ANÁLISIS DOCUMENTAL DE INFORMACIÓN TEXTUAL Tema 8 Documentación Informativa Licenciatura en Periodismo Universidad Carlos III de Madrid Curso 2004/2005

Índice Introducción Problemas del lenguaje natural para la recuperación de información Efectos de los problemas del lenguaje natural Representación de los documentos: el análisis documental Análisis documental: tipos Análisis formal Análisis de contenido: clasificación Análisis de contenido: indización Descriptores: ventajas e inconvenientes Tipos de descriptores Indización de textos periodísticos Proceso de indización Resumen

8.1.2.3.4.5.6.7.8.9.10.11.12.13 1. Introducción Documentos textuales periodísticos: creados mediante un lenguaje natural Centro de documentación: contiene gran cantidad de documentos representados mediante lenguaje natural ¿Cómo recuperar en el futuro solo los documentos que necesitamos como respuesta a una petición de información?

2. Problemas del lenguaje natural para la recuperación de información 8.1.2.3.4.5.6.7.8.9.10.11.12 .13 2. Problemas del lenguaje natural para la recuperación de información Equivalencias de enunciados: Los accionistas dan el sí al nuevo BBVA Los accionistas aprueban la fusión del BBV y Argentaria Dificultad para generalizar Ejemplo: buscar documentos relacionados con Andalucía ¿Cómo recuperar documentos relacionados con Sevilla, Córdoba o Palma del Río en los que no aparece el término Andalucía?

2. Problemas del lenguaje natural para la recuperación de información 8.1.2.3.4.5.6.7.8.9.10.11.12 .13 2. Problemas del lenguaje natural para la recuperación de información Dificultad de predicción en la coincidencia de los términos usados Para la redacción de una información Para su búsqueda posterior Causada por el empleo de figuras lingüísticas (I): Flexiones y variantes gramaticales: singular, plural, formas verbales, etc. Variantes ortográficas del mismo término Yushenko / Yushchenko / Yuschenko Disquete / diskette. Variantes idiomáticas: Lérida / Lleida

2. Problemas del lenguaje natural para la recuperación de información 8.1.2.3.4.5.6.7.8.9.10.11.12 .13 2. Problemas del lenguaje natural para la recuperación de información Causada por el empleo de figuras lingüísticas (II): Sinonimia: palabras con el mismo significado Muy utilizada en el español y especialmente en prensa. impuesto / tributo / contribución Polisemia: diversidad de significaciones de una palabra. planta (anatómica) / planta (industrial) / planta (botánica) Homografía: palabras que siendo iguales por su forma tienen distinto origen y significado banco (mobiliario urbano) / banco (entidad financiera)

3. Efectos de los problemas del lenguaje natural 8.1.2.3.4.5.6.7.8.9.10.11.12.13 3. Efectos de los problemas del lenguaje natural Ruido: Documentos que se recuperan Pero no son relevantes (no interesan) para la búsqueda que realiza un usuario Silencio: Documentos que existen en la base de datos Son relevantes (interesarían al usuario que busca información) Sin embargo, no se recuperan No ha habido coincidencia entre los términos que utilizó el periodista y los que luego utiliza el usuario que busca información

3. Efectos de los problemas del lenguaje natural 8.1.2.3.4.5.6.7.8.9.10.11.12.13 3. Efectos de los problemas del lenguaje natural Problema Efecto Equivalencias de enunciados Dificultad para generalizar Dificultad para usar los mismos términos en la redacción y en la recuperación de información Figuras lingüísticas: Flexiones y variantes gramaticales Variantes ortográficas del mismo término Variantes idiomáticas Sinonimia Polisemia Homonimia Silencio / Ruido Silencio Ruido

4. Representación de los documentos: el análisis documental 8.1.2.3.4.5.6.7.8.9.10.11.12.13 4. Representación de los documentos: el análisis documental ¿Cómo representar un documento para aumentar las posibilidades de que sea recuperado cuando corresponde? Análisis documental Lectura, síntesis y representación de un texto Descripción mediante términos Conjunto de términos usados para describir textos en un centro documental = lenguaje documental Tipos de términos creados Lenguaje libre: palabras clave Lenguaje controlado: descriptores

5. Análisis documental: tipos 8.1.2.3.4.5.6.7.8.9.10.11.12.13 5. Análisis documental: tipos Dos tipos de análisis documental Análisis formal Sobre aspectos formales del documento Control e identificación de los documentos que forman parte de una colección Permite localizar físicamente un documento Fases: catalogación y descripción documental Análisis de contenido Sobre aspectos de contenido del documento Fases: clasificación, indización y resumen

