WEB SEMÂNTICA: fluxo para publicação de dados abertos e ligados
i
SEMANTIC WEB: flow for publishing open and linked data
José Eduardo Santarém Segundo¹
¹ Doutor em Ciência da Informação pela
Universidade Estadual Paulista Júlio de Mesquita
Filho (UNESP)-Marília/SP.
E-mail: santarem@usp.br
ACESSO ABERTO
Copyright: Esta obra está licenciada com uma
Licença Creative Commons Atribuição 4.0
Internacional.
Conflito de interesses: O autor declara que não
há conflito de interesses.
Financiamento: Não há
Declaração de Disponibilidade dos dados:
Todos os dados relevantes estão disponíveis
neste artigo.
Recebido em: 20/09/2018.
Revisado em: 01/10/2018.
Aceito em: 10/10/2018.
Como citar este artigo:
SANTAREM SEGUNDO, José Eduardo. Web
semântica: fluxo para publicação de dados
abertos e ligados. Informação em Pauta,
Fortaleza, v. 3, número especial, p. 117-140, nov.
2018. DOI: https://doi.org/10.32810/2525-
3468.ip.v3iEspecial.2018.39721.117-140.
RESUMO
Publicar dados em formato aberto e semântico
tem se tornado um grande desafio as
organizações ao redor do mundo. Há uma
grande variedade de ações que devem ser
executadas para que um projeto de publicação
de dados possa ser concluído. Esta pesquisa tem
como objetivo principal apresentar uma
proposta de fluxo organizacional, segmentado
em fases, que descreva as atividades que devem
ser desenvolvidas no processo de publicação de
dados em formato aberto e semântico seguindo
as melhores práticas de dados ligados. A
metodologia utilizada é baseada em pesquisa
descritiva e analítica, baseada em análise
documental. Como resultado espera-se que o
fluxo apresentado possa contribuir com o
desenvolvimento de novos projetos de
publicação de dados em formato aberto e
semântico.
Palavras-chave: Linked data. Web semântica.
Publicação de dados. Dados ligados. Fluxo
organizacional.
ABSTRACT
Publishing open and semantic data has become a
major challenge for organizations around the
world. There is a wide variety of actions that
must be performed before a data publishing
project can be completed. The main objective of
this research is to present a phase-oriented
organizational flow proposal that describes the
activities that should be developed in the
process of publication of data in an open and
semantic format following the best practices of
linked data. The methodology used is based on
descriptive and analytical research, based on
documentary analysis. As a result, it is expected
that the presented flow can contribute to the
development of new projects of publication of
data in open and semantic format.
Keywords: Linked data. Semantic web. Data
publishing. Connect data. Organizational Flow.
Inf. Pauta
Fortaleza, CE
v. 3
Número especial
nov. 2018
ISSN 2525-3468
DOI: https://doi.org/10.32810/2525-3468.ip.v3iEspecial.2018.39721.117-140
ARTIGO
118
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
1 INTRODUÇÃO
A Ciência da Informação se transformou após a chegada da Internet, não há
dúvidas que há uma revolução nos objetos de estudo e em grande parte dos processos
em relação ao que era discutido algumas décadas atrás. Isso não significa impacto que
altere as suas teorias, que continuam e continuarão totalmente aderentes as pesquisas
realizadas atualmente, mesmo com as mudanças significativas que a Internet nos
proporcionou, como pode ser visto nas citações a seguir.
Borko (1968, p. 3) afirma que formação é uma disciplina que
investiga as propriedades e o comportamento da informação, as forças que governam
seu fluxo, e os meio de processá-la para oti
Saracevic (1996, p. 43) diz que:
[...] uma vez que a ciência e a tecnologia são críticas para a sociedade (por
exemplo, para a economia, saúde, comércio, defesa) é também crítico prover os
meios para o fornecimento de informações relevantes para indivíduos, grupos e
organizações envolvidas com a ciência e a tecnologia, já que a informação é um
dos mais importantes insumos para se atingir e sustentar o desenvolvimento
em tais áreas. Posteriormente, essa justificativa, baseada na importância
estratégica da informação, foi estendida a todos os campos, a todas as tarefas
humanas e a todos os tipos de empreendimentos. Esta justificativa foi e é
aplicada globalmente.
Fica evidente assim, que a Internet fortalece ainda mais o que já fora dito algumas
décadas atrás. Nota-se ainda mais recentemente, como com Guimarães (2000), o valor
estratégico da informação, independente do meio:
Em tempos de informação com valor estratégico, cabe criar instrumentos que
se adequem a uma concepção de disponibilização de conhecimento registrado
para geração de novo conhecimento, em que a vertente temática assume papel
preponderante, visto resgatar a essência do conteúdo informacional.
(GUIMARÃES, 2000, p. 9)
Uma rápida análise nas bases de dados mais significativas da área nos mostra que
muitos dos termos que nem existiam alguns anos atrás, agora são utilizados com
frequência nas mais variadas subáreas da Ciência da Informação. Apesar deste texto se
propor a tratar de um tema relacionado à tecnologia no contexto da Ciência da
Informação, alguns termos têm tido significativo destaque de uma forma geral dentro da
área, são eles: Web Semântica, Ontologias, Dados Ligados e Ciência dos Dados (Semantic
Web, Ontologies, Linked Data and Data Science).
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
119
Esse relativo crescimento de interesse por esses termos, e consequentemente,
pelos conceitos e tecnologias que envolvem Web Semântica, Ontologias, Dados Ligados,
além claro, de uma nova era baseada em dados, tem pautado novos caminhos para os
estudos da Ciência da Informação. A área entra definitivamente na rota de interesse de
muitas outras áreas, que tem entendido que grande parte desses estudos competem e
dependem de pesquisas realizadas estritamente na Ciência da Informação, com
significativo apoio da Ciência da Computação.
