THEMA | A nova ferramenta de metadados para livros


Por Felipe Lindoso | Publicado originalmente em PublishNews | 29/01/2014

Os leitores de O Nome da Rosa, de Umberto Eco, podem lembrar que os crimesno mosteiro acontecem, no final das contas, em torno de um assunto aparentemente prosaico: a classificação a ser dada ao suposto manuscrito de Aristóteles achado na biblioteca do convento. O suposto tratado sobre o riso seria obra filosófica [no sentido dado à palavra pela escolástica], ou um texto demoníaco que negava o cristianismo? Dessa classificação dependeria o acesso ao manuscrito ou sua condenação ao “inferno” dos livros proibidos. Da disputa, surge a razão dos assassinatos.

Por isso é que às vezes eu brinco, conversando com bibliotecários, que eles são capazes de assassinar em disputas sobre a classificação. O estruturado sistema decimal usado nas bibliotecas abre espaços para esse tipo de disputas [felizmente, rara vez resultando em assassinatos, mas muitas vezes em disputas acerbas entre os bibliotecários].

O sistema decimal serve muito bem aos sistemas de bibliotecas. Mas, para a indústria editorial e para o comércio de livros resulta demasiadamente complicado. O assunto foi progressivamente sendo enfrentado pela indústria. Primeiro veio o ISBN, um identificador unívoco de cada título e edição. Mas, se não se sabe qual o ISBN, as buscas devem utilizar algum outro metadado. Os mais comuns, certamente, são o título e o nome do autor. Durante várias décadas isso funcionou bem para o mercado e foi incorporado nos sistemas de bibliotecas. Mecanismos com o protocolo Z.39.5 permitem que os computadores de diferentes bibliotecas “conversem” entre si a partir de fragmentos como esses, e importem/exportem dados de classificação cooperativa [nossa BN, infelizmente, não abre esse mecanismo. O sistema de bibliotecas das universidades paulistas abre, em parte].

Mas a classificação por “assuntos” do ISBN sempre foi muito frouxa e desregulada. Quando aconteceu o avanço do comércio internacional de livros e particularmente o surgimento dos e-books, as deficiências dos mecanismos de busca por assunto revelaram de vez suas fragilidades. Daí que as entidades ligadas aos livros, em cada país [as que levam esses assuntos a sério, é claro], começaram a enfrentar o problema. O BISG – Book Industry Study Group, dos EUA, formulou o BISAC, os ingleses criaram o BIC, os franceses o CLIL e os alemães o WGS. E começaram os remendos, com gente armando esquemas para “traduzir” as classificações de um para o outro. Isso sem falar na Amazon, que usa o BISAC, mas acrescenta um monte de outros metadados que lhe permite fazer listas de best-sellers extremamente segmentadas e tornar mais fluido seu mecanismo de buscas.

No meio do caminho apareceu o DOI – Digital Object Identifier e o consórcio EdiTeur. O EdiTeur é, digamos assim, o meta incentivador/organizador de padrões para a indústria editorial. Praticamente tudo de relevante formatado em termos de padronização surgiu de iniciativas do grupo, embora a administração de cada um deles logo tenha passado para órgãos específicos. O padrão Epubé administrado por um consórcio específico, assim como o ISBN possui um escritório central sediado em Berlim. O ONIX [ON line Interface EXchange], criado pelo BISG, também se integra a essa constelação.

Gosto de citar o DOI porque acompanhei um tanto de perto as etapas finais de sua formulação, quando ainda trabalhava na CBL, e pela sua importância nos sistemas de gerenciamento de direitos. O DOI permite que qualquer segmento de informação digital, definido como tal pelo editor [de livros, de música, de filmes], receba um identificador único. Assim, um livro inteiro pode ter um identificador, ou um capítulo, ou uma ilustração, ou um gráfico, etc. Uma vez embutido, o DOI permite, em tese, que a circulação desse documento digital possa ser rastreado na Internet. O DOI é administrado pela DOI Foundation, e conta com a participação dos mencionados segmentos de música e filmes.

A mais recente iniciativa do EdiTeur é o THEMA, um sistema internacional para classificação de assuntos. O THEMA pretende incorporar progressivamente os demais sistemas de classificação de assuntos, permitindo uma uniformização dos objetos de pesquisa.

Durante a conferência Tools ofChangena edição de 2012 da Feira de Frankfurt foi anunciado o projeto do THEMA, que imediatamente ganhou apoio das associações de mais de doze países, tanto da América do Norte quanto da Europa. Logo se construiu um projeto piloto e uma proposta para a governança do sistema, que ficou adjudicado ao EdiTeur na última Feira de Frankfurt, em 2013. Na ocasião também foi criado um comitê para dirigir o seu desenvolvimento, que deverá se reunir durante as feiras de Londres e Frankfurt para acompanhar o projeto.

