki para projetos de pesquisa (OpenNetware 22 ), e pela publicação de revistas eletrônicas (revisadas por pares) em que os usuários expressam suas opiniões através de comentários (PLOS-ONE 23 ). Entretanto, ainda é pequena a exploração de recursos da Web 2.0 por partes dos Arquivos Abertos e dos provedores de serviços da arquitetura OAI-PMH. A combinação da Web 2.0 com a arquitetura OAI-PMH possibilita, por exemplo, a construção de federações de bases de dados com foco no aproveitamento da inteligência coletiva que se forma em torno dos usuários da federação, através do uso de folksonomias ou sistemas que capturam opiniões de usuários. Técnicas de agregação presentes nas folksonomias podem ser usadas para realizar agregações e relacionamentos em torno de autores e das palavras chaves, com nuvens indicando autores mais frequentes, autores de uma palavra chave, etc. 4 WEB SEMÂNTICA E DADOS LIGADOS A Web foi projetada para ser operada por pessoas e não por máquinas. A web desenvolveu linguagens excelentes para expressar a informação que se destina a ser utilizada pelo homem, porem, foi falha quando da manipulação desta pelas máquinas. (BERNERS-LEE,1998, tradução nossa) Softwares inteligentes somente poderão operar na web à medida que forem capazes de compreender o significado dos seus recursos. Hoje, somente humanos possuem a capacidade de identificar se um determinado recurso da web é uma tese, ou um artigo, ou um mecanismo de busca, ou uma revista eletrônica, ou uma homepage de uma instituição ou pesquisador. Por isso, Web Semântica surge como uma proposta de trazer à rede global uma estrutura e significado, que permitem a sua evolução de uma rede de documentos para uma rede de dados na qual toda a informação tem um significado bem definido, podendo ser interpretada e processada por 22 OpenNetWare. Compartilhamento da ciência biologia e engenharia biomédica (projetos, protocolos, materiais) via wiki. Disponível em 23 PLOS-ONE. Periódico científico que incentiva diálogos sobre os artigos. Disp. em:

8 humanos e computadores. BERNERS-LEE, HENDLER e LASSILA, 2001, tradução nossa). A Web Semântica não é uma web separada da atual, mas sim uma extensão desta, em que a informação é provida com um significado bem definido, permitindo que pessoas e computadores trabalhem em cooperação (BERNERS-LEE, HENDLER e LASSILA, 2001). Para prover significado aos recursos da web, a Web Semântica está estruturada em uma arquitetura baseada em metadados e ontologias. Na Web Semântica, metadados significam informações compreensíveis por máquinas sobre recursos da web ou outros objetos e possuem estrutura e semântica bem definidos (BERNERS-LEE,1997). Os conceitos expressos nos metadados são especificados através de ontologias. Ontologia é uma especificação explícita e formal de uma conceitualização compartilhada (GRUBER, 1993). Ela é explícita, pois os tipos dos conceitos e as restrições de seus usos são definidos explicitamente; é formal, pois é compreendida por máquinas; é compartilhada por capturar o conhecimento consensual aceitável a um grupo. Na Web Semântica, objetos da web são chamados de recursos; os metadados que descrevem os significados destes objetos são representados através a linguagem RDF 24 (Resource Description Framework); e as ontologias que especificam os conceitos usados nos metadados são desenvolvidas através da linguagem RDFS 25 (RDF Schema), ou extensões desta, como a linguagem OWL 26 (Web Ontology Language). 24 Resource Description Framework. Especificada em 25 RDF Schema. Especificada em 26 Web Ontology Language. Especificada em

