Greenstone

1
Greenstone

• Basado en el trabajo de Jesús Tramullas
• Depto. CC. Documentación /Univ. de Zaragoza
• http//tramullas.com

2
Greenstone

• Es una aplicación para bibliotecas digitales
• Su objetivo es trabajar con documentos con
  contenido textual, imagen, audio, video, etc.
• La interface de visualización es en html y
  permite una visualización total del contenido
• Organiza los documentos en colecciones
• Permite desarrollar estructuras de organización
  de la colección

3
Aplicaciones

• En organizaciones y/o servicios de información
  que utilicen documentos digitales
• Indexa y busca sobre texto completo además de
  hacerlo sobre los metadatos
• Es multilingüe utiliza Unicode

4
Arquitectura

• Aplicación en Perl
• Usa el motor de representación y recuperación de
  información MG, o su versión avanzada MGPP, que
  usan el modelo vectorial
• Codifica toda la información en XML
• Necesita de un servidor web de soporte
• Incorpora una interfaz gráfica en Java

5
Requerimientos

• Versiones binarias ejecutables para Linux,
  Windows y Mac
• Requiere un intérprete Perl
• Requiere un servidor web
• Requiere Java Runtime Environment, JRE
• Para otros Unix hay código fuente que es
  necesario compilar

6
Greenstone en acción

• Da acceso a una interfaz predefinida, donde
  muestra las colecciones disponibles
• La selección de una de ellas lleva a la consulta
  de la misma
• La interfaz está muy estandarizada barra de
  botones, campo de expresión de búsqueda y listado
  de respuestas
• El acceso es libre a la interfaz de busqueda y
  recuperación

7
La consulta en Greenstone

• Uso de las opciones en la barra de menú, y del
  campo de búsqueda
• Une los términos con AND
• Uso de comillas para frases
• Existencia de una interfaz más avanzada, a través
  de Preferencias
• Visualiza los documentos según haya sido
  predefinido por el creador de la colección

8
Creación de colecciones

• El proceso clave es la creación de colecciones
• Es necesario definir claramente el objetivo,
  contenido, características y organización de la
  colección
• Interfaces de creación
• Greenstone Librarian Interface, GLI
• Línea de órdenes

9
Greenstone Librarian Interface, GLI

• Método recomendado (y recomendable) desde la
  versión 2.41a
• Interfaz en Java que necesita el JRE
• Integra todos los pasos necesarios para crear una
  colección
• Comprobar las Preferencias

10
Desarrollo de la colección, 1

• Definir el nombre y la descripción de la
  colección
• Seleccionar el conjunto de metadatos a utilizar
• Crea un fichero básico de configuración de la
  colección
• Selección de los documentos a incluir
• Asignación de metadatos a cada uno de los
  documentos

11
Desarrollo de la colección, 2

• Es necesario definir los tipos de documentos, y
  los plugins necesarios para su manipulación
• Definir tipos de búsqueda
• Definir índices para las búsquedas
• Definir los clasificadores
• Definir los formatos de presentación
• Construir la colección e informe de errores

12
Plugins

• Son los procesadores de los tipos de documentos
• Son terceros programas, pueden aparecer nuevos
• Se pueden seleccionar y configurar
• Cuatro son necesarios BasPlug, GAPlug, ArcPlug y
  RecPlug
• Los más importantes TextPlug, WordPlug, PDFPlug,
  IsisPlug, EMAILPlug, ExcelPlug, LaTeXPlug,
  PSPPlug

13
Clasificadores

• Criterios de organización de los documentos de la
  colección
• Suelen aparecer en forma de botones
• Clasificadores
• List
• AzList, AzCompactList
• DateList
• Hierarchy
• Phind

14
Nuestra experiancia

• Instalación LinuxSi bien tiene algunos
  inconvenientes ya que necesita que estén
  instalados ciertos componentes y en el manual de
  instalación no indica cuales, una vez que estos
  están instalados no tiene mayor dificultad, la
  inteface es buena y se configura fácilmente, en
  la versión 2.60 han corregidos alguno errores con
  respecto a esto.

15
Nuestra experiencia

• Interface para crear coleccionesMuy amena e
  intuitiva, su pueden configurar los plugins que
  procesan los distintos tipos de documentos, se
  puede asociar un conjunto de metadatos a cada
  archivo de la colección, se puede indicar la
  forma de recuperación de las colecciones,
  (institución, letra, tema, etc), se puede editar
  el formato de visualización (no fue investigado a
  fondo) entre otras cosas.

16
Nuestra Experiencia

• Marcado de las tesis para que se puedan ver en
  capítulosEl marcado es sencillo, cualquier
  persona con conocimientos intermedios de HTML lo
  puede hacer, lo recomendable en todos los casos
  es convertir el documento a html, por lo que
  habría que conseguir un buen programa, el mejor
  resultado que conseguí para convertir docs es con
  el CZ-Doc2html y después aplicando el Bresoft
  Word HTML cleanup, para limpiar el documento ya
  que deja mucho basura de Word al convertirlo, y
  esto dificulta el marcado.En el caso de pdf el
  procedimiento es el mismo.Después de la
  conversión hay que recorrer todo el documento de
  punta a punta para observar si se corresponde con
  el original, ya que puede haber algunos problemas
  con las tablas y listas.En promedio (depende de
  la cantidad de capítulos, exagerada muchas veces
  y de la fidelidad de la conversión) el formateo
  de la tesis en capítulos nos llevó entre uno y
  dos días de trabajo.

17
Nuestra Experiencia

• Tratamiento de tesis escaneadas
• En líneas generales el ocr interpretó bien el
  texto.
• Problemas
• Se pierden las listas, sobre todo si en lugar de
  puntos, se usó otro caracter.
• Las tablas salen bien en cuanto al contenido, se
  pierde todo el formato, por lo que hay que
  reconstruirlas

18
Nuestra Experiencia

1. Imágenes y formulas, principal problema, no se
   puede obtener automáticamente, hay que escanear
   uno por uno, por lo que con una tesis con muchas
   formulas como es el comun en exactas, ingenieria,
   etc., el trabajo que lleva es mucho y
   tedioso.Una buena manera de tratar las formulas,
   podría ser, conseguir el texto en Word y
   escribirlas de vuelta con el constructor de
   formulas (se va a conseguir una calidad mejor que
   escanearlas, si bien es mas trabajoso)
2. El tiempo de tratamiento de las tesis escaneadas
   depende de la cantidad de gráficos y formulas que
   tengan.