Metadatos

De Wikipedia, la enciclopedia libre

Los metadatos (del griego meta, meta, 'despues de, mas alla de'^[1] y latin datum, 'lo que se da', <<dato>>^[2] ), literalmente <>, son datos que describen otros datos. En general, un grupo de metadatos se refiere a un grupo de datos que describen el contenido informativo de un objeto al que se denomina recurso.^[3] El concepto de metadatos es analogo al uso de indices para localizar objetos en vez de datos. Por ejemplo, en una biblioteca se usan fichas que especifican autores, titulos, casas editoriales y lugares para buscar libros. Asi, los metadatos ayudan a ubicar datos.^[4]

Para varios campos de la informatica, como la recuperacion de informacion o la web semantica, los metadatos en etiquetas son un enfoque importante para construir un puente sobre el intervalo semantico, ya que cualquier recurso tiene, cuando esta almacenado conjuntamente con otros, la necesidad de ser descrito para facilitar las busquedas que pudieran tratar de encontrarlo a partir de sus caracteristicas distintivas. Esto es cierto para cualquier tipo de recurso, tanto para un video como para un libro en una biblioteca o para un hueso en el armario de un paleontologo.

El concepto de metadatos es anterior a Internet y a la web, si bien es cierto que las nuevas necesidades de busqueda de informacion han suscitado un interes por las normas y practicas de metadatos hasta entonces desconocido.

El termino <<metadatos>> no tiene una definicion unica. Segun la definicion mas difundida de metadatos es que son <>. Tambien hay muchas declaraciones como <>,^[5] <>^[6] e <>.^[7]

Otra clase de definiciones trata de precisar el termino como <>^[8] o <>.^[9] Esta clase surgio de la critica de que las declaraciones mas simples son tan difusas y generales que dificultaran la tarea de acordar estandares, pero estas definiciones no son muy comunes.

Podemos tambien considerar los metadatos, en las areas de telecomunicaciones e informatica, como informacion no relevante para el usuario final pero si de suma importancia para el sistema que maneja los datos. Los metadatos son enviados junto a la informacion cuando se realiza alguna peticion o actualizacion de la misma.

En el campo biologico los metadatos se han convertido en una herramienta fundamental para el descubrimiento de datos e informacion. En este contexto se pueden definir los metadatos como <> con esto se incluye la descripcion del contexto en el cual los datos fueron coleccionados y ademas se refiere al uso de estandares para describirlos.^[10]

La mayoria de las veces no es posible diferenciar entre datos y metadatos. Por ejemplo, un poema es un grupo de datos, pero tambien puede ser un grupo de metadatos si esta adjuntado a una cancion que lo usa como texto.

Muchas veces, los datos son tanto "datos" como "metadatos". Por ejemplo, el titulo de un texto es parte del texto como a la vez es un dato referente al texto (dato como metadato).

Debido a que los metadatos son datos en si mismos, es posible crear metadatos sobre metadatos. Aunque, a primera vista, parece absurdo, los metadatos sobre metadatos pueden ser muy utiles. Por ejemplo, fusionando dos imagenes y sus metadatos distintos puede ser muy importante deducir cual es el origen de cada grupo de metadatos, registrando ello en metadatos sobre los metadatos.

• Descriptivos: Para encontrar o entender una fuente de informacion.

• Administrativos:
  • Metadatos tecnicos: Para decodificar y representar archivos.
  • Metadatos de preservacion: Gestion a largo plazo de archivos. El estandar de los metadatos de preservacion es PREMIS.
  • Metadatos de derechos: Derechos de propiedad intelectual adjuntos al contenido.

• Estructurales: Relaciones de partes de recursos entre si.

• Lenguajes de marcado: Integra metadatos y marcas para otras caracteristicas estructurales o semanticas dentro del contenido

El uso de los metadatos mencionado mas frecuentemente es la refinacion de consultas a buscadores. Usando informacion adicional los resultados son mas precisos, y el usuario se ahorra filtraciones manuales complementarias.

