DE UM LIVRO NA ESTANTE À SUA PUBLICAÇÃO NO SITE: O SISTEMA DE PRODUÇÃO DA BIBLIOTECA BRASILIANA DIGITAL Vitor H. Tsujiguchi 1, Carla Piazzi 1, Cristina Antunes 1, Daniela Pires 1, Kollontai Diniz 1, Maria Clara P. de Sousa 1, Pedro Puntoni 2 1 Brasiliana USP. Universidade de São Paulo, São Paulo, SP 2 Coordenador Geral da Brasiliana USP e Diretor da Biblioteca Brasiliana Guita e José Mindlin. Universidade de São Paulo, São Paulo, SP RESUMO A implantação de um sistema de produção para uma biblioteca digital envolve a integração dos esforços de diversas áreas de especialidade. A seleção do material a ser digitalizado, sua digitalização, a edição de metadados para uma descrição bibliográfica no acervo digital e a política de publicação são exemplos de atividades que podem ser incorporadas em um sistema de produção. Um desafio comum em sistemas de produção é o gerenciamento dos processos envolvidos e a sincronização das informações produzidas. Este artigo apresenta a organização do sistema de produção adotado pela Biblioteca Brasiliana Digital, descrevendo os detalhes envolvidos em cada processo deste sistema; em seguida, demonstramos a abordagem empregada neste projeto para o gerenciamento dos processos e para a comunicação entre as equipes responsáveis. Palavras-Chave: Biblioteca Digital; Fluxo de Trabalho; Digitalização; Metadados. ABSTRACT The implementation of a production system for a digital library involves the integration of efforts of various areas of expertise. The selection of materials to be digitized, their digitization, metadata editing for a bibliographic description of the digital collection, and publication policies are some examples of activities that can be incorporated into a production system. A common challenge in production systems is the management of the processes involved and the synchronization of the information produced. This article presents the organization of the production system adopted by the Digital Library Brasiliana, describing the details involved in each process of this system; then we demonstrate the approach used in this project for managing processes and communication between the responsible teams. Keywords: Digital Library; Workflow; Digitization; Metadata.
1 Introdução A Biblioteca Brasiliana Guita e José Mindlin (BBM) é um órgão da Pró-reitoria de Cultura e Extensão Universitária da Universidade de São Paulo (USP). Foi criada, em janeiro de 2005, para abrigar e integrar a brasiliana reunida ao longo de oitenta anos pelo bibliófilo José Mindlin e doada à USP. Com o seu expressivo conjunto de livros e manuscritos, a brasiliana da BBM é considerada a mais importante coleção do gênero formada por um particular: são cerca de 17.000 títulos, ou 40.000 volumes. Parte do acervo doado pertencia ao bibliófilo Rubens Borba de Moraes, cuja biblioteca foi guardada por Guita e José Mindlin desde a sua morte. A Brasiliana USP é um projeto concebido pelo prof. dr. István Jancsó (in memoriam) e desenvolvido pela BBM, com o objetivo de facultar para a pesquisa a maior Brasiliana custodiada por uma instituição de ensino em escala mundial. A responsabilidade por ampliar o acesso aos seus acervos resultou na formação da Brasiliana Digital, cuja fase piloto de implantação teve início em 2009 (com o apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo FAPESP, por meio do auxílio à pesquisa 07/59783-3), sob a coordenação do Prof. Dr. Pedro Puntoni, atual diretor da Biblioteca Brasiliana Guita e José Mindlin. As obras digitalizadas estão disponíveis para acesso e consulta desde junho de 2009 no site www.brasiliana.usp.br, porém o sistema de produção está em funcionamento desde março de 2009, quando foi iniciado o processo de digitalização e organização do material gerado em um repositório digital. Nas reuniões preliminares da equipe, dedicadas à definição dos processos-chave do sistema de produção, notou-se que seria imprescindível o envolvimento de diversas competências no processo de produção dos objetos digitais. Sob esta abordagem, elaboramos um modelo de sistema de produção. Além da composição das equipes de produção, foi necessária a elaboração de um sistema eficiente de gerenciamento do fluxo de produção dos objetos digitais. Este sistema visa acompanhar e organizar todos os processos que ocorrem desde o ato de se selecionar um livro da estante até a apresentação de sua versão digital no site, para livre acesso do público. 2 Materiais e Métodos Algumas das etapas necessárias para a construção de bibliotecas digitais (Baird,
