UNIVERSIDADE FEDERAL DE MINAS GERAIS

BIBLIOTECA UNIVERSITÁRIA

CURSO DE INDEXAÇÃO

Princípios e técnicas de indexação, com vistas à

recuperação da informação

Belo Horizonte

2004

1

Sumário

1 A RECUPERAÇÃO DA INFORMAÇÃO E SISTEMAS DERECUPERAÇÃO DA INFORMAÇÃO............................................................22 O INDEXADOR.............................................................................................33 O PROCESSO DE INDEXAÇÃO..................................................................33.1 Análise de assunto........................................................................................53.1.1 A leitura do texto pelo indexador..............................................................53.1.2 Extração de conceitos................................................................................63.1.3 Determinação da atinência........................................................................93.2 Tradução da frase de indexação para linguagens de indexação...................93.3 Linguagens de indexação...........................................................................103.3.1Objetivos..................................................................................................113.3.2 Funções...................................................................................................113.3.3 Construção de linguagens de indexação.................................................113.3.4 Componentes da linguagem de indexação..............................................123.3.4.1 Vocabulário..........................................................................................123.3.4.2 Sintaxe..................................................................................................133.3.5 Linguagens verbais..................................................................................143.3.6 Linguagens simbólicas............................................................................143.3.6.1 Sistemas de classificação.....................................................................143.3.6.2 Como classificar...................................................................................153.3.7 Linguagens pré-coordenadas...................................................................153.3.7.1 Características da pré-coordenação......................................................163.3.7.2 Vantagens.............................................................................................163.3.7.3 Desvantagens........................................................................................163.3.7.4 Ordem de citação..................................................................................173.3.8 Linguagens pós-coordenadas................................................................. 183.3.8.1 Características da pós-coordenação.....................................................183.3.8.2 Vantagens............................................................................................193.3.8.3 Desvantagens.......................................................................................193.3.9 Avaliação das linguagens de indexação.................................................193.4 Consistência da indexação.........................................................................203.5 Indexação automática versus automatizada...............................................21Referências......................................................................................................22

2

PRINCÍPIOS E TÉCNICAS DE INDEXAÇÃO, COM VISTAS À

RECUPERAÇÃO DA INFORMAÇÃO

Profa. Madalena Martins Lopes Naves

madalena@eci.ufmg.br

1 A RECUPERAÇÃO DA INFORMAÇÃO E OS SISTEMAS DE RECUPERAÇÃO DA

INFORMAÇÃO – SRI

A recuperação da informação consiste numa multiplicidade de operações consecutivas,

executadas para localizar uma informação necessária ou documentos que a contenham, com

a recuperação subseqüente desses documentos.

A recuperação da informação afeta o bibliotecário, como profissional que pretende

satisfazer a necessidade social do homem: ter acesso a diversos tipos de informação. O

problema da recuperação da informação pode ser visto, por um lado, como uma

acumulação constante de um volume sempre crescente da informação e, por outro lado, o

crescimento e a complexidade , cada vez maior, das necessidades de informação.

A RI é efetuada por meio de Sistemas de Recuperação da Informação, e um SRI é uma

organização para armazenar e tornar disponível a informação, podendo ser um catálogo,

uma base dados, etc., e deve ter os seguintes componentes:

- Seleção e Aquisição – O início de um SRI se dá pela formação de um conjunto de

documentos previamente selecionados e adquiridos dentro dos critérios estabelecidos

pela instituição que o mantém e de acordo com os objetivos a que ele se propõe atingir.

No estabelecimento de uma política de seleção das informações que alimentarão o

sistema, é fundamental que o usuário possa se manifestar e seja ouvido.

- Indexação - considerada a parte mais importante para a eficácia de um SRI

Em qualquer SRI, os documentos podem ser analisados de duas maneiras:

a) bibliográfica ou objetivamente – trata-se do tratamento descritivo dos documentos, em

que são identificados dados físicos do documento, como autor, título, edição, local de

publicação, editora, data da publicação. São dados objetivos, pois estão explícitos,

geralmente, na capa e folha de rosto. Existem regras para este tipo de análise.

3

b) intelectual ou subjetivamente – trata-se do tratamento temático dos documentos, em que

são definidos os termos do seu conteúdo, ocorrendo aí o processo de indexação de

assuntos. Para este tipo de análise, não existem regras fixas que a padronizem.

Esta apostila trata, exclusivamente, da segunda análise citada acima, e se aprofunda no

processo de indexação de assuntos, com vistas à recuperação da informação. É importante,

se conhecer, inicialmente, um pouco das características do profissional que executa a

indexação, o indexador.

2 O INDEXADOR

O profissional da informação que desenvolve a atividade de indexar assuntos de

documentos é chamado de indexador, catalogador de assuntos ou classificador. A maioria

desses profissionais é graduado em Biblioteconomia, e deve conhecer os fundamentos

teóricos e técnicos do tratamento temático da informação.

Um dos fatores que interferem no trabalho do indexador é a subjetividade, inerente ao ser

humano e difícil de ser controlada. Vários outros fatores são verificados, ainda, como

interferentes no processo de indexar, como o conhecimento prévio (conhecimento de

mundo, conhecimento tácito) adquirido ao longo da vida, a sua formação e a experiência no

trabalho de indexação. No entanto, o conhecimento da área de atuação é um fator

importante a ser considerado, já que o domínio da terminologia e o conhecimento da

taxonomia das classes de assuntos da área em que está atuando, auxiliam muito o trabalho

de se extrair o conteúdo de documentos.

