Grado en Información y Documentación: Introducción a la Recuperación de Información

Introducción a la Recuperación de Información

• La recuperación de información es una tarea esencial en la Documentación y Ciencias de la Información.
• Implica representar documentos para poder recuperarlos de manera efectiva.

Análisis Documental

• El análisis documental es el proceso de síntesis que permite acceder y recuperar documentos en un sistema de información.
• Consta de varios procesos:
  • Catalogación descriptiva: Captura de elementos identificativos del documento (título, autor, editorial, año de publicación, número de páginas, etc.).
  • Indización: Definir uno o varios conceptos que describan el tema sobre el que trata el documento.
  • Clasificación: Agrupación temática de documentos para una mejor organización lógica y física.

Problemas en la Indización y Recuperación de Información

• La ambigüedad es un problema en la indización y recuperación de información debido a la homonimia, sinonimia y polisemia.
• Los sistemas de información gestionan mal la ambigüedad y necesitan de herramientas que faciliten la indización y la recuperación de información.

Lenguajes Documentales

• Un lenguaje documental es un sistema artificial de signos normalizados que facilita la representación formalizada del contenido de los documentos.
• Definiciones de lenguaje documental:
  • Son sistemas artificiales de signos normalizados que facilitan la representación formalizada del contenido de los documentos.
  • Listas restringidas de términos estructurados que permiten representar y organizar el conocimiento que se tiene de un área específica.
  • Listas de términos válidos para denominar los conceptos de una disciplina, base de datos, biblioteca, repositorio, etc.

Historia de la Organización del Conocimiento

• La organización del conocimiento se remonta a la antigüedad, con ejemplos como la Biblioteca de Asurbanipal y la Biblioteca Alejandrina.
• En el siglo XIX, se desarrollaron clasificaciones como la de la Biblioteca del Congreso y la Clasificación Decimal Universal.
• En la actualidad, se habla de la Web Semántica, que implica el desarrollo de herramientas específicas que permiten pasar de la búsqueda por palabras clave a la búsqueda por conceptos.

Características de los SOCs

• Los SOCs (Sistemas de Organización del Conocimiento) se utilizan en el momento de la indización de documentos y en la recuperación de información.
• Utilizan los signos del lenguaje natural, pero el significado que se les da está controlado.
• Son lenguajes más precisos que el lenguaje natural.

Tipología de los SOCs

• Según la naturaleza de los términos: Lenguajes codificados y lenguajes naturales.
• Según el control del vocabulario: Libres y controlados.
• Según el momento de combinación de términos: Precoordinados y postcoordinados.
• Según su estructura: Jerárquicos, asociativos y sintácticos.
• Según su nivel de análisis: Indización por materias, indización por conceptos y indización por palabras clave.

Herramientas para la Organización del Conocimiento

• Listas de palabras clave: Lista no estructurada de conceptos que han sido seleccionados de manera automática para describir el contenido de los documentos analizados.
• Listas de descriptores libres: Listado de términos ordenados alfabéticamente escogidos por el analista.
• Folksonomías: Lista no estructurada de conceptos que ha sido generada de manera colaborativa por una comunidad de usuarios para describir el contenido de los documentos de un sistema determinado.
• Listas de autoridades: Lenguaje documental controlado que recoge ordenados alfabéticamente todos los registros de autoridades presentes en un catálogo o base de datos bibliográfica.### Taxonomías y esquemas de clasificación
• Una taxonomía es una estructura formada por un conjunto de categorías y subcategorías que permiten ordenar entidades de acuerdo a una serie de características que tienen en común.
• Las taxonomías se componen de términos taxonómicos que se organizan en una estructura en forma de árbol que puede tener varios niveles de profundidad.
• Existen diferentes tipos de taxonomías, como plana, jerárquica, polijerárquica, en red y facetada.

Listas de encabezamientos de materia

• Están diseñadas tomando como base búsquedas reales en archivos manuales e informatizados.
• Un encabezamiento de materia trata de representar el o los temas de un documento con la ayuda de una serie de términos relacionados entre ellos.