Dentro deste contexto de estudo há uma relação de proximidade e às vezes de
possível conflito entre estudos que vem sendo realizados na Ciência da Informação e na
Ciência da Computação, entretanto, há uma clara diferença em como essas duas áreas
podem contribuir diretamente nas pesquisas. Com importância, registre-se que muitos
pesquisadores que atualmente trabalham com estes temas, tem suas raízes na Ciência da
Computação e atualmente atuam na Ciência da Informação; enquanto outros tem sua
formação básica em Biblioteconomia, Arquivologia e/ou Museologia e posteriormente
migraram para a Ciência da Computação, em geral para uma ala mais aplicada e menos
pura de estudos da Computação. Dessa forma, sim, estudos relacionados a Dados, Web
Semântica, Ontologias e Dados Ligados precisam ser compartilhados entre
pesquisadores das duas áreas.
Os últimos anos têm sido bastante significativos em como as tecnologias da Web
Semântica e as possibilidades propostas pelas práticas de Dados Ligados tem evoluído e
refletido diretamente numa crescente necessidade de se publicar dados. Os dados
governamentais de alguns países, disponibilizados em formato aberto e semântico, tem
tido impacto perante a sociedade e despertado um conjunto de iniciativas pelo
desenvolvimento de aplicações que possam efetivamente levar o cidadão a consumir
esses dados para os mais variados propósitos no seu dia a dia.
Há uma variada gama de aplicações que podem ser acessadas via browser, ou
então por meio de aplicativos para dispositivos móveis, que se utilizam de dados
publicados de forma aberta e semântica. Há também iniciativas de esforços para que
mais aplicações sejam desenvolvidas no intuito de consumir dados que passam a ser
publicados pelas mais variadas fontes.
Além dos dados de governo, há uma clara movimentação de interesse de algumas
comunidades em publicações de informações de uso geral, que inclusive envolvem
dados variados e de vários segmentos, algumas bases de dados, como por exemplo:
120
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
DBPedia, Wikidata, Bio2RDF, Europeana, Unesco e bases relativas a dados de mídias
sociais tem crescido constantemente tanto em tamanho quanto em uso.
Todo esse novo contexto de publicação de dados não pode ser tratado
exatamente como uma novidade, há muitas teorias e pesquisas, algumas nem tão mais
recentes, que tem pautado os estudos baseados em dados como um novo paradigma de
pesquisa (quarto paradigma da ciência) e desenvolvimento, e também por isso é notável
um grande interesse por vários segmentos de comunidades distintas em também
publicar seus dados.
O chamado quarto paradigma da ciência, e-Science ou ainda Data-Driven Science,
que entende os dados como grande aliado e impulsionador para o avanço da ciência
moderna fora previsto por Jim Gray em 2007 (HEY; TANSLEY; TOLLE, 2009), e tem
estado cada dia mais presente nas ações do mundo atual.
O processo de publicação de dados, que em diversas situações parece uma tarefa
trivial, tem se tornado o grande problema das equipes ou pessoas que se propõe a
realiza-lo, e é esse o ponto que tem justificado fortemente o desenvolvimento desta
pesquisa. Esse problema motivou também este pesquisador a oferecer uma disciplina
Conceitos e Tecnologias para Publicação de Dados Abertos e Semânticos
seguindo as melhores práticas do Linked Data no Programa de Pós-Graduação em
Ciência da Informação da Unesp de Marília, tento tido uma grande audiência nas
oportunidades em que a disciplina foi oferecida.
Desta maneira, o objetivo principal desta pesquisa e apresentar uma proposta de
fluxo organizacional, segmentado em fases, que descreva as atividades que devem ser
desenvolvidas no processo de publicação de dados em formato aberto e semântico,
seguindo as melhores práticas de Dados Ligados.
Os objetivos específicos são:
formato aberto e semântico.
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
121
Importante ressaltar que não é objetivo deste trabalho selecionar ou indicar
ferramentas nem tampouco orientar em como usá-las em cada processo, visto que este é
um procedimento que depende muito do andamento do processo e dos objetivos da
equipe de publicação de dados.
A metodologia utilizada para construir essa pesquisa foi baseada principalmente
em análise de literatura nacional e internacional, principalmente as dedicadas a
apresentar estudos de casos, além da experimentação de ferramentas e técnicas de
publicação de dados. Assim, consideramos como uma pesquisa descritiva e analítica, com
base em análise documental.
Espera-se que o fluxo organizacional, apresentado como resultado desta pesquisa,
possa contribuir para que mais dados sejam publicados seguindo as melhores práticas
de Dados Ligados. Espera-se ainda que os respectivos donos, gestores, responsáveis pela
custódia ou pessoas que tenha qualquer outro tipo de relação com dados passíveis de
publicação, possam encontrar nos resultados dessa pesquisa, os caminhos necessários
para facilitar o processo de publicação de dados.
2 WEB SEMANTICA E DADOS LIGADOS
Desde 2001, quando Berners-Lee, Hendler e Lassila publicaram o primeiro texto
A Web Semântica é uma extensão da Web atual
em que cada informação é dada por um significado bem definido, fazendo com que
computadores e pessoas trabalhem melhor em cooperação evolução
constante dos processos e tecnologias que permitem que a Web Semântica atualmente
faça parte da nossa vida cotidiana.
Para disponibilizar dados numa estrutura semântica é necessário pensar em
partes do modelo descrito por Berners-Lee em 2001, no chamado bolo de noiva,
estrutura de camadas que apresenta a Web Semântica. Destaca-se neste quesito a
linguagem RDF, também indicada para representação de dados abertos, o uso de
metadados e principalmente a construção e aplicação de ontologias de domínio.
(SANTARÉM SEGUNDO, 2015).
