Clasificarea / indexarea documentelor

Sistematizarea informaţiilor uriaşe cuprinse în publicaţii a reprezentat secole la rând o preocupare a celor care au ctitorit sau gestionat biblioteci. Structurarea documentelor în strânsă dependenţă de conţinutul lor este o preocupare patinată de vechime. Gruparea acestora pe domenii şi subdomenii ştiinţifice, pe problematici se realizează numai în procesul de prelucrare analitică şi sintetică.

 Definiţie

Clasificarea este procesul de orânduire a documentelor pe domenii de cunoaştere, în conformitate cu ceea ce reflectă conţinutul lor, ţinând cont de gradul de asemănare şi de deosebire dintre ele. Această structurare riguroasă se concretizează în grupări de materii sau clase şi subgrupări sau subclase.

 Tipuri

Clasificarea⁴⁹ de bibliotecă este o astfel de structurare care are ca obiectiv stabilirea, codificarea şi repartizarea subiectelor, conţinutului acestora într-un sistem. Există astfel câteva sisteme realizate în timp, ca reflectare a preocupărilor care au existat în direcţia enunţată:

• Clasificarea Colon – realizată în 1933 de savantul indian Şiali Ramamrita Ranganathan, care cuprinde 25 de clase de bază;

• Clasificarea Cutter – o schemă alcătuită de bibliologul american C. A. Cutter (1837-1903), care are la bază 21 de grupe reprezentate de litere capitale;

• Clasificarea zecimală Dewey⁵⁰ – sistem realizat în 1874 de bibliologul american Melvil Dewey (1851-1931)⁵¹, republicat în 1876, conform căruia cunoştinţele umane sunt împărţite în 10 clase cu subdiviziuni (peste 1000) şi un Index al noţiunilor codificate;

• Clasificarea zecimală universală sau CZU⁵² – o variantă a clasificării Dewey, perfecţionată în 1895 de bibliografii belgieni Paul Otlet (1868-1944) şi Henri Lafontaine (1854-1943), în sensul adaptării la cerinţele unei „bibliografii cumulative internaţionale” – cele 10 clase de bază rămânând aceleaşi, intervenţiile constând în: detalierea şi reformularea subdiviziunilor, renunţarea la zerourile din dreapta indicelui (Ex. 200 > 2), realizarea extensiunii prin indici principali şi indici secundari sau auxiliari;

• Clasificarea bibliotecar-bibliografică redusă (BBK) – bazată pe principiile clasificării zecimale dar utilizând indici alfabetici şi semne specifice de punctuaţie⁵³;

• Clasificarea Bibliotecii Congresului SUA – realizată în 1901, având la bază notaţia alfa-numerică, conform unei scheme a principalelor diviziuni, obligatorie de urmat;

• Indexarea coordonată – un sistem de redare a conţinutului documentelor prin cuvinte sau simboluri introduse ulterior într-un Index alfabetic al memoriei informaţionale; are ca rezultat o imensă listă de termeni-cuvinte-cheie, descriptori – incluşi într-un tezaur.

 Clasificarea Zecimală Universală

Clasificarea Zecimală Universală reflectă toate cunoştinţele umane, după modelul comun al subiectelor legate între ele.

 Definiţie

Clasificarea Zecimală Universală este, concret, un „limbaj de documentare” întrebuinţat pentru indexarea şi regăsirea informaţiei; o operaţiune tehnică de stabilire a clasei de cunoştinţe umane reflectată de conţinutul unui document, în ideea repartizării acestuia pe domenii spre a fi regăsit; „o schemă de clasificare sistematică”⁵⁴, de grupare ierarhică a cunoştinţelor umane în clase şi subclase, în simboluri universal recunoscute.

Traducerea, revizuirea şi extinderea CZU sunt gestionate de F.I.D. (Federaţia Internaţională de Documentare). În România, CZU a fost folosit din 1908, de Biblioteca Academiei Române, pentru clasificarea periodicelor din fondurile proprii.

 Istoric CZU

Clasificarea este, după H. Bliss, un edificiu intern, preţios, prin partea ei externă şi cu o mare valoare intelectuală şi educativă. Astfel, în catalogul sistematic cunoştinţele umane sunt grupate după o ordine logică, încât întreaga colecţie a unei biblioteci se prezintă ca o „singură lucrare ştiinţifică” structurată în capitole şi subcapitole.

