nova página do texto(beta)
Espanhol (pdf)
Artigo em XML
Referências do artigo
Tradução automática
Enviar este artigo por email
Citado por SciELO 
Similares em
SciELO 
Permalink
Introducción
Los Sistemas de Organización del Conocimiento (SOC), entendidos de un modo genérico como aquellas clases de esquemas diseñados con el fin de organizar la información y la gestión del conocimiento, y también como las herramientas que puedan ofrecer términos y conceptos en la labor de recuperación de la información (Hodge, 2000: 3), han sido empleados durante décadas en las tareas llevadas a cabo por el personal y los usuarios de los distintos tipos de unidades de información. El diseño de SOC ha sido y es objeto de estudio dentro de la bibliotecología y las ciencias de la información.
Las categorías de SOC incluyen desde vocabularios en los que apenas se establece una estructuración entre los términos, como ocurre con los glosarios o las terminologías, hasta otros que disponen de una elevada organización jerárquica y una elevada riqueza de relaciones entre sus conceptos, como se puede ver en los tesauros y las ontologías. La evolución que se ha dado en los últimos 15 años en los distintos tipos de sistemas de organización del conocimiento ha sido enorme. Esta necesaria transformación ha satisfecho las nuevas demandas sobre gestión y recuperación que se han planteado en un entorno informativo como la World Wide Web, que cada vez resulta más semántico y complejo.
Una ventaja de la adaptación de los SOC al entorno de la web es la mejora que ello supone para el intercambio de datos entre distintos sistemas de información mediante protocolos de comunicación. El aumento en la capacidad para combinar los datos propios con los existentes en otros recursos, conocido como interoperabilidad semántica, ha resultado un avance considerable para muchos tipos de SOC, especialmente tesauros y ontologías. La conversión de SOC a la web no debe limitarse a un mero traslado del contenido a un formato electrónico que sólo pueda ser interpretado por personas, sino que también debe hacerse comprensible para las computadoras, con el fin de que éstas puedan manejar mejor los recursos. Con la adaptación de los vocabularios controlados a los estándares de la web semántica no sólo se ponen éstos en la web, sino que también se convierten en herramientas útiles para la web (Méndez y Greenberg, 2012: 240).
La expresión de SOC ya existentes en la web semántica puede realizarse por diferentes vías, que varían en función del formato empleado para estructurar los contenidos. En uno de los tipos de SOC más empleados, los tesauros, la mejor opción de adaptación a la web semántica es el formato Simple Knowledge Organization System (SKOS). Una ventaja de dicho formato frente a otras opciones en XML, como Zthes, es el empleo del modelo de intercambio de datos RDF. Si se consideran los modelos de vocabularios en RDF, SKOS destaca sobre los demás por ser un estándar reconocido por el Consorcio W3C y porque su implementación resulta menos compleja y costosa que el formato OWL, más propio de las ontologías (Pastor-Sánchez, Martínez Méndez y Rodríguez-Muñoz, 2009).
Además de ser el más apropiado para la representación de contenidos de tesauros, el modelo de datos SKOS puede representar a otros tipos de SOC semiformales como taxonomías, sistemas de clasificación o listas de palabras clave (World Wide Web Consortium, 2009a y 2009b). El formato SKOS supone un primer paso para lograr la consecución de la interoperabilidad semántica entre los vocabularios, y se ha ido convirtiendo con el tiempo en un estándar de facto para la publicación de tesauros en la web semántica (Saorín Pérez y Pastor Sánchez, 2012: 234; Pastor Sánchez, 2013: 189). Este modelo permite la representación de las estructuras de muchos tipos de SOC y ofrece la posibilidad de mapeo de los conceptos hacia otros vocabularios, por lo que ha sido muy utilizado como formato para la representación de vocabularios en la web. Como ejemplos de la expansión del uso del formato SKOS entre los SOC podemos ver el catálogo Basel Register of Thesauri, Ontologies & Classifications (BARTOC, https://bartoc.org/) y en la versión antigua de la plataforma Datahub (https://old.datahub.io/), que en febrero de 2019 recogían un total de 410 vocabularios y 233 conjuntos de datos disponibles en SKOS, respectivamente.
