A Classificação Decimal Universal (CDU) na web semântica

análise do UDC Summary Linked Data

Autores

  • Kazumi Tomoyose Universidade Federal de São Carlos (UFSCar)
  • Ana Carolina Simionato Arakaki Universidade Federal de São Carlos (UFSCar)

DOI:

https://doi.org/10.11606/issn.2178-2075.v10i2p138-157

Palavras-chave:

Classificação, Classificação Decimal Universal (CDU), UDC Summary Linked Data, Dados ligados, Web Semântica

Resumo

Sendo o processo de classificação uma das principais atividades englobadas pela Ciência da Informação no que tange à organização da informação, o presente trabalho aborda os conceitos da disciplina de Classificação aplicados na Web Semântica, com foco nos princípios Linked Data, como forma de proporcionar ordem e padronização aos termos a serem usados na ligação de dados, por meio da iniciativa UDC Summary Linked Data. A partir de uma pesquisa exploratória, teórica e aplicada busca-se analisar a presença da iniciativa nas ferramentas de busca dos catálogos dos centros de informação, bem como os benefícios que a mesma proporciona às instituições. Para isso, foram investigados 26 Online Public Access Catalogs (OPACs) a fim de identificar a adoção do UDC Summary Linked Data. Foi possível averiguar que nenhum dos catálogos investigados faz aderência ao UDC Summary Linked Data, além da escassez de produções na literatura que discorram sobre a iniciativa. Levanta-se como possível propulsor à visibilidade do sumário em Linked Data a sua inserção no diagrama Linked Open Data Cloud. Entretanto, a restrição no número de notações que incorporam o UDC Summary Linked Data limita sua adoção, diminuindo a flexibilidade de uso por parte dos centros de informação. Considera-se que a partir da aplicação da iniciativa promove-se uma representação temática mais semântica da informação, beneficiando a descoberta e a visibilidade de diferentes fontes de informação.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Kazumi Tomoyose, Universidade Federal de São Carlos (UFSCar)

    Mestranda em Ciência da Informação na Universidade Federal de São Carlos (PPGCI/UFSCar), com auxílio da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP). Graduada em Biblioteconomia e Ciência da Informação pela Universidade Federal de São Carlos - UFSCar (2018), em que realizou Iniciação Científica com auxílio da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP). Participa do Grupo de Pesquisa Dados e Metadados (GPDM), na UFSCar. Possui experiência de atuação em bibliotecas e outros centros de informação, tendo estagiado na Biblioteca do Centro Universitário Central Paulista - Unicep (2015) e no setor de Gerenciamento de Dados da Unidade Saúde Escola - USE/UFSCar. Tem experiência na área de Ciência da Informação, com ênfase em Biblioteconomia, com interesse nos seguintes temas: representação da informação, metadados e Linked Data.

  • Ana Carolina Simionato Arakaki, Universidade Federal de São Carlos (UFSCar)

    Possui graduação em Biblioteconomia pela Universidade Estadual Paulista "Júlio de Mesquita Filho" - UNESP (2010), mestrado (2012) e doutorado (2015) em Ciência da Informação (Linha de pesquisa 'Informação e Tecnologia') pela Universidade Estadual Paulista "Júlio de Mesquita Filho" - UNESP. Desde 2015, é docente Adjunto do Departamento de Ciência da Informação, da Universidade Federal de São Carlos - UFSCar, atuando no Programa de Pós-Graduação em Ciência da Informação - PPCGI/UFSCar e na graduação de Biblioteconomia e Ciência da Informação - BCI/UFSCar. É líder do grupo de pesquisa "Dados e Metadados" e colabora com os grupos de pesquisa "Organização e Representação da Informação e do Conhecimento de Recursos Imagéticos" e "Novas Tecnologias em Informação". Atualmente, exerce a função de Coordenadora da Coordenadoria dos Programas de Iniciação Científica e Tecnológica (CoPICT) da Pró-Reitoria de Pesquisa (ProPq) da UFSCar. Tem experiência em metadados, catalogação e descrição arquivística e museológica, modelagem conceitual e audiovisuais. Seus temas preferencias são: Dados e Metadados, Linked Data, Modelo conceitual, Modelo de dados, Curadoria digital, Patrimônio cultural, Imagem e Audiovisual.

Downloads

Publicado

2019-01-22

Edição

v. 10 n. 2 (2019)

Seção

Artigos

Licença

Ao encaminhar textos à InCID: Revista de Ciência da Informação e Documentação, o autor concorda com as prerrogativas do DOAJ para periódicos de acesso aberto adotadas pela revista:

  • concessão à revista o direito de primeira publicação sob a Licença Creative Commons Attribution (CC BY 4.0), que permite acessar, imprimir, ler, distribuir, remixar, adaptar e desenvolver outros trabalhos, com reconhecimento da autoria.
  •  autorização para distribuição  não exclusiva da versão do trabalho publicado nesta revista , como a publicação em repositorios institucionais desde que o reconhecimento da autoria e publicação inicial na InCID
  • leitores podem ler, fazer download, distribuir, imprimir, linkar o texto completo dos arquivos sem pedir permissão prévia aos autores e/ou editores, desde que respeitado o estabelecido na Licença Creative Commons Attribution (CC BY 4.0).

 

O trabalho publicado é considerado colaboração e, portanto, o autor não receberá qualquer remuneração para tal, bem como nada lhe será cobrado em troca para a publicação.

Os textos são de responsabilidade de seus autores. Citações e transcrições são permitidas mediante menção às fontes.

Dados de financiamento

Como Citar

TOMOYOSE, Kazumi; ARAKAKI, Ana Carolina Simionato. A Classificação Decimal Universal (CDU) na web semântica: análise do UDC Summary Linked Data. InCID: Revista de Ciência da Informação e Documentação, Ribeirão Preto, Brasil, v. 10, n. 2, p. 138–157, 2019. DOI: 10.11606/issn.2178-2075.v10i2p138-157. Disponível em: https://journals.usp.br/incid/article/view/161278.. Acesso em: 21 nov. 2024.