Atualização tecnológica da Biblioteca Digital Brasileira de Teses e Dissertações Milton Shintaku 1 Diego José Macedo 2 Resumo: As mudanças tecnológicas exigem que os sistemas disponíveis na web estejam em constante atualização, de forma a ofertar melhores serviços aos usuários. Por esse motivo, o Instituto Brasileiro de Informação em Ciência e Tecnologia (Ibict) iniciou em 2013 a atualização da Biblioteca Digital Brasileira de Teses e Dissertações (BDTD). Com isso, o instituto ratifica o compromisso com a disponibilização de informações científicas de acesso aberto. Nesse sentido, o presente documento apresenta um registro histórico da BDTD, desde o seu lançamento, apresentando a atualização tecnológica deste sistema. Apresenta as tecnologias empregadas, de forma a compartilhar uma experiência, que pode ser repassada a outras instituições. Revela as estratégias utilizadas e os ganhos obtidos com a flexibilidade adotada por esse sistema. Oferta à comunidade científica informações sobre esse sistema único no país, que fomenta a visibilidade das teses e dissertações brasileiras. Palavras chave: Biblioteca Digital. Acesso Aberto. Arquivos Abertos. Tese e Dissertação. Tecnologia 1 Coordenador Articulação, Geração e Aplicação de Tecnologia (COAT) do Instituto Brasileiro de Informação em Ciência e Tecnologia (IBICT) 2 Tecnologista do Instituto Brasileiro de Informação em Ciência e Tecnologia (IBICT)
I Introdução Durante muito tempo as teses e dissertações foram consideradas literatura cinzenta, principalmente, por não serem publicadas, distribuídas e terem acesso restrito às bibliotecas depositárias. A Internet com seus sistemas de disseminação de textos completos, com suas facilidades de divulgação, alterou esse cenário, possibilitando que as teses e dissertações estivessem online para acesso a um público maior. Atualmente, muitas instituições de ensino e pesquisa disponibilizam suas teses e dissertações em diversos tipos de sistemas pela internet. Assim, uma infinidade de sites oferta este tipo de literatura, de páginas estáticas a sistemas elaborados, destacando as OPACS (Online Public Access Catalog), repositórios e bibliotecas de teses e dissertações. Nesse sentido, há várias fontes de informações, mantidas por instituições de ensino, que ofertam esses documentos, apresentando um cenário heterogêneo no que se refere a padrões de catalogação, pois, em muitos casos, sistemas distintos utilizam esquemas de metadados específicos. O cenário atual brasileiro em relação à disseminação de teses e dissertação tem no Instituto Brasileiro de Informação em Ciência e Tecnologia (Ibict), por meio do projeto da Biblioteca Digital Brasileira de Teses e Dissertação (BDTD), um marco fundamental. O apoio do instituto ao embranquecimento dessa literatura no Brasil é inquestionável, tornando a produção acadêmica do país um destaque mundial nos portais de disseminação de teses e dissertações em acesso livre. II Biblioteca Digital Brasileira de Teses e Dissertações Em 2012, a Biblioteca Digital Brasileira de Teses e Dissertações (BDTD) completou dez anos, sendo uma das primeiras redes brasileiras a fazer uso dos preceitos dos Arquivos Abertos. Segundo Kuramoto (2011), um trabalho de unificação de iniciativas isoladas com o propósito de potencializar a visibilidade da produção acadêmica brasileira, no nível de pósgraduação. Com isso possibilitou ofertar o acesso ao texto integral das teses e dissertações defendidas no Brasil. Com o desenvolvimento coordenado pelo Instituto Brasileiro de Informação em Ciência e Tecnologia (Ibict), a BDTD tem ampliando a circulação de uma literatura que, para muitos estudiosos, eram consideradas literatura cinzenta. Alberani (1990), por exemplo, coloca as teses e dissertações no mesmo escopo, em relação à circulação, com relatórios técnicos, visto que não são publicadas formalmente. Entretanto, atualmente, as teses e dissertações brasileiras, com inegável apoio da BDTD, tornou-se uma literatura com maior facilidade de acesso. Pelo pioneirismo e tecnologias utilizadas, a BDTD se apresenta como única no Brasil, com uma história de inovações que apoiam as pesquisas e a disseminação dos resultados efetuados nos programas de pós-graduação. Desde o início em 2002, trajetória da BDTD pode ser dividida em três grandes momentos: a implantação, a consolidação e a atualização. Com essa divisão pode-se salientar os fatos marcantes deste projeto, realçando com o próprio desenvolvimento do movimento de acesso aberto no Brasil. A implantação deu-se coordenada pela Dra. Silvia Barcelos Southwick, influenciada pela Networked Digital Libray of Theses and Dissertation (NDLTD), à época mantida pela VirginiaTech. A princípio, enfrentando os desafios tecnológicos da época no país, criou-se uma infraestrutura necessária à implementação da BDTD, para que possibilitasse a criação de uma rede de compartilhamento de informações. O projeto piloto contou com colaboração da Universidade de São Paulo (USP), Universidade Federal de Santa Catarina (UFSC) e a Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio), com o desenvolvimento de bibliotecas digitais locais de teses e dissertações proprietárias dessas instituições. Tornando-se, assim, os sistemas pioneiros na federação de bibliotecas locais de teses e dissertações mantidos pela BDTD.