El intervalo semantico plantea el problema de que el usuario y el ordenador no se entiendan porque este ultimo no comprenda el significado de los datos. Es posible que los metadatos posibiliten la comunicacion declarando como estan relacionados los datos. Por eso la representacion del conocimiento usa metadatos para categorizar informaciones. La misma idea facilita la inteligencia artificial al deducir conclusiones automaticamente.

Los metadatos facilitan el flujo de trabajo convirtiendo datos automaticamente de un formato a otro. Para eso es necesario que los metadatos describan contenido y estructura de los datos.^[12]

Algunos metadatos hacen posible una compresion de datos mas eficaz. Por ejemplo, si en un video el software sabe distinguir el primer plano del fondo puede usar algoritmos de compresion diferentes y asi mejorar la cuota de compresion.^[13]

Otra idea de aplicacion es la presentacion variable de datos. Si hay metadatos senalando los detalles mas importantes, un programa puede seleccionar la forma de presentacion mas adecuada. Por ejemplo, si un telefono movil sabe donde esta localizada una persona en una imagen, tiene la posibilidad de reducirlo a las dimensiones de su pantalla. Del mismo modo un navegador puede decidir presentar un diagrama a su usuario ciego en forma tactil o leida.^[14]

Los metadatos se clasifican usando tres criterios:

Contenido

Subdividir metadatos por su contenido es lo mas comun. Se puede separar los metadatos que describen el recurso mismo de los que describen el contenido del recurso. Es posible subdividir estos dos grupos mas veces, por ejemplo para separar los metadatos que describen el sentido del contenido de los que describen la estructura del contenido o los que describen el recurso mismo de los que describen el ciclo vital del recurso.

Variabilidad

Segun la variabilidad se puede distinguir metadatos mutables e inmutables. Los inmutables no cambian, no importa que parte del recurso se vea, por ejemplo el nombre de un fichero. Los mutables difieren de parte a parte, por ejemplo el contenido de un video.^[15]

Funcion

Los datos pueden ser parte de una de las tres capas de funciones: subsimbolicos, simbolicos o logicos. Los datos subsimbolicos no contienen informacion sobre su significado. Los simbolicos describen datos subsimbolicos, es decir anaden sentido. Los datos logicos describen como los datos simbolicos pueden ser usados para deducir conclusiones logicas, es decir anaden comprension.^[16]

El ciclo de vida de los metadatos comprende las fases creacion, manipulacion y destruccion. El analisis minucioso de cada una de las etapas saca a la luz asuntos significativos.

Se pueden crear metadatos manualmente, semiautomaticamente o automaticamente. El proceso manual puede ser muy laborioso, dependiente del formato usado y del volumen deseado, hasta un grado en el que los seres humanos no puedan superarlo. Por eso, el desarrollo de utillaje semiautomatico o automatico es mas que deseable.

En la produccion automatica el software adquiere las informaciones que necesita sin ayuda externa. Aunque el desarrollo de algoritmos tan avanzados esta siendo objeto de investigacion actualmente, no es probable que la computadora vaya a ser capaz de extraer todos los metadatos automaticamente. En vez de ello, se considera la produccion semiautomatica mas realista; aqui un servidor humano sostiene algoritmos autonomos con la aclaracion de inseguridades o la proposicion de informaciones que el software no puede extraer sin ayuda.

Hay muchos expertos que se encargan del diseno de herramientas para la creacion de metadatos pero que ignoran cuestionar este proceso. Segun los que no evitan el asunto, la generacion no debe comenzar despues de la terminacion de un recurso sino que debe hacerse durante la fabricacion: hay que archivar los metadatos tan pronto como se originan, con los conocimientos especiales del productor, para evitar una laboriosa reconstruccion posterior. Por eso, se tiene que integrar la produccion de metadatos en el procedimiento de fabricacion del recurso.^[15]

Si los datos cambian, los metadatos tienen que cambiar tambien. Aqui se hace la pregunta: ?quien va a adaptar los metadatos? Existen modificaciones que pueden ser manejadas de forma sencilla y automatica, pero hay otras donde la intervencion de un servidor humano es indispensable.