Em 2006 Berners-Lee publicou um conjunto de princípios para publicação de
dados usando as tecnologias da Web Semântica, que chamou de Linked Data (Dados
122
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
Ligados). Esses princípios, que representam a materialização da Web Semântica, são
regras para publicação de dados, de forma que estes possam ser mais facilmente
recuperáveis e possam estar ligados entre si:
Grande parte das pesquisas e projetos nos últimos anos se dedicaram
principalmente a infraestrutura de organização e recuperação de dados em formato
semântico, entretanto é sempre importante lembrar que a Web Semântica tem um papel
social muito importante, é por meio dela que agentes computacionais (softwares, bots,
aplicativos) podem realizar tarefas para facilitar a vida diária dos seres humanos.
Quando falamos de Web Semântica, falamos de uma mistura de
interoperabilidade; padronização, organização e reuso da informação; inferências e de
serendipidade.
A serendipidade se refere a descobertas feitas ao acaso, capacidade que as
tecnologias da Web Semântica e principalmente do Dados Ligados trazem à tona e
possibilitam através da ligação semântica entre dados de fontes diversas espalhadas
pelo mundo. Enquanto a inferência diz respeito a capacidade de se deduzir ou tomar
decisões, baseadas na consolidação de uma verdade de uma proposição que não é
conhecida, mas é tida a partir de sua relação direta com outras verdades existentes,
podendo ser considerada uma das cerejas do "bolo de noiva da Web Semântica".
(SANTARÉM SEGUNDO; CONEGLIAN, 2016).
3 DADOS ABERTOS, DESAFIOS E REQUISITOS PARA PUBLICAÇÃO DE DADOS
É difícil desassociar dados ligados e dados abertos, são temas que apresentam
muitos pontos em comum, principalmente quando se pensa que a primeira proposta de
melhores práticas para ligar dados seja de Tim Berners-Lee. Entretanto sabe-se que os
processos de ligação de dados podem ser aplicados a dados privados.
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
123
Apesar de ainda ser difícil pensar em dados ligados de forma privada, há muitas
bases de dados que usam os princípios de ligação de dados para gestão de dados de
forma restrita.
Esta pesquisa aborda a publicação de dados em formato aberto e semântico,
tendo como ideal o uso de dados abertos e passíveis de consumo pela comunidade,
portanto todo o contexto aqui apresentado é pensando na publicação de dados abertos.
O acesso à informação tem sido pautado como grande propulsor do
desenvolvimento no século XXI. As instituições, sejam elas públicas ou privadas, tem
investido na organização e no acesso à informação como o grande diferencial na tomada
de decisão em várias de suas instâncias.
Há também no mundo uma tendência de publicação de dados governamentais,
com o objetivo de criar a cultura de participação do cidadão na gestão do Estado,
construindo um modelo conhecido como transparência.
Atuando desde 2004 a Open Knowledge Foundation tem se dedicado a trabalhar
com projetos que envolvem o conceito de conhecimento aberto. Segundo eles
"Conhecimento Aberto é qualquer informação, conteúdo ou dados que as pessoas são
livres para utilização, reutilização e redistribuição - sem qualquer restrição legal,
O movimento de abertura de dados governamentais está embasado em 3 leis
propostas pelo especialista em políticas públicas David Eaves (2009):
Apesar da clara necessidade de uso, dados abertos, especialmente os
governamentais, constituem-se como um ótimo recurso, ainda timidamente explorado.
Muitos indivíduos e organizações coletam uma ampla gama de diferentes tipos de dados
para executar suas tarefas. O governo é particularmente importante nesse contexto,
tanto por causa da quantidade e da centralidade dos dados que coleta quanto pelo fato
de que tais dados são públicos, um direito garantido no artigo 5º da Constituição Federal
brasileira (MANUAL..., 2011).
Não estamos tratando aqui apenas de dados governamentais, mas entende-se que
eles são uma grande parte dos dados que se deseja publicar. Há também muitos outros
124
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
dados, geridos pelos mais derivados entes, que precisam e poderiam ser publicados,
entretanto há uma série de fatores que implicam em desafios e requisitos para que
possam ser publicados.
Quais são as questões que envolvem diretamente um projeto de publicação de
dados? Quais são exatamente os passos para se publicar dados em formato aberto e
semântico? Alguns desafios importantes, para que um processo de publicação de dados
em formato aberto e semântico possa acontecer, podem ser facilmente listados por
equipes ou pessoas responsáveis por tais atividades, como as questões que seguem.
Será que instituição ou organização que mantém os dados tem intenção ou um
plano para publicar dados? Existe um modelo padronizado que uma equipe possa usar
para publicar dados? De que setor da instituição/organização é a equipe que ficará
responsável pelo processo de publicação dos dados? Como sincronizar os interesses de
quem publica e do público que vai consumir os dados, ou seja, será que os dados que
tenho disponíveis atendem efetivamente quem gostaria de consumi-los? Quais dados
serão publicados? Onde são gerados (fonte) os dados que quero publicar, com que
frequência eles são gerados? Os dados podem ser disponibilizados? Que licença devo
usar para publicar meus dados? Como tornar os dados interoperáveis? Quais formatos
de dados utilizar? Como restringir ou permitir acesso quando os dados forem sensíveis?
Como transmitir confiança a quem vai consumir os dados (qualidade e proveniência)?
Como garantir a preservação dos dados? Como enriquecer os dados, com quais outras
bases se conectar? Como garantir e propor que os dados possam ser usados e
reutilizados? Como obter feedback a partir do uso dos dados publicados? Essa são
apenas algumas das perguntas que fazem parte de um projeto para publicar dados em
formato aberto e semântico.
Esta pesquisa não tem a intenção de responder a todas essas perguntas, pelo
contrário, essa é uma tarefa que precisa ser tratada em partes, entretanto é necessário
que esse tipo de atividade tenha um mínimo de organização, de procedimentos, e
principalmente de fluxo organizacional que possa dar uma linha de condução ao
processo de publicação de dados.
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
125
4 FLUXO ORGANIZACIONAL PARA PUBLICAÇÃO DE DADOS
Há uma variedade grande de papers que apresentam procedimentos para
publicação de dados, dos mais variados tipos, das mais variadas fontes e usando uma
grande gama de ferramentas diferentes.
