ARTIGO ANÁLISECOMPARATIVA E DE CONSISTÊNCIAENTRE REPRESENTAÇÕES AUTOMÁTICAE MANUAL DE INFORMAÇÕESDOCUMENTÁRIAS* COMPARATIVE ANO CONSISTENCYANALYSIS BETWEEN AUTOMATlCANO MANUALREPRESENTATIONS OF OOCUMENTARYINFORMATION GabrielSantosALCAIDE** Roberto Júlio GAVA*** Willame Santos RODRIGUES**** Débora Ferreira SANTOS***** RESUMO Analisa a consistência dos produtos de indexação automática em domínios científicos de Saneamento Básico e de Educação. Procura averiguar se essa via se assemelha, em resultados, aos processos de indexação que utilizam a metodologia da Análise Documentária. Busca referencial teórico na Análise Documentária, afim de reconhecer os parâmetros norteadores da análise e síntese de textos escritos, e na Terminologia, enquanto Ciência e objeto, para compreender a organização e as características dos vocabulários dos domínios do saber. Utiliza uma representação automática baseada em um modelo estatístico-morfológico, onde a extração dos léxicos éfeita com o auxílio de um dicionário que possui somente uma lista de palavras e as suas respectivas c/asses gramaticais. Observa que se o método vir a reconhecer signíficados e termos compostos, e a partir destes operar com relações/redes semânticas, o processo/produto de representação automática apresentará adequados níveis de desempenho em uma efetiva indexação automática. Palavras-chave: Indexação automática; Terminologia; Representação documentária; Método estatístico-morfológico. ,', Consistência; Indexação; Sintese do Trabalho de Conelusão de Curso - TCC, aprovado na Faculdade de Bibliotcconomia c Ciência da Informação - FaBCI da Fundaçào Eseola de Soeiologia e Política de São Paulo - FESP, em dczembro dc 2000, sob a oricntação da Prof.a Silvia Gagliardi Rocha e a coordenação do Prof. Claudio Marcondes Filho. Bacharel em Biblioteconomia, Bibliotecário Analista da Faculdade Santa Marcelina - E-mail:gsalcaide@uol.eom.br Bacharel em Biblioteconomia, Chefe da Seção de Manuseritos Arquivo da Cúria Metropolitana de São Paulo - E-mail:robertogava@yahoo.com Bacharel em Biblioteconomia, Encarregado de Biblioteca Sindicato dos Contabilistas de São Paulo, Auxiliar de Ensino na Faculdade de Biblioteconomia e Ciência da Informação - 11-4186-6482res.!11-3224-5115com.!11-223-2390fax - E-mail:willame@brfree.com.br Bacharel em Biblioteeonomia, Bibliotecária da Universidade Nove de Julho - UNINOVE - E-mail: debbsan@yahoo.eom Transinformação, v. 13, nQ 1, p. 23-41, janeiro/junho/200 I .,.. 24 G.S. ALCAIDE el aI. ABSTRACT lt a/lalyzes the cO/lsite/lcy ofthe prodl/cts of al/tomatic i/ldexatio/l i/l scie1ltific domai1ls ofbasic sa1litatio/l a/ld edl/cati01l. lt i1lte1lds to verify whether this procedl/re is similar, i/l its resl/lts, to the i1ldexati01l processes that I/se docl/me1ltary a1lalysis methodology. lt seeks theoretical re(ere/lce i/l docl/me/ltary a/lalysis, with the pl/rpose of recog1lizi1lg the gl/idi1lg parameters of a/lalysis sY/lthesis ofwritte1l texts a1ld i1lthe termi1l010gyas a scie1lce a1ld object to 1/1Idersta1ldi1lg the orga1lizati01l a1ld the characteristics ofthe vocabl/laries ofthe k1l0wledge domai1ls. lt I/ses a/l al/tomatic represe1ltati01l, based i1la1lstatistic-morphologicalmodel, where the extmctio/l of lhe words is made with the help of a dictio/lary that is CO/lstitl/ted solely by a /ist ofwords a1ld their respeclil'e grammar classes. lt 1Iotes that, ifthe method recog1lizes mea1li/lgs a/ld compol/1Id lerms i1l sema/ltic relatio/ls a/ld /lets, the procedl/re/prodl/ct of al/tomatic represe1ltatio/l will reach sati.ifactOl:v levels of achieveme1lt i/l a/l eJJective al/tomatic i/ldexatio/l. Key-words: AI/lomatic i/ldexatio1l; Termi/lology; represe/ltati01l; Statistic-morphologicalmethod. CO/lsiste/lcy; !tulexatio/l; Docl/me/ltary sabemos que o processo de extração não resolve o problema da contextualização. Não basta usar termos da terminologia como condição de referência a objetos. É preciso articulá-Ios em rede (relações) para que constituam um sistema de significação (TÁLAMO, 1997, p. 4). A resposta poderia ser a extração de sintagmas? Se a indexação automática enquanto produto documentário resultante da análise de textos/discursos científicos atribui léxicos de uma terminologia, como denominar este estudo: Processamento de Linguagem Terminológica ou Natural?2 Na tentativa de obter respostas possíveis reportaremo-nos à Análise Oocumentária, por ser a disciplina que norteia os procedimentos de análise e a síntese de textos/ documentos com vistas à representação via linguagens formalizadas. INTRODUÇÃO A representação via linguagens documentárias LO's é uma das condições para se transferir informações e, portanto, mediar a comunicação entre produtores e consumidores de informações e as bases de dados. O uso do computador como um instrumento aplicado à Análise Oocumentária é tema de discussão deste artigo. Pretendeu-se verificar qual era o desempenho dos sistemas automáticos de indexação, em texto integral, em dois domínios científicos: o de Saneamento Básico e o de Educação. O primeiro pertence à área de Exatas e o segundo, à área de Ciências Humanas. O tema justifica-se como tentativa de averiguar como são tratados os documentos eletrônicos em ambientes da Internet e quais os resultados da indexação automática em domínios onde há ou não fixação terminológica, e se essa via se assemelha, em resultados, aos processos de indexação que utilizam a metodologia da Análise Documentária, e em qual área este tipo de representação pode vir a ser aplicado. A Análise Oocumentária (AO), enquanto disciplina integrante do domínio da Ciência da Informação (CI), é definida por GARDIN como "um conjunto de procedimentos seguidos para expressar o conteúdo de documentos científicos sob formas destinadas a facilitar sua recuperação ou consulta" (GARDIN, 198I, p. 29). Por permitir transcender a noção de documento textual e representar informações independente do suporte, nosso objeto de trabalho são Mas, como preservar a contextualização de um termo que faz parte de um discurso' que foi indexado automaticamente? No âmbito terminológico de uma área técnica essa descontextualização estaria diminuída? Pois ," Segundo CINTRA. existe uma variação significativa entre texto c discurso c diz rcspcito à força dc intcr-rclação cntrc componcntes lingüisticos e extralingüistieos. A definição dos lingüistieos é tida como o "conjunto de refcrentes textuais. composto por palavras, frascs, pcriodos, parágrafos. eapitulos. partes do texto" c os componcntes extralingüisticos "os referentes situacionais que envolvem o próprio contexto situacional onde se dá o texto/discurso" (CINTRA, 1994, p. I). ,', A partir da observação documcntária especialidades (AD) de Gardin, trabalha da ciência com para LD inferimos tcxtos esta denominação científicos, - linguagem e por esta doeumentária de proccssamcnto razão, questiona (GARDIN, 1981, dc linguagem tcrminológica, se a transformação p. 32-36). realizada De acordo com porque cle diz quc "Análise não seria Gardin, de LE existe - linguagens uma distinção de entre os textos científicos produzidos no domínio das Cíências Exatas e Naturais dos que são produzidos no domínio das Ciêneias Humanas: "as ciêncías cxatas e naturais possuem constituintes lexicais e estruturas textuais mais distintas da tinguagem natural do que as ciências humanas (Ibid. p. 32-36). Transinfonnação, v. 13, nll I, p. 23-4 t, janeiro/junho/200 I __, ANÁLISE COMPARATIVA E DE CONSISTÊNCIA textos escritos em formato eletrônico acessível por computador, ou, adotando a term~nologia contemporânea, documentos eletrônicos. Os métodos para a AD são tema de investigação de vários autores na tentativa de impor rigor às atividades com fins documentários. Os métodos são expostos através da identificação de operações/etapas. As fases indicadas por CUNHA são a de análise e a de síntese, onde a análise "visa, primeiramente, identificar a organização metodológica do discurso do autor/produtor através da segmentação do texto" (CUNHA, 1990, p. 73). A síntese tem como premissa "chegar a conceitos/ palavras-chave capazes de traduzir o conteúdo do discurso analisado. Procede-se então, primeiramente, a > Documento ENTRE... 