La metaproduccion, el reciclaje de partes de recursos para crear otros recursos, demanda atencion particular. La fusion de los metadatos afiliados no es trivial, especialmente si se trata de informacion con relevancia juridica, como por ejemplo la gestion digital de derechos.^[17]

Ademas hay que investigar la destruccion de metadatos. En algunos casos es conveniente eliminar los metadatos junto con sus recursos, en otros es razonable conservar los metadatos, por ejemplo para supervisar cambios en un documento de texto.^[18]

Los metadatos han cobrado gran relevancia en el mundo de Internet, por la necesidad de utilizar los metadatos para la clasificacion de la enorme cantidad de datos. Ademas de la clasificacion los metadatos pueden ayudar en las busquedas. Por ejemplo, si buscamos un articulo sobre vehiculos, este dato tendra sus correspondiente metadatos clave adjuntos, como 4 ruedas, motor, etc.

Otros ejemplos de usos de metadatos en la informatica:

• Metatags en HTML: etiquetas con informacion sobre el propio documento web: autor, editor, codificacion, etc.
• Informacion en el propio sistema de ficheros: HFS o ReiserFS, por nombrar dos. Se ven completados por los buscadores inteligentes (Beagle o Spotlight) que saben reconocer estos metadatos.
• Clasificaciones de fotos: F-Spot, Picasa o iPhoto, por ejemplo.
• Clasificadores de canciones: contienen metadatos sobre las canciones, bien en MP3 o en CD de audio, en un formato llamado ID3. Por ejemplo: iTunes y Rhythmbox.

Hay dos posibilidades para almacenar metadatos: depositarlos internamente, en el mismo documento que los datos, o depositarlos externamente, en su mismo recurso. Inicialmente, los metadatos se almacenaban internamente para facilitar la administracion.

Hoy, por lo general, se considera mejor opcion la localizacion externa porque hace posible la concentracion de metadatos para optimizar operaciones de busqueda. Por el contrario, existe el problema de como se liga un recurso con sus metadatos. La mayoria de los estandares usa URIs, la tecnica de localizar documentos en la World Wide Web, pero este metodo propone otras preguntas, por ejemplo que hacer con documentos que no tienen URI.^[18]

Los primeros y mas simples formatos de los metadatos usaron texto no cifrado o la codificacion binaria para almacenar metadatos en ficheros.

Hoy, es comun codificar metadatos usando XML. Asi, son legibles tanto por seres humanos como por computadoras. Ademas este lenguaje tiene muchas caracteristicas a su favor, por ejemplo es muy simple integrarlo en la World Wide Web. Pero tambien hay inconvenientes: los datos necesitan mas espacio de memoria que en formato binario y no esta claro como convertir la estructura de arbol en una corriente de datos.

Por eso, muchos estandares incluyen utilidades para convertir XML en codificacion binaria y viceversa, de forma que se unen las ventajas de los dos.

Para garantizar la uniformidad y la compatibilidad de los metadatos, muchos sugieren el uso de un vocabulario controlado fijando los terminos de un campo. Por ejemplo, en caso de sinonimos o interlenguaje hay que acordarse que palabras se usan para evitar que el buscador localice <> pero no <>.

Una ontologia ademas define las relaciones de los terminos del vocabulario para que la computadora puede evaluarlas automaticamente. Asi es posible presentar una pagina web sobre <<Vincent Van Gogh>> aunque el usuario tecleo <>; usando una ontologia adecuada el buscador comprende que Van Gogh fue un pintor neerlandes.

Un concepto muy similar a las ontologias son las folksonomias. Las ontologias son definidas por expertos del campo que ordenan los terminos, pero las folksonomias son definidas por los mismos usuarios.