Grande parte dessas pesquisas tem forte apelo no uso de uma ou outra
ferramenta, e grande parte das vezes gira em torno do funcionamento da mesma, não
havendo uma preocupação com todo o processo de publicação de dados.
Por meio da figura 1 apresenta-se a sugestão de modelo de um fluxo
organizacional, segmentado em fases, que organiza o caminho por qual um projeto de
publicação de dados deve passar.
Figura 1 – Fluxo Organizacional para Publicação de Dados.
Fonte: Dados da pesquisa.
Entende-se que um fluxo organizacional de publicação de dados, que pode ser
chamado de projeto de publicação de dados, não é simples, e pode envolver várias
pessoas ou divisões de uma organização.
Por meio da figura 1 apresenta-se a proposta de divisão do fluxo organizacional
com várias tarefas, que se organizam divididas em 6 fases:
126
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
1 Política e seleção;
2- Formalização, Estrutura, Formatos e Licenças;
3 Conversão Ferramental;
4 Processo de Recuperação;
5 Marketing e Feedback;
6 Qualidade e Preservação.
4.1 Política e Seleção
A primeira fase, vista por meio da figura 2, de qualquer projeto de publicação de
dados vem muito antes da parte técnica, o que as vezes dificulta o processo quando esse
nasce dentro da área de TI de uma organização.
Figura 2 – Fase 1 do fluxo organizacional de publicação de dados
Fonte: Dados da pesquisa.
Mesmo que exista uma grande massa de dados que poderia ser publicada de
forma aberta e semântica, ou ainda que seja apenas uma pequena fatia de uma base de
dados, é importante inicialmente identificar quais os dados que realmente serão
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
127
publicados. Ressalta-se que o procedimento de publicar dados, depois de iniciado, deve
ser contínuo, ou seja, deverá fazer parte da rotina da organização.
Portanto uma das primeiras tarefas é organizar um grupo de pessoas, uma
equipe, de preferência multidisciplinar, com capacidade e responsabilidade técnica e
administrativa para executar e tomar decisões sobre o tema, e que possa conduzir todo o
processo, além de dar conta de constituir uma cultura de publicação de dados na
organização.
Constituir uma cultura de publicação de dados, é levar ao conhecimento de todos
os colaboradores de uma instituição, o ideal de divulgar dados de forma aberta na
internet, e conscientizar que esse tema deve ser discutido frequentemente, e que pode
ser rediscutido a qualquer momento. Importante que fique claro que para algumas
situações será necessário algum tipo de esforço de pessoas específicas, para que os
dados possam ficar disponíveis.
É importante que o ideal de disponibilizar dados seja uma intenção da
organização, independente se a necessidade é por desejo de publicação de dados ou por
força de lei.
A partir do momento que se tem uma equipe, é necessário identificar o público
que pode ter interesse nos dados que serão disponibilizados, quais dados da
organização serão disponibilizados, qual é a granularidade do dado que será entregue e,
principalmente, quais são os colaboradores da empresa que tecnicamente darão acesso
ou entregarão frequentemente os dados a serem publicados.
Essa fase estará completa quando for possível ter uma equipe responsável pelo
projeto e um pacote de dados que seja um exemplo ou que represente pelo menos parte
do que será publicado. Esse pacote de dados pode ser um arquivo, um canal de consulta,
uma abertura por API (Application Programming Interface) ou qualquer outro tipo de
tecnologia que permita com que a equipe responsável tenha uma porção dos dados para
trabalhar.
128
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
4.2 Formalização, Estrutura, Formatos e Licenças
A segunda fase é o momento em que o dado já selecionado receberá todo o
tratamento técnico necessário para que possa efetivamente ser publicado de forma
aberta e semântica.
Conforme pode ser visto por meio da figura 3, é nessa fase que acontecerá uma
transformação no dado, incluindo, quando necessário, uma mudança de formato, a
ligação com outros dados para que possa ser enriquecido com a ligação com outra base
de dados aberta e onde serão atribuídas licenças de uso, para que a comunidade que vai
consumir tenha certeza de que pode utilizar o dado.
Figura 3 – Fase 2 do fluxo organizacional de publicação de dados
Fonte: Dados da pesquisa.
É nessa fase que se atribuem aos dados as características técnicas que o
transformam em semânticos. Também é nesta fase, que ao finalizada, teremos o dado no
formato que será disponibilizado para a comunidade.
Destaca-se aqui nesta fase uma grande necessidade de trabalho técnico, que
dependerá muito da equipe de TI da organização. O interessante da fase 2 é que ela
normalmente é uma fase de destaque e que exige muita dedicação da equipe de trabalho,
porque ela tem muita responsabilidade em mudanças que poderão impactar
diretamente no interesse da comunidade pelos dados a serem consumidos.
Há, em muitos casos, uma falsa ilusão quando se inicia um projeto de publicação
de dados, que os procedimentos compreendidos na fase 2, sejam os únicos dentro de um
projeto desta natureza. Ou seja, uma falsa ideia de que as atividades técnicas desta fase
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
129
são as únicas que um projeto precisa ter para transformar qualquer base de dados em
um conjunto de dados abertos e semânticos.
Há um documento produzido por um grupo de trabalho do W3C (LÓSCIO; BURLE;
CALEGARI, 2017), publicado como recomendação W3C a partir de 31 de janeiro de 2017,
Data on the Web Best Practices
ii
), que
teve como objetivo constituir procedimentos para ajudar a suportar um ecossistema
autossustentável de publicação de dados. Os dados devem ser descobertos e
compreensíveis por seres humanos e máquinas. Este documento oferece uma grande
quantidade de informações e sugere técnicas (práticas) para lidar com a fase 2
apresentada aqui.