Observa-se, ainda, a interferência de fatores lingüísticos, (como o conhecimento da língua,

do vocabulário e da sintaxe, além da identificação de tipos de estruturas textuais), fatores

cognitivos (capacidade de abstração, percepção e interpretação de informações contidas nos

textos analisados) e fatores lógicos (elementos de dedução, indução, inferência, silogismo e

outros), o que torna o estudo do processo de indexação altamente interdisciplinar.

3 O PROCESSO DE INDEXAÇÃO

No campo do tratamento da informação, o termo indexação apresenta dois sentidos: um

mais amplo, quando se refere à atividade de criar índices, seja de autor, de título, de

assunto, tanto de publicações (livros, periódicos), quanto de catálogos ou de banco de

4

dados, em bibliotecas ou centros de informação. O outro sentido, mais restrito, refere-se à

indexação, classificação ou catalogação de assuntos das informações contidas em

documentos.

Os índices podem ser encabeçados e ordenados por autores, títulos, lugares de publicações,

etc. mas, freqüentemente, a idéia de RI está ligada à recuperação de documentos pelos

assuntos que tratam.

Índice tem sido descrito como a chave para o acesso ao conteúdo dos documentos, ou como

uma ponte ou elo entre o conteúdo de um arquivo e seus usuários.

Um índice é o instrumento mais importante num SRI. Indexar é o ato de incluir o registro

de um documento num arquivo de informações.

Na literatura é feita essa distinção: a indexação back-of-book (primeiro sentido citado)

permite ao leitor localizar informação sobre um tópico dentro do livro, sendo a tarefa do

indexador ler o texto, distinguir entre informação relevante e periférica e empregar os tipos

de processamento de informação presentes na leitura. Por sua vez, a indexação acadêmica

(segundo sentido citado) fornece um termo útil estabelecido pela indexação praticada em

bases de dados de resumos e em catálogos de bibliotecas.

Esta apostila concentra-se nos aspectos da indexação acadêmica, que compreende duas

etapas distintas: a análise de assunto, quando ocorre a extração de conceitos que possam

representar o conteúdo de um documento, expresso em linguagem natural, e a tradução

desses conceitos para termos de instrumentos de indexação, que são as chamadas

linguagens de indexação, linguagens artificiais ou linguagens documentárias.

Indexação é o processo de discernir a essência de um documento e representar essa essência

num modo de expressão em linguagem de indexação. Alguns autores denominam esse

processo de análise documentária, que é definida como um conjunto de procedimentos

efetuados com o fim de expressar o conteúdo de documentos, sob formas destinadas a

facilitar a recuperação da informação. Essa passagem de um texto original para um tipo de

representação é uma operação semântica, mesmo que não obedeça a nenhuma regra precisa

e varie em função de cada organismo e do analista, que seleciona as palavras-chave,

normalmente de forma intuitiva, em função de sua ocorrência e do seu interesse para a

instituição.

5

3.1 Análise de assunto

Esta é a primeira etapa da indexação, considerada por muitos como a etapa intelectual do

trabalho do indexador. O processo de ler um documento para extrair conceitos que

traduzam a sua essência é conhecido como análise de assunto para alguns, análise temática

para outros, ou, ainda, análise documentária, análise conceitual ou, mesmo, análise de

conteúdo. Como se pode ver, trata-se de um processo em que há uma certa confusão

conceitual e para o qual aparecem diferentes concepções.

A análise de assunto feita pelo indexador humano se dá em dois momentos: quando ele vai

analisar um documento para inseri-lo num SRI, e quando recebe um pedido de informação

do usuário.

O processo de análise de assunto compreende três fases:

3.1.1 A leitura do texto pelo indexador

O texto é o ponto de partida para operações analítico-documentárias, sendo constante a

presença dos elementos conteúdo e forma, como partes essenciais do mesmo. Para ter uma

competência textual é preciso que, além de conhecer o texto que tem em mãos para análise

sob todos os aspectos, o indexador faça dele uma leitura adequada, e sabe-se que um texto

pode gerar muitas leituras, interessando mais, neste estudo, a leitura para fins

documentários.

Para que os conteúdos dos textos sejam assimilados e compreendidos, é preciso que as

informações sejam processadas na mente do leitor e, atualmente, parece ser consenso entre

os especialistas em leitura que o processamento do ato de ler se dá interativamente,

dependendo dessa interação a não compreensão ou a compreensão de um texto. Durante a

compreensão do texto pelo indexador, ocorrem dois tipos de processamento mental da

informação: o top-down e o bottom-up, que parecem ocorrer simultaneamente na mente

humana ao fazer a leitura de um texto. São inversos e complementares, e chamados por

alguns autores de modelos de leitura: é o tipo ascendente, guiado por dados, indutivo,

bottom-up, no qual a leitura é linear, das partes para o todo textual, e o tipo descendente,

dedutivo, top-down, no qual se move na forma inversa, obtendo vantagem da base de

conhecimento do leitor. Trata-se de uma dupla ação: percepção e compreensão.

A interferência de vários fatores subjetivos/cognitivos torna a leitura um ato subjetivo e

individual, posto que o sentido dado ao texto lido sempre vai variar de leitor para leitor.

6

Diante disso, o que poderia ser afirmado com relação à leitura para fins documentários?

Existe algum modelo a ser seguido? E com relação ao leitor/indexador?

Um documento, inserido num SRI, antes de ser lido pelo leitor, usuário final do sistema, é

lido por um leitor técnico, o indexador, aquele que faz a leitura para fins documentários.

