Esta série atravessa dois mundos: o da catalogação (bibliotecas, arquivos, museus) e o da inteligência artificial. Cada um traz o seu vocabulário, e nem todos conhecem os dois. Esta é uma referência breve dos termos que mais aparecem. Se vem de um acervo, a secção de IA será-lhe útil; se vem da IA, a de catalogação.
Inteligência artificial
Modelo de linguagem (LLM)
O tipo de inteligência artificial por trás de ferramentas como o ChatGPT: um programa treinado com enormes quantidades de texto que, a partir do que lê, identifica, resume e completa informação. “LLM” é a sigla em inglês (large language model). Neste blog é o que lê o documento e propõe o registo.
RAG (geração aumentada por recuperação)
Pesquisam-se fragmentos próximos de uma consulta e entregam-se a um modelo de linguagem para que redija uma resposta. Serve para perguntar em linguagem natural sobre um conjunto de documentos. Não substitui um catálogo: não dá um índice alfabético de autores nem de assuntos, e a quantidade de texto que o modelo realmente aproveita tem um limite (a janela de contexto efetiva).
Modelo de fronteira
Os modelos de linguagem mais capazes e recentes, operados por grandes fornecedores e acessíveis pela internet (na nuvem). Dão melhores resultados nos casos difíceis, mas processar com eles implica enviar-lhes o material. Contrapõem-se a um modelo local, que corre na infraestrutura da instituição.
Anonimização e tokens
Substituir os dados pessoais de um texto por marcadores neutros (os tokens) antes de enviá-lo a um serviço externo, e restaurá-los ao voltar. Reduz a exposição de dados pessoais, embora não garanta que não reste nenhum.
OCR (reconhecimento óptico de caracteres)
Converter a imagem de um documento digitalizado em texto que uma máquina pode ler. É o passo prévio quando o material é uma digitalização sem texto selecionável.
ASR (transcrição automática)
Converter voz em texto. Em áudio e vídeo é o que produz a transcrição da qual se extrai o registo. “ASR” é a sigla em inglês (automatic speech recognition).
Infraestrutura e soberania
On-premise
Que o processamento corre nos servidores da própria instituição, não num serviço de terceiros. O material não sai.
Air-gapped
Uma rede isolada, sem ligação à internet. O grau máximo de soberania: o sistema funciona sem comunicar com o exterior.
Soberania de dados e residência de dados
O princípio de que certa informação não pode sair da instituição (ou do país) que a custodia, por lei, por política ou pelo tipo de conteúdo. Desenvolvido em Catalogar com IA sem que o material saia da instituição.
Normas de catalogação
MARC21 / UNIMARC
O formato padrão para registos bibliográficos em bibliotecas. Estrutura a descrição em campos e subcampos codificados.
Dublin Core
Um conjunto simples de campos para descrever qualquer recurso de forma interoperável. Menos detalhado que o MARC, mais fácil de partilhar.
ISAD-G
A norma internacional de descrição arquivística. Descreve o material numa hierarquia (fundo, secção, série, unidade) onde importam a proveniência e o contexto, não apenas a peça isolada.
Bubble-up (agregação ascendente)
Ao descrever um arquivo em ISAD-G, subir aos níveis superiores da hierarquia (série, fundo) os dados que a maioria dos documentos que deles dependem partilha, em vez de repeti-los em cada um. Aplica o princípio de não repetição da norma. É uma heurística de maioria, com um limiar configurável, e o seu resultado é revisto.
CDWA
O padrão para descrever obras de arte e objetos culturais, com o vocabulário do Getty. Distingue a obra da sua reprodução.
Extensões corporativas
Campos que o Collect acrescenta ao registo (sobre Dublin Core ou ISAD-G) quando o material é um documento de gestão: pessoas com o seu papel, organizações, montantes, datas críticas, garantias, cláusulas, obrigações e relações entre entidades. No Janium indexam-se como pontos de acesso especializados. O que o documento não declara não se preenche.
Ponto de acesso
Cabeçalho pelo qual se encontra um registo no catálogo: um nome, um assunto, um título, uma data. O Collect extrai-os do material (torna-os visíveis). No Janium alimentam os índices especializados (pesquisa por palavra-chave) e o ficheiro de autoridades (pesquisa alfabética). Não são um resumo para o modelo: são as entradas do índice.
Artigo 50.2
Obrigação do Regulamento (UE) 2024/1689, em vigor desde 2 de agosto de 2026: quem comercializa um sistema de IA que gera ou manipula texto deve marcar essas saídas em formato legível por máquina, de modo que se detetem como geradas ou manipuladas, na medida do tecnicamente viável. O Collect marca as saídas de catalogação que entram nesse pressuposto.
Controlo de autoridade
O mecanismo que garante que a mesma pessoa, entidade ou assunto seja sempre registado da mesma forma, confrontando-o com listas de referência (VIAF, ISNI, os vocabulários do Getty, ou o catálogo da própria instituição). Evita que um mesmo autor entre no índice com três grafias diferentes.
Sistemas
ILS
Sistema integrado de gestão de bibliotecas (integrated library system): o software onde vive o catálogo, a circulação e, muitas vezes, o controlo de autoridades. O Collect produz registos; o ILS é o destino. O Janium é um ILS; outras instituições usam o seu.
Janium
Sistema web de gestão de informação para bibliotecas, arquivos e repositórios digitais. Recebe registos em formatos padrão (MARC21, Dublin Core, ISAD-G e outros), sustenta o catálogo público, a circulação e o controlo de autoridades, e pode indexar o texto completo dos objetos digitais. Opera nos servidores da instituição ou como serviço na nuvem (JaniumNet). O Collect produz os registos; o Janium é o ILS que os pesquisa e os empresta. O catálogo é o conjunto desses registos que o programa guarda. A ficha do produto está em janium.com/janium.
Falta algum termo que gostaria de ver aqui? Escreva-nos para info@janium.com.