En el e-learning los metadatos se emplean para describir los objetos y recursos de aprendizaje con el objetivo de facilitar las busquedas en los repositorios. A menudo la informacion de metadatos de los repositorios de objetos de aprendizaje cumple el estandar IEEE LOM, el cual define un conjunto de nueve categorias de informacion, que permiten describir los recursos tanto desde el punto de vista didactico como tecnico, lo que permite hacer busquedas mucho mas ajustadas que permitiran a los usuarios (profesores que componen un nuevo curso con materiales existentes, o alumnos interesados en aprender sobre un cierto tema) obtener resultados mas ajustados a los criterios de busqueda introducidos.

Los metadatos son una parte esencial del paradigma de los objetos de aprendizaje, puesto que:

• La reutilizacion de objetos de aprendizaje se basa en la creacion y uso de metadatos, descripciones a menudo externas a los propios recursos.
• Los metadatos, si se proporcionan en los lenguajes adecuados, permiten desarrollar novedosas herramientas tecnologicas que facilitan la busqueda y manipulacion de los objetos de aprendizaje.
• Facilitan la recuperacion de la informacion, al describir el contenido y sus relaciones con otros recursos.
• Facilitan la interoperabilidad, ya que hacen mas facil compartir e intercambiar informacion.
• Simplifican la gestion y el almacenamiento, pues permiten guardar informacion sobre el ciclo de vida de los recursos.
• Ayudan a gestionar adecuadamente y proteger los derechos de propiedad intelectual.

Los metadatos son por tanto un elemento de valor fundamental. Un recurso digital con un diseno pedagogico excelente no es per se un buen objeto de aprendizaje, sino que lo sera en la medida en que los metadatos que lo describan sean tambien de calidad.

Se conoce como paradatos al conjunto de datos que se genera durante la interaccion entre un usuario y un recurso o servicio de un escenario educativo (un entorno virtual de aprendizaje, repositorio, red social, etcetera). En funcion del recurso o servicio accedido y las operaciones realizadas con el mismo, los paradatos generados contendran mas o menos informacion. Esta informacion se puede almacenar para ser posteriormente analizada, con el objetivo de comprender mejor como los usuarios interactuan en dicho escenario educativo, detectando posibles problemas, asi como oportunidades de mejora tanto del propio escenario educativo y de las herramientas utilizadas como del entendimiento del proceso que siguen los usuarios en el mismo. A partir del analisis realizado, es posible entonces construir, entre otros, sistemas de recomendacion, esquemas de reputacion, visualizaciones de la interaccion, etc.

Por ejemplo, si un usuario se descarga un documento de un repositorio de objetos de aprendizaje, sera posible saber que el usuario U ha descargado el documento D en el momento T. Esta informacion puede usarse para detectar aquellos recursos mas descargados o, por el contrario, aquellos que nunca son accedidos por los usuarios, pero tambien conocer en que epocas del semestre academico se produce una mayor utilizacion del repositorio. Otra posibilidad es si un usuario U evalua un recurso R con una valoracion X en el momento T, por ejemplo, un comentario en un grupo de Facebook. Esto permite conocer los comentarios mejor o peor valorados por los usuarios, asi como los usuarios mas activos.

En general, el objetivo es guardar la interaccion de los usuarios con el sistema en forma de tuplas (U, T, S, R, X): un usuario U en el momento T utiliza un servicio S sobre un recurso R con un resultado X. Esta es la minima informacion que debe ser almacenada para su posterior analisis.