As bibliotecas locais de teses e dissertações, com o apoio do Ibict, implantaram a camada de protocolo que possibilitaram responder à coleta automática de metadados, baseados no software ETD-db (Eletronic These and Dissertation database), desenvolvido pela VirginiaTech, ainda em linguagem de programação PERL. Esta ação estabeleceu o que nos arquivos abertos é denominado de provedor de dados. O Ibict, por sua vez, criou um sistema de coleta automática baseada no ARC. Com isso, possibilitou coletar os metadados das bibliotecas locais, alinhado à interoperabilidade estabelecida pelo movimento do Arquivo Aberto. Assim, desenvolveu uma base de dados consolidada de metadados oriundos das bibliotecas locais de teses e dissertações, no que é denominado de Provedor de serviços. A interface de busca inicial possibilitava a recuperação das teses e dissertações contidas na base, pela indexação de todos os campos de metadados coletados. Ofertava-se aos usuários uma busca consolidada baseado na tecnologia do gerenciador de banco de dados Oracle. Nesta etapa, foi criado um Comitê Técnico Consultivo (CTC) para estudar e decidir sobre padrões e orientações no desenvolvimento do projeto. Da mesma forma que, foi criado o Consórcio Brasileiro de Teses e Dissertações para a definição do modelo da BDTD. Toda essa etapa foi fortemente apoiada pela Financiadora de Estudos e Pesquisas (Finep) com suporte financeiro. Esse apoio possibilitou a implantação da infraestrutura técnica e tecnológica para o lançamento da BDTD, contribuindo, também, para muitas ações nas etapas posteriores a implantação da BDTD. A consolidação deu-se por meio da coordenação da Sueli Maffia, que deu continuidade ao trabalho de implantação do ainda projeto, ampliando a sua abrangência. Esta etapa não somente validou os preceitos iniciais da BDTD, construídos pelo CTC, mas estabeleceu um marco nacional na disseminação de teses e dissertações em texto completo pela internet. Em 2003 o Ibict iniciou a distribuição de uma ferramenta para a criação de bibliotecas digitais locais de teses e dissertações, o TEDE (Teses E Dissertações Eletrônicas). Este sistema foi implantado inicialmente, ainda como projeto piloto, em quatro universidades: Universidade Católica de Brasília, Universidade Federal Fluminense, Universidade de Brasília e Universidade Federal do Ceará. Com isso, procurou-se validar a ferramenta com entidades colaboradoras. Em 2005 o Ibict, com apoio da Fundação De Ciência, Aplicações e Tecnologia Espaciais (FUNCATE) e FINEP, publicou o Edital 001/2005, com o propósito de distribuir um Kit Tecnológico contendo um equipamento com o TEDE instalado. Com isso, fomentou-se a criação de bibliotecas locais de teses e dissertações, que aumentariam a rede da BDTD. Foram contempladas 28 instituições, das 33 concorrentes, aumentando significativamente, tanto na quantidade de instituições pertencentes à BDTD, quanto no quantitativo de registros na base, chegando a pouco mais de vinte mil registros. Posteriormente, o TEDE foi distribuído para outras instituições chegando a mais de 90 instituições, compondo uma rede representativa das instituições de ensino que possuem programas e pós-graduação no Brasil. O repasse tecnológico contou, inclusive, com treinamentos presenciais nas instituições e suporte técnico e tecnológico por parte do Ibict. A internacionalização do modelo da BDTD deu-se por meio de palestras e oficinas ofertadas pelo Ibict. Universidades da Argentina, Uruguai e Venezuela fizeram uso do TEDE para a criação de bibliotecas de teses e dissertações, fruto de uma oficina ofertada aos países Sul-Americanos. Em 2006, um novo portal de busca consolidado foi lançado, ao passo que grandes instituições de ensino aderiam à BDTD, aumentando a quantidade de registros, requerendo melhores formas de recuperação. Avaliado pelo CTC o novo portal da BDTD disponibilizou indicadores relacionados à coleta de metadados, representando uma mudança de arquitetura tecnológica. Apesar de continuar a utilizar como base o sistema ARC, desenvolvido pela VirginiaTech, desenvolveu-se funcionalidades próprias à BDTD, de forma a atender as instituições parceiras. Com isso as instituições puderam interagir com a BDTD, podendo