Doi avocaţi belgieni – Paul Otlet şi Henri Lafontaine – au lansat proiectul unei liste atotcuprinzătoare a tipăriturilor – Répertoire Bibliographique Universel. Extinzând schema lui Dewey ei au publicat o primă ediţie completă CZU, între anii 1905-1907 – Manual du répertoire bibliographique universel – care cuprindea în jur de 33.000 subdiviziuni şi un index alfabetic cu aproximativ 38.000 intrări. Acesta a fost, în fapt, o primă ediţie CZU. Ediţia următoare (din 1927-1933) a instituit această schemă generală de clasificare. Aceiaşi bibliologi au fondat, la Bruxelles, l’Institut International de Bibliographie care, ulterior, şi-a mutat sediul la Deventer (Olanda) şi Haga, purtând o nouă denumire – Federation International de Documentation (FID). Din 1988 a devenit International Federation for Information and Documentation (IFID), iar din 1992, un consorţiu de editori – Consorţiul CZU-UDCC (The Universal Decimal Clasification Consortium), care a creat baza de date MASTER REFERENCE FILE (MRF) – o versiune standard deschisă. Tot Paul Otlet a înfiinţat şi Mundaneum, care reprezintă primul centru internaţional bibliografic. În România, prima ediţie CZU a apărut în 1938.

Uriaş instrument de sistematizare a cunoştinţelor, sistemul CZU a fost proiectat pentru organizarea informaţiilor detaliate într-un uriaş catalog pe fişe, sens în care poate fi asemănat cu un impresionant dicţionar. El utilizează, pentru ierarhizarea logică a diviziunilor şi subdiviziunilor unei clase (conform unor principii de subdivizare), două categorii de indici (principali şi auxiliari) şi două tipuri de relaţii de subiecte – ierarhic şi nediferenţiat – redate prin semnele (+) şi (:).

 Structura

Structura sistemului CZU cuprinde două tabele:

• Tabela principală;

• Tabelele auxiliare.

 Tabela principală este compusă din:

 Indici principali – 10 clase mari de cunoştinţe umane divizate ierarhic ca reflectare a ierarhiei conceptuale, notate prin cifre arabe, încât domeniile mai generale se află la nivelul superior iar cele mai restrânse la cel inferior. Aceste 10 clase CZU sunt:

0 – Generalităţi. Ştiinţă şi cunoaştere. Organizare

1 – Filosofie. Psihologie

2 – Religie. Teologie

3 – Ştiinţe sociale

4 – Clasă liberă

5 – Ştiinţe matematice. Ştiinţele naturii

6 – Ştiinţe aplicate. Medicină. Tehnică

7 – Artă. Recreere. Spectacol. Sport

8 – Lingvistică. Filologie. Literatură

9 – Geografie. Biografie. Istorie

Fiecare din aceste clase se subdivide, urmând acelaşi principiu zecimal, din zece în zece, adăugându-se câte o cifră de la 0 la 9 (Ex. 51 Matematică; 511 Teoria numerelor; 512 Algebră etc.) care la rândul ei se subdivide tot de la 0 la 9 (511.1 Aritmetică; 511.2....) dinspre general spre particular (6, 61, 62, 621.3, 63, 633, 64, 65 etc.).

Indicii principali se compun din trei cifre delimitate de un punct, după care urmează o nouă grupă de trei cifre (pentru a se putea citi mai uşor (Ex. 821.135.1).

 Indici auxiliari speciali (analitici) – reprezentaţi de semnele .0 (punct zero) şi -1/-9 (liniuţă unu / liniuţă nouă) şi ‘ (apostrof) – sunt utilizaţi în redarea unor aspecte secundare (Ex. Disciplinele literaturii  82.0 Stilistică; genurile literare  821.135.1-31 roman românesc.

 Tabelele auxiliare cuprind: semnele de legătură; indicii auxiliari comuni sau generali care sunt utilizaţi în redarea aspectelor particulare ale noţiunii de bază; explicaţii la indicii auxiliari speciali.