Dado que la interaccion en un entorno virtual de aprendizaje suele realizarse mediante el uso de un navegador web, un usuario que visita los espacios ofrecidos por el mismo deja un rastro en forma de accesos a paginas web que quedan recogidos en los ficheros de registro (en ingles, log files) de los servidores web que soportan el sistema. Por lo tanto, parece factible analizar los ficheros de registro para extraer la informacion relativa a la interaccion. El problema, no obstante, es que estos ficheros contienen muchas mas entradas relativas a la disposicion de los elementos que forman una pagina web, que realmente relacionadas con el propio resultado de la interaccion de los usuarios, la cual debe ser calculada a partir de la secuencia de saltos capturada en los ficheros de registro. El coste computacional de analizar ficheros de registro es muy elevado (contienen millones de lineas de registro) y no es sencillo cuando se trata de sistemas complejos con multiples servidores donde el rastro dejado por un usuario puede estar fragmentado en diferentes ficheros.

Por lo tanto, si es necesario recoger paradatos para su analisis posterior, es mejor que el sistema sea disenado especificamente con un servicio de recogida enfocado a almacenar solamente la informacion requerida para el analisis, reduciendo el tamano necesario asi como el tiempo de proceso. En funcion del objetivo del analisis, los paradatos pueden almacenarse dentro de los metadatos de un recurso, dentro del perfil del usuario o bien, lo mas habitual, en una tabla (o base de datos, en funcion de su complejidad) separada.

Algunos expertos critican fuertemente el uso de metadatos. Sus argumentos mas sustanciosos son:

• Los metadatos son costosos y necesitan demasiado tiempo. Las empresas no van a producir metadatos porque no hay demanda y los usuarios privados no van a invertir tanto tiempo.
• Los metadatos son demasiado complicados. La gente no acepta los estandares porque no los comprende y no quiere aprenderlos.
• Los metadatos dependen del punto de vista y del contexto. No hay dos personas que anadan los mismos metadatos. Ademas, los mismos datos pueden ser interpretados de manera totalmente diferente, dependiendo del contexto.
• Los metadatos son ilimitados. Es posible adherir mas y mas metadatos utiles y no hay fin.
• Los metadatos son superfluos. Ya hay buscadores potentes para textos, y en el futuro la tecnica query by example (<>) va a mejorarse, tanto para localizar imagenes como para musica y video.

Algunos estandares de metadatos estan disponibles pero no se aplican: los criticos lo consideran una prueba de las carencias del concepto de metadatos. Hay que notar que este efecto tambien puede ser causado por insuficiente compatibilidad de los formatos o por la enorme diversidad que amedrenta a las empresas. Fuera de eso hay formatos de metadatos muy populares.^[8]

Si bien la inclusion de metadatos es necesaria, para facilitar y potenciar un buen numero de tareas importantes, tambien existen problemas asociados al uso de los mismos. Algunos de los problemas mas citados en la literatura cientifica se resumen en los siguientes puntos:

• Falta de complecion: introducir metadatos es a menudo una tarea ingrata y que requiere un esfuerzo considerable. Esto lleva a una cierta tendencia a no completar (o a completar deficientemente) los registros de metadatos, ya que las organizaciones bien no perciben adecuadamente la necesidad de ofrecer registros de metadatos completos o no pueden hacer frente a los altos costes, en terminos de esfuerzo, de completar sus colecciones. Este problema es mas patente cuando el numero de objetos de aprendizaje a anotar es importante (colecciones de miles de objetos de aprendizaje) o cuando el numero de elementos de metadatos a rellenar es elevado (por encima de la veintena).

• Dificultades de interoperabilidad: algunas informaciones de metadatos descansan en el uso de vocabularios, colecciones de terminos cerradas cuyos elementos se han de emplear obligatoriamente para consignar la informacion relativa al elemento de metadatos en cuestion. Los estandares permiten utilizar distintos vocabularios para un elemento de metadatos, por lo que estos pueden variar de una institucion a otra causando dificultades para intercambiar recursos, para que sistemas externos operen sobre metadatos con distinto origen, etc. Asi por ejemplo, la informacion para el elemento 5.8.Dificultad del estandar IEEE LOM ha de escogerse (segun el estandar IEEE LOM) de la siguiente lista de terminos: muy facil / facil / medio/ dificil / muy dificil. Sin embargo, el propio estandar IEEE LOM permite utilizar otro vocabulario si se estima oportuno, por lo que una cierta institucion podria simplificar el numero de categorias a 3, ampliarlo a 10 para ofrecer una escala mas detallada, o elegir otra escala mas adecuada a su contexto tal como por ejemplo: basico / basico-necesita-apoyo / imprescindible-apoyo-externo/ complejo.