2003) seriam: o processo de captura das imagens originais, processamento dessas imagens, análise do documento, indexação e recuperação do conteúdo e sua apresentação aos usuários. A Brasiliana Digital utiliza uma estrutura similar para a produção dos objetos digitais, com equipes compostas por pessoas especializadas em cada etapa, como se detalha em 2.1 a seguir. 2.1 Processos da Produção da Brasiliana Digital O processo de produção de um item na Brasiliana Digital é dividido em sete etapas, que ocorrem de forma seqüencial: seleção do conteúdo, digitalização, processamento das imagens, produção dos objetos digitais, importação para o repositório de desenvolvimento, edição dos metadados e publicação no repositório de produção. A figura 1 ilustra a sequência de produção de uma obra digital na Brasiliana. Figura 1: Sequência de produção da Brasiliana Digital O processo é iniciado pela seleção do conteúdo a ser digitalizado, nas estantes da Biblioteca Brasiliana Guita e José Mindlin. Essa seleção é feita segundo vários critérios, que vão desde o reconhecimento da demanda por uma obra específica, até obras escolhidas por datas comemorativas, além da escolha dos exemplares e/ou edições a serem digitalizados. Cabe à equipe de digitalização definir as condições em que esse processo será feito, levando em conta os seguintes fatores: medidas do livro, encadernação, tipo de papel, estado de conservação, existência de páginas dobradas com ilustrações, mapas, tabelas, etc. Essas condições são aplicadas na configuração do
sistema automatizado de digitalização APT-2400RA, fabricado pela empresa Kirtas, cujo limite superior de operação é de 2400 páginas por hora e utiliza duas câmeras de 21 megapixels, de modo a capturar imagens em alta resolução. O equipamento pode ser operado em modo automático, isto é, o próprio sistema de digitalização realiza a passagem entre páginas de um livro e captura sincronizada. Entretanto, para obras antigas e com estados delicados de conservação caso de grande parte dos livros da coleção brasiliana torna-se muitas vezes inviável e até mesmo inadequado o processo automatizado, que envolve o emprego de alta velocidade de digitalização, força de sucção ao virar cada página e pressão física sobre os livros. Nesses casos, o material é digitalizado no modo manual do equipamento. Depois de digitalizada uma obra, as etapas subsequentes do processo saem do âmbito da Biblioteca Brasiliana Guita e José Mindlin e são desenvolvidas no Laboratório da Brasiliana Digital, situado no campus da USP. No laboratório, é realizado o tratamento das imagens geradas no processo de digitalização, resultando em um conjunto de imagens adequadas para a visualização na internet. Este processo é dividido em três etapas. Em sua primeira etapa, denominada pré-processamento, o operador responsável seleciona duas imagens do documento a ser digitalizado: uma imagem da página do lado direito do documento, e uma imagem da página do lado esquerdo. Sobre cada imagem, são aplicadas ferramentas de tratamento de imagens, como ajuste do tamanho da imagem, resolução, valores de brilhos e contraste, reconhecimento das figuras, remoção do fundo e transformação do texto em tons de cinza. Na etapa seguinte, é feito o processamento em lote dessas configurações para todas as páginas do documento, de modo a manter um padrão uniforme das imagens. Por fim, realiza-se o pósprocessamento, revisando as imagens resultantes e corrigindo imperfeições individuais, como manchas ou tons de brilho indevidos, por exemplo. Essa etapa final permite o acompanhamento das características da versão digital de cada página do documento e também um controle de qualidade sobre o documento como um todo. A figura 2 apresenta uma imagem digitalizada em alta resolução e sua versão processada, com seus tamanhos de armazenamento, em kilobytes (kb).