2S uma seleção e, depois, a uma fixação desses conceitos/ palavras-chave" (ibid., 1990, p. 76). Segundo AMARO, Cunha afirma que na análise se faz a leitura do texto, ou a contextualização e a segmentação, ou se identifica a informação principal do texto; e na síntese, realiza-se a passagem da linguagem natural (LN) para uma linguagem documentária (LD) (AMARO, 1991,p. 6). As operações propostas por KOBASHI mostram que primeiro os textos são desestruturados, e posteriormente, as informações selecionadas são estruturadas, ou seja, parte-se à elaboração de informações documentárias. A figura abaixo mostra as operações segundo KOBASHI: Análise Desestruturaçâo Resumo . Indexação ] Síntese ]< ] Representação Estruturação Figura 1: Fabricação da Informação Documentária (KOBASHI, 1995, p.ll) A representação para LARA é o "resultado das operações de análise e síntese do conteúdo cujo objetivo é a transferência da informação" (ibid, 1999, p. 136). KOBASH1, baseada na definição de Borko e Bernie, diz que "a indexação é o processo de analisar o conteúdo informacional dos registros do conhecimento e sua expressão na linguagem do sistema de indexação" (KOBASH1, 1995,p. 29). O objetivo da AD é a recuperação da informação e a inserção do usuário no processo de AD, possibilita construir um conceito que realmente pode abranger todas as etapas envolvidas e o fim a que se destina a análise documentária: "a informação (00') só tem existência a partir de sua apropriação pelo usuário quando este identifica 'do que se fala' e 'de onde se fala' (lugar de sentido), a partir de suas experiências e necessidades de conhecimento ( LARA, 1999, p. 8). Um dos requisitos para se recuperar informações documentárias é o acréscimo do elemento interpretante. LARA reconhece este elemento e enfatiza que "enquanto signos documentários, as representações documentárias não podem ser vistas numa relação simples entre objeto e representação, mas supondo uma relação triádica que compreende objeto, representação e interpretante" (LARA, 1999,p. 9). Tendo como base o estabelecimento da comunicação nesse processo, a atribuição de uma linguagem de termos livres ou controlados é o que media essa comunicação usuário-sistema. Portanto, a representação, como atividade, desenvolve-se no universo da linguagem, o que permite uma comunicaçã03 (ibid, 1999, p. 161). As informações são construídas para efetuar a comunicação do conhecimento, a transferência. As LDs funcionam como instrumentos dessa ação comunicativa, na qual estão envolvidas a mediação e tradução deste conhecimento/informação para o interpretante (NOYELLINO, 1996,p. 43). Entendemos, assim como LARA, que o estudo da representação se desenvol ve no universo da linguagem (LARA, 1999, p. 54) e a transferência de informação pode ser '" A comunicação neste ãmbito é denominada comunicação doeumentária: "processo que envolve a codifieação c a deeodificação de conteúdos informacionais, ou seja, o tratamento c a recuperação da informação" (LARA, 1993, p. 72, grifo nosso). A comunicação se estabelece ao se aproximar o objeto que se quer representar do sujeito que irá interpretar esta relação (ibid, 1993, p.73). Transinformação, v. 13, nQ I, p. 23-41, janeiro/junho/200 I G.S. ALCAIDE el ai. 26 caracterizada como uma ação comunicativa. A função principal da linguagem é instaurar a comunicação e, a seu modo, o processo de representação documentária é IingÜístico-comunicacional. A linguagem documentária é que funciona como mediador entre produtores e consumidores de informação e as bases de dados. GOMES também afirma que o processo de comunicação não se estabelece "apenas entre um pólo emissor e outro receptor, mas também por canais de transferência que interagem como mediadores da ação comunicativa (GOMES, 2000, p.64). De acordo com a autora, "a interpretação é uma ação de composição" (ibid, 2000, p.64). A Terminologia como Parâmetro para a Construção de Linguagens de Representação Documentárias As linguagens documentárias (LDs), por serem construídas, são linguagens formalizadas. A fim de servirem como instrumentos de medição, transformam texto em Linguagem natural (LN) ou Linguagem especializada (LE), em produtos documentários normalizados. Mas para garantir efetividade na comunicação documentária e a recuperação do contexto, o uso da Terminologia possibilita à representação remeter a determinados sistemas de significação. A terminologia, como meio de comunicação formal entre especialistas de um domínio, é constituída por termos monorreferenciais: cada termo tem um conceito específico e se relaciona com os demais por intermédio de sua definição, permitindo a precisão e normalização desta linguagem. Isto confere, à comunicação especializada, univocidade (LIMA, 1999, p. 31). Em virtude da terminologia trabalhar com palavras em funcionamento, é possível delimitar seus valores e sua significação dentro do universo onde ocorrem, ou seja, possibilitar à representação remeter a sistemas de significação nos textos (LARA, 1993, p. 76). A Terminologia é "um campo interdisciplinar e transdisciplinar e envolve não só a descrição e o ordenamento do conceito (nível cognitivo), mas também a transferência de conhecimento (nível comunicacional). Seus elementos centrais são conceitos e termos" (ISO 704). As terminologias enquanto objetos concretos são um "conjunto de termos que representam um sistema de conceitos de um domínio particular" (ISO 1087). Sager, citado por DIAS, afirma que o termo terminologia é polissêmico, apontando para três concepções diferentes acerca dos termos. Como teoria, a Terminologia "é um conjunto de premissas, Transinformação, argumentos e conclusões necessário para explicar o relacionamento entre conceitos e termos especializados" (SAGER apud DIAS, 2000, p. 90). Como prática se define como um conjunto de métodos e atividades que visam a coleta, descrição, processamento e apresentação de termos. Enquanto produto, constitui-se por "um conjunto de termos, ou vocabulário, de um determinada especialidade" (ibid, 2000, p. 90) Termos, Conceitos e Vocabulários dos Domínios do Saber De acordo com a norma ISO 1087, o termo é a "designação de um conceito por meio de uma unidade lingüística definida numa língua de especialidade" (ISO 1087). Enquanto produto de uma relação extralingüística que parte do objeto, é mediado pelo conceito (LARA, 1999, p. 124). O objeto é o elemento passível de ser percebido e pode ser representado por um termo ou símbolo (ISO 1087). Para HERMANS, o "termo científico é uma unidade lexical definida num texto científico e a condição para ser termo é a de ser definido no discurso científico". Disso resulta que "todo termo deve ser monossêmico, unívoco, prescritivo" (HERMANS, 1989, p. 529). Hermans afirma a existência de dois tipos de termos nos vocabulários científicos: os termos técnicos e os termos teóricos. "Os termos técnicos designam observações, medidas, experiências. instrumentos (...) Para constituir a terminologia de um domíllio técnico parte-se dos objetospreexistentes aos termos. O termo não é definido a partir de seu jilllcionamento 110 discurso. mas como correspolldelldo a uma noção particular dentro do campo lIociollal" (ibid. p. 529) Já os termos teóricos não se relacionam às noções preexistentes ou a representações mentais a objetos concretos e abstratos. Estes termos são utilizados com uma ou várias significações. A significação destes termos depende de seu funcionamento no contexto e das relações que ele mantém com os outros termos no enunciado (id., 1989, p. 529-530). A significação gerada continuamente dos termos científicos é dada pelo uso que os cientistas fazem dos termos e pela forma como tal uso é assimilado pelos outros. Isso pode ocasionar termos imprecisos. No entanto, a estabilidade nas ciências é comparada à estagnação. Os cientistas procuram uma instabilidade próxima entre a indeterminação e a determinação, pois se os conceitos científicos forem muito determinados, v. 13, nQ I, p. 23-41, janciro/junho/200 1 ANÁLISE COMPARATIVA E DE CONSISTÊNCIA eles não podem funcionar como instrumentos de descoberta ou explicação (id., 1989, p. 530). 