• Inconsistencia semantica y otros interesantes problemas derivados de los estandares establecidos: no es infrecuente observar como dos instituciones distintas ofrecen informaciones diferentes para el mismo elemento de metadatos, a menudo por falta de claridad del estandar de metadatos utilizado. Tomando como ejemplo el estandar IEEE LOM, algunos elementos como el elemento 5.8.Dificultad dependen en gran medida de la opinion subjetiva de la persona que crea el registro de metadatos y, en consecuencia, estan destinados a ser inconsistentes con registros creados por otras personas pues uno podria considerar dificil lo que para otro es muy dificil. Otro problema similar es la incompletitud semantica, es decir, la introduccion de informacion incompleta para un cierto elemento de metadatos, no proporcionando toda la informacion que seria posible --y deseable-- ofrecer.

• Estan "orientados a humanos": los metadatos son descripciones textuales que las personas interpretamos facilmente. Sin embargo, a los sistemas y aplicaciones informaticas no les resulta sencillo procesar esta informacion para ofrecer servicios anadidos, ya que los metadatos no han sido escritos para que los entiendan "maquinas". Asi, resulta dificil programar un buscador que priorice los resultados de una busqueda de objetos de aprendizaje en un repositorio, en funcion de, por ejemplo, la informacion sobre derechos de acceso (elemento LOM 6.2.Derechos) o de su cobertura geografica o temporal (elemento 1.8.Cobertura), sencillamente porque dicha informacion esta en un texto escrito en un lenguaje humano del que es dificil extraer la informacion buscada: es preciso procesar el texto mediante complejas tecnicas de analisis linguistico, dividirlo en sus partes esenciales, analizar cada parte y extraer la informacion, etc., teniendo siempre en cuenta que en textos como la descripcion de la cobertura puede haber localismos, omisiones obvias para las personas pero incomprensibles para una maquina, o cualesquiera otras complejidades propias de los lenguajes humanos.

El desarrollo de formatos y estandares de metadatos suele estar asociado a comunidades de practicas que requieren de reglas comunes para crear metadatos que puedan interoperar entre si.

El destino de la tecnica multimedia es describir un singular recurso de multimedia, el de la web semantica la descripcion de recursos de cada tipo y ademas el encadenamiento de los conocimientos. Los formatos mas populares y grandes son:

• ID3 hace posible la notacion de metadatos muy sencillos, tales como titulo e interprete, en ficheros de audio MP3. El formato es muy popular y demuestra que los metadatos pueden ser utiles.
• MPEG-7
• MPEG-21
• TV-Anytime
• EXIF
• Dublin Core
• LOM utilizado en los objetos de aprendizaje
• Marco de descripcion de recursos (RDF)
• RDF Schema
• OWL
• NewsML
• SportsML
• ONIX for Books, estandar utilizado en la industria editorial como un medio de transmision de los metadatos de los libros necesarios para el comercio.
• ISO 19115, norma que regula los metadatos de la informacion geografica.

• Dato
• Infraestructura de Datos Espaciales
• Objeto de aprendizaje
• Estandarizacion
• Aprendizaje de ontologias
• Eliminadores de metadatos

• Video educativo de metadatos

Obtenido de <<https://es.wikipedia.org/w/index.php?title=Metadatos&oldid=171045047>>

Categorias:

• Metadatos
• Gestion de informacion

Categorias ocultas:

• Wikipedia:Articulos con identificadores BNE
• Wikipedia:Articulos con identificadores GND
• Wikipedia:Articulos con identificadores LCCN
• Wikipedia:Articulos con identificadores AAT
• Wikipedia:Control de autoridades con 15 elementos