O documento em si aborda de forma bem didática 8 possíveis benefícios que
podem ser atingidos utilizando-se das 35 práticas propostas. Os 8 benefícios
apresentados são: reuso, acesso, conexão, descoberta, processamento, confiança,
interoperabilidade e compreensão.
As práticas são apresentadas uma a uma, inicialmente com um template muito
claro e definido, onde se indica o porque aquele item é especificamente relevante para a
publicação ou reutilização de dados na Web e porque pode incentivar a publicação ou
reutilização de dados na Web. Posteriormente indica-se o resultado esperado e descreve
sobre uma possível estratégia de implementação.
Cada uma das práticas ainda indica como ela pode ser testada, apresenta
informações sobre a relevância da aplicação daquela prática específica e por fim lista os
benefícios (entre os 8) que aquela prática agrega aos dados a serem publicados.
Nesta fase (2) deve-se abordar as questões relativas a estrutura do dado e seu
formato, esse é um item altamente técnico e que pode ter grande impacto
posteriormente no momento de consumo dos dados publicados.
A estruturação, formalização e formatação dos dados é um processo importante
para que se possa atribuir semântica aos mesmos, e normalmente acontece de forma
sequencial. O dado que foi selecionado na fase 1 deve ser destrinchado, atribuindo-se a
ele uma nova estrutura, incluindo a normalização das informações, que é um processo
muito importante.
Nem sempre os dados a serem publicados são oriundos da mesma fonte, em geral
esses dados podem ter como fontes as planilhas, as bases de dados (ou tabelas
originadas por elas), arquivos dos mais variados formatos, incluindo alguns oriundos de
130
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
mineração e, portanto, é necessário que eles sejam reorganizados. Uma das tarefas da
organização é justamente a padronização dos dados, ou seja, usar os mesmos tipos de
informações, vocabulários controlados, associar termos que sejam similares (ou iguais)
mas estejam explanados em formatos diferentes, usar as mesmas unidades de medidas
para dados numéricos (ou financeiros). Esse processo de normalização é de fundamental
importância.
A formalização dos dados envolve a construção de um modelo conceitual para o
conjunto de dados. É na formalização que os dados devem passar a fazer parte de uma
estrutura lógica como as ontologias. No começo de um projeto de publicação de dados,
pode ainda não haver uma definição sobre a ontologia a ser utilizada, portanto é
necessário que a equipe responsável pelo projeto tenha em mente que deverá
desenvolver uma ontologia, utilizar-se de uma que já esteja em uso ou ainda adaptar
uma já existente para o conjunto de dados a ser publicado.
Não é objetivo deste texto apresentar metodologias para desenvolvimento e uso
de ontologias, entretanto é importante ressaltar que ter uma formalização por meio de
uma ontologia e com uso de vocabulários internacionalmente reconhecidos é muito
importante para o sucesso do projeto de publicação de dados. O projeto Linked Open
Vocabularies
iii
(LOV) é um ótimo recurso para identificar vocabulários conhecidos e usá-
los para dar significado (semântica) na formalização dos dados e construção (ou
adaptação) de ontologias.
Após os dados estarem normalizados e formalizados é importante que sejam
formatados dentro de uma estrutura técnica que seja possível recuperá-los. Dentro
desse contexto é necessário coloca-los dentro de um formato de serialização
computacional, usando uma linguagem computacional. Os dados podem ser
disponibilizados em OWL, XML, JSON, JSON-LD, vai depender muito de como será a
disponibilização desses dados ao público que irá consumi-los.
A formatação dos dados também depende de quais ferramentas serão utilizadas
para prover acesso aos dados. Entretanto essa parte do projeto será discutida na fase 3.
Ainda na nesta fase é importante que se definam as licenças que serão atribuídas
aos dados. Note que atribuir licença é garantir ao consumidor que o dado possa ser
utilizado e indicar como ele pode ser utilizado.
Apesar de muitos projetos de dados não deixarem claro qual é a licença atribuída,
considera-se esse um ponto de extrema relevância para quem vai consumir os dados.
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
131
Entende-se que a organização que está publicando dados tenha realmente interesse que
esses dados sejam consumidos, sendo assim, é de fundamental importância garantir
segurança e a liberdade de uso aos consumidores.
Há uma infinidade de licenças que permitem acesso e uso dos dados, entretanto
cada uma delas tem características diferentes e em muitos casos precisam ser estudadas
e entendidas para que sejam atribuídas sem risco nem a quem publica nem a quem
consome os dados.
Com o advento da publicação de dados algumas licenças têm sido criadas
especificamente para essa nova realidade, é o caso das Licenças Open Data Commons
iv
.
Algumas outras licenças já conhecidas como as Creative Commons continuam sendo
uma ótima opção também.
A partir do momento que os dados já foram normalizados, estruturados,
formalizados, formatados e já tem uma licença passa-se a fase 3 do projeto de publicação
de dados.
4.3 Conversão Ferramental
A fase 3 é uma etapa muito importante do projeto, pois o dado deixa de ser
restrito e será efetivamente publicado na Web, ou seja, ele ultrapassa o muro da
organização para passar a integrar uma grande nuvem de dados e ser consumido por
quem tenha interesse, como pode ser visto na figura 4.
Figura 4 – Fase 3 do fluxo organizacional de publicação de dados
Fonte: Dados da pesquisa.
132
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
Essa fase do projeto é marcada pela seleção de ferramentas que deverão permitir
o acesso ao dado pelos interessados em consumi-los. Há várias maneiras de
disponibilizar os dados para que possam se consumidos.
As maneiras mais simples e básicas remetem a simples disponibilização de
arquivos de dados, ou pacotes compactados que contemplam os arquivos, que mesmo
nesse formato podem ser semânticos, via arquivos em serializações adequadas.
O que se espera é que tenhamos um conjunto de ferramentas que permitam
acesso ao dado das mais variadas formas, tanto para acesso por humanos quanto por
máquinas.