acompanhar o processo de coleta de metadados e a sua representatividade na montante geral da BDTD. Em 2010 o portal de busca foi novamente atualizado com o uso da tecnologia OmniFind, desenvolvido pela Internacional Bussness Machine (IBM). Com isso, ofertou-se um sistema de busca moderno, mesmo possuindo um cunho mais comercial, resultou em maior funcionalidade aos usuários. A atualização da BDTD iniciou-se sob o comando da Dra. Bianca Amaro em 2013, devido ao rápido avanço das tecnologias disponíveis, que apresentou impactos sobre a BDTD. Dentre esses avanços pode-se destacar o os repositórios institucionais, a disponibilização de novos sistemas de coleta de metadados e os sistemas de descoberta e entrega, que afeta a todos os elementos que compõe a BDTD. Nesse contexto, o presente documento apresenta a atualização tecnológica da BDTD, descrevendo as alterações, os impactos e resultados iniciais. O registro histórico, resultante de estudos, transcende a pura descrição dos fatos e resultados, contribuindo com a oferta de informações a outros estudos, preservando a memória institucional da BDTD. III Atualização tecnológica da BDTD A Ciência da computação é uma área muito dinâmica, que impõe desafios constantes aos profissionais envolvidos nos vários sistemas de informação disponíveis na internet. Novas funcionalidades são apresentadas diariamente, seguindo tendências nas mais diversas áreas de atuação, visto que, praticamente, em quase todas as atividades humanas modernas podem se utilizar da informática. Especificamente na BDTD, para fins tecnológicos, pode-se estruturá-la em três elementos básicos: as bibliotecas digitais locais, que estão nas instituições parceiras; o sistema que coleta os metadados e o portal de busca consolidada. Assim, pode-se apresentar as atualizações tecnológicas em cada elemento, destacando os resultados preliminares desta ação. Deve-se, no entanto, destacar que o esquema de metadados utilizado na BDTD foi alterado, de forma a simplificar o intercâmbio de informação. Entretanto, esse e outros temas voltados à informação não será tratado, pois esse documento tem por finalidade restringir-se descrever e analisar às questões tecnológicas. A figura 1 apresenta a estrutura conceitual da BDTD, apresentando as alterações efetuadas com ênfase no sistema coletador e no portal de busca. O diagrama representa, mesmo que de forma simplificada, como opera a BDTD, sobre os seus elementos, tipos de informação e ferramentas. Esta representação tem por objetivo facilitar o entendimento do sistema.
Figura 1 estrutura conceitual da BDTD Desde o início as bibliotecas locais apresentaram certa variação, quanto à ferramenta, sendo destaque o nou-rau, desenvolvido pela Universidade de Campinas (UNICAMP) e adotado pela Universidade Estadual de Londrina (UEL). Com a distribuição do TEDE, grande parte das instituições adotou essa ferramenta. Entretanto com o surgimento de outras ferramentas que possibilitam a busca e o acesso ao texto integral a documentos, tal como o repositório institucional e o sistema de gerenciamento de biblioteca com módulo de biblioteca digital, requereu-se modificações no sistema coletador. Com isso, desenvolveu-se um novo sistema coletador utilizando a ferramenta REPOX (http://sysresearch.org/repox/), com o propósito de se tornar mais flexível e coletar metadados. Possibilitanto, assim, obter metadados de diferentes tipos de bibliotecas locais de teses e dissertações, em variados esquemas de metadados. Essa atualização teve um grande impacto no quantitativo de registros da BDTD, que elevou para 111 instituições coletadas com mais de 260 mil registros de teses e dissertações. Retomou-se a coleta em algumas bibliotecas locais que tinham sido suspensas as coletas e iniciou-se em outras, que resultou no aumento de registros, ao passos que a nova estrutura permite que se colete não apenas de bibliotecas digitais variadas, mas com esquemas de metadados diversos. Nesse sentido, a BDTD coleta registros de metadados sobre teses e dissertações nos seguintes esquemas, em MarcXML proveniente de OPACs, com 18,313 itens; Dublin Core e DIM (DSpace Intermediate Metadata) de repositórios com 10,783 e 18,990 itens respectivamente e MDT-BR (Metadata Dissertation and Theses - Brazil) com 14,284 itens e MTD2-BR (MTD-BR revisado) com 212,230 itens das bibliotecas digitais, convertendo os metadados para um esquema próprio, baseado no Dublin Core Qualificado a ser armazenados em banco de dados interno. Essa estratégia possibilitou ampliar a coleta de dados em sistemas, mais flexível em que não se restringe a um padrão de metadados comum. Com isso expande as possibilidades da rede, permitindo que as instituições parceiras possam participar com a biblioteca digital local desenvolvida na ferramenta que a atenda melhor, sem a necessidade de se adaptar a BDTD.