27 ENTRE... ROBREDO afirma que a comparação de "cada palavra do texto com uma relação de palavras vazias de significado, previamente estabelecidas, conduz por eliminação, e considera as palavras restantes dos textos como palavras significativas" (ROBREDO, 1982, p. 236). Segundo lARA, "a referência dos termos na Terminologia é formulada através de uma operação de definição" (lARA, 1999, p. 120). A definição, de acordo com a norma ISO 1087, é um "enunciado que descreve um conceito e que permite diferenciá-lo de outros conceitos no interior de um sistema de conceitos" (ISO 1087). Definir os termos teóricos implica em especificar as diferentes significações que podem ter estes termos: "especificações cronológicas, por escola de pensamento ...". E propor uma definição teórica "equivale a propor a aceitação de uma teoria e (...) as teorias são notoriamente discutíveis". Com isso é possível afirmar, segundo COPI, "que uma definiç'ão é substituída por outra à medida que nosso conhecimento e compreensão teóricos aumentam" (COPI, 1978, p. 117). O processo de indexação automática que opera com base na constituição de dicionários e antidicionários de "palavras vazias invariáveis" e "raízes de palavras não significativas"5, segundo KOBASHI, "inspira-se no distribucionalismo". Em virtude de se basear em "critérios semânticos estatísticos", KOBASHI considera que esta é uma metodologia de indexação viável apenas em áreas cuja terminologia esteja estabilizada (KOBASHI, 1995, p. 30). Com base nas afirmações de Chaumier, para CASTIlHO, a indexação automática opera com texto integral e realiza de forma automática todas as etapas da indexação, inclusive as etapas de análise e sintese (CASTIlHO, 1995, p. 12, grifo nosso). INDEXAÇÃO AUTOMÁTICA ROLE, opondo-se à indexação automática, diz que os sistemas informatizados não realizam nenhuma espécie de análise, mas trabalham somente com a extração de palavras do texto (ROLE, 1993, p.140). No final da década de 50, luhn desenvolve o índice Keyword in Context (KWIC), baseado em linguagem natural4 , que retirava termos dos títulos dos trabalhos comparando com um indice de palavras proibidas. Caso não houvesse coincidência, o termo seria admitido como palavra-chave. Essa "novidade", para GOMES, era resultado não "do aproveitamento das palavras-chave presente nos títulos dos documentos, mas da rapidez com que a tarefa poderia ser executada" (GOMES, 1989, p. 166). Mais tarde, percebeu-se que outras palavras dos trabalhos poderiam constituir palavras-chave, acrescentando-se desta forma os subtermos. Através da revisão de literatura, pode-se verificar que a mecanização do processo manual de indexação somente é realizado em parte, em específico na fase de síntese, ou seja, na atribuição de léxicos documentários, portanto, com a prepoderância da representação sobre a análise. Afirmar hoje que a indexação é um processo subjetivo é inadequado, por haver um campo que propõe processos meto dológicos de análise e síntese: a AO. Poderá haver subjetividade quando não for empregado um parâmetro metodológico. Entretanto, a extração seria capaz de evitar a subjetividade? Os teóricos abordam a existência de subjetividade, mas não esclarecem/propõem uma sistematização analítica. De acordo com GARCIA GUTIÉRREZ, nos anos 60 surgiram "modelos de representação automática" baseados na leitura seqüencial do texto; o autor afirma que em tais modelos predominam a representação sobre a análise (GARCIA GUTIÉRREZ, 1992, p. 33). Métodos Estatístico-Morfológicos Aplicados a Textos Escritos Segundo MAMFRIM, a mecanização do processo manual de indexação, no todo ou em parte, visa "a estabelecer rotinas que reduzam a interferência da subjetividade do indexador, tanto na análise do documento, quanto na seleção dos termos significativos" (MAMFRIM, 1991, p. 191). Os modelos estatístico-morfológicos partem da premissa de que "as palavras de um texto dividem-se em duas categorias: aquelas que são portadoras de uma significação e as demais" (COUlON & KAYSER, '" A linguagem natural é "sinõnimo de discurso comum, isto é, a linguagem vocabulário controlado" (LANCASTER, 1993, p. 200). 'SI O dicionário de "palavras vazias invariáveis" é eonstituido de preposições, conjunções, advérbios, entre outros. O outro, de "raizes de palavras nào significativas" na área de conhecimento processada Transinforrnaçào, (KOBASHI, utilizada habitualmente na escrita c na fala, c que é o contrário 1995, p. 30). v. 13, nQ I, p. 23-4 I, janeiro/junho/200 I de 28 a.s. ALCAIDE et aI. METODOLOGIA 1992,p. 18).Os modelos dividem-se em análise estatística e análise léxico-morfológica. A análise estatística é uma indexação baseada em cálculo freqüencial automático: "consiste em extrair os termos de um texto e contabilizar suas repetições" (GARClA GUTlÉRREZ, 1992, p. 133). Desta forma, pode-se comparar sua freqüência com a de outros termos do mesmo texto ou de outros. Luhn, ao criar o Keyword in Context (KWIC), utilizou o cálculo freqüencial automático centralizandose no fato de que "a freqüência de determinadas palavras em um texto dá a medida da representatividade destas palavras no mesmo" (COYAVO, 1967, p. li). Foram selecionados quatro textos dentro dos domínios científicos Educação e Saneamento básico, que correspondem respectivamente às áreas de Ciências Humanas e de Ciências Exatas. Sendo 3 científicos e I de divulgação apresenta: A análise léxico-morfológica iniciou-se também com os estudos de Luhn, e visa solucionar as falhas que ocorrem devido à recuperação de palavras não signitícativas"6 através da utilização de antidicionários, compostos por palavras sem significância, também chamadas de palavras vazias; comparam-se as palavras extraídas do texto com este antidicionário e, caso haja coincidência, são desconsideradas na elaboração do índice (LANC;ASTER, 1993, p.48). ROLE destaca, em seu trabalho sobre sistemas, o critério de substituir os termos do texto por outros julgados mais adequados, "ou seja, as palavras extraídas do texto são comparadas com um vocabulário controlado possibilitando o controle de sinonímias e polissemias" (ROLE, 1993, p.138). (00') A partir do momento em que se identificam, nos textos, os termos, pela análise estatística, o "analisador morfológico consiste em achar a forma representativa" destes termos "armazenada no léxico". Esta forma representativa, "como nos dicionários, conserva-se em forma Única (00')devendo encontrar-se as demais por meio de regras que descrevem as flexões possíveis" (COULON & KAYSER, 1992, p.40). (00') 1(')Palavras não significativas, conforme Laneaster, são "artigos, O conjunto se FARIA FILHO, Luciano Mendes de. O espaço escolar como objeto da história da educação: algumas reflexões. Revista da Faculdade de Educação [online], São Paulo, v.24, n.l, jan./jun. 1998.Disponível na internet: <http://www.scielo.br/ c g i - b i n I fb p e I fb t e x t ? g o t = I as t & P i d = S O I 0225551998000 I000 IO&lng=pt&nrm=isso;:: COY AUD afirma que este método. "não considera possíveis sinonímias ou polissemias presentes no texto" (Ibid, p.14). À partir desta constatação, GARCIA GUTlÉRREZ propõe a utilização deste método somente a textos com "estabilidade termino lógica", observando que é "tarefa impossível em grande quantidade de textos, especialmente os que contêm informações sobre atualidades ou Ciências Sociais" (GARCIA GUTlÉRREZ, 1992, p.133). li para cada domínio. preposições, KA WASAKI, Clarice Sumi. Universidades públicas e sociedade: uma parceria necessária. Revista da Faculdade de Educação (online], São Paulo, v.23, n.I-2, jan./dez. 1997. Disponível na internet: <http://www.scielo.br/cgi-bin/ fb p e I fb t e x t? g o t = I a s t & P i d = S O 10 2551997000 I000 13&lng=pt&nrm=isso;:: SILVA, Luiz Carlos Faria da. Possíveis incompletudes e equívocos dos discursos sobre a questão da disciplina. Educação & Sociedade [online], Campinas, v.19, n.62, abr. 1998. Disponível na internet: <http://www.scielo.br/cgi-bin/ fbpe/fbtext?got=last&pid=SO I O 1301998000 I00007 &Ing=pt&nrm=isso;:: ZENTI, Luciana. A arte de ser professor. Nova Escola online [online], out. 2000. Disponível na internet: <http:// www.uol.com.br/novaesco Iai;:: MOTA, Suetônio, BEZERRA, Francisco Cesar, TOMÉ, Luciana Mota. A avaliação do desempenho de culturas irrigadas com esgoto tratado. Tn: CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL, 20, Rio de Janeiro, 1999. Anais.., [online]. Rio de Janeiro: ABES. 1999. Disponível na interneI: <http:/ Iwww.saneamentobasico.com.br/materi aiestudos/fi Iesl textos97 li-003 .doc;:: LIMA, Márcio Rogério Azevedo, REALI, Marco Antonio Penalva. Tratamento tlsico-químico das águas residuárias de uma indústria de papel utilizando-se a flotação por ar dissolvido. In: CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENT AL, 20, Rio de Janeiro, 1999. Anais... [online]. Rio de Janeiro: ABES. 1999. Disponível na internet: <http:// www.saneamentobasico.com.br/ma te ri aies tudo si fi Iesl textos97/i-006.doc;:: COSTA, Alberto José Moitta Pinto da, et al/. Estudo de tratabilidade de água residuária sintética simulando despejo líquido de coquerias. In: CONGRESSO BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL, 20, Rio de conjunções e assemelhados" Transinformação, V. 13, nQ I, p. 23-41, janeiro/junho/200 I (ibid, 1993, p.48). ANÁLISE