Esse tipo de leitura, conhecido como leitura documentária ou leitura técnica, tem certas

características, não sendo realizada para lazer ou aprendizagem, nem é prazerosa, muito

pelo contrário. O alto grau de incerteza , ansiedade e responsabilidade contido na atividade

já mostra que a mesma traz pouca satisfação. É um tipo de leitura bem racional e rápido,

em que o leitor técnico não tem chances de aproveitar a leitura, já que seu propósito é o de

extrair o conteúdo informativo do texto, tendo em vista a sua posterior recuperação por um

leitor interessado.

Outro aspecto que merece ser ressaltado é que o autor do texto, ao escrevê-lo, tem em

mente um determinado leitor alvo para o qual direciona suas idéias; suas intenções não são

dirigidas para o leitor/indexador e não lhe interessa se esse vai ter capacidade para

interpretar as informações que aquele texto está veiculando.

São várias as tentativas de se estabelecerem alguns critérios e de sistematizar o processo de

leitura do indexador, mas não há um consenso quanto à forma mais adequada de se fazer

essa leitura, visando à extração e ao posterior tratamento das informações contidas no texto.

3.1.2 Extração de conceitos

Para definir em termos adequados o assunto de um texto, é necessário que primeiro se

extraiam os conceitos que nele estão contidos. Se, para fazer uma análise conceitual,

devem-se extrair conceitos, pergunta-se: o que é um conceito?

Conceitos são unidades do conhecimento identificadas através de enunciados verdadeiros

sobre um item de referência, representados por um termo ou palavra. É uma idéia, uma

representação mental que nos permite categorizar objetos. Existem tipos de conceitos,

como os individuais (representados por nomes de coisas individuais, em linguagem

simples) os gerais (representados por nomes de classes de coisas e podem ser expressos em

uma multiplicidade de expressões lexicais e não lexicais) os científicos (podem ser

aprendidos na vida acadêmica, e, depois, são estabelecidas conexões entre eles e os eventos

da vida diária) os cotidianos (são objetos usados normalmente, como roupas, carros).

7

A formação de conceitos é um processo que envolve discriminação e agrupamento. Os

fatores que afetam o processo são experiência prévia, tempo, fatores sociais, etc.

Conceitos, palavras e significados: Não há uma correspondência exata entre palavras e

conceitos; há pelo menos dois conceitos que se apresentam quando vemos a palavra

volume. Não somente as palavras estimulam diferentes conceitos para indivíduos

diferentes, como, para o mesmo indivíduo, de acordo com as circunstâncias. Uma das

razões para os diferentes significados que diferentes palavras têm, para diferentes pessoas, é

que há duas espécies de significado: denotação e conotação. Denotação de uma palavra é a

coisa que ela representa ou a que se refere. Apontando para um gato, eu posso dizer: “Isto é

um gato”. Já a conotação de uma palavra é altamente individual e pessoal. Se eu gosto de

gatos, minha conotação de “gato” inclui a noção de amizade, calor, etc. Se não, inclui mau

cheiro e grito à noite.

Tipos de relações entre conceitos (estabelece a sintaxe, abordada no item 3.3.4.2)

a) Relação de eqüivalência

Sinônimos: Meio ambiente X Ecologia

Quase sinônimos: Datiloscopia X Impressão Digital

Grafias diferentes: Contato X Contacto

Abreviaturas e Acrônimos: ONU X Organização das Nações Unidas

Traduções: Recall X Revocação

b) Relação hierárquica

Gênero/espécie

Quase genérica: (Gato X Animal de estimação)

Verdadeiramente genérica: (Gato X Mamífero)

Todo/parte (Sistema respiratório X Pulmão)

c) Relação associativa (afinidade ou de coordenação)

Coordenação: Terra X Marte

Genética: Pais X Filhos

Instrumental: Escrita X Lápis

Concorrente: Ensino X Aprendizagem

Material: Livro X Papel

Similaridade de processo: Catalogação X Classificação

8

Duas variáveis interferem na escolha de conceitos: a exaustividade e a especificidade.

Ambas dependem da política de indexação adotada no SRI, que deve seguir critérios pré-

estabelecidos, tendo em vista os objetivos do sistema, os recursos disponíveis e o tipo de

usuário.

A exaustividade relaciona-se à capacidade do sistema de indexar o documento em

profundidade, ou seja, além do assunto principal, são indexados também os assuntos

secundários.

A especificidade é a capacidade do sistema de nos permitir ser precisos ao especificarmos o

assunto de um documento.

Os s fatores de especificidade e exaustividade têm influência em todo o processo de

recuperação da informação, havendo ligação desses com as medidas de revocação e

precisão. (conceitos abordados no item 2.2.2)

A análise conceitual tem, como produto, um assunto, que representa o conteúdo

informacional de um texto. A noção de assunto de um texto é indeterminada, pois há casos

em que é impossível, em princípio, decidir qual de duas diferentes e igualmente precisas

descrições, é a descrição do assunto, ou se o texto tem dois assuntos ao invés de um.

Tipos de assuntos: São identificados três tipos de assuntos: assunto simples (formado por

um único conceito). Ex: Indexação; assunto composto (formado por mais de um conceito

pertencentes a uma mesma área do conhecimento) Ex: Indexação de materiais especiais

(são dois conceitos da Biblioteconomia); e assunto complexo (formado por conceitos de

áreas diferentes) Ex: A arte como terapia para idosos (conceitos da Arte e da Psicologia).

A atividade de identificar a(s) idéia(s) principal(ais) do texto exige a capacidade de

compreensão de seu conteúdo, o que está ligado a processos cognitivos.