A mudança de atitude revela-se na mudança estrutural, eu que a BDTD coletará metadados de teses e dissertações de qualquer ferramenta que implementa o protocolo Open Archives Initiative Protocol Metadata Harvesting (OAI-PMH) ou Open Archives Initiative - Object Reuse and Exchange (OAI-ORE), independente do esquema de metadados utilizado para catalogar os documentos. A flexibilidade na coleta torna-se uma característica da nova BDTD. Para isso, optou-se pela utilização de crosswalks, que utiliza a tecnologia XSTL (extensible Stylesheet Language for Transformation), para converter e normalizar as estruturas e os conteúdo dos metadados a serem indexados. Essa tecnologia, bem aceita, fundamentada e utilizada na Ciência da Computação torna possível a comunicação entre sistemas via arquivos no formato extensible Markup Language (XML), mesmo que estejam em padrões diferentes. A qualidade dos dados é outro ponto que está sendo trabalhado com a atualização da BDTD. A utilização da tecnologia XSLT permite a normalização de alguns campos, que apresentam variações previsíveis e correção por meio de algoritmo, normalizando campos e melhorando a qualidade dos dados a serem indexados. Com isso melhora-se consideravelmente a recuperação e a geração de indicadores. Mesmo que seja uma operação contínua no levantamento das variações existentes nos campos selecionados à normalização, o resultado oferta um ganho significativo. Por exemplo, o campo Grau deveria possui apenas os valores mestrado e doutorado, entretanto, levantou uma grande variação de termos, que foram substituídos pelo padrão. O campo instituição de defesa apresentou um maior desafio visto à quantidade de instituições e a variedade de termos entrado, desde siglas até o nome por extenso. A meta final é normalizar os campos de forma a atender as diretrizes DRIVER (Digital Repository Infrastructure Vision for European Research) utilizada pela comunidade europeia. Com essa ação, a atualização da BDTD se alinha a que Stupmf e McDonnell (2004), descreve como possível solução para problemas de acurácia de metadados o uso de ferramentas automatizadas. Da mesma forma que, de forma mais geral, destaca o que Macedo e contribuidores (2014) destacam com o uso da tecnologia para transformar a BDTD em um sistema mais flexível e com tratamento da informação. A atualização do coletador, também, possibilitou a ofertar os metadados coletados pela BDTD à NDLTD. Com isso, o Ibict passou a ser o quarto maior provedor de dados da NDLTD e a língua portuguesa passou a ser a segunda com maior número de documentos, dando uma grande visibilidade a produção científica brasileira e destaque ao idioma nacional no cenário mundial da oferta de tese e dissertações. No que se refere ao portal de busca consolidada, a interface com os usuários da BDTD, ainda está em fase de ajustes finais para o lançamento. Entretanto, pode-se destacar a nova tecnologia a ser utilizada, com a adoção de um sistema de descoberta e entrega que se apresenta como a solução para recuperação de informação em grandes acervos. Para Sutradhar (2014) sistema de descoberta e entrega É uma tecnologia transformativa que possibilita aos usuários de biblioteca a busca perfeitamente em uma vasta gama de conteúdo local e remoto, coletado e indexado, recebendo resultados relevantemente ranqueados, em uma interface intuitiva, requerida atualmente pelos usuários. Revela-se a inovação dessa tecnologia no âmbito da recuperação de informações em vários formatos. Vaughan (2011), por sua vez, destaca a capacidade de conectar mais facilmente os pesquisadores com a vasta quantidade de informação dos repositórios da biblioteca, tornandose importante nesse cenário, pois é, ou tem capacidade para ser, a evolução que as bibliotecas procuraram por muito tempo. Para o referido pesquisador, essa ferramenta se apresenta como inovação para a oferta de informação a uma vasta tipologia de usuários. Nesse contexto, a tecnologia adotada pela nova BDTD se faz presente pela adoção da ferramenta VuFind, desenvolvido e mantido pela Vilanova University,Pensilvania Estados Unidos, coordenado pelo Dr. Demian Katz. Com isso procura-se adotar uma tecnologia atual e promissora, atendendo às tendências atuais na recuperação de informação. Com o uso de um sistema de descoberta e entrega várias funcionalidades são ofertadas sendo que o facetamento torna-se o destaque. Ao fazer uma busca o resultado e