9 Figura1 - Exemplo de representação em triplas e gráfica de sentenças RDF A) Sentenças RDF representadas através de triplas Sujeito Predicado Objeto dc:date rdf:type bibo:academicarticle dc:creator rdf:type foaf:person foaf:name Tim Bernersl-Lee B) Sentenças RDF representadas graficamente 2001 bibo:academicarticle dc:type article.cfm?id=the-semantic-web dc:date foaf:name dc:creator rdf:type foaf:person Tim Berners-Lee bibo: dc: foaf: rdf: Fonte: Autor. Metadados representados em RDF são triplas, chamadas de sentenças, cujas três partes são: o sujeito, o predicado e o objeto. O sujeito é o recurso da web que está sendo descrito, e deve ser identificado através de sua URI (Uniform Resource Identifier). O predicado indica uma propriedade, isto é, um aspecto, característica, atributo ou relação atribuída ao recurso pela sentença. O objeto é o valor dado ao recurso pela propriedade. Na figura 1a, as três primeiras sentenças (triplas) descrevem o recurso: article.cfm?id=the-semantic-web. A primeira sentença indica que o recurso foi criado em 2001 (propriedade dc:date), a segunda afirma que o recurso é um artigo científico (predicado rdf:type), e a terceira sentença indica que um dos seus criadores é Tim Berners-Lee (predicado dc:creator), cujo valor é a homepage do autor. Também apresenta duas sentenças que descrevem indicando que este recurso representa uma pessoa (propriedade rdf:type) e que o nome desta pessoa é Tim Berners-Lee (propriedade foaf:name). A figura 1b apresenta estas mesmas sentenças em uma notação gráfica, em que os predicados indicam as ligações entre sujeitos e objetos. Em RDF, os tipos (como artigo científico) e propriedades (como criador), especificados em ontologias, também são identificados via URI. Por exemplo, o tipo artigo acadêmico é representado pelo endereço

10 27, e a propriedade criador é identificada por RDFS é uma linguagem para a representação de ontologias. RDFS permite a especificação formal de conceitualizações através de dois instrumentos básicos, classes e propriedades, e restrições para classes e propriedades. Classes e propriedades usam URIs como identificadores, tendo assim uma identificação única no domínio da web. Várias ontologias surgiram para a Web Semântica. Para descrever recursos da ciência, são bastante usadas as ontologias Foaf 29, que conceitualiza pessoas (pesquisadores) e suas relações, BiBO 30, que conceitualiza recursos acadêmicos, como artigo, livro, tese, conferência, periódico, e SIOC 31, que especifica elementos de comunidades online, como comunidade, fórum, post, blog, e artigo de wiki. Muitos esquemas de metadados desenvolvidos para bases de dados também possuem representações na Web Semântica, especificadas em RDFS ou OWL, como Dublin Core 32, CIDOC/CRM 33. A Web Semântica, além de dar significado para os recursos da web, também está sendo usada como plataforma para a publicação de dados. Dados Ligados (Linked Data) é o termo usado para referir dados publicados e interligados na web através da infraestrutura da Web Semântica. Dados publicados como dados ligados são identificados via URI e representados através de triplas RDF. A identificação de dados via URI facilita a interligação de dados, pois dados provenientes de fontes distintas passam a utilizar mesmas URIs para referenciar (identificar) os mesmos objetos. Nos Dados Ligados, o valor e a utilidade dos dados aumenta à medida que estes estão interligados com outros dados. (BIZER, CYGANIAK e HEATH, 2007) Vários projetos envolvendo recursos científicos têm sido desenvolvidos no cenário da Web Semântica/Dados Ligados (quadro 1). Semantic Web Dog Food 34, Faceted DBLP 35 e JISC Open Citations 36 são bases de dados bibliográficas em RDF. Archaeology Data 27 Na figura 1, a notação bibo:academnicarticle corresponde à URI em que bibo é nome dado ao endereço onde está AcademicArticle. 28 Na figura 1, está representada pela notação dc:creator, em que dc corresponde à 29 Friend of a Friend. Especificada em: 30 Bibliographic Ontology. Especificada em 31 Semantically-Interlinked Online Communities. Especificada em 32 Dublin Core em RDF. Especificada em 33 CIDOC. Conceptual Reference Model. Usada na descrição de bens culturais. Especificada em 34 Semantic Web Dog Food. BD Bibliográfica em RDF. Disponível em: 35 Faceted DBLP. BD Bibliográfica DBLP em RDF. Disponível em 36 JISC Open Citations. BD PubMed Central em RDF. Disponível em