Na determinação do assunto, é preciso que se verifique o contexto no qual o documento é

produzido e para o qual ele existe, em determinado momento.

Conceito, assunto e contexto são aspectos interdependentes que ocorrem durante todo o

processo de análise de assunto, até o momento de se afirmar sobre o que trata o documento,

próxima fase.

9

3.1.3 Determinação da atinência

Terminada a fase de extração de conceitos, é necessário que se faça uma seleção daqueles

que realmente sintetizem o assunto do texto, partindo-se, assim, para a terceira fase do

processo de análise de assunto, que é a determinação da chamada atinência, termo

traduzido do inglês aboutness.(outras traduções: concernência, sobrecidade, temacidade)

Nesta fase da determinação da atinência para representar os conceitos extraídos do texto,

inicia-se um processo lingüístico e o problema de descrever documentos para recuperação

é, principalmente, o problema de como a linguagem é usada. Há uma forte relação entre a

atinência do documento e seu(s) significado(s) identificado(s) pelos indivíduos. Um texto

tem uma atinência relativamente permanente, mas um número variado de significados.

O produto final da atinência é uma frase de indexação, elaborada pelo indexador em

linguagem natural. Após todo o processo intelectual de leitura do texto, de extração e

seleção de conceitos, é o momento em que ele afirma: Este documento trata de..........

Das etapas de indexação, a análise de assunto é a que sofre mais influência da subjetividade

do indexador, sendo, por isso, considerada muito complexa. Por todos os aspectos

considerados neste item, pode-se concluir que essa não é uma atividade possível de ser

ensinada, não havendo uma receita, ou uma rotina a ser seguida no desenvolvimento da

mesma.

Tentativas de automatizar a análise de assunto já vêm sendo implementadas em pesquisas

de cursos de pós-graduação, mas pode-se verificar que, por enquanto, o limite da máquina

ainda é a capacidade humana de percepção e abstração.

3.2 Tradução da frase de indexação para linguagens de indexação

Quando termina a primeira etapa da indexação, com o(s) assunto(s) já definidos em

linguagem natural, chega o momento de inseri-lo(s) no SRI. Para isso, é feita a tradução da

frase de indexação para os termos da linguagem de indexação, o que significa transformar

os conceitos selecionados em termos ou símbolos autorizados para representá-los no

sistema.

Quando indexamos um documento por assunto, nós o colocamos em uma ou mais classes, e

cada classe deve ter um número ou rótulo, que são chamados termos indexadores. O

conjunto desses forma a linguagem de indexação.

1

Há dois métodos fundamentais de indexar o assunto de documentos:

a) Indexação por palavras – utiliza termos empregados pelo autor na apresentação das suas

idéias, isto é, as palavras encontradas nos títulos ou nos textos dos documentos

Ex: A palavra mandioca traduz uma determinada idéia, um dado conceito, que também

pode ser expresso pelas palavras aipim, macaxera.

Uma indexação por palavras registrará os documentos pelos termos utilizados pelos

autores, ou seja, na linguagem natural. O sistema indexará um documento sobre mandioca

e outro sobre aipim ( linguagem natural). Um exemplo típico de indexação por palavra é o

índice KWIC (Key Word in the Context), que utiliza títulos dos documentos. O que

acontece na recuperação de um documento cujo título é “Feijão, angu e couve”? A

recuperação só pode ser feita através dessas palavras, mas o assunto do documento é

“Costumes mineiros”. O que acontecerá com a recuperação deste documento?

b) Indexação por conceitos – a indexação por conceitos pressupõe a análise de assunto do

documento, a decisão sobre conceitos presentes no texto e a tradução destes em

linguagem apropriada. Na indexação por conceitos, determinam-se os cabeçalhos a

empregar, distinguem-se homônimos, controlam-se sinônimos, prevêem-se relações de

eqüivalência, hierárquica e associativa.

É importante ressaltar que o indexador deve estar familiarizado com a linguagem utilizada

no SRI, embora esta linguagem não deva influenciar a análise de assunto dos documentos.

3.3 Linguagens de indexação

A linguagem de indexação é aquela cujo objetivo é representar o contéudo temático dos

documentos. Alguns sistemas utilizam a linguagem natural (escrita e falada, pouco usada

por apresentar grande inconsistência) como linguagem de indexação e, nesses casos,

adotam como termos indexadores os termos na forma como aparecem nos documentos, sem

modificações. Isso traz alguns problemas, como diferentes autores usando palavras diversas

para expressarem o mesmo conceito (dispersão terminológica) ou o caso do uso de

diferentes estruturas para expressarem a mesma idéia (dispersão sintática).

No entanto, comumente, são utilizadas linguagens artificiais. Essas refletirão um

vocabulário controlado, para o qual foram tomadas decisões cuidadosas sobre os termos a

serem usados, o significado de cada um, e os relacionamentos que apresentam.

1

Uma linguagem de indexação deve procurar indicar os relacionamentos entre os termos no

seu vocabulário. Por exemplo, se um sistema inclui os termos ENSINO MÉDIO e

ESCOLAS PROFISSIONALIZANTES, pode-se indicar a relação entre esses dois termos,

pois um usuário, procurando informação sobre ensino médio, poderá encontrar documentos

relevantes sob o termo escolas profissionalizantes que, usualmente, se ocupam também do

ensino médio. Uma linguagem de indexação que tem um vocabulário controlado e que tenta

indicar as relações entre os termos no seu vocabulário é chamada estruturada.