O acesso pra humanos, nem tanto trivial nessa fase do projeto, poderá ser
fornecido por uma interface Web que garanta acesso diretamente a URI dos recursos e
através delas as suas propriedades.
O acesso para máquinas pode ser feito diretamente através de ferramentas que
disponibilizem um Sparql EndPoint, ou seja, uma interface para consultas via linguagem
de consulta semântica (Sparql), ou ainda por meio de Webservices e APIs.
Nessa fase é importante também que se escolha uma ferramenta que possa servir
como catálogo de dados para os consumidores. Uma ferramenta do tipo catálogo
(exemplo mais utilizado é o CKAN, mas há outras) permite que haja uma visualização
completa de toda a informação a respeito dos dados que estão sendo publicados.
O processo nomeado conversão ferramental tem seu ponto crítico a partir do
momento que já foram escolhidas as ferramentas para disponibilizar e permitir acesso
aos consumidores de dados, e também já se tem a disponibilidade dos dados prontos
para serem carregados nas ferramentas.
Carregar os dados é uma tarefa que pode parecer simples, e se ela for realizada
apenas uma vez ela realmente será. Em geral, as ferramentas que são interfaces de
acesso dos usuários aos dados, disponibilizam interfaces para que os dados possam ser
carregados diretamente via arquivo. O que torna o processo mais trabalhoso é
justamente pensar em um procedimento recorrente e cíclico, de forma que possa haver
alimentação frequente de dados nas ferramentas.
A criação de uma rotina que possa varrer dados disponíveis e carrega-los nas
ferramentas normalmente não é uma tarefa disponível na maioria das ferramentas, o
que implica que para essa tarefa seja executada possa ser necessário o desenvolvimento
de algum tipo de script de programação que possa operar o processo.
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
133
Escrever um script de programação é uma tarefa para os componentes de TI da
sua equipe, e muitas vezes será necessário construir um diagrama de como o processo
funcionará, envolvendo um cronograma de atividades que inicie na coleta dos dados já
formalizados e em seguida com a inserção do mesmo na ferramenta que torna o dado
disponível para a comunidade.
O processo de conversão ferramental dependerá muito das escolhas feitas pela
equipe do projeto, e ele com certeza dará ritmo a frequência e volume de dados que
ficarão disponíveis a comunidade.
Criar uma rotina que dependa menos do trabalho humano é um dos fatores
primordiais na fase 3, e portanto, quanto maior for a dedicação nesta fase do projeto
maior será a automatização da sua linha de produção e publicação de dados.
4.4 Processo de Recuperação
As três primeiras fases do processo de publicação de dados tinham foco
excessivamente na estruturação e publicação de dados. As duas próximas fases estarão
concentradas no momento posterior a publicação de dados, exatamente quando o
usuário que vai consumi-los começa a ter acesso a esses dados, conforme pode ser visto
na figura 5.
Figura 5 – Fase 4 do fluxo organizacional de publicação de dados
Fonte: Dados da pesquisa.
134
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
As tarefas da fase 4 não devem ser atribuídas a equipe de publicação de dados,
entretanto é importante que se tenha a noção exata do que pode ser feito com os dados e
como a comunidade vai consumir esses dados.
Além do consumo por humanos, o processo natural de consumo de dados ocorre
via software, ou seja, aplicações que emitirão comandos e receberão como retorno os
dados disponibilizados. Aqui no processo de recuperação, que pode inclusive ser parte
dos interesses da própria organização que está publicando os dados, há uma séria de
elementos que podem ajudar no uso desses dados para uma diversidade de aplicações.
Cabe nesse caso o desenvolvimento de aplicações (web, dispositivos móveis, etc)
que possam levar o dado a usuários que nunca teriam acesso senão por aplicações para
usuários leigos. Cabe também a criação de aplicações para que os dados possam ser
reusados pela própria organização, entretanto já com uma carga semântica e
principalmente com o enriquecimento de dados oriundos de outras bases.
Nessa fase é importante destacar o uso de técnicas como aprendizado de
máquina (Machine Learning) e também da criação de axiomas que possam permitir
constituir inferências nos dados. O uso de aprendizado de maquinas juntamente com as
possibilidades de inferências nos dados pode gerar uma gama de padrões e resultados,
inclusive preditivos, que permitem encontrar padrões informacionais até então não
percebidos.
4.5 Marketing e Feedback
É importante acompanhar se o conjunto de dados publicados está atendendo a
demanda da comunidade e se realmente eles estão sendo úteis ou se são de
conhecimento das comunidades que poderiam ter interesse. Como pode visto na figura 6,
a fase 5 permite que haja considerações acerca do projeto inicial, baseado nas
necessidades dos usuários que consomem os dados.
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
135
Figura 6 – Fase 5 do fluxo organizacional de publicação de dados
Fonte: Dados da pesquisa.
Muitas vezes há uma grande demanda de trabalho para que se possa publicar
dados porém a maneira como eles ficam disponíveis para a comunidade não são
interessantes o suficiente para que seja feito o uso, ou consumo.
Divulgar nas principais mídias, informar os possíveis interessados, publicar os
dados em catálogos de grande acesso, oferecer os dados para serem trabalhados em
eventos como Hackatons são algumas das técnicas de marketing que podem ser
utilizadas para que a comunidade tenha conhecimento sobre os dados que estão sendo
publicados. É de fundamental importância que quem precise do dado saiba exatamente
onde encontrá-lo.
A partir do momento que os dados passam a ser consumidos há um outro fator
que pode ser muito importante para que seus dados possam ser cada vez mais utilizados
pela comunidade que os consome, é o processo de feedback. Criar uma estrutura que
seja possível receber informações da comunidade que está consumindo os dados é
muito importante.
Criar rotinas que analisem o consumo também é bastante importante, visto que
esse tipo de atividade permite entender o que realmente tem despertado interesse da
comunidade, quais são os dados de maior interesse, qual a granularidade do dado que
mais interessa, qual a forma de acesso mais utilizada.