COMPARATIVA Janeiro, 1999. Anais ... [online]. Rio de Janeiro: ABES. 1999. Disponível na internet: <http:// www.saneamentobasico.com.br/materia/estudos/fi Ies/ textos97/i-060.doc~ LUCÍRIO, Ivonete D. Parados e sufocados. Superinteressante online [online].jun. 1996.Disponívelna internet: <http://www2.uol.com.br/super/super0696/ polu.html~ Para o processo de indexação manual e automática7 foram utilizadas as seguintes linguagens documentárias: VIEIRA, Maria da Graça Camargo (org.). Vocabulário controlado [de educação]. São Paulo: Fundação Carlos Chagas,.Biblioteca Ana Maria Poppovic,Departamentode Pesquisas Educacionais, 1998. VOCABULÁRIOControlado[de saneamentobásico].2 ed. São Paulo: Sabesp,TDST, 1997. Para a indexação automatizada foi utilizado o protótipoS de FERNEDA. Os termos compostos dos vocabulários controlados foram fatorados, quanto à forma sintática, em termos simples. Estes, com os já existentes no vocabulário, foram alfabetados e suas duplicatas excluídas, mantendo-se somente uma unidade de cada palavra. Com as palavras organizadas em ordem alfabética e de posse de dicionários de língua portuguesa foram atribuídas as categorias gramaticais às palavras da relação. Aos nomes próprios e termos em língua estrangeira foi atribuída a classe substantivo. Às palavras pertencentes a mais de uma classe gramatical foi atribuída a classe na qual a palavra apresenta maior significação no universo estudado. Os termos, que são a forma canônica9 das palavras, foram normalizados para masculino-singular no caso de substantivos e adjetivos e na forma infinitiva para os verbos. Com as classes gramaticais atribuídas às palavras procedeu-se à alimentação do dicionário que o protótipo utiliza para o processamento dos textos. Todos os artigos foram coletados via internet, sem exceção, através de ferramentas de busca da rede e pelos serviços disponíveis aos assinantes de provedores de acesso. Os artigos foram gravados em um computador local (ojJ fine) na forma integral de seu conteúdo (7) E DE CONSISTÊNCIA 29 ENTRE... apresentado na rede. Trabalhando em modo local (ojJ fine), os artigos foram abertos em um processador de textos, o Winword. O título do periódico bem como as demais informações deste, o título do artigo, o resumo, as palavras-chave, biografias dos autores, ilustrações, tabelas, gráficos, legendas e referências bibliográficas foram apagados deixando-se somente os títulos dos capítulos e o texto na íntegra. Através do mesmo processador de textos foi realizada a contagem das palavras dos artigos. Estes foram gravados com a extensão que o protótipo é capaz de reconhecer 10. O protótipo trabalha em três fases distintas, mas interdependentes: . Primeiramente são extraídos do texto os termos significativos existentes em seu dicionário e é feita a contagem total de termos. Aos termos é relacionado o número do texto que está sendo indexado, já que podem existir vários consecutivamente, os números do parágrafo em que aparece o termo e sua posição neste parágrafo; . No segundo passo o protótipo cria uma matriz relacional entre os termos, onde são avaliadas a freqüência que um termo aparece no texto e sua relação com os demais termos; . Por último o protótipo extrai as palavras-chaves baseando-se nas forças relacionais calculadas na matriz gerada no passo anterior (FERNEDA, 1997, p. 47-58). Para a indexação manual os textos foram impressos e enumerados. Excluíram-se o resumo e as palavras-chave. Os vocabulários controlados foram entregues aos indexadores especialistas nas áreas dos domínios tratados. RESULTADOS E ANÁLISECOMPARATIVAE DE CONSISTÊNCIADOS PROCESSOSE PRODUTOS DOCUMENTÁRIOS O protótipo identificou uma quantidade de termos significativos nos textos relativamente baixa: 23,50%notexto 1, 17,00% no texto 2, 19,13% no texto 3,16,83% no texto 4,23,41% no texto 5, 21, 47% no texto 6, 17, 76% no texto 7 e 13,27% no texto 8. O protótipo consegue efetuar a extração de palavras através da comparação a um dicionário morfológico. Para possibilitar o processo alimentamos o programa com os vocabulários citados. "I FERNEDA nos cedeu gentilmente este protótipo. ,91 Referimo-nos ao verbete propriamente dito. ""I O protótipo trabalha com arquivos de extensão txl. Transinformação, v. 13, nQ I, p. 23-41, janeiro/junho/200 I G.S. ALCAIDE et aI. 30 Estando, portanto, entre a faixa de 10% e 25%, com valor médio de 19,05%. Os textos de divulgação, 4 e 8, foram os que apresentaram menor índice de ocorrência de termos significativos, obtendo 16,83% e 13,27% respectivamente. Estes percentuais estão claramente identificados com os textos que possuem menor quantidade de palavras, 2.697 e 1.364 tanto na área de Exatas como na de Humanas. Os maiores índices não demonstraram o mesmo comportamento, não estando relacionados aos textos com maior quantidade de palavras. Este fato pode ser atribuído a um maior domínio terminológico do autor dos artigos, estando mais consciente de sua área de atuação, como também estar relacionado a um dicionário morfológico" alimentado no sistema com maior ou menor abrangência. As palavras-chave apresentaram uma relação atribuídas somente clara quanto a suas quantidades aos textos de divulgação, textos 4 e 8, tendo ocorrido os menores índices atribuídos, 5 e 2, respectivamente. Nos demais textos as quantidades não puderam ser avaliadas por ocorrerem de forma aleatória, tanto em relação a quantidade de palavras quanto a quantidade de termos significativos identificados. Observamos uma quantidade média de palavras alta nos textos da área de humanas, 5.397 palavras aproximadamente, em comparação a área de exatas, 1.385 palavras. Numericamente a indexação automática mostrou-se extensiva com relação a indexação manual. Novamente a exceção é feita aos textos de divulgação, 4 e 8, que apresentam valores baixos e muito próximos para as duas formas de indexação e no caso do texto 8, na área de exatas, a quantidade de palavras-chave atribuídas pela indexação manual foi maior que a automática, como pode ser observado no quadro a segUIr: PALA VRAS-CHA VE PALA VRAS-CHA VE TEXTOS INDEXAÇÃO AUTO MÁTICA INDEXAÇÃO MANUAL 1 47 6 2 36 5 3 31 5 4 5 4 5 14 7 I1 6 27 4 I 7 10 5 S 2 4 r I Quadro I: Quantidade de palavras-chave empregadas por ambas as indexações A título de complementação foi feita uma comparação entre os termos de indexação utilizados na representação dos textos na internet e os resultados obtidos nesse trabalho, para averiguar, mesmo não tendo conhecimento acerca do uso ou não de uma LD, se os produtos se assemelham aos automáticos ou aos manuaIs. A indexação "original" aproxima-se do que foi realizada pelo processo manual: uso da generalidade, significado ambíguo; mas em determinados contextos, os léxicos documentários remetiam com pertinência ao sistema de significação dos discursos. li" Lista de palavras com suas respectivas calegorias Salientamos que para os nossos modelos de indexação não se determinou uma política de indexação e que para a indexação "original" esta política é desconhecida. Os resultados no Domínio de Educação foram: Texto 1: Universidades públicas e sociedade: parceria necessária. ./ Total de palavras do texto: 5192 palavras Indexação automática ./ Foram localizados 1220 termos significativos pelo sistema. gramalieais. Transinformaçào, uma v. 13, nQ I, p. 23-4], janeiro/junho/200] -- ANÁLISE COMPARATIVA E DE CONSISTÊNCIA 31 ENTRE... I. Ambiente conselho meio 2. Área ambiental 3. Ambiental controle 4. Ambiental estudo 5. Ambiental gestão 6. Ambiental impacto 7. Ambientallicença 8. Ambiental questões 9. Aspecto econômico 10. Econômico social 11. Econômico conhecimento valor 12. Econômico globalização 13. Atividade pesquisa 14. Atividade obra 15. Pesquisa científica educação 16. Pesquisa centro 17. Pesquisa básica educação 18. Pesquisa universidade 19. Pesquisa aplicado'2 20. Captação científico tecnológico 21. Científico social 22. Científico conhecimento 23. Científico patrimônio 24. Social demanda 25. Social problema 26. Conhecimento produção 27. Desenvolvimento política 28. Desenvolvimento modelo 29. Desenvolvimento projeto 30. Política pública 3 I. Educação superior 32. Espaço público 33. Formação profissional 34. Gestão participativa 35. Globalização processo 36. Igualdade condição 37. Instituição educativo 38. Lei mercado 39. Novas tecnologia 40. Papel universidade 41. Universidade pública 42. Universidade projeto 43. Universidade estadual 44. Universidade sociedade 45. Projeto nacional 46. Qualidade total 47. Sistema educacional Quadro 2: Palavras-chave extraídas do texto I Indexação manual I. Universidades públicas 4. Universidades públicas 2. Globalização 5. Globalização 3. Desigualdades sociais 6. Desigualdades sociais Quadro 3: Palavras-chave atribuídas ao texto I "') Como já dissemos, p. 25, os léxicos do dicionário morfológico Transinformação, que alimentamos no protótipo v. 13, nQ I, p. 23-41, janciro/junho/200 estão no masculino-singular. I ...