Tratamento da Informação Digital: práticas na Biblioteca Nacional

Transcrição

1 Tratamento da Informação Digital: práticas na Biblioteca Nacional Angela Monteiro Bettencourt Coordenadora de Informação Bibliográfica Fundação Biblioteca Nacional

2 A questão do tratamento técnico t da informação digital é fundamental para o sucesso de qualquer projeto de digitalização dele dependerá não sós a eficácia cia do acesso,, a visibilidade dos recursos e a preservação a longo prazo dos documentos digitais.

3 A Biblioteca Nacional Digital começou ou em 2001 com projetos de digitalização financiados através s de recursos externos, na ocasião não havia ainda uma política de digitalização nem uma cadeia de digitalização estabelecidas. A Biblioteca Nacional Digital já disponibiliza diversos conjuntos documentais:

4 Acervo de Cartografia A coleção possui cerca de atlas e mais de mapas - entre impressos e manuscritos documentos digitalizados Munster, Sebastian, Typus orbis universalis. [Basiléia, Suíça] :Apud Henricum,1552 Hondius, Hericus, Freti Magellanici ac novi Freti vulgo La Maire exactissima delineatio [1633]

5 Acervo de Manuscritos Com cerca de documentos compreende o período que vai do século XI ao século XX constituindo referência indispensável a pesquisadores em história e literatura. Já foram digitalizadas algumas coleções como: Alexandre Rodrigues Ferreira Viagem filosófica Francisco Freire Alemão Fundação Biblioteca Nacional

6 Acervo Iconográfico Está em curso, sob o patrocínio da Getty Foundation, o Projeto de Identificação e Digitalização de 250 álbuns de fotografias ( fotos) da Coleção Thereza Christina Maria registrada como patrimônio da humanidade pelo Programa Memória do Mundo da UNESCO. Fundação Biblioteca Nacional

7 Acervo de Música É o maior acervo de música do Brasil com aproximadamente 220 mil peças entre discos, partituras, fitas, etc discos partituras Fundação Biblioteca Nacional

8 Acervo de Obras Raras Já foram digitalizados os principais tesouros do acervo como a Viagem ao Brasil de Hans Staden (1558) e a Arte de navegar de Martin Cortes (1551) Hans Staden Martin Cortes

9 Acervo de Periódicos Destacam-se as coleções históricas de jornais como algumas das mais importantes publicações extintas. Foram digitalizados 35 jornais raros dos quais 20 manuscritos além do Almanak Laemmert e dos Anais da Biblioteca Nacional Fundação Biblioteca Nacional

10 Estes projetos foram muito importantes para o estabelecimento e consolidação de uma cadeia de digitalização própria baseada em: critérios e políticas de seleção adequados padrões e técnicas de tratamento técnico E para o desenvolvimento de um sistema de gestão que garantisse a eficácia: do acesso da preservação a longo prazo e da interoperabilidade com outros sistemas

11 Cadeia de digitalização na Biblioteca Nacional seleção captura digital controle de qualidade metadados armazenagem on line e off line compactação/ compressão acesso web e interoperabilidade

12 Cadeia de digitalização na Biblioteca Nacional seleção captura digital qualidade da imagem visualização preservação a longo prazo

13 Quanto à sua origem os recursos eletrônicos classificam-se em: - os que nasceram digitais, publicados em mídias eletrônicas e os publicados somente na web - os que foram convertidos de suportes primários (papel, discos) ou secundários (microfilmes, cromos, etc.)

14 O tratamento técnico dos documentos digitais convertidos começa na sua captura ou conversão. Podem ser produzidos pela Biblioteca Digital seja localmente ou externamente através de prestadores, e a padronização já deve começar nesta etapa. Três pontos devem ser considerados: Resolução Legibilidade Tonalidade

15 Resolução É a capacidade de distinguir os detalhes finos DPI dots-per-inch e PPI pixels-per-inch são termos sinônimos utilizados para expressar a resolução de imagens digitais. 100 dpi 300 dpi 600 dpi

