O Protocolo Z39.50

O protocolo Z39.50 (ZIG, 2003) é um protocolo bastante maduro com inícios de desenvolvimento nos anos 70 e conta com várias versões e actualizações desde então. Este protocolo obedece às normas internacionais, ISO 23950: "Information Retrieval (Z39.50): Application Service Definition and Protocol Specification" e ANSI/NISO Z39.50, reguladas pela Biblioteca do Congresso (The Library of Congress) dos EUA (LoC, 2009b). Uma das principais e mais importantes características deste protocolo, reside na sintaxe de pesquisa. Este protocolo utiliza um conjunto de descritores de pesquisa que é abstraído da estrutura de dados, ou seja, a forma como é mapeada a informação no processo de busca está baseada no servidor. Isto permite que o Z39.50 realize buscas sem “conhecer” os formatos presentes nas bases de dados, o que torna a busca possível em qualquer cenário, embora correndo o risco de por vezes os resultados apresentarem variações provenientes dos diferentes modos de catalogação das bases de dados.

Sendo o Z39.50 uma tecnologia desenvolvida nos anos 70 e sem preocupações web, existem actualmente vários grupos a trabalhar a sua evolução para uma chamada “nova geração”, utilizando várias estratégias. Destas a mais importante tem sido perseguida pelo protocolo SRU - Search/Retrieval via URL (LoC, 2009c) que opta por usar como protocolo de transporte o HTTP, utilizando directamente os seus métodos GET ou POST. Em alternativa, pode ser usado o protocolo SOAP (W3C, 2007a), sobre HTTP, o que corresponde formalmente ao protocolo SRW (LoC, 2009d), oferecendo assim uma interface de comunicação baseada em web services (W3C, 2004b). A utilização destes protocolos de transporte não modifica em nada o modo de pesquisa que utiliza os mesmos serviços funcionais e os mesmos conjuntos de descritores de pesquisa. Apenas neste caso, os resultados devolvidos são sempre codificados no formato XML.

3.4.2 Os Protocolos OAI

A iniciativa para os arquivos abertos, OAI - The Open Archives Initiative, é um dos mais importantes esforços contributivos para a resolução dos problemas de interoperabilidade técnica entre os arquivos distribuídos (Lagoze and Van de Sompel, 2001).

O objectivo da OAI é facilitar a descoberta de conteúdos em arquivos distribuídos e difere de outras iniciativas, como a do protocolo Z39.50, através da enfatização numa implementação mais fácil, simples e limitada. Presentemente, a OAI propõe dois protocolos para atingir este objectivo: o OAI-PMH e o OAI-ORE.

O protocolo OAI-PMH - Open Archives Initiative Protocol for Metadata Harvesting (OAI, 2008a) é utilizado para recolher e coligir registos de metadados a partir de múltiplos arquivos distribuídos e define dois papéis funcionais principais nesse processo: o de provedor de dados (repositórios) e o de provedor de serviços.

Os provedores de serviços extraem os registos de metadados dos repositórios através do protocolo para um arquivo local e depois oferecem serviços de valor acrescentado sobre a informação recolhida. Esses serviços podem ser implementados na forma de sistemas ou motores de pesquisa, sistemas referenciais e/ou sistemas de revisão entre pares, através dos diversos repositórios distribuídos.

Os pedidos de pesquisa formulados pelos provedores de serviços aos repositórios, são expressos através dos seis verbos constantes na especificação do protocolo: GetRecord, Identify, ListIdentifier, ListMetadataFormats, ListRecords e ListSets. O transporte destes pedidos é efectuado pelo protocolo HTTP, utilizando os seus métodos

GET ou POST. As respostas dos repositórios são expressas através das respostas HTTP, codificadas no formato XML.

Embora os repositórios possam oferecer mais que um formato para os registos de metadados, estes têm de disponibilizar obrigatoriamente o formato Dublin Core simples (DCMI, 2008).

O protocolo OAI-ORE - Open Archives Initiative Object Reuse and Exchange (OAI, 2008b) define normas para a descrição e transferência de recursos web agregados. Estes agregados são por vezes chamados objectos digitais compostos e podem combinar recursos distribuídos com diferentes tipos de conteúdo, como texto, imagens, vídeos, dados, etc.

Estas normas lançam as fundações para expor o conteúdo rico de recursos agregados a aplicações e serviços que suportem a sua visualização, autoria, reutilização, transferência, armazenamento e preservação, assim como aumentar e melhorar o acesso aos agregados utilizados pelas pessoas na sua interacção diária com a web. Estes agregados incluem: documentos compostos por conjuntos de páginas web, documentos com múltiplos formatos em repositórios institucionais, conjuntos de dados académicos ou colecções de música e fotografia.

As normas OAI-ORE utilizam conceitos oriundos da Arquitectura Web (W3C, 2004a) e de esforços relacionadas com a web semântica (W3C, 2009), Linked Data (LData, 2009) e Atom Syndication (NWG, 2005). Como resultado, integram-se com a emergente Web 2.0 e com a futura evolução da rede de informação.

Por forma a que um agregado de recursos web seja referido sem ambiguidade, o modelo de dados do OAI-ORE introduz o conceito de agregado (aggregation), um novo recurso, que consiste num conjunto ou colecção de recursos. O agregado é uma construção conceptual e por isso qualifica-se como um dos recursos da web semântica que não possui uma representação. A complexidade de um agregado pode assumir grandes proporções, visto este poder agregar outros agregados. Um exemplo extremo é o de considerar todo o repositório como um agregado, que por sua vez detém agregados menores.