3.3.1 Objetivos:

- possibilitar que o indexador represente os assuntos dos documentos de forma

consistente;

- compatibilizar o vocabulário usado pelo usuário com o vocabulário usado pelo

indexador;

- permitir ao usuário moldar a estratégia de busca de forma a obter alta revocação ou alta

precisão, conforme o exigirem as circunstâncias.

3.3.2 Funções das linguagens de indexação:

- substituir a grande variedade de expressões da linguagem natural por uma linguagem

formal;

- estabelecer um ponto comum entre linguagem do autor, linguagem do indexador e

linguagem do usuário;

- estabelecer um vocabulário que mostre as relações entre termos e conceitos: relações

semânticas (equivalência, hierarquia e associativa) e relações sintáticas (coordenação de

dois ou mais elementos para formar assuntos compostos)

- economizar espaço de arquivo;

- ajudar na recuperação de conceitos específicos.

3.3.3 Construção de linguagens de indexação

A geração de um vocabulário controlado não é uma tarefa simples, e têm-se verificado

várias iniciativas nesse sentido, pela necessidade de se tratarem, cada vez mais, de assuntos

complexos que exigem uma análise mais aprofundada e com alto grau de especificidade.

1

Alguns aspectos são levantados para a criação das linguagens controladas, como: gerar um

vocabulário com base nos termos de indexação de um conjunto de documentos; modificar

um vocabulário já existente ou extrair o vocabulário de outro já existente; reunir termos de

diferentes fontes: especialistas da área, dicionários, glossários, índices, etc.

Um vocabulário controlado deve ser capaz de representar conceitos que realmente ocorrem

na literatura do assunto. Este é o princípio da garantia literária. É importante ressaltar,

ainda, dois pontos que não podem ser ignorados na construção de uma linguagem, como

as questões formuladas pelos usuários, que devem ser levadas em consideração na

definição dos termos da linguagem, pois refletem suas necessidades de informação, e a

consulta a especialistas da área especializada da linguagem.

Depois do levantamento dos termos, parte-se para o estabelecimento das relações entre os

conceitos, podendo-se utilizar, para isso, a análise facetada, que consiste na divisão do

assunto em facetas (categorias de assuntos). Passa-se a optar pelo melhor termo para

representar um conceito (geral ou específico), e estabelecer as hierarquias necessárias.

3.3.4 Componentes da linguagem de indexação:

As linguagens de indexação são formadas por dois componentes básicos: vocabulário e

sintaxe.

3.3.4.1 Vocabulário é o conjunto de termos de indexação utilizáveis para representar o

conteúdo temático dos documentos, que podem ser cabeçalhos de assuntos (listas de

cabeçalhos de assunto), descritores (tesauros) ou símbolos de classificação (sistemas de

classificação bibliográfica). O vocabulário é sempre menor do que os vocabulários dos

usuários, dos documentos indexados e do próprio indexador, por causa do controle do

vocabulário. Diante disso, é necessário fornecer, além do vocabulário de indexação (termos

usados no índice), um vocabulário de abordagem, que consiste de termos que não são

usados no sistema para representar os conceitos, mas que podem ser usados pelos autores

dos textos, pelos indexadores, e pelos usuários ao consultar o índice. Por exemplo, o

vocabulário do sistema usa o termo TESTE DE INTELIGÊNCIA.

Porém, o assunto pode ser procurado por:

TESTES MENTAIS – termo sinônimo

1

TESTES PSICOLÓGICOS – termo mais geral (abrangente)

TESDE DE APTIDÃO – termo mais especifico

DESENVOLVIMENTO MENTAL – termo relacionado

Estes termos constituem o vocabulário de abordagem.

3.3.4.2 Sintaxe é o conjunto de artifícios empregados para revelar as relações entre os

conceitos e as regras para estabelecer os descritores e determinar a ordem em que devem

ser citados. Ocorrem da necessidade de se poder recuperar a interseção entre duas ou mais

classes de conceitos, e o reconhecimento das relações entre os conceitos (item 3.1.2) é

produto de uma análise de assunto cuidadosa, que é básica para todas as linguagens de

indexação estruturadas.

São evidenciadas, as relações semânticas (ou de significado) e as relações sintáticas que

existem entre os termos indexadores.

As relações semânticas devem ser controladas ou mostradas nas linguagens de indexação

com o objetivo de se indicarem os termos alternativos ou substitutivos de indexação e

busca. As relações semânticas podem ser de 3 tipos : equivalência, hierárquicas e

associativas. Dependendo da estrutura da linguagem de indexação (verbal ou simbólica), o

estabelecimento das relações semânticas pode ser mais complexo ou mais simples,

utilizadas em tesauros e listas de cabeçalhos de assuntos)

Relações de equivalência (ver, see, use, x) UP (usado para = Used For - UF)

Relações hierárquicas - TG (Termo Geral = Broader Term - BT), TE(Termo Específico

= Narrowed Term - NT).

Relações associativas (ver também, see also, xx) TR (Termo Relacionado = Related

Term - RT)

As relações sintáticas entre os termos de uma linguagem de indexação originam-se da

necessidade de se poder recuperar a interseção entre duas ou mais classes de conceitos

distintos. Ex. pode existir interesse pelo assunto “fundição do alumínio” e não por

“fundição” e “alumínio”. Essas relações constituem-se da associação de termos para

representar assuntos compostos. São temporárias, ao contrário das relações semânticas, que

são permanentes.

1

As linguagens controladas são mais eficientes no SRI, embora apresentem maior

dificuldade para o usuário. Quanto maior a diferença entre a linguagem natural e a

linguagem controlada, maiores as dificuldades dos usuários no momento da busca.