- 32 G.S. ALCAIDE el ai. o processo documentário manual realizado no texto I de educação atribuiu o termo IMeio ambiente/l3. No entanto, ao pós-coordenar os termos IMeio ambiente e Universidades pÚblicasl o significado será ambíguo, por remeter a outro sentido: poderia indicar que o texto aborda sobre como é a área ambiental das universidades pÚblicas". O aspecto abordado é o do dever das universidades pÚblicas em elaborar projetos para o meio ambiente a fim de atender às necessidades sociais. Para uma recuperação pertinente do contexto, deveria-se qualificar o termo IMeio ambientei com I Projetos/. No processo automático seria possível recuperar este contexto, pois o protótipo précoordenou 15 os termos IUniversidade projetol e realizando a lógica booleana entre os pré-coordenados e IMeio ambientei, recuperaria-se o sentido. Ambos os processos reconheceram como termo IUniversidades pÚblicas/, mas o automático não o tlexionou. Isso não impediria de recuperá-Io. A discussão do autor sobre as universidades pÚblicas é abordada no contexto da globalização: este termo também foi tido como significativo, entretanto, o automático gerou os léxicos IProcessol e IEconomial que poderiam ser considerados como qualificadores. Os termos IUniversidades pÚblicasl pós-coordenado com ISociedadel não conseguiria resgatar o significado: poderia ser a comunidade científica ou não. Por se tratar da discussão do papel das universidades pÚblicas na sociedade brasileira, ou se acrescentaria o termo IPapel das universidades pÚblicas/,ou se atribuiria o termo encontrado no vocabulário IRelações universidade-sociedade/. Na automática este aspecto foi extraído sob o termo IPapel universidade/. Se fizéssemos uma pós-coordenação com este e o termo I Formação profissionall que é relacionado ao anterior, o sentido seria recuperado. O termo relacionado foi reconhecido por nós, em virtude da discussão ser no contexto globalização e o papel da universidades pÚblicas em formar profissionais para este mundo globalizado. O léxico ISociedadel sem o qualificador I Brasil! acarretaria na perda do significado. Suponhamos que nesta base de dados alguém queira consultar sobre 1111 Adotou-se escrever o termo entre barras, porquc "este artificio a sociedade e o meio ambiente, ao efetuar a lógica booleana este texto seria recuperado, mas não o contexto, não a significação construída através do discurso do autor. Percebe-se que as falsas associações ocorrem não somente na automática, por ser exaustiva, por ter uma alta revocação. As falsas associações também acontecem porque não se qualificam os termos. O mesmo ruído poderia ocorrer na comunicação documentária do termo IEconomia/. Se um interpretante necessitasse acessar informações sobre a situação econômica das universidades pÚblicas, e pós coordenasse os termos, recuperaria-se este textol6, logo, a indexação proporcionaria uma falsa coordenação, e perda de significado. No processo automático houve uma aproximação a um termo relacionado IIgualdade condiçãol ao atribuído pelo manual IDesigualdades sociais/. Independente do automático não o ter extraído como I Desigualdades sociaisl através da relação assimilada por nós, seria perfeitamente adequado o uso do termo I Igualdade condiçãol. A indexação manual gerou 6 termos, e poderíamos inferir que foi utilizado como parâmetro a precisão, no entanto, a quantidade relativamente pequena não quer dizer uso de precisão. Deve-se averiguar se os termos realmente representam os contextos dos discursos científicos. A precisão implica em fixar sentidos, como tentativa de diminuir a plurissignificação e permitir uma alta especificidade. Como os termos eram genéricos, não possuíam qualificadores, a revocação tornou-se alta e perdeu-se o significado, em virtude dos léxicos documentários não serem unívocos: recuperariam-se informações relevantes, mas não precisas. A indexação automática foi exaustival7, por gerar 47 termos, teoricamente sendo exaustiva, a revocaçãol8 seria alta. A maior parte dos termos extraídos são sinônimos, portanto, a exaustividade ocorreu em virtude da sinonímia. Texto 2: Possíveis incompIetudes e equívocos dos discursos sobre a questão da disciplina ./ Total de palavras do texto: 8.433 palavras. gráfico indica um signo assumido na sua forma significante" (ECO, 1997, p. 24). t") Para Minsky, as ambigüidades na linguagem natural "não advém apenas do fato de que as palavras podem ser reagrupadas de diversas maneiras, mas ainda do fato de que cada palavra pode ter diferentes sentidos..." (MINSKY, 1969 apud KURAMOTO, 1995, p. 5). li;) O protótipo aproxima-se de uma pré-eoordenação. ti,.) A relevãncia é entendida como a "capacidade do sistema em fornecer respostas (referências) que realmente eorrespondam à questão proposta" (CARNEIRO; 1985, p. 234). tl7) Ao possibilitar um número grande de pontos de acesso, a exaustividade tenta recuperar o âmbito de abrangêneia do documento. Segundo LANCASTER, "...a indexação exaustiva redundará em menor precisão das buseas...será recuperado um número maior de itens que o usuário considera como não sendo pertinentes a sua necessidade de informação" (LANCASTER, 1993, p. 23). I") Para CARNEIRO, a revoeação "é a capacidade do sistema em assegurar a recuperação... de documentos relevantes c a precisão se relaciona à capacidade do sistema em impedir a recuperação de documentos não-relevantes" (CARNEIRO, 1985, p. 234). Transinformação, v. 13, nQ I, p. 23-41, janeiro/junho/200 I ANÁLISE COMPARATIVA E DE CONSISTÊNCIA ENTRE... 33 Indexação automática ./ ./ Foram localizados 1.441 termos significati-vos pelo sistema I. Ação educacional 2. Ação educativo 3. Ação humano 4. Ações humano 5. Aplicado educação 6. Aplicado psicodrama 7. Educação conteúdo político 8. Educação disciplina escolar 9. Educação disciplina poder 10. Educação disciplina relação 11. Ato educativo 12. Concepção histórica 13. História homem 14. Dimensão psicológico 15. Disciplina abordagem 16. Disciplina problema 17. Disciplina questão 18. Escolar instituição 19. Poder disciplinar 20. Poder autoridade 21. Disciplinar escola 22. Escola nova 23. Escola relação 24. Escola violência 25. Nova qualidade 26. Natureza conceitual 27. Prática educacional 28. Prática educativo 29. Processo educativo 30. Professor aluno relação 3 I . Projeto pedagógico 32. Psicodrama teoria 33. Relação punição vigilância 34. Teoria educacional 35. Termo discurso 36. Trabalho grupo Quadro 4: Palavras-chave Indexação extraídas do texto 2 manual I. Normas disciplinares 4. Educação 2. Autoridade 5. Prática de ensino ~ 3. Relações sociais Quadro 5: Palavras-chave atribuídas ao texto 2 I Neste texto são abordados dois aspectos acerca da questão da disciplina, sendo que um classificado em formulações teóricas (psicologia) e o outro em análise crítica da realidade do poder. Na indexação manual a atribuição do termo / Educação/ pós-coordenado com /Normas disciplinares/ perde significado, pois tenciona ao sentido de leis e regras disciplinares na educação. O autor enfoca as relações entre disciplina escolar, educação e Transinformação, transformação social. No processo aut estes sentidos foram representados, po pré-coordenou /Educação disciplina relação/. Ao passo que transformação social, tanto a manual quanto a automática não o consideraram como termo representativo. A indexação automática, sendo exaustiva, extraiu termos sinônimos como /Prática educacional/ e/Prática educativo/ e seus sub-conjuntos /Aplicado psicodrama, v. 13, n2 I, p. 23-4 I, janciro/junho/200 I I 34 a.s. ALCAIDE et ai. ITrabalho grupol e IPsicodrama teoria/, e a manual atribuiu somente IPrática de Ensinol. Ambos os produtos documentários conseguiriam recuperar o contexto. O autor analisa a questão do poder relacionado à disciplina. Neste caso a manual atribuiu o termo I Normas disciplinaresl mas, em virtude de sua falta de precisão não considerou a relação com o termo poder. A automática pré-coordenou IEducação disciplina poderl podendo-se realizar a lógica booleana entre précoordenados e /Relação/, o que possibilitaria a recuperação da pertinência. O termo atribuído pelo processo manual I Relações sociaisl