Tesauros

• Un tesauro es un vocabulario de un lenguaje de indización controlada, que desdobra los conceptos en las unidades simples.
• Los términos de un tesauro se coordinan posteriormente para evitar ambigüedades y se establecen relaciones jerárquicas, asociativas y de equivalencia.
• Los tesauros deben cumplir condiciones como ser un lenguaje especializado, normalizado, basado en la poscoordinación y servir para indizar y recuperar documentos.

Características de los tesauros

• Tipos de tesauros: generales, especializados, monodisciplinares, multidisciplinares, macrotesauros y microtesauros.
• Elementos de los tesauros: descriptores, no descriptores, términos genéricos, términos específicos, términos relacionados y notas.
• Notación de tesauros usando SKOS: preferente, alternativo, relacionado, genérico y específico.

Proceso de construcción de tesauros

• El proceso de construcción de tesauros implica la compilación de corpus y términos, testeo, evaluación y publicación.
• Existen prácticas colaborativas para la construcción de tesauros, como el flujo de procesos colaborativos en la construcción de tesauros en la perspectiva del linked open data.### Instituciones y Decisiones
• Instituciones de investigación: especialistas de dominio y profesionales de la información
• Decisiones: admisión y supresión de términos, verificación de términos y normalización de términos compuestos y simples

Fuentes de Información

• Diccionarios especializados y enciclopedias
• Léxicos especializados, sistemas de clasificación y monografías y manuales
• Índices de libros, consulta con especialistas y otros tesauros
• Bases de datos y documentos sueltos

Selección de Términos

• El número de términos seleccionados depende de la extensión, complejidad del tema y necesidades del sistema de información
• Términos se agruparán en familias según temas principales y marginales
• Términos simples y compuestos: trabajar con términos simples aumenta el volumen del tesauro y la ambigüedad

Normalización de Términos

• Dividir términos compuestos en simples cuando sean necesario
• Utilizar sustantivos o frases nominales, sin adjetivos, adverbios ni verbos
• No utilizar artículos, excepto en nombres propios
• Uso de mayúsculas y minúsculas según reglas ortográficas

Norma ISO 25964

• Diseño, creación y difusión de tesauros regulada por la norma ISO 25964
• La norma se compone de dos partes: tesauros para la recuperación de la información y interoperabilidad con otros vocabularios

Formas Gramaticales Permitidas

• Utilizar sustantivos o frases nominales, como sustantivos adjetivados o sintagmas preposicionales
• Preferir sustantivos adjetivados a sintagmas preposicionales

Uso de Mayúsculas y Minúsculas

• Utilizar minúsculas para definir términos, salvo en nombres propios
• Eliminar guiones en palabras compuestas

Singular y Plural

• Utilizar singular para nombres no contables (conceptos, propiedades, disciplinas)
• Utilizar plural para nombres contables (grupos de seres vivos, entidades y objetos)

Coexistencia de Términos en Singular y Plural

• Utilizar ambos para términos con diferente significado o cuando se diferencia entre técnica y producto

Orden de los Términos

• Respetar el orden gramatical de las expresiones
• Invertir términos en entornos digitales, no en papel

Nombres Propios

• Evitar utilización de nombres propios, salvo que el tesauro sea la única fuente de validación

Términos Homónimos

• Utilizar paréntesis para aclarar el significado
• Omitir paréntesis cuando el significado es obvio en el contexto del tesauro

Notas

• Utilizar notas de alcance para ofrecer información sobre el uso de los términos en el contexto del tesauro
• Utilizar notas de definición para aclarar significados ambiguos

Definición de Relaciones

Relaciones de Equivalencia

• Sinónimos y cuasisinónimos
• Preferir términos científicos, de más uso o actualizados

Relaciones Jerárquicas

• Relación jerárquica genéro/especie
• Relación jerárquica partitiva
• Relación jerárquica enumerativa
• Relación polijerárquica