O vocabulário de uma linguagem de indexação pode ser verbal ou simbólico (codificado),

que constituem as linguagens verbais e as linguagens simbólicas.

3.3.5 Linguagens verbais

Nas linguagens verbais, os assuntos são representados por palavras, como por exemplo, um

documento que trate da História da França, será representado por FRANÇA – História.

São linguagens verbais as listas de cabeçalhos de assunto, os tesauros.

As LCA são arranjadas em ordem alfabética de cabeçalhos de assunto, e têm abrangência

geral de todas as áreas do conhecimento. Apresentam pouca flexibilidade, pois são pré-

coordenadas (ver item 3.3.7), havendo o estabelecimento de uma ordem de citação entre os

termos.

Os tesauros, por sua vez, são especializados numa determinada área do conhecimento, e

mais flexíveis, apresentando uma ordem alfabética e sistemática entre os termos de

assuntos, chamados descritores. Utiliza termos simples, não havendo ordem de citação

entre os termos, constituindo uma linguagem pós-coordenada. (ver item 3.3.8)

3.3.6 Linguagens simbólicas

Nas linguagens simbólicas, os assuntos são representados por códigos ou símbolos, na

forma da notação de um sistema de classificação bibliográfica. Assim, o exemplo de

História da França, o assunto será representado por 944 (CDD)

Uma das linguagens simbólicas mais usadas em bibliotecas é a classificação bibliográfica.

Um mapa completo de qualquer área do conhecimento, mostrando todos os seus conceitos e

suas relações é chamado de tabela, esquema ou sistema de classificação.

3.3.6.1 Sistemas de classificação

Se dividem em:

a) de acordo com a apresentação dos assuntos: enumerativos - procuram indicar todos os

assuntos e todas as combinações possíveis entre eles e apresentar os símbolos que os

1

representam prontos para ser usados. Ex: .Classificação Decimal de Dewey (CDD); e os

analítico-sintéticos – ou facetados - apresentam listas de assuntos – facetas –

acompanhados de símbolos e deixam ao classificador a tarefa de combinar os símbolos

para apresentar os assuntos compostos. Ex: Colon Classification (Classificação de Dois

Pontos) e Bliss Classification.

b) de acordo com a abrangência: gerais – todas as classes do conhecimento. Ex:

Dewey, CDU, Colon, LC; e especiais - classes especiais de assunto – Ex: Coates (Música)

Elementos de um sistema de classificação:

1) Apresentação ou introdução – Origem e evolução do sistema. Atualização. Ordem de

citação. Ordem de arquivamento. Instruções para a construção de números de

classificação.

2) Tabelas

Auxiliares, classe geral, assuntos

3) Notação

4) Índice alfabético

3.3.6.2 Como classificar

Ranganathan enfatizou que há três estágios diferentes na indexação, e denominou-os de

Plano Idéia (análise de assunto em nossas próprias palavras; decisão sobre a classe

principal apropriada; decisão sobre a ordem de citação para a classe; re-arranjo da análise

de assunto na ordem apropriada), Plano Verbal (exame do índice e das tabelas do esquema

para encontrar os conceitos necessários) e Plano Notacional (construção da notação para os

conceitos, de acordo com as regras estabelecidas).

Em todo SRI, é necessário o controle de terminologia para assegurar a coincidência das

perguntas e respostas, fazendo com que determinado assunto pesquisado seja recuperado.

Este controle pode ser feito através de coordenação de conceitos no ato da indexação ou no

momento da recuperação. São as chamadas linguagens pré e pós coordenadas.

1

3.3.7 Linguagens pré-coordenadas

Os sistemas pré-coordenados estabelecem a coordenação dos vários tópicos referentes a um

assunto composto no momento da indexação, e, com grande subjetividade, determinam

uma prioridade na citação desses elementos. Essa ordem é determinada a partir da

importância que os conceitos representam para os usuários.

3.3.7.1 Características da pré-coordenação:

- subjetividade (conceitos compostos);

- entradas múltiplas (remissivas + referências);

- autonomia do indexador;

- fáceis de serem usadas.

-

3.3.7.2 Vantagens:

- um único lugar para um assunto composto: prover apenas um lugar inequívoco para

qualquer assunto composto;

- personalização da busca: fazer com que os usuários possam familiarizar-se com o

sistema e, com o tempo, passem a formular questões de acordo com a linguagem do

sistema;

- limitação do tamanho: a entrada única ajuda a evitar o crescimento desmesurado do

catálogo, tornando mais simples o seu uso e menos dispendiosa a sua manutenção;

- flexibilidade na estratégia de busca: podem ocorrer mudanças na estratégia da pesquisa,

podendo seguir um assunto mais restrito, mais genérico ou correlato, sem ter que se

começar pela estaca zero;

- busca seqüencial manual rápida: as linguagens pré-coordenadas funcionam melhor

nesses sistemas tradicionais de registro de documentos. Elas geram arquivos maiores,

mas a busca manual, quando realizada seqüencialmente, é mais rápida.

- evita falsas associações e relações incorretas;

- é mais precisa.

1

3.3.7.3 Desvantagens:

- dificuldade na representação dos diferentes sentidos do termo, e das relações entre os

termos;

- ordem fixa: os termos somente podem ser listados numa determinada seqüência;

- pouca flexibilidade na busca: é quase impossível fazer a combinação entre os termos no

momento da busca;

- tamanho e custo: o uso da “entrada múltipla” encarece o sistema e aumenta o tamanho

do índice

Exemplos de linguagens pré-coordenadas: listas de cabeçalhos de assunto (Library of

Congress, Rovira, Wanda Ferraz), os índices permutados, os índices em cadeia e as

classificações bibliográficas. (Classificação Decimal de Dewey, Classificação Decimal

Universal).