pré-coordenado com IEducaçãol torna-se ambíguo: poderia indicar educação como apenas a integração do indivíduo na sociedade. O texto analisa a educação como transformação da sociedade. A automática também não conseguiu reconhecer estes termos, no máximo pré-coordenou IProcessoeducativol e mesmo realizando a lógica booleana entre IRelaçãol e INova qualidadel ainda não remeteria ao significado proposto pelo discurso. Texto 3: O espaço escolar como objeto da história da educação: algumas reflexões ./ Total de palavras no texto: 5.267 palavras. Indexação automática ./ Foram localizados 1.008termos significativos pelo sistema. I.' Água potável 2. Arquitetura escolar 3. Escolar construção 4. Escolar cultura nova 5. Escolar educação 6. Escolar educativo 7. Escolar escola 8. Escolar espaço grupo 9. Escolar museu 10. Escolar relação 11. Construção novo 12. Controle professor 13. Corpo docente 14. Cultura urbano 15. Cultura primeira 16. Urbano espaço 17. Urbano mundo 18. Dimensão espacial 19. Escola instituição 20. Escola pública 21. Pública instrução 22. Espaço interno 23. Exercício fisico 24. Físico mundo 25. Nova capital 26. Nova pedagogia 27. Número aluno 28. Planta tipo 29. Político econômico 30. Sala aula 3 I . Trabalho livre Quadro 6: Palavras-chave extrai das do texto 3 Indexação manual !. História da educação 4. Arquitetura 2. Escolas 5. Espaço fisico 3. Minas Gerais Quadro 7: Palavras-chave atribuídas ao texto 3 Transinformaçào, v. 13, nQ I, p. 23-41, janciro/junho/200 1 ANÁLISE COMPARA TIV A E DE CONSISTÊNCIA No processo automático para o texto 3 de educaçào foi extraído IÁgua potável/, termo este completamente fora do contexto abordado pelo autor. Pela aIimentaçào no protótipo de duas áreas de especialidade distintas em um mesmo arquivo de termos, a possibilidade dessa ocorrência é real pelo fato do programa não criterizar conceitos, mas sim ocorrências. É referenciado INova capital/, termo que realmente apresenta relevância no texto, porém, o autor se refere a Belo Horizonte como a nova capital de Minas Gerais, já que se trata de um estudo histórico. Logo, a ocorrência de IMinas Geraisl na indexação manual é pertinente, apesar de sua atribuição não estar contida em uma situação de qualificador mas como termo atribuído. ICultura urbanol e IUrbano mundol demonstram relações de sinonímia possíveis em um processo de indexação automatizado sem o controle de conceitos, como ocorre neste caso. ENTRE... 3S Os termos IFísico mundo/, IEspaço interno/, I Planta tipo/, IDimensão espacial/, IArquitetura escolarl e IEscolar construçãol são, também, sinonímias, apesar de estarem representando o conteúdo do artigo. Isto é conferido pela extração de IEscolas/, I Arquitetural e I Espaço fisicol no processo manual, que em uma situação de pós-coordenação, por exemplo, entre IEscolal e I Arquitetural recuperaria o conteúdo pertinente. Sendo que IArquitetural é um termo relacionado à área em questão. A atribuição, na indexação manual, do descritor IHistória da educaçãol apresenta-se como termo geral necessário, o que não ocorre na indexação automática. Texto 4: A arte de ser professor ./ Total de palavras no texto: 2.697 palavras. Indexação automática ./ Foram localizados 454 termos significativos pelo sistema. I. An professor 2. Energia elétrico 3. Ensino fundamental 4. Escola pública 5. Zona rural Quadro 8: Palavras-chave extraídas ao texto 4 Indexação manual I. Relação professor-aluno 3. Comunidade 2. Prática de ensino 4. Professores Quadro 9: Palavras-chave atribuídas ao texto 4 o termo IRei ação professor-alunol atribuído pelo processo manual é pertinente ao assunto abordado no texto. No entanto, no automático não se conseguiu gerar essa particularidade. Tanto IPrática de ensinol conseguiria remeter ao contexto, quanto IComunidadel , por meio de pós-coordenação. Entretanto, o termo I Professoresl é inadequado por ser genérico, pois o texto trata sobre a satisfação profissional através do relato de experiências. Para resolver este problema, seria necessário utilizar um qualificador IProfessor (relato de experiências)/ ou IProfessor (satisfação profissional)1 No processo de indexação automática, o protótipo reconheceu os termos IEnsino fundamentall e IEscola pública/, mas para recuperar a pertinência e a Transinformaçào, representação do sentido, construído pelo discurso do autor, é necessário efetuar uma pós-coordenação entre os citados, IZona rurall e o que indicamos no parágrafo anterior. IAno professorl não tem representação lógica; foi extraído, pela freqüência que estas palavras aparecem no texto; entretanto, mesmo reconhecendo a freqüência, o método não possibilita o reconhecimento da significância. É abordado no texto a satisfação profissional , através do relato de professores em diversas regiões do Brasil. IEnergia elétricol foi extraído pelo fato de alguns professores terem tido experiências em lecionar em comunidades onde não havia energia elétrica. Foi v. 13, nQ I, p. 23-41, janciro/junho/2001 G.S. ALCAlDE et aI. 36 abordado superficialmente, sendo assim, não seria adequado considerá-Io como termo significante. Os de Saneamento Básico podem ser observados abaixo: Texto 5: A avaliação do desempenho de culturas irrigadas com esgoto tratado ./ Total de palavras no texto: 1.512 pala- vras. Indexação automática ./ Foram localizados 354 termos significativos pelo sistema. I. Abastecimento humano 2. Água esgoto 3. Água irrigação 4. Água curso 5. Água reuso 6. Esgoto característica 7. Esgoto Doméstico tratado 8. Esgoto estação tratamento 9. Irrigação sistema 10. Efluente estação tratamento 11. Engenharia sanitário 12. Sanitário ambiental 13. Matéria seca 14. Seea proteína bruta Quadro 10: Palavras-chave extraídas do texto 5 Indexação manual I. Esgoto doméstico 5. Reuso da água 2. Irrigação 6. Reutilização de esgoto tratado 3. Irrigação com esgoto tratado 7. Tratamento de esgoto 4. Lodo ativado II Quadro 11: Palavras-chave atribuídas ao texto 5 I, No texto 5 de Saneamento básico, a indexação manual gerou como léxico /Esgoto doméstico/, mas o ponto de vista privilegiado é o do Tratamento de esgoto doméstico, e este aspecto foi reconhecido como significativo pelo processo automático sob o termo / Esgoto doméstico tratado/, mesmo que não esteja normalizado este produto, seria possível recuperar a relevância desta informação. A manual atribuiu somente /Tratamento de esgoto/, no entanto isso geraria uma ambigÜidade, pois este esgoto tratado é o doméstico ou o industrial? E como já foi explicitado na proposição anterior, o protótipo conseguiu captar este aspecto. Outro termo relacionado, reconhecido por nós, foi considerado como produto /Esgoto estação tratamento/ , já a manual não conseguiu captar essa nuance, entretanto, é necessário refletir que o tratamento de esgoto doméstico ou industrial somente poderá ser realizado a partir de uma estação de tratamento, com a aplicação de técnicas e equipamentos. Observamos que o protótipo levantou um conceito /Água reuso/, mesmo estando pré-coordenado seria possível recuperá-Io com pertinência. O meio manual gerou uma sinonímia ao atribuir /Reuso da água/ e /Reutilização de esgoto tratado/, no entanto, o automático somente reconheceu um dos termos, o qual já tínhamos dito que é um conceito. Pós-coordenando / Água reuso/ e/Irrigação sistema/ ou /Esgoto doméstico tratado/ e/Irrigação sistema/ seria alcançada a precisão e o contexto do discurso. Insistimos em enfatizar que a exaustividade dos produtos documentários automáticos ocorreu em virtude da sinonímia, mas neste domínio técnico, foi gerada também porque o protótipo reconheceu termos genéricos e sem r(:presentatividade como /Curso água/ e/Abastecimento humano/, em virtude de serem tratados de forma secundária. A princípio poderíamos considerar os léxicos que o protótipo extraiu /Matéria seca/ e /Seca proteína brutal como assuntos com leve menção, no entanto, Transinformaçào, v. 13, nQ I, p. 23-41, janciro/junho/200 I ANÁLISE COMPARA TIV A E DE CONSISTÊNCIA suponhamos que um interpretante, para fundamentar seu projeto de pesquisa, deseje encontrar um estudo de irrigação com esgoto tratado que utilizou como característícas agronômicas de culturas a proteína bruta e a massa seca. Imaginar este alto grau de especificidade na transferência implíca em considerar como relevantes determinados casos de secundarísmo em léxicos documentários. 