A proposta do THEMA é a construção de um sistema global de classificação de assuntos, aplicável facilmente por todos os integrantes da cadeia de produção e comercialização de livros, com flexibilidade para permitir que cada mercado retenha suas especificidades culturais. Integrado ao ONIX, permitirá o uso em múltiplas plataformas de comercialização e difusão do livro.

Mas, afinal, como funciona esse tal de THEMA? O sistema estabelece uma hierarquia de assuntos, com vinte assuntos de nível máximo, cada um dividido em quantas subcategorias forem necessárias, cada uma dessas categorias inferiores identificada por códigos alfanuméricos.

As hierarquias maiores correspondem a uma letra. A, por exemplo, são as Artes. Daí em diante vão se subdividindo: AB corresponde a Artes: assuntos gerais;ABA vai para Artes – Teoria. E assim por diante. A chave, evidentemente, é manter uniformes as categorias, na medida em que sejam formadas.

A hierarquia implica que os livros devam ser classificados até o nível de detalhe mais adequado, mas sempre relacionados com os níveis superiores. Por exemplo, um livro que entre na categoria AGA [História da Arte] será também automaticamente classificado nos níveis mais gerais – AG [Belas Artes: tratamentos e assuntos] e o A.

O sistema permite também a combinação de várias classificações e o detalhamento por países, época histórica ou corrente artística, idade possível de interesse para o livro e seja lá mais que dado possa ser considerado relevante. Como os códigos serão alfanuméricos e constantes, os cabeçalhos podem ser traduzidos para qualquer idioma.

Essa classificação deverá alterar também as categorias de assuntos das empresas de pesquisa de vendas, como a BookScan e a GfK. Cada uma delas usa critérios próprios para divisão de assuntos, o que certamente dificulta a comparação de dados entre os vários países.

A atribuição dos códigos de classificação é feita pelos editores, que devem atentar para que os assuntos de cada livro sejam considerados e se tornem localizáveis pelos mecanismos de busca. E é gratuito, mesmo para as que estão em países cujas organizações profissionais não façam parte nem contribuam para o comitê de governança do THEMA.

É mais um esforço das organizações sérias de editores e livreiros para facilitar o intercâmbio internacional. Aqui ainda teremos que enfrentar vários problemas prévios, em particular que os editores e livreiros compreendam em profundidade a importância da aplicação correta de metadados em suas informações.

Mas algum dia chegaremos lá. Nem que seja pela pressão do resto do mundo, inconformado com essa balbúrdia que reina por aqui.

Por Felipe Lindoso | Publicado originalmente em PublishNews | 29/01/2014

Felipe Lindoso

Felipe Lindoso é jornalista, tradutor, editor e consultor de políticas públicas para o livro e leitura. Foi sócio da Editora Marco Zero, diretor da Câmara Brasileira do Livro e consultor do CERLALC – Centro Regional para o Livro na América Latina e Caribe, órgão da UNESCO. Publicou, em 2004, O Brasil pode ser um país de leitores? Política para a cultura, política para o livro, pela Summus Editorial. Mantêm o blogwww.oxisdoproblema.com.br

A coluna O X da questão traz reflexões sobre as peculiaridades e dificuldades da vida editorial nesse nosso país de dimensões continentais, sem bibliotecas e com uma rede de livrarias muito precária. Sob uma visão sociológica, este espaço analisa, entre outras coisas, as razões que impedem belos e substanciosos livros de chegarem às mãos dos leitores brasileiros na quantidade e preço que merecem.

Metadata, ou quando os editores brasileiros comem moscas, cobras e largatos


Por Felipe Lindoso | Publicado originalmente em “O Xis do Problema” | 27 de julho de 2011

A palestra mais interessante do primeiro dia do Congresso do Livro Digital da CBL foi sem dúvida a de Edward Nawotka, editor-chefe do Publishing Perspectives, já no final da tarde.

Ed tratou de vários pontos, voltando a dez anos atrás e mostrando alguns dos erros estratégicos que culminaram na falência da Borders e os perigos que rondam o mercado editorial. Mas o ponto central do que falou foi a advertência: algo que os editores podem e devem fazer para garantir seu futuro em um mercado onde pululam os autores que se auto-publicam, é trabalhar a metadata de seus livros.

De que se trata?

Metadata é o conjunto de dados sobre dados. Assim simples, parece pouco. Mas na verdade é algo realmente fundamental para adquirir o instrumento mais precioso que os editores podem ter para manter sua posição no mercado: informação.

O título de um livro, o nome do autor, da editora e o ISBN, por exemplo, são metadatas. Informações que se referem a um livro. Mas se restritos apenas a esses dados, a quantidade de informação que estes podem proporcionar é ridícula, diante da riqueza que pode ser mineirada se houver uma compreensão melhor sobre o assunto.