11 Service 37, VIVO 38, Eagle-i 39 e LODUM 40 são ambientes que descrevem recursos da ciência, envolvendo não somente publicações científicas, mas também dados de pesquisas, pesquisadores, centros de pesquisa e projetos. VIVO e Eagle-I são ambientes que envolvem a descrição de recursos da ciência, abrangendo redes de universidades e centros de pesquisa. LODUM é um ambiente de caráter institucional, pois descreve os recursos de ciência da Universidade de Muenster. Europeana Linked Data Pilot 41 é um projeto que disponibiliza na Web Semântica metadados de bases de dados culturais, coletados via OAI-PMH. O cenário em torno desses ambientes tem sido chamado de Linked Science. Quadro 1 Projetos Linked Data na Ciência Europeana Linked Data Pilot Semantic Web Dog Food Faceted DBLP Archaeology Data Service JISC Open Citations LODUM VIVO Eagle-i Fonte: Autor. Publicação dos dados da Europeana, um provedor de serviços que colhe metadados de 1500 instituições culturais da Europa Artigos, conferências, organizações e pessoas da área da Web Semântica Publicação em Linked Data da base de dados bibliográfica DBPL, da Ciência da Computação Publicação da base de dados Archaeology Data Service (ADS), que envolve recursos de pesquisa, aprendizado e ensino, preservando e disseminando dados de arqueologia Publicação da base de dados Open Citations, uma base de dados de citações de literatura biomédica, colhida s a partir das referências de artigos abertos de PubMedCentral-UK Linked Open Data University of Muenster. Ativos de ciência produzidos pela Universidade de Muenster Rede interdisciplinar que viabiliza a colaboração e a descoberta entre cientistas de todas as disciplinas Plataforma de descoberta de recursos para auxiliar cientistas biomédicos a busca e encontrar recursos previamente invisíveis mas altamente valioso (instrumentos, protocolos, reagentes, modelos animais, etc) Estes ambientes demonstram novos horizontes para a disseminação da ciência. Caracterizam-se não somente por descreverem autores e publicações científicas, mas também por incluírem descrições de outros tipos de recursos, como centros de pesquisa, projetos de pesquisa, pesquisadores, e dados primários utilizados nas pesquisas. Tudo isso, em uma plataforma em que os recursos têm seus significados descritos de forma compreensível por 37 Dados de arqueologia representados em RDF. Disponível em: 38 VIVO. Plataforma que descreve recursos da ciência. Disponível em: 39 Eagle-i. Plataforma que descreve recursos da ciência. Disponível em: 40 LODUM. Descreve os recursos científicos da Universidade de Muenster Metadados em RDF do provedor de serviço Europeana. Disponívem em:

12 máquinas, e representados em estruturas simples, que são as triplas RDF. Além disso, estes recursos são facilmente interligados, pois utilizam URIs como identificadores. 5 O AMBIENTE FABRICO Visando investigar as fronteiras entre Arquivos Abertos, Web 2.0, Web Semântica e Linked Data, o ambiente Fabrico foi desenvolvido. Tem como objetivo ser uma plataforma para desenvolver estudos e experimentos que combinam características de Arquivos Abertos, Web 2.0, Web Semântica e Dados Ligados. O ambiente seguiu os princípios de O Reilly (2007) para o desenvolvimento de software para Web 2.0: é um serviço para plataforma web (e não um produto de prateleira), que tira proveito da inteligência coletiva, e é focado em uma arquitetura de participação. Sua estrutura interna segue a arquitetura da Web Semântica: as informações são armazenadas em RDF e de acordo com ontologias especificadas em RDFS/OWL. Pelo ponto de vista dos Arquivos Abertos, o ambiente é um provedor de serviços que utiliza o protocolo OAI-PMH para colher metadados de provedores de dados e armazena estes metadados como triplas RDF. A figura 2 apresenta a arquitetura de Fabrico, cuja cor identifica a origem de cada um de seus componentes: Web 2.0, Web Semântica/Dados Ligados e Arquivos Abertos. No Fabrico, os metadados podem ser obtidos de três formas: além colheita de metadados (via componente OAI-PMH, figura 2), metadados podem ser importados a partir de triplas RDF codificadas em documentos XML (módulo de importação, na figura 2), ou criados por usuários através de anotações. As anotações de usuários são realizadas através do componente denominado anotador (fig. 2). Nele, usuários descrevem recursos da web, produzindo sentenças RDF de acordo com ontologias. Ao anotar um recurso da web, um usuário informa a URI do recurso, e indica o seu tipo, selecionando uma classe da ontologia. O anotador, então, gera um formulário cujos campos correspondem às propriedades especificadas na ontologia para a classe selecionada. Esses campos representam as sentenças RDF possíveis para anotar um recurso da classe informada. O anotador também é configurado para atuar como editor de ontologias (fig. 2), isto é, para construir ontologias. Sob o ponto de vista da Web 2.0, o anotador é desenvolvido de acordo com uma arquitetura de participação, em que a interface de anotação adapta-se de acordo como as classes selecionadas para o recurso que está sendo descrito. Também é um ambiente de catalogação coletiva, no qual os usuários descrevem (anotam) coletivamente os recursos da web. O anotador registra o histórico das anotações, incluindo quem executou cada anotação.

13 Esses registros, com o intuído de incentivar a anotação colaborativa, são usados para identificar uma rede social de colaboração entre usuários (figura 2). O ambiente mostra usuários que estão relacionados por descreverem mesmos recursos, apresenta os últimos recursos descritos, assim como os recursos mais descritos e os usuários mais ativos. A catalogação colaborativa também é apoiada por fóruns e wikis (figura 2), pois o ambiente permite a criação destes instrumentos para resolver conflitos, incrementar a discussão, ou agregar conhecimentos, tendendo como foco os recursos anotados. O ambiente também explora folksonomias (figura 2), em que usuários, através de anotações em RDF, atribuem livremente etiquetas a recursos. As etiquetas são agregadas e relacionadas. O ambiente apresenta as etiquetas na forma de nuvem, em que o tamanho indica a frequência de uso. Para uma determinada etiqueta, mostra as etiquetas relacionadas (por serem atribuídas a mesmos recursos), e os usuários que atribuíram esta etiqueta a recursos. Para um determinado usuário, mostra suas etiquetas e os conteúdos etiquetados. Também utiliza medidas de similaridade (coeficientes de Jaccard 42, Dice 43 e Cosine 44 ) para identificar similaridades entre etiquetas e usuários (usuários próximos por utilizarem etiquetas similares). Figura 2 - Arquitetura do Fabrico Provedor de Serviços - OAI Wiki Fórum Rede de Colaborações Folksonomias Anotador Editor de Ontologias Busca Repositório Ontologias OWL Triplas no formato RDF Colheita de Metadados via OAI-PMH Importação/Exportação RDF/XML Web 2.0 Web Semântica Arquivos Abertos Fonte: Autor. Essas técnicas de agregação, relacionamento e similaridade não são exclusivas para etiquetas. Elas podem ser utilizadas para analisar qualquer propriedade utilizada em sentença 42 Fórmula disponível em: 43 Fórmula disponível em: 44 Fórmula disponível em:

14 RDF, isto é, para agregar valores de uma propriedade, verificar coocorrências desses valores, relacionar valores com usuários, e apresentar similaridades entre valores e entre usuários. 6 O EXPERIMENTO FABRICO/CIÊNCIA No cenário atual, os Arquivos Abertos são uma realidade. Repositórios e revistas eletrônicas multiplicam-se em universidades e instituições de pesquisa. Estas bases de dados são desenvolvidas como provedoras de serviços da arquitetura OAI-PMH e compõem imensas federações de bases de dados que provém de serviços de consulta. Também presenciamos uma web que está em constante evolução, principalmente em aspectos de tirar proveito da inteligência coletiva (Web 2.0), permitir que os recursos da web possam ser entendidos por programas de computador inteligentes (Web Semântica) e ligar dados provenientes de várias fontes (Dados Ligados). Os Arquivos Abertos estão focados em armazenar e descrever documentos científicos, mas a perspectiva que se forma em torno da publicação e de disseminação de recursos da ciência é mais ampla quando consideramos uma web que evolui para uma Web Semântica e com Dados Ligados. Além da descrição de textos científicos, Web Semântica e Dados Ligados envolvem a descrição de outros tipos de recursos da ciência, como instituições, pesquisadores, projetos, dados da ciência, etc. Essa nova perspectiva para descrever recursos da ciência é experimentada em projetos recentes, descritos no quadro 1, como VIVO, Eagle-i, LODUM e Europeana Linked Data Pilot. O experimento Fabrico/Ciência é um provedor de serviços que colhe metadados de revistas eletrônicas da Ciência da Informação e os armazena na forma de triplas RDF, e de acordo com uma ontologia que expressa Dublin Core. Nesse ponto, o ambiente assemelha-se em funcionalidade com o projeto Europeana Linked Data Pilot. O módulo de colheita dispõe de um mecanismo, baseado em regras de transformações sintáticas, para uniformização de formatos de representação de valores colhidos, como, por exemplo, transformar nomes de autores da notação Sobrenome, Nome para Nome Sobrenome, ou para lidar com campos com valores repetidos, individualizando as repetições (individualizar vários autores ou palavras-chave codificados em um único campo, sendo separados por vírgula ou ponto e vírgula). Para identificar a proveniência dos metadados colhidos, o ambiente utiliza o recurso da reificação 45, em que cada tripla RDF colhida é 45 Reificação em RDF: Especificada em:

15 considerada um recurso, com descrições indicam sua proveniência (data da colheita e conjunto colhido). A partir dos dados colhidos, Fabrico/Ciência disponibiliza aos seus usuários recursos poderosos de agregação que permitem investigar os rumos da ciência. Mostra frequências de valores e valores relacionados de forma semelhante com que folksonomias apresentam nuvens de etiquetas e etiquetas relacionadas. O quadro 2 enumera algumas investigações possíveis através do Fabrico/Ciência, e exemplos são mostrados por meio das figuras 3 e 4. Quadro 2 - Exemplos de exploração dos dados em Fabrico/Ciência Função Valores de Propriedades (incluindo frequência) Totais e médias de valores e recursos usados em propriedades Coocorrência entre valores de uma propriedade Coocorrência entre valores de uma propriedade com valores de outra propriedade Similaridade entre valores de propriedade Fonte: autor Exemplo Autores que mais publicam, palavras chave mais frequentes Média de autores por publicação, total de autores, total de assuntos, total de publicações por ano, etc. Termos relacionados (cotermos), autores relacionados (coautoria), etc. Assuntos de um autor, anos de produção de um autor, assuntos de um ano, autores de um assunto, anos de um assunto, etc. Similaridade entre autores por utilizarem mesmos assuntos ou por escreverem com mesmos autores, etc. Fabrico/Ciência permite investigar a frequência dos valores de cada propriedade (figura 3) através da exibição destes valores na forma de nuvem (listados em ordem alfabética, com a frequência de ocorrência sendo indicada pelo tamanho das letras). Para cada propriedade, mostra o total de recursos descritos, totais e médias de valores, e a ocorrência de valores. Por exemplo, a figura 3 apresenta a propriedade dc:creator (autor) tendo como base nos metadados colhidos da revista Em Questão 46. Nela, podemos identificar a média de autores por publicação, e os totais de autores e de publicações. A nuvem indica os autores que mais comunicaram por meio desta revista, isto é, os autores mais frequentes. Essa mesma funcionalidade, se fosse aplicada à propriedade dc:subject (assunto), permitiria identificar os assuntos mais frequentes, média de assuntos por artigo, etc. 46 Revista em Questão. Disponível em:

16 Figura 3 Fabrico/Ciência: Propriedade dc:criador para a revista Em Questão Fonte:Autor. A figura 4 apresenta três exemplos de uso do mecanismo de análise de coocorrência, que pode ser configurado para analisar a coocorrência para qualquer valor de uma propriedade, incluindo valores que coocorrem em outras propriedades. O primeiro exemplo da figura 4 apresenta a análise de coocorrência para o autor (propriedade dc:creator) mais frequente da revista Em Questão (autor da figura 3 escrito com as maiores letras). Para este autor, mostra os autores corelacionados (coautoria), em uma nuvem cujo tamanho de letra indica a frequência da coautoria. A segundo exemplo da figura 4 apresenta os assuntos deste mesmo autor, isto é, os assuntos (propriedade dc:subject) que foram atribuídos aos artigos do autor (propriedade dc:creator), com a frequência sendo representada pelo tamanho da letra. O último exemplo da figura 4 tem como foco a análise da propriedade dc:subject (assunto) para o valor identidade cultural. Nesse caso, apresenta os valores do campo dc:creator que ocorrem em artigos cujo assunto é identidade cultural, isto é, apresenta os autores relacionados a este assunto, em que o tamanho da letra indica a frequência. As funcionalidades do ambiente foram utilizadas em uma investigação sobre qualidade dos metadados em revistas eletrônicas (RETANCOURT e ROCHA, 2012). Nesse trabalho o ambiente mostrou-se útil, à medida que proporcionou mecanismos para analisar a frequência de uso de cada propriedade, média de valores por propriedade, os valores mais usados, os

17 valores fora da normalização, etc. Por exemplo, o ambiente mostrou-se eficiente para identificar valores não normalizados de forma correta (como nome de autor representado de formas diferentes), em que mecanismo de análise de coocorrência e similaridade facilitam a identificação destas. Por exemplo, funções de similaridade normalmente apresentam, como similares, mesmos autores com nomes escritos de forma diferente. Figura 4 Fabrico/Ciência: Análises de Coocorrência O ambiente também foi investigado sob a ótica das ferramentas para o mapeamento da ciência (ROCHA, 2012). Nessa investigação, os recursos de Fabrico/Ciência foram analisados

18 de acordo com ferramentas/atividades para o mapeamento da ciência 47 apresentadas por Cobo et al (2011) em que: Conclui-se que o Fabrico/Ciência apresenta predicados para dar apoio a diversas pesquisas na área do mapeamento da ciência, com destaque para investigações que envolvem fontes de dados (colheita, representação/ontologias, agregação de dados de usuários, relacionamento com outros tipos de dados disponibilizados via Linked Data), préprocessamento (integração baseada em ontologias, interligação com Linked Data, preparação coletiva de dados) e normalização de dados (redes de similaridades) (ROCHA, 2012). Este estudo observa que o ambiente não dispõe de métodos para construção de mapas e reduções de redes, desencadeando uma nova atividade de pesquisa que envolve o desenvolvimento de ontologia e funcionalidades para, respectivamente, representar e analisar redes. 7 CONSIDERAÇÕES FINAIS Fabrico/Ciência demonstra a relevância da exploração combinada de instrumentos dos Arquivos Abertos, da Web 2.0, da Web Semântica e de Dados Ligados para a comunicação e disseminação da ciência. É um experimento que agrega valor aos Arquivos Abertos, à medida que é um provedor de serviços (segundo OAI-PMH) que não limita-se a oferecer mecanismos de busca, mas que também disponibiliza os metadados provenientes dos Arquivos Abertos no ambiente da Web Semântica/Dados Ligados, e oferece instrumentos de agregação, baseados nas folksonomias, para a exploração destes metadados. A disponibilização de metadados de Arquivos Abertos na plataforma Web Semântica/Dados Ligados é experimentada pelo projeto Europeana Linked Data Pilot. Entretanto, este projeto explora somente instrumentos de busca da Web Semântica. Ao utilizar a Web Semântica como plataforma, Fabrico/Ciência permite não somente a disponibilização nessa plataforma de metadados proveniente dos Arquivos Abertos, mas também a descrição de outros tipos de recursos da ciência, como pesquisadores, centros de pesquisa, projetos de pesquisa, dados de pesquisa, e o relacionamento entre estes recursos. A interconexão semântica de dados bibliográficos e de ativos de ciência proporciona maior transparência dos resultados científicos obtidos (KAUPPINEN; BAGLATZI; KESSLER, 2011). Nesse sentido, o experimento Fabrico/Ciência alinha-se a VIVO, Eagle-I e LODUM.. O experimento Fabico/Ciência iniciou pela colheita de metadados em Arquivos Abertos, pela representação destes na Web Semântica e pelo uso de mecanismos de agregação 47 Busca de dados, Pré-processamento, Normalização, Mapeamento, Análise e Visualização

