Usuario:Ignacio Rodríguez/Ensayos/Taxonomía

La descubribilidad de las obras en las dos bibliotecas libres, Wikisource y Wikilibros, es un desafío estructural importante para ambas comunidades, que afecta en gran medida la posibilidad de leer, y por lo tanto editar (cada editor fue en un inicio un lector). Históricamente, hemos usado un sistema laxamente jerárquico de categorías. Esto causa el colapso y el abandono del árbol de categorías, lo que dificulta su implementación y es una marca de mala calidad.

Diagnóstico

Un error recurrente en la organización de proyectos wiki, incluyendo las Wikipedias, es la premisa de que un texto pertenecer al nodo más profundo posible dentro del árbol jerárquico. Fuenteovejuna podría pertenecer a un sinfín de categorías que cruzan las distintas facetas con las que se quiere categorizar:

Disciplina Literatura
Geografía: España
Forma: Teatro
Género: Drama / Tragedia, Drama histórico (?)
Periodo: Siglo XVII / Siglo de Oro

Tratar de recrear las posibilidades de categorización creando categorías de Mediawiki a mano es una tarea sin fin. ¿Cuáles deben crearse? ¿Dónde debe ir Fuenteovejuna? "Literatura española", "Teatro del Siglo de Oro", "Dramas españoles", "Tragedias del Siglo XVII"; las posibilidades aumentan, y si el árbol crece orgánicamente con las ediciones de los voluntarios, verá varias ramas hipertrofiadas y otras débiles, sin un orden claro.

La arquitectura propuesta

Para resolver este problema, se propone un sistema que descomponga la clasificación en un número limitado de facetas ortogonales, inspirado en la Clasificación Decimal Universal (CDU) y la Clasificación colonada de S. R. Ranganathan con su principio PMEST. La primera proporciona la primera faceta temática (la P de PMEST), mientras que la distinción fina de géneros, geografías y épocas se gestiona mediante facetas paralelas sincronizadas con Wikidata.

Faceta 1: La materia temática

En lugar de reinventar la rueda y crear un árbol de materias local, se adopta como espina dorsal los dos primeros niveles del UDC Summary, selección de 2600 temas (a partir de los más de 70000 de la CDU), y a partir de esa base adaptar (fusionar, dividir) según las necesidades reales de los distintos proyectos wiki. La colección completa del UDC Summary se publica con licencia CC-BY-SA, y además la selección parcial de los elementos de los dos o tres primeros niveles probablemente no requiere ni siquiera atribución, especialmente porque requerirá cambios sustanciales para su uso práctico aquí.

F1: Materia Base (Disciplina / Área de Conocimiento): Responde a la pregunta "¿de qué se trata?". Cada texto pertenece al menos a una materia temática. Las obras literarias caben todas en la faceta "Literatura" de la CDU.

Facetas 2, 3, 4...: morfología y contexto

Luego, cada obra es asignada a dos, tres, o más facetas predefinidos, con listas abiertas semi-restrictivas. El modelo propuesto debería tener un máximo de 5 o 6 facetas, para evitar un colapso por hiperdimensionalidad. Mi propuesta inicial es la siguiente:

F2: Ámbito lingüístico-geográfico: Responde a la pregunta "¿en qué lengua / ámbito socio-cultural se originó?" (ej. Español / Chile, Latín / Imperio Romano).
F3: Forma documental / literaria: Responde a la pregunta "¿qué tipo de objeto textual es?" (ej. Poesía, Teatro, Ensayo, Manual, Tratado, Epistolario).
F4: Género / Temática específica: Responde a la pregunta "¿cuál es la variante estilística o temática fina?" (ej. Comedia palatina, Auto sacramental, Álgebra lineal).
F5: Contexto temporal / Época: Responde a la pregunta "¿a qué periodo histórico/movimiento pertenece?" (ej. Siglo XVII, Siglo de Oro, Ilustración).

Inferencias en cadena ascendente

Será posible con este modelo hacer ciertas inferencias de facetas más específicas a aspectos más basales, para evitar la redundancia en el trabajo de los editores. De este modo, al seleccionar en el nivel F4: auto sacramental, no será necesario indicar que su F3 es teatro, ni que su F1 es Literatura.

Modelo de datos e integración con Wikidata

Para evitar crear una nueva notación abstracta como la de las clasificaciones de las bibliotecas físicas, con identificadores numéricos y notaciones abstractas, el voluntario podrá editar usando texto plano en la wiki local, mientras que un módulo en Lua contendrá los mapeos de la clasificación con Wikidata. De esa manera se pueden generar las listas semi-restrictivas, que permitan la reclasificación comunitaria de los textos (redescubrimiento o puesta en valor de géneros más finos, o temas más específicos) sin restricción, pero donde sólo los aspectos validados por el modelo generen categorías automáticas.

Flujo de trabajo de edición y mantenimiento

Entrada en Wikitexto: El colaborador escribe etiquetas simples e intuitivas en la plantilla local (ej. materia = Literatura, geo = Nueva España, forma = Teatro, genero = Comedia, époda = Siglo XVII).
Validación en Lua: Un módulo compara las etiquetas con una tabla local de términos validados.
- Si la etiqueta es válida: La página se categoriza en categorías planas superiores.
- Si la etiqueta es nueva o errónea: La página no se rompe, pero se asigna automáticamente a una categoría de mantenimiento (ej. Categoría:Wikisource:Revisión de etiquetas).
Sincronización asíncrona: Un bot podría leer las páginas con etiquetas válidas, y subir las afirmaciones correspondientes a Wikidata.