La adaptación de SOC ya existentes, conocida también por los autores como reingeniería de vocabularios, a un formato adaptado a la web semántica es un proceso necesario para evitar la pérdida de los vocabularios controlados que se han realizado sobre muchas áreas del conocimiento. El cambio de formato a SKOS en los SOC debe ser contemplado como parte de un proceso evolutivo de adaptación de sus estructuras y concepciones semánticas al escenario de una web que se basa en los principios de datos enlazados (Linked Data).
Entre los estudios sobre reingeniería de vocabularios destacan los trabajos de Leroi y Holland (2010) y Villazón Terrazas (2011). El primero es un informe del proyecto Athena sobre la construcción de un tesauro extraído de diversas fuentes terminológicas con el fin de asegurar la interoperabilidad semántica dentro de la red Europeana. En dicho informe se recogen los pasos necesarios para transformación de vocabularios y se ofrecen pautas para la skosificación, entendida como el proceso de conversión o transformación de un vocabulario controlado al formato SKOS.
Dentro de la documentación del proyecto Athena se evalúa si SKOS es el mejor formato para representar el contenido de la terminología a representar. En dicha revisión se destacan los siguientes puntos para evaluar las terminologías (Leroi y Holland, 2010: 39-45):
evaluación de la representación de conceptos, sus relaciones semánticas y grado de interoperabilidad;
identificación de conceptos mediante URI usando un sistema de identificación permanente como Permanent URL (PURL);
definición de etiquetas únicas para la expresión de conceptos;
evitar duplicación de información empleando propiedades inversas y simétricas;
detallar la precisión en las relaciones semánticas entre conceptos, y
asegurar la documentación de los conceptos y la terminología.
En el trabajo de Villazón Terrazas (2011) se tratan los procesos de reingeniería de recursos no ontológicos a ontologías, ordenándolos por los recursos sobre los que se realiza la transformación (esquemas de clasificación, folksonomías, tesauros y léxicos) y por los métodos utilizados en la implementación (bases de datos, XML, archivos de texto plano y hojas de cálculo). Este autor señala que los procesos de reingeniería deben tratar todos los tipos de recursos no ontológicos, tomando en consideración toda la información sobre los mismos y teniendo en cuenta sus datos internos (Villazón Terrazas, 2011: 39).
Alcance y objetivos
A pesar de la importancia de las técnicas de skosificación de vocabularios y que cada vez es más frecuente convertir o transformar en SKOS vocabularios, hay pocos estudios que permitan comprobar las metodologías y las formas de adaptación de los SOC al formato SKOS, especialmente en escenarios que demandan una mayor interoperabilidad entre los sistemas de información.
Así pues, el objetivo general que se plantea es realizar una revisión exhaustiva de trabajos que recojan el proceso de transformación de uno o más vocabularios al formato SKOS (skosificación). Se busca comprobar cuáles son los métodos empleados para la conversión de los elementos de vocabularios controlados al formato SKOS, al tiempo que se analizan las circunstancias y razones expuestas por los autores para decidirse a skosificar sus vocabularios y adoptar su codificación a la web semántica.
Además, se identifican objetivos específicos que han servido para guiar los criterios en la evaluación de los procesos de skosificación de SOC. Dichos objetivos específicos son los siguientes:
Metodología
Para abordar los objetivos y analizar la bibliografía sobre procesos de transformación o skosificación de vocabularios, se ha establecido una metodología que permitirá reflejar un estado del arte autorizado y clasificado, atendiendo a las dos fases principales que se detallan a continuación.
Fase 1. Selección, búsqueda e identificación exhaustiva de recursos para el análisis
En primer lugar, se plantea el alcance de la búsqueda, centrándose en aquellos trabajos que detallan la conversión al formato SKOS de cualquier tipo de SOC, bien sea relatando el proceso completo o una parte del mismo. Después se seleccionan nueve bases de datos (cuatro generales y cinco especializadas) en las cuales realizar una serie de consultas sistemáticas.1 De dichas bases de datos solamente una está en español: ÍnDICEs (fusión de las antiguas bases de datos ICYT, ISOC e IME).
A continuación se detalla la estrategia de búsqueda a utilizar en las bases de datos seleccionadas mediante las palabras clave SKOS, o bien el desarrollo de dichas siglas (Simple Knowledge Organization System), en unión con la denominación de los principales tipos de SOC, tanto en español (vocabularios, taxonomías, ontologías, tesauros, encabezamientos de materias, esquemas de clasificación, listas de autoridades o listas de palabras clave) como sus equivalentes en inglés (vocabularies, taxonomies, ontologies, thesauri, subject headings, classification schemes, authority files o keyword lists), dependiendo de la lengua de interrogación que se debe emplear en cada base de datos (Tabla 1).