37 ENTRE... semânticos. Isso ocorreu provavelmente pelo uso de uma lista alfabética de assuntos, e segundo LARA "nestas listas as palavras não são portadoras de significado porque este é remetido às várias possibílídades de sentido registradas pelo léxico: ao signíficar potencialmente tudo, acabam por não significar nada" (LARA, 1999, p. 62). Texto 6: Tratamento físico-químico das águas residuárias de uma indústria de papel utilizando-se a tlotação por ar dissolvido Se a indexil,:;o automática não fosse exaustiva em virtude da sinonímia iria se aproximar potencialmente da manual. Foi possível averiguar que em determinadas representações, a automática conseguiu remeter aos significados dos discursos e a manual em outras, necessitava ser precisa, não como referência a fins quantitativos, mas em aspectos v' Total de palavras no texto: 2.40 I palavras. Indexação automática v' Foram localizados522 termossignificativos pelo sistema. l. Amostra bruta 2. Amostra flotação 3. Amostra pH 4. Ar dissolvido 5. Engenharia sanitário ambiental 6. Engenharia sanitário brasileiro 7. Congresso brasileiro 8. Cloreto férrico ensaio 9. Férrico remoção ensaio 10. Dosagem coagulante 11. Dosagem ensaio 12. Dosagem valor 13. Coagulante pH 14. Eficiência flotação 15. Eficiência remoção 16. Remoção resultado ensaio 17. Resultado tabela 18. Ensaio flotação 19. Ensaio pH 20. Ensaio amido 21. Recirculação volume 22. Volume água 23. Variação 24. Medida 25. Menores 26. Valor nH 27. Tabela nota Quadro 12: Palavras-chave extraídas do texto 6 Indexação manual I. Flotação por ar dissolvido 2. Reuso da água 3. Tratamento de efluentes de industrias de papel . . Quadro 13: Palavras-chave atnbUldas ao texto 6 4. Tratamentotlsico-químico A indexação manual do texto 6, da área de Saneamento Básico, não conseguiu resgatar, de forma até mesmo genérica, tratamento de resíduos industriais. A indexação automática extraiu 26 palavras-chave, enquanto a manual atribuiu apenas 4. Transinformaçào, o autor relata neste estudo sobre o tratamento de resíduos industriais a partir da técnica de flotação por ar dissolvido, em uma empresa de papel e embalagens, utilizando dosagens de alguns materiais para a recirculação da água. v. 13, nQ I, p. 23-41, janciro/junho/200 I ..38 G.S. ALCAIDE et ai. Ao propor uma leitura documentá ria do texto, notamos a preocupação do autor com o meio ambiente. Neste sentido a manual não reconheceu nenhum termo. O automático pré-coordenou /Engenharia sanitário ambienta 1/além de reconhecer que tal estudo é feito no Brasil, gerando o léxico /Brasileiro/. A indexação automática foi exaustiva, extraiu termos que não possuem relevância por se tratarem de testes como /Amostra pH/, /Coagulante ph/, /Remoção resultado ensaio/ e/Ensaio amido/ e outros que não têm representação lógica como /Congresso brasileiro/. Tanto na manual, a técnica utilizada pelo autor /Flotação por ar dissolvido/, quanto na automática /Flotação/ e/Ar dissol vido/ foram reconhecidos como termos significativos. Texto 7: Estudo de tratabilídade de água residuária sintética simulando despejo líquido de coquerias ./ O léxico /Recirculação/ pós-coordenado com / Água/ conseguiria recuperar o sentido, no entanto, é sinônimo de /Reuso da água/, o qual foi atribuído pela manual. Total de palavras no texto: 2.066 palavras. Indexação automática ./ Foram localizados 367 termos significativos pelo sistema. I. Amônia livre 2. Cianeto livre 3. DQO total 4. Efeito processo 5. Processo nitrificação 6. Efluente final sistema 7. Idade lodo 8. Matéria orgânico 9. Tratamento biológico 10. Tratamento unidade Quadro 14: Palavras-chave extraídas do texto 7 Indexação manual I. Coqueria 2. Tratamento da água 3. Lodo ativado 4. Tratamento de esgoto 5. Poluição da água Quadro 15: Palavras-chave atribuídas ao texto 7 A indexação automática atribuiu ao texto 710 palavras-chave. Notou-se grande extensividade nas extrações do protótipo quanto às fases do processo descritas no texto como: /DQO total/, /Cianeto livrei, / Processo nitrificação/ e/Idade lodo/. E extraiu ainda, / Tratamento biológico/ e/Matéria orgânico/, podendo estes serem considerados conceitos mais gerais. Entretanto, não é representado o material que sofre o processo ou sua origem, no texto aplicado, tendo estes grande relevância por tratar-se de resíduos da indústria de metalurgia ou esgoto industrial. A extração de /Tratamento unidade/ é observada, no caso, como uma palavra-chave fundamental na situação de pós-coordenação com as fases do processo de tratamento. /Efluente final sistema/ não tem nenhuma rep!\ 'entação lógica dentro do conteúdo tratado. Na indexação manual as palavras-chave demonstraram conceitos mais gerais como /Tratamento de Esgoto/ e /Poluição da água/o /Coqueria/ é a fonte que origina o material a ser tratado, estando, portanto, intimamente ligado ao universo expresso pelo texto. /Lodo ativo/ como o meio a ser tratado também possui grande representatividade apesar de existir uma relação de ambigüidade entre esta atribuição e /Poluição da água. /Tratamento da água/ foge ao contexto, talvez pelo texto tratar de despejos líquidos ou água residuária, havendo assim uma interpretação inadequada do conteúdo. Neste texto aparece claro que a indexação automática está direcionada para um sistema que permita a pós-coordenação mais efetiva, com alto grau de --Transinformaçào, v. 13, nQ I, p. 23-41, janeiro/junho/200 1 -- ANÁLISE COMPARATIVA extensividade e a indexação manual trata de conceitos mais gerais sem muitas inter-relações entre as palavras-chave. Texto 8: Parados e sufocados I. Meio ambiente E DE CONSISTÊNCIA 39 ENTRE... ..r Total de palavras no texto: 1.364 palavras. Indexação automática ..r Foram localizados 181 termos significativos pelo sistema. 2. Região metropolitana Quadro 1t1: Palavras-chave extraídas do texto 8 Indexação manual I. Meio ambiente 3. Problemas respiratórios 2. Poluição do ar 4. Rodízio de automóveis Quadro 17: Palavras-chave atribuídas ao texto 8 Nos dois métodos utilizados foi reconhecida a palavra-chave IMeio ambientei. As demais vistas, I Região metropolitanol pela indexação automática e / Problemas respiratórios/, lrodízio de automóveisl atribuídos pela indexação manual, são produtos que podem ser considerados como termos relacionados a I Meio ambientei. Foi também atribuído IPoluição do arl pela indexação manual, que pode ser considerado como termo específico do campo semântico Saneamento básico, conceito geral, e/ou termo relacionado a IMeio ambientei. Este é o texto em que as indexações demonstraram maior consistência quanto aos termos atribuídos. Não houve ocorrência de conceitos vazios ou nào relacionados ao conteúdo expresso. CONCLUSÃO Pode-se constatar que se não fossem as ocorrências de sinonímias, os produtos automáticos aproximariam-se potencialmente dos manuais. Observamos que a indexação manual gerou léxicos documentários genéricos e representações que não possibilitariam uma recuperação pertinente do contexto. Pudemos observar que a indexação automática está direcionada para um sistema que permita a póscoordenação mais efetiva, com alto grau de extensividade e que a indexação manual tratou de conceitos mais gerais sem muitas inter-relações entre as palavras-chave. produto documentário, ou seja, possibilidade de remeter a determinados sistemas de significação dos textos. No processo de indexação manual, mesmo tendo uma quantidade menor de termos com relação à automatizada, o significado dos léxicos teria uma abrangência grande. Nesse caso, também, a revocação seria alta por possibilitar a recuperação de documentos relevantes, mas não precisos. Não temos a pretensão de avaliar o processo de indexação manual, entretanto, a partir dos resultados, as representações remetiam a vários sentidos possíveis. A análise que nos propusemos fazer não estava direcionada em averiguar se foram atribuídos os mesmos termos para ambos os processos: foi pautada no significado que os léxicos teriam, ou seja, representavam ou não os contextos dos discursos científicos. Com isso seria possível obter resultados precisos ou não em uma busca em sistema automatizado. Os problemas apresentados na indexação manual podem ser atribuídos a formação dos indexadores. A aplicação e o conhecimento dos métodos de AD e das interfaces Lingüística e Terminologia permitiria impor rigor ao tratamento de informações e à construção de linguagens com fins documentários. Ao utilizarem listas alfabéticas estarão se assemelhando às representações automáticas, pois uma lista alfabética não garante significação, por operar a partir da palavra, com isso, remeter a vários sentidos possíveis. O parâmetro que norteia a construção de linguagens documentárias é o onde nada significa de