Figura 2: Imagem digitalizada (4580 kb) e versão processada (417 kb) O processo seguinte do sistema de produção consiste na preparação de um documento digital unificado, nos moldes do acervo da Brasiliana Digital. Para isso, o conjunto de imagens digitalizadas e processadas é convertido em um arquivo único, permitindo assim aos usuários um acesso facilitado ao conteúdo pleno do documento. A conversão é feita para um arquivo no formato Portable Document Format (PDF), no qual é inserida uma página com termos de uso e aplicação dos mecanismos de segurança. O arquivo passa ainda pelos processos de compactação e reconhecimento óptico de caracteres (OCR). Os recursos do OCR permitem a realização de buscas sobre informações específicas dentro do próprio documento, uma vez que todos seus caracteres estão indexados (além das tradicionais funcionalidades de copiar e colar o conteúdo em outras aplicações). A compactação dos arquivos, por sua vez, permite que o documento digital tenha um tamanho mínimo de armazenamento, mantendo o máximo de fidelidade quanto às versões digitalizada e processada de suas imagens; esta escolha foi feita visando facilitar o acesso ao documento, por parte do usuário, e diminuir os custos de armazenamento e backup, do lado da infra-estrutura do projeto. Uma vez preparado com as funcionalidades adotadas pelo projeto, o documento digital unificado é importado em um repositório digital de desenvolvimento. Esse repositório funciona como uma réplica do repositório oficial em regime de produção, porém com acesso restrito às equipes envolvidas nas últimas etapas do processo. Sobre este repositório de desenvolvimento é realizada a edição dos metadados referentes a
cada documento, estruturando as informações do repositório e tornando-as recuperáveis (NISO, 2004). O esquema de metadados adotado no projeto da Brasiliana Digital é baseado no Dublin Core com qualificadores, cujo desenvolvimento é gerenciado pelo Dublin Core Metadata Iniciative (DCMI). Após o término da edição dos metadados, ocorre o último processo do sistema de produção da Brasiliana Digital: a publicação da obra no repositório. Nesta etapa, transfere-se o documento digital do servidor de desenvolvimento para o servidor de produção, tornando-se disponível para acesso aberto na internet. Os metadados descritivos encontram-se junto ao respectivo documento, além de proverem os dados necessários para sua indexação na base de dados, para que o documento seja encontrado nas consultas à base. A ordem de publicação segue critérios similares à seleção dos livros a serem digitalizados, no primeiro processo da produção. Em geral, é realizada a publicação de todas as obras de um determinado autor ou temática, sobretudo sob a forma de homenagem para uma data comemorativa. Nestes casos, a publicação dos documentos digitais ocorre junto com uma página de apresentação no site da Brasiliana Digital, contextualizando as obras publicadas à temática em questão. 2.2 O sistema de gerenciamento da produção da Brasiliana Digital Para o gerenciamento do fluxo de produção, é preciso haver colaboração, sincronia e comunicação entre as equipes envolvidas. Foi desenvolvido um sistema de gerenciamento do fluxo de produção baseado em um conjunto de planilhas de controle, no qual cada planilha representa um processo da produção e é gerenciada por uma equipe responsável. As planilhas funcionam de modo colaborativo, refletindo automaticamente informações-chave nas planilhas das demais equipes, com o intuito de tornar a transmissão de informação entre os processos mais dinâmico. O sistema de produção da Brasiliana Digital é composto por diversas equipes, organizadas de modo seqüencial. Há um distanciamento geográfico entre algumas equipes, e mesmo entre uma equipe e suas ferramentas de trabalho por exemplo, os repositórios digitais estão alocados em servidores remotos e a equipe de importação necessita acessá-los e sincronizar as informações pela internet. Esses dois fatores multiplicidade de processos envolvidos e distanciamento geográfico contribuíram para a
decisão em se adotar um sistema descentralizado de gerenciamento das informações, com foco na colaboração e dinamismo nos processos, uma vez que uma comunicação baseada em emails e planilhas locais para a sincronização das informações se mostrava trabalhosa, lenta e sujeita a falhas. Utilizando um sistema de gerenciamento baseado em um conjunto de planilhas de controle, foi possível acompanhar o andamento de todas as obras digitais no fluxo de produção. Este conjunto de planilhas também teve como objetivo capturar informações específicas sobre cada processo. Dados sobre o operador e a data em que o processo foi executado, número de imagens manipuladas, tamanho dos arquivos, dificuldades encontradas e observações sobre um determinado documento são registradas nestas planilhas. Estas informações foram coletadas e utilizadas para gerar relatórios e estatísticas sobre o sistema de produção da Brasiliana Digital, de modo a medir o ritmo de execução de cada processo e dimensionar a disponibilidade de recursos e pessoas em cada equipe. Como resultado destas análises, foi desenhado um novo modelo de gerenciamento do sistema de produção, com estrutura mais robusta e maior autonomia entre os processos, conforme apresentado em 3. 3 Resultados Parciais Desde o início do sistema de produção de objetos digitais para a Brasiliana Digital, em março de 2009, foram produzidos mais de 800 títulos, entre livros, álbuns iconográficos, periódicos, obras de referências e manuscritos. A figura 3 apresenta um gráfico da quantidade de títulos disponibilizados entre junho de 2009 e junho de 2010 no site da Brasiliana Digital.