Tabla 1 Ejemplos de sentencias de búsqueda utilizadas en las BBDD seleccionadas
| SKOS OR “Simple Knowledge Organization System” AND vocabularies |
| SKOS OR “Simple Knowledge Organization System” AND taxonomies |
| SKOS OR “Simple Knowledge Organization System” AND ontologies |
| SKOS OR “Simple Knowledge Organization System” AND thesauri |
| SKOS OR “Simple Knowledge Organization System” AND subject headings |
Finalmente, la búsqueda se completa con un repaso a diferentes sumarios y resúmenes presentes en otras fuentes, como las bases de datos sobre tesis doctorales españolas TESEO (https://www.educacion.gob.es/teseo/irGestionarConsulta.do) y de todo el mundo OATD (https://oatd.org/), diferentes páginas sobre actas de congresos e informes de grupos de trabajo o incluso sitios web con información sobre aplicaciones de software recogidas en plataformas de desarrollo colaborativo como Github (https://github.com/). De entre esas fuentes destacan las siguientes: el sitio web de la Networked Knowledge Organization Systems (NKOS, http://nkos.slis.kent.edu/), los seminarios de UDC Consortium (http://seminar.udcc.org/) y la European Semantic Web Conference (ESWC, https://eswc-conferences.org/events). También se ha incluido información bibliográfica de sitios web de los proyectos sobre interoperabilidad de vocabularios controlados de la University of South Wales (Facet, Seneschal, Star, Stellar), los sitios relacionados con el proyecto Europeana (Athena Plus) y de grupos de estudio como el Library Linked Data Incubator Group del World Wide Web Consortium (W3C).
Como el objetivo principal de este trabajo es hacer una revisión lo más exhaustiva posible, los criterios establecidos para la selección de documentos no han sido muy restrictivos, por lo que no se han establecido restricciones temporales. Asimismo, se considera relevante para el estudio cualquier tipo de documento de texto en el que se trate el proceso de conversión de uno o varios SOC a SKOS, analizando incluso breves comunicaciones a congresos. En cuanto a los idiomas de los documentos analizados, se consideraron inglés, español, francés, alemán e italiano, y se rechazaron los documentos redactados en otras lenguas. También se han excluido del estudio aquellos casos o documentos en los que no se identifica de forma clara el nombre del vocabulario que se pretende trasladar a SKOS.
Con todo, finalmente se han identificado un total de 49 documentos en los que se trata el proceso de conversión de SOC a SKOS, cuyas referencias se recogen en la bibliografía. No se trata de una muestra, sino de una selección exhaustiva de documentos científicos que han tratado la skosificación de SOC, los cuales se someten a análisis y tratan de acuerdo a lo que se expone en la fase siguiente.
Fase 2. Establecimiento de criterios y análisis de los documentos seleccionados
En el análisis de los trabajos seleccionados se identifican los siguientes aspectos o elementos que permiten establecer conclusiones sobre metodologías y procesos más utilizados para la skosificación de SOC:
Características básicas de cada vocabulario skosificado ofrecidas en los documentos tratados:
Título completo del SOC.
Categoría del SOC que se describe. Si es nombrado con un término genérico (por ejemplo, vocabulario) se le asignará una categoría de acuerdo a la estructura que presente su contenido.
Materia o materias sobre las que trate su contenido.
Definición del objetivo para el que se construyó el SOC. La finalidad original para la que se creó el vocabulario controlado puede que sea distinta a la que se busca con el cambio a SKOS.
Descripción física de los SOC, en la que se atenderá al tamaño de los vocabularios, los elementos de su estructura y las relaciones que se establecen entre sus conceptos.
Formato del fichero fuente en el que se presenta el contenido del vocabulario, previo a su skosificación.
Razones que han llevado a la conversión de los SOC al formato SKOS.
Explicación de los instrumentos y procedimientos/metodologías emplea dos en la operación para la conversión de los SOC:
Identificación de las herramientas de software y los lenguajes usados en cada proyecto como vía de la transformación a SKOS.
Revisión de las equivalencias que se establecen entre los elementos de los SOC y el formato SKOS. Estas equivalencias deben estar claramente expresadas en la documentación manejada.