16 Resolução O aumento da resolução permite capturar detalhes mais precisos. No entanto, uma maior resolução não trará obrigatoriamente como resultado um ganho evidente na qualidade da imagem, mas apenas um maior tamanho de arquivo. A chave é determinar a resolução necessária para capturar todos os detalhes importantes presentes no documento fonte

17 Na Biblioteca Nacional a captura é feita em 300 dpi e obedecendo o tamanho original do documento. O arquivo de qualidade (TIFF) é armazenado com fins de preservação, posteriormente são gerados os arquivos derivados para fins de distribuição na Web

18

19 Cadeia de digitalização na Biblioteca Nacional seleção captura digital controle de qualidade

20 Avaliação inicial Ocorre anteriormente à implementação do projeto, e consiste em utilizar um subconjunto de documentos a ser convertidos para verificar se as decisões técnicas tomadas com relação aos procedimentos e padrões foram apropriadas. Avaliação continuada Consiste em aplicar periodicamente o mesmo processo de garantia de qualidade, utilizado na avaliação inicial Somente a avaliação continuada vai assegurar a qualidade de todo o projeto de digitalização.

21 Cadeia de digitalização na Biblioteca Nacional seleção captura digital controle de qualidade compactação/ compressão

22 Compactação/Compressão A compressão é utilizada para reduzir o tamanho do arquivo digital viabilizando a sua transmissão na web. A escolha do programa de compressão depende do tipo de recurso e de sua estruturação Quanto à estruturação basicamente existem dois tipos de recursos: simples (composto de uma única imagem) e multi-parte (composto de várias imagens). Quanto ao tipo podem ser: sonoros, imagens, textos, filmes, etc.

23 Compactação/Compressão - Som MP3 Recursos sonoros MID

24 Compactação/Compressão - Som.MP3 (MPEG Audio Layer-3) É um dos primeiros tipos de compressão de áudio, com perdas quase imperceptíveis ao ouvido humano. A redução do tamanho do arquivo é de cerca de 90%. O método de compressão com perdas consiste em retirar do áudio tudo aquilo que o ouvido humano normalmente não conseguiria perceber. 158Kb.MID (Musical Instrument Digital Interface) A grande vantagem do arquivo MID é o peso em Kbytes. Um arquivo MIDI não contém o áudio propriamente dito, e sim as instruções para produzi-lo, que serão utilizadas por um sintetizador para a geração dos eventos musicais. É basicamente uma partitura digitalizada. 2Kb

25 Compactação/Compressão - Imagem Recursos simples JPG MrSid Recursos multi-partes PDF DjVu Html MidFlip

26 .JPEG (Joint( Photographic Experts Group É o principal esquema de compressão com perda, permite selecionar o grau de compressão. Foi sancionado pela ISO Na web fica difícil detectar os efeitos da compressão com perda, e a imagem pode considerar-se "sem perda visual".

27 Mr.SID (Multi( Multi-Resolution Seamless Image Database), Os arquivos de mapas e fotos são compactados utilizando o software Mr.SID baseado em wavelet. Este software integra múltiplas resoluções de uma imagem em um único arquivo permitindo aos usuários fazer zoom, obtendo assim mais e mais detalhes. Comprime imagens sem perda visual da qualidade da imagem original.

28 .PDF (Portable Document Format) Preserva a aparência e a integridade dos documentos originais Os arquivos Adobe PDF têm exatamente a mesma aparência dos documentos originais e preservam as fontes, as imagens, os elementos gráficos e o layout de qualquer arquivo de origem - independentemente do aplicativo e da plataforma usados.

29 .DJvu (Déjà vu) As imagens de um documento DjVu tem o menor tamanho quando comparadas com outros formatos disponíveis no mercado. Os arquivos DjVu podem ser vezes menores que TIFF e de 10 até 100 vezes menores que JPEG ou PDF.

30 .HTML (Hypertext Markup Language

31 MidFlip

32 plugins

33 Cadeia de digitalização na Biblioteca Nacional seleção captura digital controle de qualidade armazenagem on line e off line compactação/ compressão

34 Arquivamento e Armazenagem A nomeação e arquivamento dos arquivos digitais é feita de maneira sistemática, seguindo critérios que permitem a fácil associação de um recurso digital ao seu documento original correspondente. A armazenagem dos arquivos digitais derivados obedece a mesma estrutura dos arquivos master. É feita on line [HD] e off line [DVDs ; HDs] armazenados em arquivo deslizante na sala cofre, em condições ambientais adequadas Objdigital.bn.br acervo_digital div_iconografia div_manuscritos div_musica etc...

