Normalização de nomes de autores em fontes de informação institucionais: proposta de um método automático de verificação de erros

A recuperação da produção científica por autoria é um desafio para diversos mantenedores de bases de dados, devido à ambiguidade causada por problemas derivados da falta de controle no momento da indexação. Este estudo apresenta um método automático para verificação de ocorrência de erros em dados de autorias da base de produção científica da Universidade de São Paulo (Dedalus) tomando como base o banco institucional de recursos humanos. Por meio de algoritmos de busca aproximada, compararam-se esses dados com os dados de autoria registrados no banco de produção científica de quatro unidades da USP (período de 2006-2010). Com base nesse estudo piloto foi possível estabelecer mecanismos de interoperabilidade entre o banco da produção e os bancos institucionais de recursos humanos, além de permitir mapear a porcentagem de erros, desenvolver mecanismos de interferência e estabelecer um cronograma para ampliar o estudo as demais unidades USP, bem como procedimentos de normalização.

Fontes de informação institucionais para normalização de nomes de autores: proposta de um método automático

A recuperação da produção científica por autoria é um desafio para diversos mantenedores de bases de dados, devido à ambiguidade causada por problemas de homonímia e possíveis variações e alterações de nome de uma mesma pessoa. A abordagem deste problema de pesquisa vem sendo proposta conjuntamente por pesquisadores das áreas de Ciência da Computação e Ciência da Informação, fazendo uso de metodologias diversas. Este estudo apresenta um método automático para verificação de ocorrência de erros em dados de autorias da base de produção científica da Universidade de São Paulo (Dedalus) tomando como base o banco corporativo de funcionários ,tanto informações administrativas e acadêmicas do sistema Tycho, ambos da USP. O Tycho forneceu informações de contexto (lista de autoridades) permitindo, por meio de algoritmos de busca aproximada, a identificação e contagem automática das variações dos nomes, bem como potenciais problemas nos registros bibliográficos.