A Teoria do Big Data
DOI:
https://doi.org/10.34630/ctdi.vi.4542Palavras-chave:
Big Data, Teoria facetada, Ranganathan, Recuperação da informaçãoResumo
O desafio da contemporaneidade de encontrar a individualidade num mundo massificado é equiparado ao desafio para os profissionais da informação de (fazer) encontrar a singularidade num mundo de Big Data. O crescimento informacional tem estado na origem de grande volume e variedade de dados em diferentes domínios sociais, pelo que novas perspetivas estão a ser necessárias para a representação, a organização e a recuperação da informação. A teoria que suporta o momento Big Data é variada, no entanto uma tem merecido destaque na literatura, enquanto modelo para a estruturação e localização da informação: a teoria facetada. Neste contexto, tem-se como objetivo verificar se a teoria facetada é eficaz na recuperação veloz de informação verdadeira e com valor. Para tal, propõe[1]se um caso prático, concretamente a consulta de duas páginas de comércio eletrónico, uma nacional e outra internacional, em busca de um determinado item. Os resultados mostram que os sistemas facetados trazem bastante exatidão e validade, em tempo quase imediato, mesmo em grandes e variados volumes de dados. Conclui-se que a teoria facetada é (a) adequada ao momento Big Data.
Referências
Broughton, V. (2006). The need for a faceted classification as the basis of all methods of information retrieval. Aslib Proceedings New Information Perspectives, 58(1/2), pp. 49-72. Retrieved from https://doi.org/10.1108/00012530610648671
Castro, F., Cruz, F., & Oddone, N. (2013). O paradigma da orientação a objetos, a linguagem unificada de modelagem (uml) e a organização e representação do conhecimento: um estudo de caso de um sistema para bibliotecas. Informação & Informação, 18(1), pp. 82-105. Retrieved from https://doi.org/10.5433/1981-8920.2013v18n1p82
Duarte, E. A., & Cerqueira, R. (2007). Análise Facetada: Um olhar Face a Modelagem conceitual. Revista Digital de Biblioteconomia e Ciência da Informação, 4(2), pp. 39-52. Retrieved from hitps://periodicos.sbu.unicamp.br/ojs/index.php/rdbci/article/view/2020
Garfield, E. (1984). A Tribute to S. R. Ranganathan, the Father of Indian Library Science. Part 1. Life and Works. Essays of an Information Scientist, 7, pp. 37-44. Retrieved from http://garfield.library.upenn.edu/essays/v7p037y1984.pdf
Gomes, H. E. (2017). Marcos históricos e teóricos da organização do conhecimento. Informação & Informação, 22(2), pp. 33-66. Retrieved from https://doi.org/10.5433/1981-8920.2017v22n2p33
Hudon, M. (2006). Le passage au XXle siécle des grandes classifications documentaires. Documentation et Bibliothêques, 52(2), pp. 85-97. Retrieved from https://www.erudit.org/fr/revues/documentation/2006-v52-n2-documentation01812/1030012ar/
Kashyap, M. M. (2001). Similarity Between the Ranganathan's Postulates for Designing a Scheme for Library Classification and Peter Pin-Sen Chen's Entity Relationship Approach to Data Modelling and Analysis. DESIDOC Bulletin of Information Technology, 21(3), pp. 3-16. Retrieved from http://publications.drdo.gov.in/gsdl/collect/dbit/index/assoc/HASH7 eef.dir/dbit2103003.pdf
Lima, G. (2004). O modelo simplificado para análise facetada de Spiteri a partir de Ranganathan e do Classification Research Group (CRG). Información, cultura y sociedad, 11, pp. 57-72. Retrieved from http://www.scielo.org.ar/pdf/ics/n11/n11a03.pdf
Ranganathan, S. R. (1933). Colon Classification. [First edition]. Madras: Madras Library Association.
Ranganathan, S. R. (1937). Prolegomena to Library Classification. Madras: Madras Library Association.
Satija, M. P (2017). Colon Classification (CC). Knowledge Organization 44(4), pp. 291-307. Retrieved from http:/Awww.isko.org/cyclo/colon. classificationHref
Souza, R., Almeida, M. & Baracho, R. (2015). Ciência da informação em transformação: Big Data, nuvens, redes sociais e Web Semântica. Ciência da Informação, 42(2), pp. 159-173. Retrieved from http://revista.ibict.br/ciinf/article/view/1379
Vickery, B. C. (1965). Ranganathan's work on classification. Library Science Today, 1. Kaula, P. N. (Ed.). Bombay: Asia Publishing House.
Victorino, M., Shiessl, M., Oliveira, E., Ishikawa, E., Holanda, M. & Hokama, M. (2017). Uma proposta de ecossistema de Big Data para a análise de dados abertos governamentais conectados. Informação & Sociedade: Estudos, 27(1), pp. 225-242. Retrieved from http://www.ies.ufpb.br/ojs/index.php/ies/article/view/29299
Downloads
Publicado
Como Citar
Edição
Secção
Licença
Direitos de Autor (c) 2022 Actas do Encontro de Ciências e Tecnologias da Documentação e Informação
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-SemDerivações 4.0.