35

36 Modelo de armazenagem em DVD

37 arquivos deslizantes sala cofre

38 Cadeia de digitalização na Biblioteca Nacional seleção captura digital controle de qualidade tratamento técnico armazenagem on line e off line compactação/ compressão descoberta e identificação gestão de direitos preservação a longo prazo

39 A identificação dos recursos digitais está condicionada à sua descrição (onde as tradicionais normas AACR2 e/ou ISBD são aplicadas) e também ao esquema de metadados e sua estrutura (Dublin Core, MODS, METS, MARCXML, etc.), que mais adiante também influirão na interoperabilidade com outros sistemas. Para a eficácia da descoberta é preciso também o controle dos principais pontos de acesso que no caso dos documentos eletrônicos são: assuntos (bilíngüe) e autorias

40 Identificação e Descrição Documento tradicional : - separação física entre ele e a sua descrição é inevitável pontos de acesso = acesso à descrição, não ao documento em si. Documento eletrônico : - pontos de acesso = acesso é direto ao documento seja no todo ou a partes

41 Esquema de metadados e estrutura do registro O termo Metadado começou a ser usado em No seu sentido original consiste em dados digitais fornecendo informações sobre um pacote de dados digitais ao qual pertencem. «Os Metadados são as informações estruturadas que descrevem, explicam, localizam ou ainda facilitam a descoberta, utilização ou gestão de um recurso informacional» NISO (National Information Standards Organization), Understanding metadata, 2004, ISBN <

42 Tipos de metadados Metadados descritivos (objetivo : descoberta e identificação dos recursos) Metadados estruturais (explicitação das relações entre as partes do recurso, links entre estas partes) Metadados administrativos (compreendem principalmente : metadados de gestão de direitos e de acesso, e metadados de preservação)

43 Podem se referir a: um conjunto de recursos um recurso individual uma parte de um recurso Fundação Biblioteca Nacional

44 Onde se posicionam? Podem ser : Encapsulados (exemplo: Dublin Core) Englobantes (exemplo: EAD) Externos (exemplo: MARC) Metadados encapsulados Metadados englobantes Recurso Recurso Metadados externos Recurso

45 Esquema de metadados e estrutura do registro?

46 Para estruturar os registros seguimos as etiquetas (tags) do MARC21. Para as informações específicas dos recursos digitais e não previstas no formato MARC21 bibliográfico acrescentamos etiquetas permitidas pelo formato para informações locais: X9X e 9XX Esquema de metadados e estrutura do registro

47 (1995) ISO (2003) para a escolha dos metadados nos baseamos inicialmente nos 15 elementos Dublin Core Título Autor Criador Assuntos Formato Identificador Fonte suficientemente simples, mas suficientemente estruturados para que pudessem aumentar a performance dos motores de busca Descrição Editor Colaborador Data Língua Relação Cobertura Direitos Tipo de recurso

48 Aos 15 elementos do Dublin Core acrescentamos mais 7 elementos do MODS Esquema XML apoiado no MARC21 para assegurar a continuidade entre os registros «tradicionais» e os novos registros utilisando XML Desenvolvido pela Biblioteca do Congresso (versão 3.1 : julho 2005) Permite : Reutilizar parte de um registro em formato MARC21 Criar diretamente metadados originais Título Nota Nome Assunto Tipo de recurso Classificação Gênero Item relacionado Informação de origem Identificador Língua Localização Descrição física Condições de acesso Resumo Extensão Tabela de conteúdos Informações do registro Nível de audiência

49 ISO (2003) Esquema de metadados utilizado pela Biblioteca Nacional Título Autor Criador Assuntos Descrição Editor Colaborador Data Tipo de recurso Formato Identificador Fonte Língua Relação Cobertura Direitos Título Nota Nome Assunto Tipo de + recurso = Classificação Gênero Item relacionado Informação de origem Identificador Língua Localização Descrição física Condições de acesso Resumo Extensão Tabela de conteúdos Informações do registro Nível de audiência