apresentado em forma de lista, mas apresenta-se também o resultado categorizado por filtros predefinidos, como data de defesa, instituição de defesa, palavras-chave, entre outros. Essa funcionalidade oferta um refinamento da busca para a descoberta dos documentos pertencentes ao acervo. Figura 2 Detalhe da página de resultado de busca da BDTD destacando o facetamento e um registro Outro destaque na recuperação é a navegação pelo acervo. Esta funcionalidade se apresenta funcionalidade útil, ao passo que alguns usuários possuem a característica de não utilizar as ferramentas de busca para recuperar informações. Assim, a navegação por filtros aliado ao facetamento apoia a descoberta de documentos pertencentes ao acervo da BDTD. IV Considerações finais A dinamicidade da Ciência da Computação tem imposto aos administradores de bases de dados disponíveis na internet desafios constantes. É comum a oferta de novas ferramentas ou atualizações das existentes, levando às equipes mantenedoras dessas bases um trabalho contínuo para a melhoria dos serviços ofertados por essas bases. É nesse contexto que a BDTD se posiciona, como uma das bases de dados principais brasileiras, pelas inovações apresentadas desde o seu lançamento. O desafio de se adequar às tecnologias atuais pode ser destacado em dois pontos fundamentais, a flexibilidade e tratamento da informação. Com isso, reflete o momento tecnológico atual em que se necessita, cada vez mais, de redes que integrem informações, como destaca Sayão e Marcondes (2009), uma rede de informação representa o mais alto nível
de interoperabilidade, promovendo maior robustez e maior complexidade, mas ofertando melhores serviços de informação. Quanto à flexibilidade, revela que se faz necessário integrar sistemas que ofertam informações, independente do seu tipo, forma ou padrão. A tecnologia deve operar para que essa integração se complete. A BDTD segue por esse caminho, compondo-se de uma rede heterogênea própria dos dias atuais, em que se integram informações independentemente do seu formato ou padrão. Da mesma forma que, requer-se cada vez mais a qualidade dos dados, requerendo processamento para normalização, visto que impacta diretamente na recuperação e na geração de indicadores. Variações no preenchimento de campos sempre existirão de deve-se ter liberdade no seu preenchimento, pois muitas vezes revela a riqueza dos idiomas. Entretanto, requer que os sistemas que integram informações processem os dados integrados de forma a normalizar conteúdos, como idioma ou instituição de defesa. Revelou-se que a normalização de alguns campos da BDTD possibilitou melhorias na recuperação, principalmente nos facetamentos. Por fim, revela-se que a atualização dos sistemas de informação disponíveis na web é um desafio constante às instituições mantenedoras, mas que apresenta ganhos visíveis na oferta de funcionalidades. Com isso, na evolução desses sistemas adequa-se melhor às necessidades dos usuários. referências ALBERANI, V.; PIETRANGELI, P.D.C.; MAZZA, A.M.R. (1990). The use of grey literature in health sciences: a preliminary survey. Bulletin of the Medical Library Association 78(4): 358-363. KURAMOTO, H. Nove anos da BDTD, Blog do Kuramoto. SAYÃO, L. F.; MARCONDES, C. H. Softwares livres para repositórios institucionais: alguns subsídios para a seleção. In: SAYÃO, L. et. al. (Org.). Implantação e gestão de repositórios institucionais: políticas, memória, livre acesso e preservação. Salvador: EDUFBA, 2009. p. 23-54 SOUTHWICK, S. B. The Brazilian electronic theses and dissertations digital library: providing open access for scholarly information. Ciência da Informação, V. 35, n. 2, 2006. STUMPF, S.; McDONNELl, J. (2004) - Sharing Metadata problems and potential solutions. Em: International Workshop on Database and Expert Systems Application. Zaragoza, 2004. p. 444-448. Disponível na Internet: <http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1333514>. SUTRADHAR,B. One Day National Workshop on Web-Scale Discovery Services: Single Window Access to Library e-resources (workshop), 2014. VAUGHAN, J. Web Scale Discovery Services. Library Technology Reports v.47 no.1 January 2011.