forma isolada, sistema: " mas a partir de cada palavra em relação às outras A estrutura significa a presença de dois termos vinculados por uma relação. Após a definição semântica (00') (00')" A precisão é obtida não pela pequena quantidade de termos, mas pela efetiva representatividade do Transinformaçiio, v. 13, n2 I, p. 23-41, janciro/junho/200 I - 40 G.S. ALCAIDE et ai. dos termos "(...) efetua-se uma relação dos termos, reconhece-se a polissemia e propõe-se uma interpretação unívoca do conceito/termo" (RODRlGUES, 1999, p. 1). Observamos que o processo automático tenta remontar gramaticalmente um conceito,já que os termos compostos foram fatorados, mas aproxima-se mais de uma pré-coordenação sem o uso de sinais, como o hífen em ambas as áreas. E que o termo composto fatorado na forma sintática perde significado, por operar a partir da palavra. Na maior parte dos estudos sobre sistemas automáticos de indexação realiza-se a representação de uma informação sem a sua análise, ou seja, indexação assistida por computador, mas no caso estudado, a análise seria feita posteriormente para efetuar correções/ acréscimos no vocabulário alimentado para o protótipo. De acordo com a análise, os resultados demonstraram uma maior ambigüidade na área de Humanas relativamente à de Exatas que demonstrou uma representação mais voltada às particularidades, portanto, gerando pouca ambigüidade. É possível afirmar que a representação automática pode vir a ser empregada na área de Exatas com uma margem de acertos considerável. Foi possível averiguar que, em determinadas representações, a automática conseguiu remeter aos significados dos discursos, e a manual, em outras, necessitava ser precisa, não como referência a fins quantitativos, mas em aspectos semânticos. A automática aproximou-se da manual provavelmente por terem sido extraídos termos que remetiam a seus referentes: aos objetos de uma realidade extralinguística, entretanto, como já dissemos teria-se que efetuar uma análise após o processo automático, na tentativa de consistir os produtos documentários, quer acrescentando-os, quer corrigindo ou eliminando-os, em razão dos níveis altos de exaustividade, portanto seria uma indexação assistida por computador. O método poderia ser melhor utilizado para uma efetiva indexação automática se reconhecesse termos compostos, relações semânticas e sistematizasse os métodos automáticos de análise., porque só é possível representar a partir do conhecimento, ou seja conhecer é condição necessária para representar e transferir informações. Conhecer no âmbito da AD é analisar e representar à partir de LD's estruturadas segundo parâmetros linguístico-terminológicos. jornalística. São Paulo : ECA/USP, 1991. Dissertação (Mestrado em Ciência da Informação) Escola de Comunicações e Artes, Universidade de São Paulo. - CANT ARELLI, Elisa Maria Pivetta. Acesso a base de dados através da linguagem natural. [online]. Uruguai, 1998. [Trabalho de Conclusão de Curso - Universidade Regional Integrada do Alto Uruguai]. Disponivel na internet: <http:// www.biblio.virtual.urifw.tche.br/bvinf/tcI998/elisa.htm> CARNEIRO, Marília Vidigal. Diretrizes para uma política de indexação. Revista da Escola de Biblioteconomia da UFMG, Belo horizonte, v.14, n.2, p. 221-241, seI. 1985. CASTILHO, Virginia. Para uma indexação automática: métodos de análise de textos em sistemas informatizados aplicados à indexação. São Paulo, 1995. [Trabalho de Conclusão de Curso - Departamento de Biblioteconomia e Documentação, Escola de Comunicação e Artes, Universidade de São Paulo] CINTRA, Ana Maria Marques. Análise de texto/análise de discurso e possíveis relações com a análise documentária : texto provisório I. São Paulo: [s.n.]., 1994 Texto utilizado na disciplina Lingüística e Documentação do Departamento de Biblioteconomia e Documentação da Escola de Comunicação e Artes da Universidade de São Paulo. . Análise de texto/análise de discurso e possíveis relações com a análise documentária : texto provisório 2. São Paulo: [s.n.]., 1994 Texto utilizado na disciplina Lingüística e Documentação do Departamento de Biblioteconomia e Documentação da Escola de Comunicação e Artes da Universidade de São Paulo. COPI, I.M. Introdução 1978. à lógica. São Paulo: Mestre Jou, COULON, Daniel, KA YSER, Daniel. Informática e linguagem natural: uma visão geral dos métodos de interpretação de textos escritos. Brasília: IBICT, 1992. COYAUD, M. Étude théorique des différentes méthodes d'analyse automatique des documents. In: COY AUD, M., SIOT-DECAUVILLE, N. L'analyse automatique des documents. Paris: Mouton. p.2-57,1967. CUNHA, Izabel Maria Ribeiro Ferin. Do mito à análise documentária. São Paulo: Edusp, 1990. (Teses, 11). DIAS, Cláudia Augusto. Terminologia: conceitos e aplicações. Ciência da Informação. Brasília, v.29, n.l, p. 90-92, jan./abr. 2000. ECO, Humberto. O signo. Lisboa: Presença, 1997. FERNEDA, Edberto. thesaurus retangular. Dissertação Construção automática de um Campina Grande, Paraíba, 1997. (Mestrado em Ciência da Computação) - Universidade Federal da Paraíba, 1997. REFERÊNCIASBIBLIOGRÁFICAS GARCÍA GUTIÉRREZ, A. Analisis documental deI discurso periodístico. Madrid: CTD, Centro de Tratamiento de Ia Documentación, 1992. AMARO, R.K.O.F. Contribuição da análise do discurso para uma análise documentária: o caso da documentação GARDIN, l-C. La logique du pausible. Paris: Maison des sciences de I'homme, 1981. Transinformaçào, v. 13, nQ I, p. 23-4\, janciro/junho/200 I ANÁLISE COMPARATIVA GOMES, H.E. Q. indexador face às novas tecnologias de informação. Trans-in-formação, Campinas, v. I, n.2, p. 161-171, maio/ago. 1989. GOMES, Henriette Ferreira. ° ambiente informacional e suas tecnologias na construção dos sentidos e significados. Ciência da Informação, Brasília, v.29, n.l, p.61-70, jan.labr. 2000. HERMANS, A. La définition des termes scientifiques. Meta, v.34, n.3, p. 529-532. ISO 704. Princípios e métodos da atividade termino1ógica, 1994. Proposta da norma brasileira. ISO 1087. Terminologia - vocabulário, 1994. Proposta da norma brasileira [trad. e adapto Grupo ABNT/IBICT] KOBASHI, Nair Yumiko. Análise documentária: metodologias para indexação e resumo.[s.l] : [s.n.], 1995. KURAMOTO, Hélio. Uma abordagem alternativa para o tratamento e a recuperação de informação: os sintagmas nominais. Ciência da informação online, Brasília, v.25, n.2, p. 1-17, 1996. Disponível na internet: <http:// www.ibict.br/cionline/250296/25029605.htm> LANCASTER, F.W. Indexação e resumos: teoria e prática. Briquet de Lemos/Livros. 1993. LARA, Marilda Lopes Ginez de. Linguagens documentárias: instrumentos de mediação e comunicação. Revista Brasileira de Biblioteconomia e Documentação, São Paulo, v.26, 11.1/2,p. 72-80, jan.ljun. 1993. . Representação e linguagens documentárias: bases teórico-metodológicas. São Paulo: M.L.G. Lara. 1999. Tese (Doutorado em Ciência da Comunicação) - Escola de Comunicação e Artes, Universidade de São Paulo. Transinformaçào, E DE CONSISTÊNCIA 41 ENTRE... LIMA, Vânia M.A. Comunicação e representação documentária. São Paulo: APB, 1999. (Ensaios APB, 62). MAMFRIM, Flávia Pereira Braga. Representação de conteúdo via indexação automática em textos integrais em língua portuguesa. Ciência da Informação, Brasília, v.20, n. 2, p. 191-203,jul./dez. 1991. NA VARRO, Sanderlei. Interface entre lingüística e indexação: revisão de literatura. Revista Brasileira de Biblioteconomia e Documentação, São Paulo, v.21, n. 1/2, p.46-62, jan.ljun. 1988. NOVELLINO, Maria Salet Ferreira. A linguagem como meio de representação ou de comunicação da informação. Perspectivas em Ciência da Informação, Belo Horizonte, v.3, n.l, p. 137-146,jul./dez. 1998 ROBREDO, Jaime. A indexação automática de textos: o presente já entrou no futuro. In: MACHADO, U.D. Estudos avançados de Biblioteconomia e Ciência da Informação. Brasília: ABDF, 1982. . Indexação automática de textos: uma abordagem otimizada e simples. Ciência da Informação, Brasília, v.20, n. 2, p.130- 136, jul/dez. 1991. RODRIGUES, Willame Santos. Auxílio da lingüística na construção de linguagens documentárias: conceitos uti lizados no arranjo dos termos. São Paulo, 1999. [Trabalho apresentado à disciplina Linguagem de Indexação 11- Faculdade de Biblioteconomia e Ciência da Informação]. ROLE, François. De Ia lettre au sens: les recherche en texte integral. Documentaliste, v.30, n. 3, p. 140-146, 1993. TÁLAMO, Maria de Fátima Gonçalves Moreira. Linguagem documentária. São Paulo: APB, 1997. (Ensaios APB ; 45) v. 13, n2 I, p. 23-41, janciro/junho/200 I