Num índice, “García Márquez, Gabriel”, “G. García Márquez” e “Gabriel García Marquez” são três pessoas distintas. Quem busca uma dessas grafias não encontra os livros arquivados sob as outras. O controle de autoridade existe para que as três apontem ao mesmo lugar: uma forma do nome, decidida uma vez, para todo o catálogo.
Quando o Collect lê um documento, o modelo propõe uma forma do nome a partir do que vê. Essa proposta não se dá por boa sozinha. Confere-se contra as listas que a instituição já usa, e no registro fica escrito de qual dessas listas saiu a forma final. Esse rastro é o que permite confiar no nome sem voltar a digitá-lo. O panorama de por que um catálogo assistido com IA é confiável está em Por que confiar num catálogo feito com IA.
Primeiro o catálogo da casa, depois o mundo
Para um nome de pessoa, o Collect segue uma cascata e para no primeiro degrau que responde. Antes de consultar nada, normaliza a forma: passa o nome a “sobrenome, nome” e tira os tratamentos (“Lic.”, “Dr.”, “Sr.”). Com essa forma limpa consulta, em ordem:
- O catálogo de autoridades da instituição (o ILS: Janium, Alma, Sierra ou Koha). Se a casa já fixou uma forma autorizada para esse autor, essa ganha. É a de maior confiança, porque é a decisão que a própria instituição já tomou.
- VIAF, o fichário internacional onde as bibliotecas nacionais registram a forma autorizada de cada autor. As datas de nascimento e morte, quando o registro as traz, servem para distinguir homônimos. Se o VIAF resolve o nome, o registro leva além o vínculo a essa entrada (o identificador do VIAF).
- O normalizador de nomes, se nenhuma lista teve o autor. Deixa o nome bem formado —sobrenome primeiro, sem tratamentos—, mas sem respaldo externo e sem esse vínculo.
A cascata desce de degrau só quando o anterior não encontra nada. A ordem é também de confiança descendente, e o registro conserva que degrau o resolveu.
A procedência vai escrita no registro
O que distingue um nome verificado de um só bem escrito não é uma promessa: é um dado no próprio registro. Um nome resolvido pelo VIAF chega com o vínculo a essa entrada. Um que tomou a forma do catálogo da casa chega com essa forma —a que a instituição já tinha fixado— e sem o identificador internacional. Um que só passou pelo normalizador chega bem escrito e também sem esse vínculo. O vínculo marca coincidência com o VIAF ou com o ISNI; sua ausência não diz que o nome esteja mal escrito, diz que não há identificador dessas listas.
Para as matérias a marca é um código de fonte no mesmo registro (o subcampo
$2 em MARC): diz contra que vocabulário se validou o termo. Um termo sem
esse código não se contrastou contra nenhuma lista.
O efeito para quem cataloga é direto: abre o registro e sabe que nomes vêm respaldados por uma autoridade e quais convém revisar, sem ter de conferi-los todos. Nenhum nome inferido se apresenta como se estivesse verificado.
Entidades: empresas, organismos, instituições
Os nomes de entidade —uma editora, um ministério, uma empresa— seguem uma cascata própria, porque as listas que melhor os cobrem não são as mesmas que para as pessoas: o catálogo local primeiro; o ISNI quando a instituição o tem ativo, porque cobre melhor organizações; o VIAF como respaldo; e por último o normalizador de entidades.
Esse normalizador faz um trabalho que os nomes de empresa costumam precisar: tira a forma legal (“S.A. de C.V.”, “S. de R.L.”) e coloca a unidade subordinada no seu lugar, de modo que “Editorial Planeta, S.A.” entre no índice como corresponde e não como uma cadeia literal com a razão social colada.
Matérias: a lista correta para cada região
As matérias não se resolvem como os nomes. Uma matéria costuma vir do vocabulário da Library of Congress, em inglês, e há que levá-la ao vocabulário controlado da região. O Collect faz isso consultando o id.loc.gov, que vincula cada matéria com seu equivalente oficial em outras listas nacionais: EMBNE na Espanha, RAMEAU na França, GND na Alemanha, entre outras.
Quando não há um vocabulário oficial para essa região, o Collect traduz o termo respeitando a terminologia local. Não é o mesmo “computadora” no México, “computador” no Chile e “ordenador” na Espanha: a tradução usa a forma da região, não uma genérica. Para a Colômbia usa a terminologia de LEMB. Cada matéria sai com o código da fonte contra a qual se resolveu.
Arte: os vocabulários do Getty
Um acervo de arte usa listas especializadas, as do Getty: ULAN para nomes de artistas, AAT para tipos de objeto e materiais, TGN para lugares. O Collect consulta-as para os registros de obra, e aqui a regra é mais estrita que no resto: só vincula quando há uma coincidência exata e sem ambiguidade.
A razão é concreta. A busca por texto do Getty ordena por relevância, não por exatidão: “Rivera Diego” devolve primeiro “Museo Diego Rivera”, e “Zamora” devolve treze lugares distintos. Tomar o primeiro resultado vincularia a um conceito equivocado, e um vínculo equivocado é pior do que nenhum: aparenta precisão onde não a há. Se não existe exatamente um conceito cujo nome coincida com o termo, o Collect não vincula e deixa o termo sem marca.
Limites
- Os homônimos seguem sendo trabalho humano. Dois “Juan Pérez” nascidos na mesma década, sem datas que os separem, não os desambigua nenhuma lista. O Collect deixa ambos em forma de catálogo; decidir se são a mesma pessoa o faz quem conhece o fundo.
- Os nomes que nenhuma lista conhece —um funcionário local, uma empresa que não está no VIAF nem no ISNI— igual entram bem escritos, sobrenome primeiro e sem tratamentos, mas sem o vínculo de autoridade. Sabe-se que não vêm respaldados justamente porque lhes falta essa marca.
- Reunir variantes sob um só cabeçalho do fundo ainda não o faz o Collect. Hoje deixa cada nome na sua forma autorizada; unificar as grafias de um mesmo autor num único cabeçalho do acervo é uma extensão prevista, e contaremos quando estiver pronta.
- A forma sempre se corrige, ainda que não haja coincidência. A normalização do nome ocorre antes de consultar qualquer lista; o que a validação externa agrega é a procedência, não o bom formato.
Nenhuma destas listas substitui quem cataloga: tira-lhe de cima a digitação repetida e o emparelhamento manual de grafias, e lhe deixa o juízo —os homônimos, as pessoas que nenhuma lista internacional registra— que é onde seu critério faz falta.
Se na sua instituição o trabalho se vai em reescrever nomes e emparelhar grafias de um mesmo autor, escreva-nos a info@janium.com; interessa-nos saber contra que autoridades você cataloga hoje.