Para a descrição dos agregados, nomeadamente os recursos que deles fazem parte, o modelo introduz ainda um recurso chamado mapa de recursos (resource map), que só pode estar associado a um agregado.

Tanto o agregado como o mapa de recursos possuem URIs (W3C, 2001) associados, para que o protocolo funcione sobre a web.

3.5 Normas de Metadados

Como se verificou no ponto anterior, as normas de metadados são estruturas essenciais na codificação dos sistemas de pesquisa das bibliotecas digitais, ou seja, funcionam como estruturas de representação e comunicação de dados entre máquinas.

Apresentam-se seguidamente duas das normas mais utilizadas actualmente para a codificação de metadados: o MARC e o Dublin Core.

3.5.1 MARC

O formato MARC - Machine-Readable Cataloging Record (LoC, 2006) consiste numa norma de metadados que envolve três elementos: a estrutura do registo, a designação do conteúdo, e o conteúdo do registo.

A estrutura dos registos MARC passa pela implementação de outras normas internacionais, tais como o ANSI Z39.2 - Information Interchange Format (NISO, 1994) ou o ISO 2709 - Format for Information Exchange (ISO, 2008).

O elemento de designação de conteúdos refere-se aos códigos e convenções estabelecidos para identificar e caracterizar os dados presentes num registo.

Finalmente os conteúdos do registo são definidos pelas normas externas como, por exemplo: o AACR2 - Anglo-American Cataloguing Rules (AACR, 2006) ou o LCSH - Library of Congress Subject Headings (LoC, 2009e).

A informação que um registo MARC carrega é definida por cinco tipos de dados: • bibliográficos – contêm especificações para a codificação de elementos necessários

para descrever, recolher e controlar vários tipos de materiais bibliográficos, tais como: livros, séries, ficheiros de computador, mapas, música, materiais visuais, entre outros;

• de propriedade – possuem informação capaz de designar a propriedade e a localização para todas as formas de materiais;

• de autoridade – são responsáveis por identificar e controlar os conteúdos bibliográficos sujeitos a controlos de autorizados;

• de classificação – apresentam especificações para a codificação de dados relacionados com números de classificação e as descrições com estes associados, servindo no sentido de ajudar à manutenção e desenvolvimento de esquemas de classificação;

• de informação comunitária – apresentam informação sobre eventos, programas, serviços, entre outros, de forma a serem integrados em catálogos de acesso público.

3.5.2 Dublin Core

O Dublin Core (DCMI, 2008; Hillman, 2005) é, à semelhança do MARC, uma norma de metadados que tem por objectivo descrever um alargado número de recursos em rede.

Esta norma está dividida em dois níveis: Simples e Qualificado. O nível simples é constituído por quinze elementos: Title, Subject, Description, Type, Source, Relation, Coverage, Creator, Publisher, Contributor, Rights, Date, Format, Identifier, e Language. O nível qualificado adiciona mais três elementos: Audience, Provenance, RightsHolder. Este nível define também subelementos qualificadores para os elementos.

Cada um dos elementos é opcional e pode mesmo ser repetido. No nível qualificado, a maior parte dos elementos possui um conjunto limitado de qualificadores, ou seja, atributos que podem ser utilizados para refinar o significado de cada elemento. A DCMI - Dublin Core Metadata Initiative estabeleceu normas para refinar os elementos e encoraja o uso de esquemas de vocabulário e codificação. Para proceder a tal, existem três princípios no Dublin Core: One-to-One Principle; Dumb-down Principle; e Appropriate Values.

O primeiro princípio, One-to-One, parte da questão genérica em que os metadados Dublin Core descrevem uma manifestação ou versão de um recurso, em vez de assumir que as várias manifestações servem apenas o recurso. Ou seja, as cópias são vistas como objectos independentes e não como meras extensões do original. A relação entre o original e a cópia aparece declarada nos metadados.

O segundo princípio, Dumb-down, serve na qualificação das propriedades. Este princípio define que o cliente pode ignorar qualquer qualificador e utilizar apenas o elemento, como se este fosse não qualificado. Apesar da perda de especificidade, o valor restante do elemento continua a ser de uma forma geral correcto e ao mesmo tempo útil para a descoberta. A qualificação é assim utilizada apenas para refinar e não estender o âmbito semântico da propriedade.

No último princípio, Appropriate Values, as melhores práticas para cada elemento ou qualificador podem variar com o contexto, mas em geral o implementador não pode prever que o intérprete dos metadados seja sempre uma máquina. Esta questão pode

impor certas limitações aos metadados, mas o requisito de utilidade para a descoberta deve ser sempre mantido.

3.6 Revisão

Neste capítulo, passou-se em revista as tecnologias mais utilizadas na área das Bibliotecas digitais. A principal preocupação centrou-se sobre os modelos, arquitecturas, plataformas, protocolos de pesquisa e recolha e as normas de metadados. Estes pontos não encerram todas as necessidades tecnológicas necessárias à execução de um universo de bibliotecas digitais, mas representam contudo, no entender do autor desta dissertação, os seus pontos-chave e o conhecimento necessário à implementação do sistema proposto por este projecto de doutoramento.