 Indici auxiliari comuni sau generali ataşaţi indicelui CZU sunt:

• indici auxiliari comuni de loc (1/9)  Ex. 792(478): Cinematografia Moldovei;

• indici auxiliari comuni de formă (0)  Ex. 792(035): Tratat de cinematografie;

• indici auxiliari comuni de timp „ ”  Ex. 792”19”: Cinematografia secolului XX;

• indici auxiliari comuni de limbă =...  Ex. 821.122.1=135.1: un volum de literatură franceză tradus în limba română;

• indici auxiliari comuni de rasă (=...) Ex. 1(=135.1);

În afara acestora mai există: indici auxiliari comuni de ordin de importanţă (I) şi (II); indici auxiliari comuni de punct de vedere .00; indici auxiliari comuni de nume şi numerici A/Z (Ex. 821.135.1.09Mihai Eminescu).

 Indici compuşi

Pentru a clasifica/indexa noţiuni mai complexe sunt utilizaţi o serie de indici compuşi (complecşi) obţinuţi prin întrebuinţarea între două clase/subclase CZU, a unor semne matematice – semne de legătură – semne auxiliare:

+ (plus) – adăugire pentru noţiuni asociate. [Ex: 53+54(498): fizica şi chimia României];

/ (bară) – pentru extensia unor noţiuni. [Ex: 796/799: Sporturi];

: (două puncte) – pentru relaţionarea dintre noţiuni, din indici diferiţi. [Ex: 1:2: filosofie şi religie].

 În afară de tabele, există şi Indexul alfabetic al CZU care menţionează noţiuni – chei pentru marcarea locului unui subiect în tabelele sistematice –, facilitând orientarea în Catalogul sistematic. El conţine subiecte în ordine alfabetică şi indicele CZU care le corespunde.

 Caracteristici

CZU este:

• sistematică – structurează toate cunoştinţele într-un sistem de clase şi subclase;

• zecimală – împarte cunoştinţele umane în 10 mari clase, care se subdivid din 10 în 10;

• universală – foloseşte cifre arabe, semne matematice şi de punctuaţie cu înţelegere universală.

 Avantaje

Avantajele CZU sunt numeroase:

• acoperă întregul câmp al cunoaşterii;

• poate fi utilizat în oricare loc din lume;

• este utilizat în multe domenii.

În organizarea şi specificarea colecţiei unei biblioteci, ele se referă la:

• documentare;

• organizarea fişierelor de pe calculator şi a informaţiilor generate în format electronic;

• realizarea de liste care cuprind metadate în scopul regăsirii subiectului lor;

• gruparea pe un anumit subiect a referinţelor;

• găsirea rapidă a informaţiei;

• independenţa lingvistică;

• forţa extraordinară de căutare etc.

• descrierea exactă a subiectelor din domenii variate ştiinţifice şi tehnice.

 Etape

Teoretic, în clasificarea documentelor, sunt respectate trei etape:

• stabilirea subiectului prin analiza atentă a conţinutului documentului, a paginii de titlu, a tabelei de autori, a prefaţei etc.;

• depistarea indicelui în tabele;

• alcătuirea propriu-zisă a indicelui.

 Principii necesare:

• specificul catalogului sistematic al bibliotecii;

• consecvenţa în indexare;

• nivelul de adâncire a indicilor.

 Utilizări

Întrucât utilizează o schemă de clasificare sistematică bazată pe notaţia prin simboluri cifrice, CZU este un instrument foarte precis şi riguros cu multiple întrebuinţări:

• schimbul internaţional de informaţii, întrucât transcende barierele lingvistice;

• cercetarea documentară pe criterii ştiinţifice;

• organizarea colecţiilor (exclusiv cele digitale), aranjarea la raft;

• organizarea fişelor personale individuale, oferind soluţia regăsirii documentului după subiectul lui şi în catalogul on-line;

• sistematizarea indexului alfabetic;

• diseminarea selectivă a informaţiei (SDI) prin calitatea sa de instrument de informare curentă;

• elaborarea listelor bibliografice;

• construirea tezaurelor prin atributul său de sursă de terminologie;

• combinarea cu un tezaur de cuvinte şi alcătuirea unui sistem integrat de regăsire, în cadrul căruia descriptorii sunt structuraţi în jurul claselor CZU, accesul la aceste date realizându-se astfel, fie prin lista alfabetică, fie prin cea CZU;

• organizarea resurselor de informare pe Internet (timid, încă), apropiind astfel sistemul de ceea ce au gândit a fi acesta cercetătorii lui: organizarea cunoştinţelor umane universale on-line;

 Tezaurul

El este constituit dintr-un vocabular controlat, flexibil, de termeni (de indexare), relaţionaţi semantic şi generic, respectând o anumită formă gramaticală, o anumită ortografie privind un anumit domeniu de cunoaştere. Este „un limbaj documentar”, construit pe o structură ierarhizată „din unul sau mai multe domenii ale cunoaşterii, şi în care noţiunile sunt reprezentate prin termeni din unul sau mai multe limbaje naturale iar relaţiile dintre noţiuni prin semne convenţionale⁵⁵. Fiind în realitate un „tezaur internaţional şi universal de termeni normalizaţi codificaţi prin indici CZU”⁵⁶, tabela de clasificare este utilizată şi în sistemele automatizate de bibliotecă. Tezaurul poate fi organizat alfabetic sau sistematic.