Se tendrán en cuenta los problemas encontrados al realizar el mapeo a SKOS y las soluciones que se hayan aplicado en los distintos casos para resolverlos.
Resultados
En los 49 documentos que han sido tratados en este estudio, la exposición de la información que realizan los autores resulta más homogénea en la parte que se ha dedicado a las características básicas de los vocabularios (estructura, tamaño y relaciones entre términos), mientras que en las otras secciones estudiadas (causas de skosificación y explicación de instrumentos y procedimientos empleados) la cantidad de información varía considerablemente de un documento a otro, siendo en algunos aspectos escasos o nulos los datos ofrecidos por los autores.
Tabla 2 Títulos de los SOC skosificados
| 1. AGROVOC Thesaurus | 27. Habitat Types |
| 2. Amsterdam Museum Thesaurus | 28. HASSET Thesaurus |
| 3. Archaeological Sciences Thesaurus | 29. Iconclass |
| 4. Aria Catalogue | 30. iDAI.gazetteer |
| 5. Australian Public Affairs Information Service | 31. Integrated Public Sector Vocabulary |
| 6. Bibliopolis Thesaurus | 32. International Press Telecommunication Council News Code |
| 7. Bibliotheca Iuris Antiqui Thesaurus | 33. International Standard for country codes ISO 3166 |
| 8. Building materials Thesaurus | 34. International Union for Conservation of Nature Classification |
| 9. Camps | 35. Library of Congress Subject Headings |
| 10. Charda | 36. Lista de encabezamientos de materias para bibliotecas públicas |
| 11. Chinese Agricultural Thesaurus | 37. Mathematics Subject Classification |
| 12. Common Procurement Vocabulary | 38. MDA Object Type Thesaurus |
| 13. Dottrina Giurudica Classificazione materie giuridiche | 39. Medical Subject Headings |
| 14. e.Jewish.info Thesaurus | 40. Thesaurus of Monument Types |
| 15. EHRI Thesaurus | 41. Nature 2000 AI Taxonomy |
| 16. English Heritage Aircraft Type Thesaurus | 42. Nuovo Soggetario Thesaurus |
| 17. Environmental Application Reference Thesaurus | 43. Organic Edunet Ontology |
| 18. European Commission Library Thesaurus | 44. Ra Thesaurus |
| 19. European nature information system species | 45. Roman thesaurus |
| 20. European Training Thesaurus | 46. Russian Library Bibliographic Classification |
| 21. EUROVOC Thesaurus | 47. Standard Thesaurus Wirtschaft |
| 22. Evidence Thesaurus | 48. TAXREF |
| 23. Federal Register Thesaurus for Indexing Terms | 49. Tesauro del Habitat del CEHAP |
| 24. Gemeenschappelijke Thesaurus Audiovisuele Archieven (GEMET) | 50. Thesaurus for the Social Sciences |
| 25. General Management Environmental Thesaurus | 51. Thesaurus of Greek Terms |
| 26. Ghettos | 52. Thésaurus pour description et indexation des archives locales |
| 53. Thesaurus VRT | 57. Universal Decimal Classification |
| 54. Trilingual Cultural Thesaurus | 58. Yleinen suomalainen asiasanasto |
| 55. UNESCO Nomenclature | 59. Zenon thesaurus |
| 56. UNESCO Thesaurus |
Los 49 documentos analizados presentan una distribución temporal desigual que va de 2004 hasta 2017, tal y como se puede apreciar en la Figura 1. En esos 14 años se han dado dos periodos con una mayor actividad de publicación en los que se recogen casi las tres cuartas partes de la producción total. En el cuatrienio que va desde 2006 hasta 2009 se publicaron 20 trabajos, y en el bienio 2012-2013 se editaron otros 16. Desde 2014 el número anual de publicaciones ha caído de forma considerable hasta 2017, en el que se publicó un único documento sobre conversión de vocabularios a SKOS.
Características de los vocabularios en la documentación tratada
En los 49 documentos manejados se han podido identificar hasta 59 vocabularios diferentes (Anexo 2). restos 59 vocabularios, 44 han visto reflejado su proceso de conversión en un único documento, mientras que los 15 restantes han sido objeto de estudio en varias ocasiones. Algunos de estos 15 SOC han llegado a ser tratados hasta en cinco documentos diferentes, como es el caso de los tesauros que tratan sobre arqueología y rehabilitación del patrimonio histórico británico, que pueden considerarse como ejemplos de skosificación en la literatura científica.