3.3.7.4 Ordem de citação

O problema das linguagens pré-coordenadas é a necessidade de se estabelecer uma ordem

de prioridade para os diversos conceitos. É a chamada ordem de citação, a ser determinada

a partir da importância que os conceitos têm para os usuários e, nesse caso, somente o

primeiro elemento citado é recuperado, ficando os outros ocultos. Existem algumas regras

básicas tentando estabelecer a ordem de citação dos assuntos complexos, como:

- o assunto antes da forma bibliográfica : Geologia – Enciclopédia

- o assunto antes do lugar (com a preposição em): A fome no Brasil, Fome-Brasil

- o assunto depois do lugar (com a preposição de): Montanhas do Brasil, seria Brasil-

Montanhas

- todo-parte: Índices de Periódicos, seria Periódicos - Índices

Opções de ordem de citação são dadas por teóricos da área, como Kaiser (1911) – “o

concreto, depois o processo” – Indexação de livros, seria Livros - Indexação; por Coates

(1960) – Coisa – Parte – Material – Ação. Uma das opções, é a utilização das Cinco

Categorias Fundamentais, estabelecidas por Ranganathan: PMEST - Personalidade (núcleo

do assunto), Matéria, Energia (processo), Espaço e Tempo)

1

Ex: Plantação de soja no Paraná em 2003

A ordem dos termos será: SOJA-Plantação-Paraná-2003

Como se pode verificar, apenas o termo soja poderá ser recuperado na ordem alfabética.

Uma solução para isso, é a adoção de “entradas múltiplas”, ou a utilização de uma “rede

sindética” (uso de remissivas e referências) bem elaborada.

3.3.8 Linguagens pós-coordenadas

Os sistemas pós-coordenados adotam conceitos simples usados na indexação, que são

combinados pelo usuário no momento da busca. Os termos são combinados de qualquer

maneira, conforme a necessidade mais geral ou mais específica do usuário.

Os sistemas mais modernos de recuperação da informação, principalmente os sistemas

automatizados, passaram a usar as linguagens pós-coordenadas. Neste tipo de sistema, não

existe a preocupação com a importância dos elementos de um assunto composto, e,

consequentemente, com a ordem de citação desses elementos (ordem de prioridade definida

nas linguagens pré-coordenadas).

Uma linguagem pós-coordenada consiste de entradas que normalmente são conceitos

únicos, podendo-se dar a entrada de todos os termos no sistema, sem a necessidade de

decisões a respeito da prioridade dos itens. Cria-se uma entrada única para cada assunto

considerado relevante. Como recurso que auxilia a busca em sistemas pós-coordenados e

automatizados, é utilizada a lógica booleana, com os elementos and, or, nor.

3.3.8.1 Características da pós-coordenação:

- conceitos únicos: são indexados os conceitos simples;

- comparação das entradas de assunto: permite determinar coincidências que revelam

documentos pertinentes ao assunto pesquisado;

- objetividade: dá-se a entrada a todos os termos relevantes, sem a necessidade de

decisões a respeito dos itens;

- flexibilidade na busca: os termos podem ser combinados entre si, de qualquer forma, no

momento da busca;

- pesos iguais para os termos: todo termo atribuído a um documento tem peso igual,

nenhum sendo mais importante que o outro.

1

3.3.8.2 Vantagens:

- independência da ordem de citação;

- permissão de uma maior revocação;

- mais eficiência, melhorando a qualidade e diminuindo o custo nas buscas

automatizadas.

3.3.8.3 Desvantagens:

- eficiência ligada à automação: as linguagens de indexação pós-coordenadas são

consideradas mais eficientes apenas quando usadas em sistemas automatizados;

- combinação dos termos somente na saída, podendo-se obter associações falsas e

incorretas;

- oferecimento de baixa precisão.

Exemplos de linguagens pós-coordenadas: Tesauros (descritores), o Sistema Unitermo

3.3.9 Avaliação das linguagens de indexação

A escolha de uma determinada linguagem de indexação para um SRI é uma tarefa

complexa e que exige muito conhecimento da área do conhecimento em que o sistema está

inserido, os objetivos da instituição à qual está subordinado e, principalmente, os interesses

dos usuários da informação.

Alguns aspectos gerais devem ser observados para avaliação das LI pelo indexador:

- qualquer LI deve estar permanentemente sendo avaliada (em comparação com a

evolução da área e a conseqüente mutação do vocabulário, tanto dos autores como dos

leitores) e atualizada (eliminação de termos obsoletos e introdução de termos novos).

- A criação de uma linguagem de indexação nova é um processo lento, caro e que exige

recursos humanos qualitativa e quantitativamente preparados e disponíveis para isso, , e

a adaptação de uma linguagem já existente pode ser racional, eficiente e mais barata;

- Se a biblioteca ou centro de informação participar de uma rede ou de um sistema

cooperativo, as decisões devem ser comuns, e apresentadas ao sistema para que possam

ser incorporadas por todos os membros participantes.

- Se a instituição é isolada, a possibilidade de soluções individuais que melhor se

adaptem ao SRI são maiores, devendo-se considerar as características da biblioteca.

2

- Caso sejam detectadas falhas na recuperação da informação, deve-se pesquisar as

causas: Problemas na análise de assunto? Inadequações do vocabulário controlado?

Falta de treinamento do usuário? Falta de remissivas e referências?