Alcătuirea unui tezaur în România este un proces în derulare, care are la bază ediţia medie internaţională în limba engleză (1985) şi o traducere în limba română. El reprezintă un instrument modern de regăsire a informaţiei, care a integrat clasificarea cu tezaurul de cuvinte, devenind totodată sistem de clasificare şi vocabular de vedete de subiect, un sistem integrat de regăsire, format din descriptori structuraţi după clasele CZU. Creat, mai întâi, sub formă de microtezaur (alcătuite deja pentru clasele 8 – multilingv – 1, 2/245, 57/59, până la topirea lor în macrotezaur), acesta facilitează accesul rapid, performant la date. Constanţa Dumitrăşcoiu remarca faptul că indexatorii asociază indicii de clasificare cu termenii dintr-o structură de tezaur, ceea ce ar prezenta dezavantaje: CZU nu prezintă ierarhiile concret; termeni noi sunt nereprezentativi; conceptele sunt prezentate detaliat şi nu în mod firesc. Tendinţa, subliniază ea, este către tezaur fără indici CZU.

 Indexarea

Indexarea este un proces de analiză şi descriere a unui text prin termeni şi simboluri – descriptori sau cuvinte-cheie – introduşi ulterior într-un index. Această operaţiune este de două tipuri:

• indexare coordonată;

• indexare pe subiecte.

 Indexarea coordonată permite combinarea termenilor în momentul regăsirii informaţiei. Este o operaţiune tehnică de redare prin termeni şi simboluri – concepte unice, cuvinte-cheie – a cuprinsului documentelor, urmând a fi introduşi în indexul alfabetic al memoriei informaţionale. Este o metodă de indexare postcoordonată fără a urma o ordine prestabilită a termenilor sau indicilor.

Indexarea coordonată este opera americanului Mortimer Tause care, lansată în 1952, a fost rapid răspândită în biblioteci, graţie multiplelor avantaje pe care le prezintă (oportunitatea de adaptare la instrumentele moderne de înmagazinare şi difuzare a informaţiei; regăsire mai rapidă a informaţiei ş.a.) Secţiunea IFLA de Clasificare-indexare, devenită secţie începând cu 1981, Grupul de lucru de la Berlin (2003), a lansat un Plan strategic 2004-2005.

Instrumentele utilizate în realizarea acestei operaţiuni sunt:

• termeni – cuvinte sau sintagme, cuvinte-cheie sau descriptori – stabiliţi anterior sau în timpul indexării prin apelarea la lucrări de referinţă (dicţionare etc.);

• vocabularul controlat – este o listă normalizată (standardizată) de termeni (cuvinte-cheie) frecvenţi, reprezentativi, definitorii pentru anumite noţiuni, ordonaşi alfabetic;

• tezaurul – instrument lexicografic reprezentat de o listă normalizată de descriptori şi simboluri care indică relaţiile logice şi semantice dintre aceştia, ordonată alfabetic sau după clasele tematice ale unei discipline sau grupuri de discipline;

• indicatori – „instrument auxiliar al indexării coordonate (alcătuit dintr-un simbol”⁵⁷ alăturat termenilor spre a-i caracteriza între ei) care pot fi: de legătură (simbol – literă majusculă –), de rol (simbol – cifre sau litere – rolul subiectului în context);

• fişele document (fişe catalog) pe care se trec termenii de indexare şi adresa documentului.

 Indexarea pe subiecte este o operaţiune de redare a conţinutului documentelor prin stabilirea de vedete de subiect care sunt introduse în indexul alfabetic pe subiecte.

 Indexarea – RAMEAU

RAMEAU (Répertoire d’autorité – matière – encyclopédique et alphabétique unifié) este un limbaj de indexare naţional francez, utilizat de BNF (Catalog BN – OPAL – PLUS), de bibliotecile universitare (SUDOC), publice, specializate sau private.