Los vocabularios identificados se han agrupado en seis tipos de SOC: esquemas de clasificación, listas de autoridades, listas de encabezamientos de materias, listas de palabras clave, ontologías y tesauros (Figura 2). Al considerar cada categoría en concreto destacan por sus elevados porcentajes los tesauros (aproximadamente uno de cada tres vocabularios) y los esquemas de clasificación (uno de cada cinco vocabularios), quedando el resto de tipos reducido solamente a nueve SOC que se distribuyen de la siguiente manera: tres listas de autoridades, tres listas de encabezamientos de materias, dos listas de palabras clave y una ontología.
Los 59 SOC abarcan hasta 17 materias diferentes, aunque con una presencia desigual. Entre las categorías con mayor presencia, la multidisciplinar, con 16 vocabularios, resulta la más numerosa, seguida por la arqueología y conservación del patrimonio histórico con 10 SOC, y la ecología y medioambiente donde se encuentran siete vocabularios. El número de SOC que tratan alguna de las otras 14 disciplinas queda distribuido de la siguiente manera: con tres recursos (arte, comunicación, derecho, economía y geografía), con dos (agricultura, educación e historia) y con solamente uno (archivística, lengua griega, matemáticas, medicina, transporte y urbanismo).
En lo que se refiere a los objetivos para los que fueron creados los vocabularios de partida, punto A.4 de la fase 2 de la metodología, se puede comprobar que no todos los documentos estudiados recogen esta información porque se han centrado más en el proceso de la skosificación o en el vocabulario que la aplicación de dicho proceso ha dado como resultado, que en el SOC fuente. Sólo en 25 casos (42.4 %), se hace mención expresa a los objetivos originales de los vocabularios, la mayoría de los cuales fueron creados para ser utilizados en entornos delimitados con anterioridad como bases de datos o colecciones de bibliotecas, no siempre coincidentes con los objetivos de sus versiones en SKOS.
La descripción detallada sobre el número de términos en los vocabularios, su estructura y la definición de sus relaciones, punto A.5 de la fase 2 de la metodología, es poco reflejada en la documentación. Un significativo nivel de detalle sólo se ofrece en 18 de los 49 documentos analizados, siendo el número total de términos la característica que más encuentra en las descripciones. Además, se ha podido constatar que en 17 de los 49 trabajos revisados no se proporciona ninguna descripción sobre el tamaño, la estructura y las relaciones entre términos de los SOC de partida.
Si se consideran de forma conjunta la expresión sobre los objetivos y la descripción física de los vocabularios, sólo se consigue encontrar un resultado positivo en un 15.25 % de documentos observados.
En cuanto a los formatos originales de los vocabularios o SOC antes de su skosificación, se declaran en tres cuartas partes de los documentos manejados. En los vocabularios que han sido tratados más de una vez los formatos de archivo han sido siempre los mismos, excepto en los casos del Tesauro de la Unesco, recogido en HTML (Pastor-Sánchez et al., 2013) y XML (Francesconi et al., 2007), y los Library of Congress Subject Headings, recogido en MARC21 (Harper, 2006) y MARCXML (Summers et al., 2008).
En lo que se refiere a los formatos de los SOC de partida (Figura 3), se comprueba que la categoría de formatos de datos (XML, CSV y TSV) resulta ser la más numerosa con 21 vocabularios. En las otras categorías destacan seis en formatos de registros bibliográficos (MARC, MARC21 y MARCXML), cuatro en formatos de texto (TXT y TeX), cuatro en formatos de bases de datos (Acces y FirebirdDB), tres en formatos de hojas de cálculo (XLS) y seis distribuidos en otros formatos como HTML, JSON, OWL y PDF.
Razones para la conversión a SKOS
Los motivos que han llevado a la conversión de los vocabularios no han sido declarados en casi la mitad de los documentos analizados. Entre los que sí explicitan las razones para el cambio, la causa principal ha sido la búsqueda de una mejor interoperabilidad de los SOC convertidos con otros vocabularios para que puedan adaptarse a la web semántica. Otras razones que también se han argumentado para el uso de SKOS en la transformación de vocabularios son las siguientes:
servir para integrar información multilingüe y para la expansión semántica de los conceptos (Rodriguez y Priddy, 2011: 7),
permitir una mejor reutilización del contenido de los vocabularios en otros contextos (De Boer et al., 2016: 3)
resultar de más fácil manejo que otras esquemas, como OWL, porque no es necesario dotar al vocabulario de una semántica y razonamiento formales (Caracciolo et al., 2012: 73).
