Uma hemeroteca reúne publicações seriadas, como um jornal que saiu todos os dias durante décadas, uma revista mensal com centenas de números ou os suplementos e edições especiais que quebram a sequência. Cada exemplar diz pouco por si só, e o que o torna útil para a consulta é o cabeçalho, a data, o número e o lugar que ocupa na série. O Janium Collect cataloga esse material a partir do inventário que a hemeroteca já tem, das digitalizações ou das duas coisas ao mesmo tempo.
Quase nenhuma hemeroteca parte do zero nem tem tudo no mesmo estado. Uma parte costuma estar numa folha de cálculo feita há anos, com cabeçalho, ano e existências, e outra existe apenas como digitalizações de microfilme ou PDF de páginas soltas, sem mais descrição do que o nome do ficheiro.
A partir do inventário
Quando há uma lista, o Collect pega em cada linha e converte-a num registo. O modelo de linguagem recebe a linha com o perfil da coleção e redige-a no formato da instituição: desenvolve abreviaturas, coloca cada valor no seu campo e pode acrescentar o que sabe sobre a publicação, como a sua periodicidade ou o contexto de uma época, com a marca de que vem do modelo. O trabalho prévio de quem fez a lista aproveita-se por inteiro e ninguém o volta a escrever. A forma de preparar as colunas e o que acontece com as células vazias estão em Catalogar a partir de listas e folhas de cálculo.
A partir das digitalizações
Quando só há digitalizações, cada página converte-se em imagem e um modelo de visão lê-a, de modo que o cabeçalho, a data, o número da edição e o lugar saem do que a própria página imprime. Aqui o que manda é a qualidade da digitalização: o papel amarelecido, a tinta borrada ou um microfilme de baixo contraste dão leituras parciais, e o mesmo jornal digitalizado com dois critérios diferentes dá dois resultados diferentes.
Quando há inventário e digitalização
Muitas vezes existem as duas fontes para o mesmo exemplar, e nem sempre dizem o mesmo. O Collect deixa que a instituição decida qual pesa mais em cada coleção. Numa, o inventário é a referência: o seu dado conserva-se e, se a página impressa diz outra coisa, a diferença anota-se no registo para que alguém a resolva. Noutra, em que se sabe que o inventário arrasta erros de cópia, o modelo pode tirar da página o título, a data ou o número e corrigir o que a lista trazia. A instituição escolhe a política para cada coleção antes de processar.
ISAD-G com a hierarquia ou MARC21 como publicação seriada
O formato também se decide antes de processar, porque o Collect extrai diretamente no formato escolhido.
Em ISAD-G, a hemeroteca descreve-se como um arquivo, com o fundo, as secções, as séries por publicação e cada exemplar como documento. O Collect monta a árvore a partir da localização que cada registo traz, calcula o intervalo de datas de cada série com as datas dos seus exemplares e sobe ao nível superior os dados que quase todos os descendentes partilham, como o produtor, a língua ou a cobertura geográfica. O limiar é alto (nove em cada dez) para não atribuir a toda a série o que só vale para uma parte. O mecanismo completo está em De documentos avulsos a Fundo e Série.
Em MARC21 ou UNIMARC, cada título descreve-se como publicação seriada, com o seu ISSN, a sua periodicidade e a numeração que a coleção abrange. É o formato que convém quando a hemeroteca vive dentro do catálogo de uma biblioteca. Os pormenores estão em Como gerar registos MARC21 e UNIMARC com IA.
Onde se revê
A revisão começa pelos registos que levam nota de revisão, que são os de pontuação de qualidade mais baixa. Numa hemeroteca, os registos que vêm de uma lista cuidada costumam pedir uma revisão de controlo, e os que vêm de digitalizações fracas pedem que se confira a data e o número.
A instituição pode pedir ainda que alguns campos, como a data, se confirmem com o texto da página. Com essa regra ativa, um valor que o modelo propôs e que a página não sustenta reduz a pontuação e fica assinalado. A regra ativa-se por instituição e por campo, porque em algumas coleções uma data inferida é aceitável e noutras não.
Limites numa hemeroteca
A legibilidade. Na imprensa antiga, o que mais falta numa digitalização fraca é a data e o número. Se a lista existe, completa-os; se não existe, o que o modelo propuser para esses campos chega marcado como feito com IA, e quem conhece a coleção confirma-o.
A estrutura de origem. A hierarquia ISAD-G constrói-se com a localização de cada exemplar no quadro de classificação da coleção. Sem essa localização, o Collect produz os registos de exemplar e não consegue montar os níveis superiores.
O formato escolhido. Um lote extraído em ISAD-G não se converte depois para MARC21. Se a hemeroteca precisa dos dois, processa-se com os dois perfis.
A dimensão da coleção. A poupança é grande quando há muitos exemplares de poucos títulos, com cabeçalhos legíveis ou já inventariados. Numa coleção pequena e heterogénea, sem listas e com digitalizações irregulares, convém medir primeiro com uma amostra.
Para continuar a conversa
Se a sua hemeroteca tem uma parte em listas e outra apenas em digitalizações, e quer levar as duas para o catálogo com a estrutura da coleção, escreva-nos para info@janium.com. Interessa-nos ver como está hoje inventariado o seu material e em que formato o descreve.