Limbajul de indexare Rameau cuprinde un vocabular de termeni (legaţi între ei) şi o sintaxă (reguli de constituire a vedetelor-subiect indexate).

Cele două părţi componente ale acestui limbaj sunt:

• ghidul de indexare (2 vol.):

• lista de autorităţi Rameau (tezaurul propriu-zis, în 8 vol.).

Ghidul conţine principiile, regulile de indexare, listele de subdiviziuni flotante împărţite pe domenii.

Tezaurul (tradus în România, urmând a fi portat în format Word), lista de autoritate este prezentată sub forma unui fişier de autoritate (un ansamblu de vedete de autoritate).

Acest limbaj de indexare prezintă o serie întreagă de oportunităţi şi, în primul rând, crearea de legături între fişiere de autoritate de subiect şi fişiere bibliografice, prin pârghiile de navigare oferite de structura fişierului de autoritate de subiect, prin relaţii semantice de genul: termen generic, termen specific, termen asociat.

RAMEAU respectă standardele internaţionale utilizate în indexarea documentelor privind prelucrarea unitară a subiectului acestora, apropiind exigenţele indexării precoordonate sub forma vedetei de subiect (succesiune standard de vedete şi subdiviziuni) în format UNIMARC.

Acest model de indexare precoordonată – RAMEAU – şi fişierele de autoritate UNIMARC constituie liniile de modernizare a indexării naţionale din România. El se aplică pentru toate tipurile de documente de pe toate tipurile de suport (imprimate, audio-video, electronice). Are marea calitate de a fi deschis, întrucât permite dezvoltarea şi actualizarea continuă a terminologiei utilizate şi de a fi fezabil, satisface cerinţele de automatizare a bibliotecii. Introdus în baza de date a autorităţilor, tezaurul RAMEAU este consultat în etapa alcătuirii vedetelor de subiect care pot fi pur şi simplu copiate (când sunt simple sau compuse). Lista de autoritate a limbajului de indexare RAMEAU cuprinde: descrierea subiectului documentului; punctele de acces spre notiţele bibliografice. În acest fel, utilizatorii pot găsi rapid informaţia, în funcţie de subiectul tastat, având în vedere că vedeta de subiect este reprezentată de un cuvânt, expresie sau ansamblu de concepte.

 Indexarea automată⁵⁸

Acesta este un proces de recunoaştere a descriptorilor dintr-un text şi ordonare a lor într-un index în ideea favorizării regăsirii.

Motorul de indexare citeşte textul integral, dar extrage spre indexare datele descriptive (titlu, autor, descriptori, metadate) cu limite pentru caracterul literelor şi corpului textului.

 Acest tip de indexare automatizată poate fi:

• liberă (când termenii sunt extraşi automat sau stabiliţi de indexator fără a apela la vocabularul controlat);

• controlată (când termenii sunt extraşi automat dar sunt confruntaţi cu un limbaj controlat – vocabularul controlat).

 Modele

Modelele tradiţionale de indexare reprezintă surse de inspiraţie pentru sistemul modern de indexare automatizată. Vorbind despre acestea, Pierre Le Luarer le-a structurat în câteva tipuri:

• plată (fără deosebiri între descriptori);

• ponderată (atenţie acordată unor descriptori pentru a-i deosebi);

• faţetată (specificul unor descriptori);

• structurală (deosebiri între tipurile de descriptori – principali şi secundari – şi nivelul lor de importanţă).

 Tehnici

Realizarea tehnică a acestui sistem are în vedere, cum sublinia Elena Târziman, o serie întreagă de condiţionări care vizează cunoştinţe solide în domeniul informaticii, noţiuni lingvistice şi statistice. Tot ea le împarte în: lingvistice (cuvântul şi funcţia lui în text), statistice (frecvenţa termenului), de agregare (clasificarea descriptorilor şi realizarea în sistem automatizat de clase cu oportunităţi de navigare între ele).

 Instrumente indispensabile clasificatorului

Aceste instrumente sunt:

• Tabelele CZU, ediţiile ultime ale CZU;

• Indexul alfabetic al CZU;

• Indexul alfabetic al catalogului sistematic;

• Catalogul sistematic al bibliotecii;

• Catalogul on-line;

• Enciclopediile (şi electronice).