Agora quem recua a dez, doze anos atrás sou eu. Trabalhava na CBL, como Diretor de Relações Institucionais. Por volta de 1998/99, duas movimentações no mercado internacional atraíram minha atenção. A primeira foi a iniciativa do Book Industry Study Group – BISG [mantido pela indústria editorial americana para promover pesquisas e estudos sobre o mercado] e do Book Industry Comunication [do Reino Unido] de construir a primeira versão do ONIX – On Line Information Exchange. O padrão ONIX é desenhado para possibilitar a comunicação computador-computador entre os envolvidos na criação, distribuição, licenciamento ou qualquer outro modo de tornar disponível propriedade intelectual publicada, seja física ou digital. Todos os padrões ONIX são expressos em XML. Mais informações aqui .

A segunda iniciativa foi a da criação do DOI – Digital Object Information, também por iniciativa principalmente dos editores, destinada a identificar qualquer segmento de informação digital de forma unívoca [tal como o ISBN identifica uma edição, o DOI identifica objetos digitais]. Mais informações aqui . Qualquer segmento, nesse caso, pode significar desde o livro digital inteiro até qualquer parte dele [o título, o nome do autor, o ISBN, uma foto, a capa, um gráfico, uma ilustração, qualquer parte do objeto digital].

As duas iniciativas criaram as condições para que se pudesse rastrear a circulação na Internet de qualquer movimentação relacionada com os livros: no caso do ONIX, mesmo dos livros físicos; no caso do DOI, de qualquer segmento digital. O resultado disso foi, entre outras coisas, o surgimento dos diferentes sistemas de DRM – Digital Rights Management.

É importante destacar que o DRM pode ser um instrumento extremamente flexível e, acoplado com as informações dos arquivos no padrão ONIX e DOI, possibilitam ao editor obter dados valiosíssimos sobre a circulação das INFORMAÇÕES sobre seus produtos na Internet.

Digamos, por exemplo, que as informações sobre um título qualquer – livro físico – estão organizadas no padrão ONIX. O sistema permite que se recolham informações sobre qualquer acesso a qualquer tipo de informação que circule na Internet sobre esse livro. Se alguém acessa o site da editora e clica no título em questão, o sistema coleta informações as mais variadas a partir do IP de quem clicou. O mesmo se o título for consultado no site de uma livraria ou de um distribuidor. Depende de como foram organizados os metadados dentro do padrão ONIX. Ou seja, não é preciso que seja um livro digital para que os metadados referentes a esse livro já estejam gerando informações para os editores: sobre a distribuição geográfica dos acessos, por exemplo, que podem ser combinados com outras fontes de informações. Quem já viu as tabelas do Google Analytics pode imaginar o quanto é possível garimpar a partir de um simples clique no título do livro. E o ONIX não é apenas isso. Tem muito mais.

O DOI simplesmente amplifica essas possibilidades para os livros digitais.

As restrições à circulação dos e-books, que tornaram os DRMs mais conhecidos por conta das restrições nas transferências do conteúdo digital, são praticamente um subproduto da combinação ONIX/DOI. E a maioria das pessoas pensa que os DRMs dizem respeito apenas ao comércio dos e-books.

Nada disso. DRMs são uma expressão prática de coleta de metadados, e apenas uma delas, talvez a que tenha atraído maior rejeição por parte dos consumidores finais.

Representando a CBL, cheguei a assistir a duas séries de reuniões sobre o DOI, em Frankfurt e em Berlim, e o assunto já começava a ser discutido pela diretoria da CBL. Era uma visão de futuro para o mercado editorial.

Em 2002, na sucessão da administração do Raul Wassermann, o senhor Oswaldo Siciliano foi eleito e jogou fora tudo isso.

Somente no ano passado a CBL iniciou tratativas com a Federación de Gremios de Editores de España para adotar uma versão do padrão ONIX em um catálogo de livros disponíveis, que seria a versão brasileira do DILVE – Distribuidor de Información del Libro Español en Venta. Falou-se nisso e depois não ouvi mais a respeito. No site da CBL, não se encontra mais nada sobre o assunto.

Em resumo, no começo da década passada já se esboçava uma visão de futuro sobre a importância da coleta de informação, e da padronização do tipo de informações. O esforço foi jogado fora e interrompido.

É possível que algumas editoras mais bem informadas estejam trabalhando com o padrão ONIX. Não sei. Se estão, devem guardar esses dados como um tesouro de informações valiosíssimas.

Mas o fato é que o mercado editorial brasileiro, nessa altura dos acontecimentos, tem que correr atrás do prejuízo.

Por Felipe Lindoso | Publicado originalmente em “O Xis do Problema” | 27 de julho de 2011