Criar canais de feedback também é muito importante. O simples fato de
disponibilizar um e-mail de contato (que seja respondido) ou ainda um formulário em
136
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
uma página Web, já permite que consumidores de dados possam se relacionar com a
equipe responsável pelo projeto de publicação de dados.
Todo e qualquer feedback que possa ser recebido deve ser discutido em grupo e
quando necessário pode gerar alterações nas três primeiras fases do projeto de
publicação de dados. Ressalta-se que as solicitações da comunidade podem ser desde
parte dos dados que não ficaram disponíveis, passando pela granularidade dos mesmos,
o formato de disponibilização, sugestões de alterações na ontologia ou ainda nas
ferramentas utilizadas para que o dado fique disponível.
É muito importante que se feche o ciclo de publicação de dados com o máximo de
atenção as necessidades de quem consome os dados.
4.6 Qualidade e Preservação
A fase 6, conforme pode ser visto na figura 7, tem um contexto completamente
diferente das anteriores. Ela está numerada como fase 6, mas poderia ser também a fase
0, ou ainda qualquer outro tipo de identificação não numerada. Acontece que a fase 6
transcende a todas as outras fases anteriores, e está diretamente relacionada a todas
elas. Entende-se que dar qualidade e preservar os dados publicados é um item da maior
relevância que pode existir em um projeto.
Figura 7 – Fase 6 do fluxo organizacional de publicação de dados
Fonte: Dados da pesquisa.
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
137
Entende-se que pensar nas questões que envolvem qualidade e preservação
estão diretamente relacionadas a confiança que se pode ter na base. Confiança é um dos
elementos mais significativos no processo de uso e reuso de uma base de dados, e tem
sido pauta constante de discussão dada a grande variedade de problema encontrados
em base de dados publicadas em formato aberto e semântico ao redor do mundo, mais
especificamente quando tratamos de databases publicados no Linked Open Data.
de Souza,
Botega e Santarém Segundo (2017) faz uma abordagem específica sobre a questão da
qualidade na publicação de dados.
Souza, Botega e Santarém Segundo (2017) indicam que
[...] a qualidade pode ser definida como medidas para que o produto oferecido
esteja de acordo com o que se espera dele, podendo este ser uma informação,
um dado, um serviço ou um processo. Estando ele livre de problemas,
possibilita que as atividades dependentes sejam executadas com sucesso. É
notado que a forma como os dados, informações, produtos, etc., são
manuseados influenciará na qualidade das atividades desempenhadas nos
sistemas de diferentes domínios.
Sobre a questão da qualidade na disponibilização de dados Souza, Botega e
Santarém Segundo (2017) ainda afirmam que:
A literatura aponta problemas de qualidade não somente nos dados, mas
também na estrutura provida para sua publicação, fator que pode dificultar seu
acesso e até mesmo inviabilizar sua utilização, evidenciando o fato de que a
qualidade consiste em um fator de extrema importância.
A preservação dos dados, que acaba sendo intrínseca a qualidade dos dados, e em
alguns casos compõe parte dos requisitos de qualidade, é um fator determinante para
garantir a longevidade dos dados publicados. Sayão e Sales (2012
principal desafio recai na necessidade de se preservar não somente o conjunto de dados,
mas de preservar, sobretudo, a capacidade que ele possui de transmitir conhecimento
Os dados, portanto, devem estar disponíveis no momento do uso e também
devem permitir que futuros usuários reanalisem os dados dentro de novos contextos.
Porém, para que ocorra um processo de preservação em que os significados dos dados
possam atravessar a barreira do tempo, é necessário assegurar que os usuários no
futuro estejam instrumentados com as informações essenciais para o efetivo reuso dos
dados (CONWAY, 2011 apud SAYÃO; SALES, 2012).
138
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
A qualidade e a preservação garantem a integridade do dado, e além da confiança
estimulam o reuso da base publicada. Em geral uma base integra, que garante
preservação e tem qualidade, receberá conexões advindas de outras bases, servindo
também como referência para enriquecer dados de bases de outrem.
5 CONSIDERAÇÕES FINAIS
Há uma constante evolução na necessidade de se publicar dados, as demandas
por publicação de bases abertas com dados ligados são cada vez mais latentes,
entretanto é bem interessante notar que ainda encontremos muitas dificuldades para
constituir um projeto robusto de publicação de dados, que possa fazer parte da cultura
organizacional das organizações.
Constituir um projeto robusto é garantir uma rotina de publicação de dados,
dentro de um contexto que atenda ás necessidades da comunidade que tem interesse
nos dados e que seja revisto constantemente de forma a melhorar ainda mais o
atendimento a essa comunidade, além disso é garantir que os dados atendam a padrões
de formalização, tenham licenças apropriadas, dotados de requisitos mínimos de
qualidade e que sejam preservados para uso perene.
Constituir uma equipe responsável pelo projeto de publicação de dados é
essencial quando a organização pretende efetivar a publicação de dados. Ressalta-se
aqui que muitas vezes não haverá pessoal suficiente para uma equipe multidisciplinar,
ou ainda, a equipe será formada por apenas uma única pessoa, mas é de fundamental
importância que o projeto seja conhecido na organização e que outros colaboradores, se
houverem, saibam que a organização tem o intuito de publicar dados na Web para serem
consumidos livremente.
O fluxo organizacional apresentado é resultado de um conjunto de pesquisas que
apresentam projetos de publicações de dados, entretanto grande parte dessas pesquisas
apresentam algumas dessas fases ou então parte das tarefas que se misturam nesse
fluxo apresentado aqui. A ideia da apresentação desse fluxo nasceu justamente da junção
de partes de múltiplas pesquisas de forma que pudesse constituir um ponto de partida e
um entendimento de um projeto de publicação de dados por completo.