- Qual a providência tomar no caso de não existirem, na LI adotada no sistema, conceitos

que não estão representados? Em alguns sistemas, a admissão de novos termos é aceita

mas, em outros casos, o indexador deverá usar descritores mais genéricos.

Nesse contexto, surgem dois conceitos que possibilitam também a avaliação de uma LI: a

revocação e a precisão. Revocação é o coeficiente entre o número de documentos inseridos

no sistema versus o número de documentos relevantes recuperados pelo usuário, e a

precisão é o coeficiente entre o número de documentos inseridos no sistema e a precisão da

busca. Ex. Para a busca de documentos sobre Escultura, se o termo de busca for Artes,

haverá alta revocação e baixa precisão, pois serão recuperados documentos que falam de

escultura, mas não só sobre este assunto. Ao passo que, se a busca for feita pelo próprio

termo Escultura, a revocação será baixa e haverá uma alta precisão, pois só serão

recuperados documentos sobre Escultura.

Pesquisas mostram que um maior grau de especificidade eleva a taxa de precisão e baixa a

de revocação; ao contrário, um aumento de exaustividade, eleva a taxa de revocação,

baixando a de precisão.

3.4 Consistência da indexação

Um aspecto importante a ser considerado é a consistência da indexação, que também será

muito afetada pela qualidade da linguagem adotada. O estabelecimento da linguagem de

indexação deverá ser feito tendo em vista a sua adequação ao sistema a que irá servir. Um

fator importante é a qualidade de atualização dessas linguagens, com a inclusão dos novos

termos que surgem nos diversos campos das ciências, adequando-se as linguagens

controladas às terminologias dessas áreas.

A consistência da indexação está ligada a dois elementos básicos: ao desempenho do

indexador e à qualidade dos instrumentos de indexação. É importante que essa consistência

seja regular, considerando-se o fator tempo na operação de um determinado sistema, sendo

necessário ao indexador um alto grau de imparcialidade e uma submissão às diretrizes da

2

indexação adotadas pelo sistema. Deve-se procurar controlar a subjetividade, inerente a

qualquer trabalho humano, e presente na atividade de indexação. A consistência é difícil de

ser obtida quando é grande o grupo de indexadores, ou quando trabalham em diferentes

locais. Nesses casos, é aconselhável que se estabeleça um grupo de controle centralizado

para a verificação das indexações feitas.

Para se obter consistência na indexação é preciso, ainda, que se tenha bem estabelecida uma

política de indexação, que siga critérios como nº de termos indexadores para cada

documento (exaustividade), uso de singular ou plural, uso de siglas, termos em inglês e

rede sindética.

3.5 Indexação automática versus automatizada

Para a eficácia do controle e da organização das informações contidas em documentos, na

atualidade, torna-se imprescindível a automação de várias atividades desenvolvidas em

bibliotecas e centros de informação, e a adoção de tecnologias da informação já é uma

realidade na maioria desses. A indexação de documentos é uma das atividades em que se

tem investido muitos recursos, visando aumentar a rapidez e a precisão na recuperação de

informações relevantes para os usuários.

Há uma controvérsia quanto ao uso das terminologias indexação automática e

automatizada, podendo-se sintetizar que, na primeira, o trabalho desenvolvido para indexar

assuntos é totalmente feito pelo computador, como indexação por palavras (KWIC), pela

freqüência com que as palavras aparecem no texto, entre outros. Já na indexação

automatizada, a primeira etapa de extrair o conteúdo do documento (análise de assunto) é

feita por um indexador humano, que após seu trabalho intelectual, insere os termos numa

base de dados automatizada. No entanto, não há um consenso quanto a essa diferença

apresentada, podendo-se verificar os dois termos usados, também, como sinônimos.

Para finalizar, levanta-se uma questão para reflexão dos bibliotecários: até que ponto pode-

se delegar à máquina a tarefa de indexação? Onde poderia se apontar um limite para as

atividades desenvolvidas pela máquina? Seria, essa, já programada para exercer atividades

mentais como abstrair, interpretar, compreender e perceber, características inerentes ao ser

humano?

2

REFERÊNCIAS

BEGHTOL, Clare. Bibliographic classification theory and text linguistics: aboutness,

intertextuality and the cognitive act of classifying documents. Journal of Documentatin,

v.42, n.2, p.84-113, Jun.1986.

CESARINO, Maria Augusta N., PINTO, Maria Cristina M.F. Análise de assunto. Revista

de Biblioteconomia de Brasília, v.8, n.11, p.33-43, 1980.

DAHLBERG, Ingetraut. Teoria do conceito. Ciência da Informação, v.7, n.2, p.101-107,

1978.

FOSKETT, A C. The subject approach to information. 5.ed. London: C.Bingley, 1996.

FROHMANN, B. Rules of indexing: a critique of mentalism in information retrieval

theory. Journal of Documentation, v.46, n.2, p.81-101, Jun.1990.

LANCASTER, F.W. Indexação e resumos: teoria e prática. Brasília: Briquet de

Lemos/Livros, 1993

NAVES, Madalena M. L. Fatores interferentes no processo de análise de assunto: estudo

de caso de indexadores. Belo Horizonte: ECI/UFMG, 2000. (Tese, doutorado em Ciência

da Informação)

PINTO MOLINA, Maria. Interdisciplinarly approaches to the concept and practice of

Written Documentary Content Analysis (WTDCA). Journal of Documentation, v.50, n.2,

p.111-1333, Jun.1994.

RAMSDEN, M.J.An introduction to index language construction: a programmed text.

London: C.Bingley, 1974. (Trad. e adap. de Maria Cristina M.F.Pinto)

2