Instrumentos, procedimientos y lenguajes utilizados para la skosificación
La cantidad de información sobre los instrumentos, procedimientos y lenguajes usados en la skosificación ha resultado más bien escasa. En el análisis de estos parámetros el total de vocabularios a considerar es de 63 en lugar de 59 porque cuatro de ellos han sido objeto de conversión a SKOS más de una vez y en diferentes condiciones.
En el Anexo 1 se puede comprobar que las vías de conversión a SKOS son declaradas en 71.43 % de los vocabularios analizados, mientras que la declaración de nombres de las herramientas utilizadas ha sido mucho menor (31.74 %). Dadas las diferencias metodológicas observadas entre los documentos al describir las labores realizadas en la sistematización de las vías de conversión a SKOS, se ha optado por agruparlas con base en la categoría del lenguaje que han empleado. En este sentido, se han reunido los casos conforme a tres tipos de lenguajes: de programación, de transformación y de mapeo, según sea la técnica predominante que hayan empleado los autores para la skosificación.
Lenguajes de programación. Esta categoría tiene en cuenta elementos de software (scripts y aplicaciones) creados para la conversión de los vocabularios a SKOS. Los lenguajes de programación que se han observado, en orden de su frecuencia de uso en los procesos de transformación, son los siguientes: Python (seis), C (cinco), Java (tres), Perl (tres), PHP (dos) y Prolog (dos). En tres casos se opta por aplicaciones de consola: uno con skoshassetgenerator (Bell, 2013: 8) y los otros dos con Stellar console (Beer et al., 2014: 25; Felicetti et al., 2016: 37).
Los nombres de las aplicaciones y scripts más usados se suministran en contadas ocasiones. Sólo en 20 vocabularios se identifican de manera concreta las herramientas empleadas, entre las que destacan EH2SKOS en lenguaje C, Skosify en Python y SWI Prolog, por su uso en más de una ocasión.
Lenguajes de transformación. Esta denominación se emplea en los casos de vocabularios skosificados con base en el lenguaje XSLT, el cual permite la transformación de documentos XML en otros en ese mismo lenguaje. El uso de la transformación XSL se ha constatado en 12 ocasiones para la conversión de 10 vocabularios. Como XSLT exige que el archivo a convertir esté en XML, en seis vocabularios (Common Procurement Vocabulary, Eurovoc, European Commission Library Thesaurus, European Training Thesaurus, Library of Congress Subject Headings y UNESCO Thesaurus) se tuvo que adaptar el formato original para poder aplicar esta vía de transformación. Sólo se ha suministrado en una ocasión el nombre de la aplicación utilizada para la transformación XSL: XSLTProc (Álvarez Rodríguez, Rubiera Azcona y Polo Paredes, 2007).
En los trabajos sobre transformación de los tesauros de la English Heritage intentaron skosificar los SOC aplicando la tecnología XSL, pero al encontrar problemas con los tesauros de gran tamaño tuvieron que renunciar a ese método (Tudhope y Binding, 2008a y 2008b; May et al., 2009).
Lenguajes de mapeo. Con este concepto nos referimos a los lenguajes que se utilizan para mapear entre bases de datos y RDF. Siete vocabularios emplean esta vía de transformación, seis a través del lenguaje D2RQ y uno con xR2RML. En los casos en que es utilizado D2RQ no se relaciona el nombre de la herramienta utilizada en el mapeo, mientras que en el caso de xR2RML sí se señala la herramienta empleada: Morph-xR2RML (Callou et al., 2015: 21).
En cuanto al mapeo de equivalencias de elementos entre los vocabularios y SKOS, se puede destacar la ausencia de información en 18 documentos. En esos casos se debe suponer que se estableció dicho mapeo al realizar los procesos de skosificación, pero que la información no fue trasladada a la documentación sobre los correspondientes proyectos. En los documentos restantes (64 %) se muestran equivalencias entre los esquemas, aunque con distintos niveles de detalle como puede comprobarse en el Anexo 2. Los elementos de SKOS con una mayor presencia en los mapeos de equivalencias son la clase skos:Concept y las propiedades skos:altLabel, skos:broader, skos:narrower, skos:prefLabel y skos:related.