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
139
Esse fluxo organizacional, que não se apega as técnicas e tecnologias, não
indicando ou sugerindo ferramentas na maior parte das vezes, tem como objetivo
principal dar a compreensão exata de que um projeto dessa natureza envolve muitas
tarefas e pode ser menos trivial do que o imaginado pelas organizações ou pessoas que
pretendem publicar dados, entretanto ele representa e sugere o que se considera um
conjunto de fases ideias para projetos de publicação de dados.
Não há dúvidas que pode haver projetos que funcionem sem passar por todas as
fases, entretanto entende-se que as fases aqui apresentadas no fluxo organizacional de
publicação de dados é o ponto de partida mínimo para constituição de um projeto
robusto.
Destaca-se ainda a fase 5, que pouco aparece em grande parte dos projetos de
publicação de dados, entretanto é de fundamental importância para que todo o trabalho
estrutural realizado nas três primeiras fases possa ter valido a pena. A fase 5,
representada principalmente pelos processos de marketing e feedback, garante ao
projeto a reponsabilidade de dar visibilidade a todo o trabalho feito e também o
compromisso de atender as necessidades da comunidade. Um projeto caracterizado
com os princípios de Dados Ligados e que tenha realmente o intuito de atender a
comunidade que quer consumir os dados tem como principal requisito o fator de
atender as demandas do que a comunidade realmente quer e como ela precisa para que
os dados possam ser bem utilizados.
Como última consideração, entende-se que esse fluxo possa contribuir como
norteador em projetos de publicação de dados e que possa ser ponto de partida para
outras pesquisas que possam evoluir com o fluxo proposto.
REFERÊNCIAS
BERNERS-LEE T.; LASSILA, O.; HENDLER, J.
The semantic web. Scientific American,
New York, v. 5, 2001.
BERNERS-LEE, T. Linked data principles.
2006. Disponível em:
<https://bit.ly/1x6N7XI>. Acesso em: 09 jun.
2018.
BORKO, Harold. Information science: what is
it? American Documentation, [S.l.], v. 19, n.
1, p. 3-5, 1968. Disponível em:
<https://bit.ly/2DLQfkL>. Acesso em: 10 jul.
2018. DOI: http://doi.org/d9zjg3.
EAVES, D. The Three laws of open
government data. 2009. Disponível em:
<https://bit.ly/2ftyZUW>. Acesso em: 10 jul.
2018.
GUIMARÃES, J. A. C. Perspectivas de ensino e
pesquisa em organização do conhecimento
140
Santarem Segundo | Web semântica: fluxo para publicação de dados abertos e ligados
Inf. Pauta, Fortaleza, CE, v. 3, número especial, nov. 2018 | ISSN 2525-3468
em cursos de Biblioteconomia do Mercosul:
uma reflexão. In: ENCUENTRO DE
INVESTIGADORES DE BIBLIOTECOLOGIA Y
CIENCIA DE LA INFORMACIÓN DE
IBEROAMERICA Y EL CARIBE, 5., 2000,
Granada. Anais...Granada: EDIBCIC, 2000.
HEY, T. et al. (Org.). The Fourth Paradigm:
Data-Intensive Scientific Discovery.
Redmond, Washington: Microsoft Research,
2009. Disponível em:
<https://bit.ly/1iD63DJ>. Acesso em: 10 ago.
2018.
LÓSCIO, B. F.; BURLE, C.; CALEGARI, N. Data
on the Web Best Practices: challenges and
benefits. W3C Recommendation, 2017.
Disponível em: <https://bit.ly/2FG1EoK>.
Acesso em: 10 jun. 2018.
MANUAL dos dados abertos:
desenvolvedores. Cooperação técnica
científica entre Laboratório Brasileiro de
Cultura Digital e o Núcleo de Informação e
Coordenação do Ponto BR (NIC.br). São
Paulo: Comitê Gestor da Internet no Brasil,
2011. Disponível em:
<https://bit.ly/2Ai8oTB>. Acesso em: 10
abr. 2018.
MELO, J. O. S.; BOTEGA, L. C.; SANTAREM
SEGUNDO, J. E. Metodologia de avaliação de
qualidade para dados conectados. In:
ENCONTRO NACIONAL DE PESQUISA EM
CIÊNCIA DA INFORMAÇÃO, 18., 2017, Marília.
Anais... Marília Unesp: ANCIB, 2017.
OPEN KNOWLEDGE FOUNDATION. About
OKF. 2004. Disponível em:
<http://okfn.org/about/>. Acesso em: 25
ago. 2018.
SANTARÉM SEGUNDO, J. E. Web Semântica,
dados ligados e dados abertos: uma visão dos
desafios do Brasil frente as iniciativas
internacionais. Tendências da Pesquisa
Brasileira em Ciência da Informação, João
Pessoa, v. 8, p. 219239, 2015.
SANTARÉM SEGUNDO, J. E; CONEGLIAN, C. S.
Web Semântica e Ontologias: um estudo
sobre construção de axiomas e uso de
inferências. Informação & Informação,
Londrina, v. 21, n. 2, p. 217244, dez. 2016.
Disponível em: <https://bit.ly/2uLpbgL>.
Acesso em: 09 jun. 2018.
SARACEVIC, Tefko. Ciência da informação:
origem, evolução e relações. Perspectivas
em Ciência da Informação. Belo Horizonte,
v. 1, n. 1, p. 41-62, jan./jun. 1996.
SAYÃO, L. S. F.; SALES, L. F. Digital curation: a
new platform for digital preservation of
research data. Informação & Sociedade:
Estudos, Paraíba, v. 22, n. 3, 2012. Disponível
em: <https://bit.ly/2KLvOIq>. Acesso em: 09
set. 2018.
NOTAS
i
A revisão ortográfica, gramatical e em Língua Portuguesa é de responsabilidade do autor.
ii
https://www.w3.org/TR/2017/REC-dwbp-20170131/
iii
https://lov.linkeddata.es/
iv
https://opendatacommons.org