Figura 3: Quantidade de títulos no site da Brasiliana Digital Atualmente a equipe de produção é composta por mais de 20 pessoas, distribuídas entre as diferentes equipes e funções. O fato de estarmos há mais de um ano funcionando em ritmo ininterrupto de produção representou um crescimento na experiência e na maturidade de todos os membros das equipes, tanto no aprendizado sobre bibliotecas digitais quanto na especialização profissional de cada um. O sistema de gerenciamento da produção sofreu diversas modificações, de modo a atender as exigências pontuais das equipes envolvidas, porém continua se apresentando como uma ferramenta eficiente para a comunicação e acompanhamento dos processos da Brasiliana Digital. Através das análises dos relatórios de estatísticas do sistema de produção da Brasiliana Digital, foram realizadas realocações de pessoas e recursos entre as equipes, visando otimizar o desempenho do fluxo de trabalho. Isso acarretou um aumento na banda de rede da internet nas equipes mais afastadas do Laboratório da Brasiliana Digital, a contratação de mais operadores para as equipes de processamento de imagens e edição de metadados, e a aquisição de mais estações de trabalho. Entretanto, percebeu-se que mesmo com essas alterações, não houve melhora significativa na aceleração da produção de documentos publicados no site. Em junho de 2010, foi realizado um novo estudo sobre a organização do fluxo de produção. Tendo como base os dados estatísticos coletados das ferramentas de
gerenciamento da produção, foi proposta uma reorganização dos processos, conforme apresentado na figura 4. Nesta nova organização, o processo de edição de metadados ocorre paralelamente à produção do documento digital, eliminando a necessidade de um processo de importação para o repositório de desenvolvimento; após a conclusão destes dois processos, realiza-se a publicação no site. Figura 4: Nova sequência de produção da Brasiliana Digital Para essa nova estrutura da produção, foi desenvolvida uma ferramenta mais robusta para o gerenciamento de todos os processos de produção. O sistema de gerenciamento inicial tinha como foco a sincronização e comunicação das informações entre as equipes, permitindo que se gerassem relatórios sobre o ritmo de cada processo. Já a nova versão possui ferramentas para facilitar o acompanhamento de cada objeto digital dentro do ciclo de produção, gerando requisições automáticas de controle para os processos seguintes. Devido ao paralelismo entre alguns processos, esta nova ferramenta de gerenciamento visa representar formas diferentes de sincronia entre as informações, permitindo uma interação personalizada para cada fluxo de produção de um determinado item, com base em requisitos como prioridade, tamanho da coleção e complexidade da obra em questão. 4 Considerações Finais A Brasiliana Digital continua a crescer e se desenvolver, com metas de diversificar e ampliar a oferta de seu conteúdo digital. Através de parcerias firmadas, há o projeto de expansão da produção, contando com mais um centro de digitalização e a subseqüente
ampliação das equipes e atividades. Com base na nova organização do sistema de produção da Brasiliana Digital, espera-se que a taxa de produção de documentos publicados no site dobre, mantendo os mesmos padrões de qualidade e consistência periódica nas publicações. A experiência adquirida em mais de um ano de produção permitiu avaliarmos continuamente os resultados obtidos e as ferramentas utilizadas. Temos como meta manter o investimento na pesquisa e no desenvolvimento de ferramentas mais robustas para esse sistema, além do desenvolvimento técnico da equipe envolvida, utilizando esse primeiro ano de produção como referência. Aprimorar formas eficientes de interação entre as equipes, prover maior paralelismo nas atividades e até integrar a ferramentas de comunicação em tempo real são resultados interessantes a serem alcançados. Um dos objetivos deste projeto de pesquisa é a elaboração de um modelo de gestão de bibliotecas digitais, englobando detalhes de cada processo de produção além do próprio sistema de gerenciamento da produção. Este modelo propõe permitir a análise do ritmo e demandas de trabalho e, principalmente, a clara compreensão das formas de distribuição das atividades envolvidas no processo de se tirar um livro da estante até sua inclusão no acervo digital. 5 Referências BAIRD, Henry S.Digital Libraries and Document Image Analysis. Seventh International Conference on Document Analysis and Recognition, 2003. DUBLIN CORE METADATA INITIATIVE. Using Dublin Core: Dublin Core Qualifiers. Disponível em: <http://dublincore.org/documents/2005/11/07/usageguide/qualifiers.shtml>. Acesso em: 18 ago. 2009. NISO (National Information Standards Organization). Understanding metadata. Bethesda, MD: NISO Press, 2004. Disponível em: <http://www.niso.org/standards/resources/understandingmetadata.pdf>. Acesso em 15 set. 2009.