En algunos casos el mapeo hacia SKOS ha generado dificultades para representar todas las particularidades estructurales que se encuentran en los vocabularios. A este respecto se ha advertido en la documentación revisada tres formas de suplir este problema:
Creación de extensiones en elementos ya existentes o de nuevas propiedades de SKOS. En el caso de las extensiones, se ha encontrado una que permite especificar el género de la etiqueta de un concepto preferido, skos-ehri:prefFemaleLabel, creada para el EHRI Thesaurus (Rodriguez y Priddy, 2011: 8). Sobre la creación de nuevas propiedades, se puede observar skos:notationProperty, que representa diversos sistemas de codificación de un mismo lugar geográfico (concepto) en la skosificación del vocabulario ISO 3166 (Voss, 2007: 4).
Combinación en el uso de elementos de SKOS para representar situaciones que con la aplicación directa del formato resultarían erróneas. Este método es aplicado en la skosificación del tesauro UNESCO, que es definido como un esquema de conceptos, mientras que las áreas de conocimiento y microtesauros son vistas como colecciones. Las primeras quedan asociadas al schema SKOS con la propiedad skos:inScheme y los microtesauros se vinculan a un área de conocimiento con la propiedad skos:member (Pastor-Sánchez et al., 2013: 1031-1032). También se recoge este problema en la skosificación de Eurovoc, pero se resuelve de manera distinta considerando a los microtesauros y los campos temáticos como instancias de skos:ConceptScheme, lo que obliga a incluir la propiedad owl:hasScheme para poder afirmar los enlaces jerárquicos entre instancias de skos:ConceptScheme (Polo Paredes, Álvarez Rodríguez y Rubiera Azcona, 2008).
Creación de clases y propiedades en un vocabulario para adaptar su estructura a SKOS. Esta alternativa se encuentra en la skosificación de MeSH, que resuelve características fuera de los estándares con mesh:CompoundConcept y mesh:Qualifier, subclases de skos:Concept, y propiedades como mesh:considerAlso, mesh:publicMeSHNote y mesh:dateCreated, subpropiedades de skos:note y skos:editorialNote respectivamente (Van Assem et al., 2006: 13). Otros vocabularios han adaptado sus elementos con propiedades como zbwext:useInsteadNote, subpropiedad de skos:note en el Standard Thesaurus Wirtschaft (Neubert, 2009); ipsv:obsoleteTerm, subpropiedad de skos:HiddenLabel en el Integrated Public Sector Vocabulary (Van Assem et al., 2006: 7) o gtaa:hasLinkedTerm y gtaa:hasDebatedLine, subpropiedades de skos:related en el Gemeenschappelijke Thesaurus Audiovisuele Archieven (Malaise y CHOICE Team, 2007: 27).
En general, la información que suministran los documentos estudiados es escasa o limitada para poder establecer unos patrones clave que definan los procesos de skosificación. De los 49 documentos examinados, que tratan la conversión de 59 vocabularios, solamente se han encontrado seis que presentan de forma detallada información sobre cada uno de los puntos que se explicitan en la fase 2 de la metodología: Álvarez Rodríguez, Rubiera Azcona y Polo Paredes, 2007; Casellas, 2012; Felicetti et al., 2016; Pastor-Sánchez et al., 2013; Polo Paredes, Álvarez Rodríguez y Rubiera Azcona, 2008; Van Assem et al., 2006.
El artículo de Van Assem et al. (2006) evalúa de forma detallada la conversión de tres vocabularios a partir de un esquema en tres partes: análisis de sus características principales junto con su documentación y guías de uso, definición del mapeo de sus items de datos a SKOS y descripción del software usado en la conversión. En varios documentos tratados declaran que han tomado como modelo el mencionado esquema, y podría ser “el esquema” a tener en cuenta en un proceso de skosificación de SOC. Por otra parte, el trabajo debido a Pastor-Sánchez, Martínez-Méndez y Rodríguez-Muñoz (2009) ofrece también una descripción de todo el proceso de transformación a SKOS, incluyendo detalles interesantes sobre el software a utilizar y de la interfaz de navegación que se debe aplicar a los vocabularios.