6. Análisis formal Descripción documental Catalogación 8.1.2.3.4.5.6.7.8.9.10.11.12.13 6. Análisis formal Descripción documental Datos de localización física de cada documento Autor, título, medio, página, fecha de publicación, tamaño... Existencia de normas internacionales (ISBD) Facilitan el intercambio de descripciones entre centros documentales Centros de documentación periodísticos: suelen tener normas propias Catalogación Creación de un catálogo Lista de los documentos que componen una colección Definición de los puntos de acceso Qué tipo de datos del documento pueden servir para localizarlo

6. Análisis formal Productos de la catalogación: Normas comunes: ISBD 8.1.2.3.4.5.6.7.8.9.10.11.12.13 6. Análisis formal Productos de la catalogación: Fichas principales Contiene los datos necesarios para la localización de una obra descrita. Fichas secundarias: Acceso por coautores, materias, etc. Fichas de referencia: analíticas, etc. CATÁLOGOS De autores, materias, títulos, diccionario, sistemático, topográfico, de adquisiciones, etc. Normas comunes: ISBD Permiten intercambio de productos Ahorran esfuerzos al catalogar

7. Análisis de contenido: clasificación 8.1.2.3.4.5.6.7.8.9.10.11.12.13 7. Análisis de contenido: clasificación Expresión general del contenido de un documento Descripción básica de las materias Mediante términos extraídos de un lenguaje documental (lenguaje de clasificación) El lenguaje es De estructura jerárquica Sistemático Consta de clases cerradas (que pueden tener subclases) Expresadas mediante números y/o letras/palabras Usos habituales: Agrupar rápidamente los contenidos por materias Organizar físicamente los contenidos en un centro de documentación Ej.: CDU (Clasificación Decimal Universal)

8. Análisis de contenido: indización 8.1.2.3.4.5.6.7.8.9.10.11.12.13 8. Análisis de contenido: indización Extracción de los términos que pueden expresar, describir o indicar los temas de los que trata un documento Mediante un lenguaje de indización que Tiene estructura combinatoria Emplea diversos términos Los términos pueden tener distintas relaciones entre sí (no solo de jerarquía). Los términos del lenguaje de indización pueden: Estar formado por términos libremente elegidos por los indizadores: palabras clave Formar parte de un lenguaje controlado, previamente definido. Los términos de ese lenguaje controlado se denominan descriptores

8. Análisis de contenido: indización 8.1.2.3.4.5.6.7.8.9.10.11.12.13 8. Análisis de contenido: indización Tipos de lenguajes de indización: Listados alfabéticos De materias De unitérminos (descriptor de una sola palabra) De descriptores (pueden tener más de una palabra) Tesauros Abarcan un área temática concreta Incluyen distintas relaciones entre términos Jerárquicas TG Documentación  TE Documentación Informativa Asociativas Profesor  TR Alumno Preferenciales Estudiante  USE Alumno Alumno  UP Estudiante Notas aclaratorias Trabajos NA Incluidos en la parte teórica de la asignatura

9. Descriptores: ventajas e inconvenientes 8.1.2.3.4.5.6.7.8.9.10.11.12.13 9. Descriptores: ventajas e inconvenientes Ventajas Reducen los niveles de ruido y silencio Permiten ampliar y especificar las búsquedas Pasar a términos más específicos o relacionados Inconvenientes Coste alto en la creación y mantenimiento de los lenguajes Dificultad de los usuarios para conocer el lenguaje documental y su uso

10. Tipos de descriptores Descriptor unitérmino o simple 8.1.2.3.4.5.6.7.8.9.10.11.12.13 10. Tipos de descriptores Descriptor unitérmino o simple Representa un concepto mediante una sola palabra CINE, OCIO, HIERRO, AUTOMOVIL Descriptor sintagmático o compuesto Representa un concepto utilizando más de una palabra (un sintagma nominal o preposicional) COMUNICACION SOCIAL, PARTIDOS POLITICOS, MEDIOS DE TRANSPORTE, EMPRESA PRIVADA.

10. Tipos de descriptores Descriptor primario Descriptor secundario: 8.1.2.3.4.5.6.7.8.9.10.11.12.13 10. Tipos de descriptores Descriptor primario Término o conjunto de términos que representan un concepto de manera unívoca. Es significativo, relevante y no hay posibilidad de ambigüedad en su sentido, pudiendo aparecer aislado sin necesidad de aclaración. Descriptor secundario: Necesita ir acompañado de otros descriptores para expresar un significado preciso Ej: análisis, evaluación, concepto, teoría...