19 para a exploração dos dados (foco deste artigo). Investiga-se agora a descrição de novos tipos de recursos da ciência (como pesquisadores, instituições, dados da ciência, etc.). Para tal, analisa-se ontologias existentes e usadas para descrever estes recursos (incluindo ontologias dos ambientes VIVO, Eagle-I e LODOM), e o uso de links (URIs) para identificar as entidades (como seus endereços na Wikipedia, Facebook, etc.). Nesta investigação, o editor de ontologias do Fabrico (ROCHA, 2010) está sendo utilizado. O uso da anotação semântica, de wiki e de fórum, por parte dos usuários, para agregar valor a estes conteúdos (Web 2.0), embora já presente no ambiente, somente será experimentado após a conclusão do desenvolvimento/uso da ontologia para descrever os recursos da ciência. REFERÊNCIAS BERNERS-LEE, T.; HENDLER, J.; LASSILA, O. The Semantic Web. Scientific American Magazine, v. 284, n.5, p BERNERS-LEE, Tim. Axioms of Web Architecture:Metadata Disponível em < Acesso em 23/09/2013. BETANCOURT, S.; ROCHA, R. Metadados de qualidade e visibilidade na comunicação científica. Encontros Bibli, v. 17, n. especial III SBCC, BIZER, C.; CYGANIAK, R. HEATH, T. How to Publish Linked Data on the Web Disponível em < Acesso em 23/09/2013. COBO ROMANÍ, C.; PARDO KUKLINSKI, H. Planeta Web 2.0: Inteligencia colectiva o medios fast food. Barcelona, México:Grup de Recerca d'interaccions Digitals, Universitat de Vic.Flacso COBO, M. J. et al. Science Mapping software tools: review, analysis, and cooperative study among tools. Journal of the American Society for Information Science and Technology, New York, v. 62, n.7, p , GRUBER, T. A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition, v.5, n.2, KAUPPINEN, T.; BAGLATZI, A. KESSLER, C. Linked Science: interconnecting scientific assets Disponível em: < Acesso em 23/09/2013. LÉVY, P. A inteligência coletiva: por uma antropologia do ciberespaço. Edições Loyola: São Paulo, 1998.

20 NATIONAL INFORMATION STANDARDS ORGANIZATION. Undertanding Metadata. Bethesda, USA: NISO Press, 2004 O'REILLY, T. What is Web 2.0: design patterns and business models for the next generation of software. Journal of Digital Economics, n. 65, Disponível em: < Acesso em 23/09/2013. ROCHA, R. Desenvolvimento de Ontologias apoiado pela anotação semântica de textos. In. Seminário de Pesquisa em Ontologias no Brasil, 3, Florianópolis, Anais ROCHA, R. FABRICO/CIÊNCIA: Um Ambiente Linked Data para o Mapeamento da Ciência. Em Questão. v.18, n. 3, 2012 SUBER, P. Uma breve introdução ao Acesso Livre Disponível em < Acesso em 23/09/2013.