Conclusiones
Si consideramos de forma particular los resultados obtenidos de los estudios revisados, se pueden extraer las siguientes conclusiones:
La skosificación de SOC ha sido abundante desde los orígenes del formato SKOS, incluso en la etapa en la que éste solamente era un borrador, aunque el tratamiento de dicho proceso ha sufrido un considerable descenso en los últimos años observados. No obstante, la disminución de publicaciones sobre la skosificación de vocabularios no resta a nuestro entender el interés por el uso de este formato que pueda despertar en los autores, como ya señalábamos en la introducción al hablar de la presencia de vocabularios en SKOS en BARTOC (https://bartoc.org/) y en la versión antigua de Datahub (https://old.datahub.io/), lo que da muestra de la madurez alcanzada por el formato SKOS frente a otras opciones de representación de vocabularios.
Dos terceras partes de los SOC convertidos pueden inscribirse dentro de la categoría tesauro. Esto puede resultar una obviedad, dado que este tipo de vocabularios controlados es el que mejor se adapta a la estructura de SKOS, pero también se puede considerar de forma que el mencionado formato sea una vía válida con la cual sea posible adaptar otros tipos de SOC a la web semántica, como se puede comprobar en el otro tercio de vocabularios transformados a SKOS en los estudios analizados.
La información descriptiva sobre el estado y estructura de los vocabularios antes del proceso de conversión no es muy completa, en especial la concerniente a la estructura original de los vocabularios.
Los formatos de datos, principalmente XML y CSV, parecen ser los que mejor se adecuan a los procesos de transformación de vocabularios al formato SKOS.
La justificación del cambio de formato que argumentan los autores de los trabajos analizados es casi exclusivamente la búsqueda de una mayor interoperabilidad de los vocabularios transformados hacia otros vocabularios controlados. Esta finalidad concuerda con lo expresado en la guía introductoria sobre SKOS elaborada por el W3C, en cuya introducción se señala que el objetivo del formato SKOS es que los vocabularios conceptuales puedan transferirse en un espacio compartido en el que se permita una reutilización más amplia y una mejor interoperabilidad (World Wide Web Consortium, 2009a).
La definición del mapeo de equivalencias entre los elementos de los vocabularios y SKOS ha resultado algo limitada: las clases y propiedades más representadas en el formato SKOS se corresponden con las típicas relaciones semánticas que se establecen entre los términos de los tesauros. Algo ya esperado, dado que la mayor parte de los vocabularios son tesauros. Sin embargo, sí ha quedado demostrada la flexibilidad existente en el formato SKOS, el cual permite la asociación de subpropiedades con las que es posible definir relaciones que no están recogidas en las normas de tesauros y otros vocabularios controlados.
El software empleado en los procesos de conversión de vocabularios es la parte que menos atención ha recibido en la bibliografía científica tratada en el presente estudio. En muchos casos la información dada por los autores se limita a señalar cuál es el lenguaje utilizado en la transformación, en alguno de los tipos que hemos establecido en el apartado de resultados (programación, mapeo o transformación), quedando incompletos muchos datos sobre las labores de transición a SKOS. Las explicaciones que se ofrecen sobre el funcionamiento de las aplicaciones de conversión o de las plantillas XSLT empleadas son muy puntuales.
Tras la revisión de tan abundante material se puede afirmar que el formato SKOS es visto por los autores como una buena opción para transformar los vocabularios de valores, los cuales pueden ser adaptados a un entorno de datos enlazados sin que sea necesario realizar profundos cambios en sus estructuras o en la forma en que se expresan sus conceptos. Aunque el afán que se demuestra en la publicación de los procesos de skosificación de vocabularios parece haber descendido en los tiempos más recientes, el modelo SKOS continua manteniéndose como un importante formato para la representación de vocabularios controlados. Es de esperar que dicho schema continúe siendo empleado en un futuro por los creadores y gestores de vocabularios controlados, si bien sería deseable que los trabajos que resulten de las actividades realizadas en los procesos para los cambios de formato de los vocabularios fueran más detallados. Es conveniente que los autores recojan toda la información sobre las tareas llevadas a cabo en cada una de las fases de los procesos de conversión de vocabularios para que lectores y usuarios puedan ver el desarrollo completo.
La abundante transformación de SOC al formato SKOS revela que el contenido de dichas herramientas continúa considerándose de utilidad para la web, y por ello siguen realizándose esfuerzos para su adaptación a las necesidades que demanda dicho entorno.