Al agregar una etiqueta nueva al sistema de validación, todas las obras catalogadas previamente quedan automáticamente categorizadas.

Propiedades relevantes en Wikidata

Faceta	Propiedad en Wikidata	Descripción y uso
Materia / Disciplina	P921 (materia principal)	Directamente vincula con F1, F4 en obras "no literarias"
Ámbito lingüístico-geográfico	P407 (idioma de la obra) / P495 (país de orígen)	Define el idioma de creación y su contexto geográfico-cultural.
Forma documental / literaria	P7937 (forma artística)	Determina si el texto es ensayo, poesía, drama, tratado o manual.
Subgénero / Estilo / Movimiento literario	P136 (género) / P135 (movimiento artístico/literario),	Expresa la modalidad precisa (ej. novela picaresca, auto sacramental, naturalismo).
Época / Periodo	P571 (fecha de creación) / P577 (fecha de publicación) / P2348 (periodo de tiempo)	Asigna el movimiento o el rango cronológico correspondiente.
Identificador CDU	P1190 (código CDU)	Almacena la notación de la Clasificación Decimal Universal si aplica.

Posibilidades de integración

Este sistema podría permitir generar integración ida y vuelta con sistemas de clasificación establecidos: un sistema de mapeo entre las clasificaciones locales y la CDU, o la LCC, permitiría importar esa clasificación de algunas bibliotecas que la ocupan, o generar códigos tentativos de forma automática.

Anexo: Dos primeros niveles de la CDU

0 GENERALIDADES. CIENCIA Y CONOCIMIENTO. INFORMACIÓN. DOCUMENTACIÓN
  00 Prolegómenos. Fundamentos del conocimiento y la cultura
  01 Bibliografía y bibliografías. Catálogos
  02 Biblioteconomía. Archística. Documentación
  03 Obras de referencia general (Diccionarios, Enciclopedias)
  05 Publicaciones seriadas y periódicas
  06 Organizaciones. Asociaciones. Congresos. Museos
  07 Periódicos. Prensa. Periodismo
  08 Obras colectivas. Poligrafías
  09 Manuscritos. Libros raros y notables

1 FILOSOFÍA. PSICOLOGÍA
  10 Naturaleza y función de la filosofía
  11 Metafísica. Ontología. Cosmología
  12 Epistemología. Teoría del conocimiento
  13 Filosofía del espíritu. Ocultismo
  14 Sistemas y escuelas filosóficas
  15 Psicología. Mente. Conducta
  16 Lógica. Teoría de la argumentación
  17 Ética. Filosofía moral

2 RELIGIÓN. TEOLOGÍA
  21 Teología natural. Teodicea
  22 Religiones de Asia Oriental y de la India
  23 Islam. Bahaísmo
  24 Judaísmo
  25 Religiones de la Antigüedad y tradiciones locales
  26 Cristianismo. Teología cristiana
  27 Historia de la Iglesia cristiana
  28 Denominaciones y corrientes cristianas

3 CIENCIAS SOCIALES
  30 Teoría y metodología de las ciencias sociales
  31 Demografía. Estadística
  32 Política. Ciencia política
  33 Economía. Ciencias económicas
  34 Derecho. Jurisprudencia
  35 Administración pública. Gobierno. Arte militar
  36 Trabajo social. Asistencia social
  37 Educación. Enseñanza. Pedagogía
  38 Comercio. Comunicaciones. Transporte
  39 Etnología. Antropología cultural. Usos, costumbres y folclore

4 (SECCIÓN RESERVADA / LIBRE)
  * Espacio libre en la CDU para adaptaciones o extensiones locales.

5 CIENCIAS NATURALES Y MATEMÁTICAS
  50 Ciencias ambientales. Conservación
  51 Matemáticas
  52 Astronomía. Astrofísica. Investigación espacial
  53 Física
  54 Química. Mineralogía
  55 Geología. Ciencias de la Tierra. Meteorología
  56 Paleontología
  57 Biología. Ciencias biológicas
  58 Botánica
  59 Zoología

6 CIENCIAS APLICADAS. MEDICINA. TECNOLOGÍA
  60 Biotecnología
  61 Ciencias médicas. Medicina. Salud
  62 Ingeniería. Tecnología en general
  63 Agricultura. Silvicultura. Ganadería. Pesca
  64 Economía doméstica. Nutrición
  65 Industrias del transporte y de la comunicación
  66 Tecnología química e industrias afines
  67 Industrias, artes y oficios diversos
  68 Fabricación, montaje y mecanismos de precisión
  69 Industria de la construcción

7 BELLAS ARTES. DEPORTES. MÚSICA
  71 Ordenación del territorio. Urbanismo. Paisajismo
  72 Arquitectura
  73 Escultura. Artes plásticas
  74 Dibujo. Diseño. Artes aplicadas y artesanía
  75 Pintura
  76 Artes gráficas. Grabado
  77 Fotografía. Cinematografía
  78 Música
  79 Entretenimiento. Artes escénicas. Juegos. Deportes

8 LENGUA. LINGÜÍSTICA. LITERATURA
  80 Cuestiones generales relativas al lenguaje y la literatura
  81 Lingüística y lenguas
  82 Literatura. Estudios literarios

9 GEOGRAFÍA. BIOGRAFÍAS. HISTORIA
  90 Arqueología. Prehistoria
  91 Geografía. Exploración de la Tierra
  92 Biografías. Genealogía. Heráldica
  93 Historia en general. Historiografía
  94 Historia universal, regional y local