50 Controle dos pontos de acesso Autoridades nomes Autoridades assuntos

51 Para o controle de Autoridades de Nomes nos baseamos na Base de Autoridades da Biblioteca Nacional, hoje com cerca de registros e mais de remissivas

52 Para o controle de Terminologia de Assuntos, nos baseamos na base de Terminologia da Biblioteca Nacional que é uma linguagem pré-coordenada (cabeçalhos de assuntos) baseada na LCSH (Lista de Cabeçalhos de assunto da Library of Congress. Segue uma estrutura de Tesauro com termos genéricos, específicos e relacionados. É bilíngüe na busca o termo tanto em inglês como em português.

53 Na Biblioteca Digital o acesso por assuntos pode ser feito tanto em português como em inglês e a utilização de uma linguagem pré-coordenada não se choca com a adoção de uma pós-coordenada graças à possibilidade de também se recuperar por termos livres

54 Cadeia de digitalização na Biblioteca Nacional seleção captura digital controle de qualidade tratamento técnico armazenagem on line e off line compactação/ compressão acesso web e interoperabilidade

55 Acesso e Interoperabilidade com outros sistemas Para melhor interoperar e cooperar com outros sistemas utilizamos o Formato MARC21 e exportamos os registros de metadados em diversos formatos: ISO 2709 ANSI Z39.2 MARCXML Dublin Core XML (comunicação com OAI)

56 O uso do o XML Extended Markup Language Éuma linguagem de marcação usada para transferir simultaneamente, em um ambiente informático, dados textuais em conjunto com a sua estrutura Um formato livre e aberto, mantido pelo W3C e independente de qualquer plataforma informática Usado em bibliotecas para divulgar registros na web (MARCXML, MODS, METS, BiblioML) e para intercambiar registros na web (OAI/Dublin Core)

57 A exportação dos metadados no padrão Dublin Core, utilizando a linguagem XML, permite que coletores de metadados (harversters), como o OAI-PMH coletem esses recursos tornando-os acessíveis aos motores de busca e derrubando assim as barreiras da web profunda. web profunda web de superfície páginas web dinâmicas, multimídias, serviços por assinatura, artigos de jornais, bases de dados, grupos de discussão, formatos especiais de documentos (como pdf e doc) e recursos intranet privados páginas web normais e outros recursos da Internet de acesso direto

58 Exemplo de metadados exportados em OAI/Dublin Core

59 Acesso e Interoperabilidade com outros sistemas Para acessar e ser acessado por outros sistemas abrimos o gateway Z39.50 que é um protocolo de comunicação entre computadores desenhado para permitir pesquisa e recuperação de informação em redes de computadores na web Para acessar o sistema Z39.50 é necessário contar com um programa especial chamado cliente Z ANSI/NISO Z39.50 (1995) [o nome se deve por ter sido desenvolvido pelo comitê 39 da ANSI e por ser a norma 50 da NISO]

60

61

62

63 identificação Apresentamos os metadados da seguinte forma: estruturação gestão de direitos visualização

64 estruturação preservação gestão reproduções visualização c a r t f r

65 OBRIGADA

66 A imagem digital é uma fotografia eletrônica, que pode conter toda a informação (forma e conteúdo) do original, incluindo os sinais de sua idade e de seus usos prévios. A imagem original é transformada numa malha de pontos ou pixels (picture elements) Cada pixel recebe um valor tonal (branco, preto, tons de cinza ou cor), representado em bits [código binário - (zeros) e (uns)]

67 O "bit" (binary digit), é a menor unidade de informação usada na Computação e na Teoria da Informação. Tonalidade Profundidade de bit significa o número de bits usados para transmitir tonalidade a cada pixel. -Preto e branco 1-bit ou Bitonal - para 1-bit pixel existem dois valores possíveis, preto ou branco. - Escala de cinza 8-bit - produz 256 sombras de cinza variando de puro branco a puro preto. - Colorida 24-bit - produz a variação tonal de cerca de 16 milhões de diferentes cores.