Este documento descreve ações para melhorar a qualidade dos dados na Biblioteca Digital Brasileira de Teses e Dissertações (BDTD), incluindo a normalização de campos de metadados através de mapeamentos e filtros, e a conversão automática de registros de vários formatos para um padrão adotado pela BDTD.

1. BIBLIOTECA DIGITAL BRASILEIRA DE
TESES E DISSERTAÇÕES: AÇÕES PARA
MELHORIA NA QUALIDADE DOS DADOS
DIEGO JOSÉ MACEDO
INSTITUTO BRASILEIRO DE INFORMAÇÃO EM CIÊNCIA E TECNOLOGIA ( IBICT)
DIEGOMACEDO@IBICT.BR
MILTON SHINTAKU
INSTITUTO BRASILEIRO DE INFORMAÇÃO EM CIÊNCIA E TECNOLOGIA ( IBICT)
SHINTAKU@IBICT.BR
TAINÁ BATISTA DE ASSIS
INSTITUTO BRASILEIRO DE INFORMAÇÃO EM CIÊNCIA E TECNOLOGIA ( IBICT)
TAINA@IBICT.BR
WASHINGTON L. R. DE CARVALHO SEGUNDO
INSTITUTO BRASILEIRO DE INFORMAÇÃO EM CIÊNCIA E TECNOLOGIA ( IBICT)
WASHINGONSEGUNDO@IBICT.BR
RONNIE FAGUNDES DE BRITO
INSTITUTO BRASILEIRO DE INFORMAÇÃO EM CIÊNCIA E TECNOLOGIA ( IBICT)
RONNIEBRITO@IBICT.BR
1

2. INTRODUÇÃO
Biblioteca Digital Brasileira de Teses e Dissertações (BDTD)
Integra, em um só portal de acesso aberto, os sistemas de
informação de teses e dissertações existentes nas instituições de
ensino e pesquisa brasileiras e por brasileiros que defenderam no
exterior.
2

3. BIBLIOTECA DIGITAL BRASILEIRA DE
TESES E DISSERTAÇÕES (BDTD)
A BDTD utiliza as tecnologias Open Archives Initiative (OAi) e
adota o modelo baseado em padrões de interoperabilidade.
Processo de funcionamento da BDTD há dois atores principais:
- provedores de dados: administra o depósito e a
publicação expondo os metadados para a coleta automática
(harvesting).
- provedores de serviços: fornece serviços de informação
com base nos metadados coletados junto aos provedores de
dados.
3

4. PROBLEMAS
 provedores de dados: sistemas heterogêneos que operam
com diversos formatos de metadados;
 Falta de normalização no preenchimento de campos nos
metadados;
 Falta de preenchimento de campos requeridos.
4

5. OBJETIVOS
 Apresentar os resultados de avaliação dos metadados
descritivos da BDTD passíveis de normalização;
 Apresentar algoritmos desenvolvidos para melhoria da
qualidade dos dados agregados.
5

6. METODOLOGIA
 Coleta de metadados provenientes de diversos tipos de
sistemas de gestão de teses e dissertações, via protocolo
Open Archives Initiative - Protocol Metadata Harvesting
(OAI-PMH).
 Utilização de feramentas e técnicas para aplicação de
filtros para determinar variações, erros de preenchimento
e normalização de campos.
6

7. ESTRUTURA
7
COLETADOR/
AGREGADOR
REPOX
Crosswalks
Mapeamentos –
Filtros –
Normalização
XSTL
MTD2- BR
DC
DIM
MARC
XML
Outros
Harvesting

8. 8
MTD2- BR
DC
DIM
MARC
XML
Outros
COLETADOR/
AGREGADOR
REPOX
Harvesting
Crosswalk
Mapeamentos
– Filtros –
Normalização
XSTL
Portal de
Busca
Consolidada
Metadados
normalizados
Provedores de
Serviços –
NDLTD
RCAAP
LA Referencia
Primo Central
Metadados
DC e ETD-MS
normalizados
ESTRUTURA

9. EXEMPLO MAPEAMENTO
DE DC.TYPE
9
<dc:type>
Mestre
</ dc:type >
< dc:type >
Mestrado
</dc:type >
<dc:type >
Dissertação
</dc:type >
<dc:type>
master
</dc:type>
<dc.type>
masterThesis
</dc.type >
XSLT
Diretrizes DRIVER

10. EXEMPLO MAPEAMENTO
DE DC.LANGUAGE
10
<dc:language>
pt_BR
</dc:language>
<dc:language>
Português
</dc:language>
<dc:language>
PT
</dc:language>
<dc:language>
por
</dc:language>
<dc.language>
por
</dc:language>
Diretrizes DRIVER - ISO 639-3
XSLT

11. EXEMPLO DE
MAPEAMENTO
Alguns casos, o
campo dc.type não
está preenchido.
dc.publisher.program
dc.publisher.departament
11
dc.type

12. EXEMPLO DE
MAPEAMENTO
12
dc.publisher.cnpq
dc.type dc.publisher.program
XSLT

13. RESULTADO(S) E
DISCUSSÃO
 104 provedores de dados desenvolvidos com tecnologias
diversas. Destaca-se
13
SISTEMA QUANTIDADE
TEDE 84
DSpace 15
OPAC 1
Outros 4

14. RESULTADO(S) E
DISCUSSÃO
 Interoperabilidade: sistema de coleta de diversos
esquemas de metadados
14
ESQUEMA DE
METADADOS
QUANTIDADE
MTD(2)-BR 92
DIM 6
RDF 5
MARCXML 1

15. RESULTADO(S) E
DISCUSSÃO
 Provedores de dados são analisados separadamente;
 Registros coletados são convertidos automaticamente
para o padrão adotado pela BDTD;
 Aplicação de Crosswalks;
 XSLT (Extensible Stylesheet Language Transformations);
 Viabiliza-se maior flexibilidade à rede;
15

16. RESULTADO(S) E
DISCUSSÃO
 Mapeadores e filtros – algoritmos de normalização:
• Padronização de campos como: idioma, tipo do documento,
grau e instituição de defesa.
• Filtragem e tratamento de campos com variação como: Grau,
tal como: Mestre, mestrado, mestrado em <nome do
programa>.
• Instituição de defesa;
• Campos como tipo de documento e idioma também sofreram
transformações de conteúdo para que se alinhassem às
orientações das diretrizes DRIVER.
16

17. RESULTADO(S) E
DISCUSSÃO
 Desenvolvimento de ferramentas que ajustaram os dados
coletados;
 O processo permitiu uma melhor acurácia dos dados
coletados;
 Assim, completou todo ciclo que visa alcançar
refinamento da qualidade dos dados na base consolidada.
17

18. CONCLUSÕES
 Necessidade de processamento para melhoria da
qualidade de dados em redes heterogêneas, composta
por sistemas que operam com formatos de metadados
diferentes.
 O processo adotado na presente pesquisa encontra apoio
no estudo de Stupmf e McDonnell (2004), que indica como
possível solução para problemas de acurácia de
metadados o uso de ferramentas automatizadas.
18

19. CONCLUSÕES
 Infraestrutura, possibilitando uma maior
flexibilização aos provedores de dados, mas
também o tratamento da informação.
 Com isso, torna-se mais eficaz a melhoria da
disseminação da informação.
19

20. OBRIGADO!
Diego Macêdo
diegomacedo@ibict.br
+55 61 3217-6241
20