Modelagem de dados como ferramenta de análise de padrões de metadados em bibliotecas digitais: o padrão de metadados brasileiro para teses e dissertações segundo o modelo entidade-relacionamento
Bibliographic record
Abstract
Nas ultimas decadas, com a automatizacao dos sistemas de informacao e com o advento das bibliotecas digitais, normas, padroes e tecnicas da biblioteconomia tem sido amplamente discutidos, analisados, reavaliados e reestruturados. Dentre esses se incluem os instrumentos normativos destinados a representacao descritiva, como o Formato de Catalogacao Legivel por Computador – MARC -, o Codigo de Catalogacao Anglo-Americano – AACR - e a Norma Internacional de Descricao Bibliografica – ISBD -, que tem se constituido em objetos de estudos teoricos, visando-se ao desenvolvimento e aperfeicoamento dos padroes de metadados para bibliotecas digitais. Objetiva analisar o padrao brasileiro de metadados para teses e dissertacoes, o MTDBR, utilizado no projeto da Biblioteca Digital de Teses e Dissertacoes, patrocinado e dirigido pelo Instituto Brasileiro de Informacao Cientifica e Tecnologica – IBICT -, utilizando a metodologia de modelagem de dados, de acordo com as Exigencias Funcionais para Descricao Bibliografica – FRBR -, proposta por um grupo de estudos especifico da Federacao Internacional das Associacoes de Bibliotecas – IFLA -, baseada no modelo entidade relacionamento - MER. Esta metodologia foi aplicada inicialmente ao ISBD(G) e os resultados foram apresentados no relatorio final do FRBR. Deste trabalho, a mesma metodologia foi a base de dois estudos realizados por Tom Delsey, da Biblioteca Nacional do Canada, sendo aplicada ao MARC e ao AACR. Sua aplicacao nesta tese sera a primeira iniciativa no Brasil de aplicacao da metodologia do FRBR de modelagem de dados ao padrao do MTD-BR. Este estudo apresenta as potencialidades da modelagem de dados na construcao de bibliotecas digitais. Os resultados permitiram identificar alguns pontos de reflexao no desenvolvimento de uma versao nova do padrao do MTD-BR, alem das propostas de ampliacao dos elementos de metadados deste padrao. Evidenciou-se ser essencial que novos estudos devem ser realizados, usando a aplicacao desta metodologia aos outros padroes de metadados, mesmo que analisados com outras ferramentas de modelagem de dados, como o modelo orientado a objeto, amplamente aplicado a projetos de sistemas de informacao, considerando sua relacao com as normas, principios e instrumentos da biblioteconomia. Espera-se que nao somente a representacao descritiva possa ser melhorada com este tipo dos estudos, mas tambem a area de representacao tematica. Texto completo disponivel em PDF.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.046 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.009 | 0.012 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".