10. Tipos de descriptores Descriptor temático Descriptor geográfico 8.1.2.3.4.5.6.7.8.9.10.11.12.13 10. Tipos de descriptores Descriptor temático Representa cualquier contenido disciplinar. Descriptor geográfico Representa todo tipo de conceptos vinculados con lugares y sitios. Descriptor onomástico Representa un nombre de persona o de institución. Descriptor cronológico Representa períodos de tiempo o fechas.

11. Indización de textos periodísticos 8.1.2.3.4.5.6.7.8.9.10.11.12.13 11. Indización de textos periodísticos En el caso de los textos periodísticos, aplicar las W’s ¿Quién? ¿Qué? ¿Cuándo? ¿Dónde? ¿Por qué? ¿Cómo?

12. Proceso de indización Planteamiento de objetivos 8.1.2.3.4.5.6.7.8.9.10.11.12.13 12. Proceso de indización Planteamiento de objetivos ¿Cuál es el contexto de trabajo? Conocimiento del contenido del documento. Elección de conceptos a representar: Selectividad: Retener aquellos conceptos sobre los cuales el documento aporta información susceptible de utilizar al usuario) Exhaustividad: Todos los conceptos útiles deben ser extraidos). El criterio principal de selección es el valor potencial del concepto escogido como elemento de expresión del tema del documento de cara a su recuperación.

8.1.2.3.4.5.6.7.8.9.10.11.12.13 12. Proceso de indización Verificación de la pertinencia (exactitud y utilidad) de los conceptos extraidos. Traducción de los conceptos escogidos al lenguaje documental del sistema. Los conceptos deberán traducirse por entradas del mismo nivel de especificidad o superior. Si el concepto es compuesto y existe la opción deberá traducirse por una entrada compuesta. Verificación de la pertinencia de los términos obtenidos planteándolos como términos posibles de interrogación y valorando si el documento es pertinente Formalización de la descripción si el sistema prevé algún tipo de regla

8.1.2.3.4.5.6.7.8.9.10.11.12.13 13. Resumen Representación abreviada y precisa del contenido de un documento Sin interpretación ni crítica Sin mención expresa del autor del resumen Tipos (I) Resumen informativo: Relación lógica y lineal de los temas tratados Extensión de unas 100 a 300 palabras A veces, puede ser sustituto del documento resumido   Resumen indicativo: Breve y exacta representación del contenido de un documento Indica de forma superficial los temas abordados Extensión es de unas 50 palabra Rara vez sustituye al documento resumido

13. Resumen Tipos (II) Resumen informativo-indicativo 8.1.2.3.4.5.6.7.8.9.10.11.12.13 13. Resumen Tipos (II) Resumen informativo-indicativo Las partes principales están escritas con un estilo informativo Aquellos aspectos de menor trascendencia son tratados de forma indicativa. Resumen analítico Indica la profundidad y extensión del trabajo Evalúa la experimentación, la metodología, la importancia de la contribución al desarrollo del conocimiento, etc. Es más un comentario que un resumen. Hay que dejar claro que incluimos nuestra opinión. El título Puede ser considerado un resumen, si refleja verdaderamente la esencia del contenido Ocurre a veces en artículos de revistas científicas

Bibliografía FUENTES I PUJOL, Mª Eulàlia. Manual de documentación periodística. Madrid: Síntesis, 1995. GARCÍA GUTIÉRREZ, Antonio. Análisis documental: textos periodísticos escritos. En: En: García Gutiérrez, Antonio (Editor). Introducción a la documentación informativa y periodística. Sevilla: Editorial MAD, 1999 HERNÁNDEZ, Tony: Tema 5: Análisis documental de la información impresa. 2001, http://rayuela.uc3m.es/~tony/pdmo/pdmotema5.htm [Acceso: 10/12/2004] LANCASTER, Frederick W. El control de vocabulario en la recuperación de información. Valencia: Universitat de Valencia, 1995. 286 p. VALLE GASTAMINZA, Félix del: Análisis y lenguajes documentales. 2004, http://www.ucm.es/info/multidoc/prof/fvalle/temaad.htm [Acceso: 1/12/2004] -- Resumen analítico. http://www.ucm.es/info/multidoc/prof/fvalle/temaresumen.htm, 2004 [Acceso: 7/12/2004]