Our purpose is to enable interoperability of documents and achieve portability of digital documents through the reuse of content and format in different plausible combinations. We propose the characterization of digital documents using ontologies as a solution to the problem of lack of interoperability in the implementations of document formats. As proof of concept we consider the portability between ODF (Open Document Format) and OOXML (Office Open XML) document formats.
Resumo. Nosso objetivo é possibilitar a interoperabilidade de documentos e atingir a portabilidade simples e confiável de documentos digitais através da reutilizac ¸ão de formatos e conteúdos, em diferentes combinac ¸ões plausíveis. Propomos a caracterizac ¸ão de documentos digitais usando ontologias como soluc ¸ão ao problema da falta de interoperabilidade nas implementac ¸ões de formatos de documentos. Como prova de conceito, será considerada a portabilidade entre os formatos de documentos ODF (Open Document Format) e OOXML (Office Open XML).
As organizac ¸ões precisam trocar informac ¸ão através de documentos. Muitas vezes esses documentos são apresentados com formato e conteúdos pré-definidos, que podem ser equivalentes ou quase equivalentes entre si, porém bastantes distintos em diferentes organizac ¸ões (ou em uma mesma organizac ¸ão em diferentes contextos históricos). Como recurso importante para gerenciar seu conhecimento de forma efetiva e preservar seu capital intelectual, as organizac ¸ões precisam disponibilizar documentos independentemente do software com que foram criados. Propomos a caracterizac ¸ão dos formatos de documentos digitais usando ontologias para favorecer a portabilidade e superar o problema de falta de interoperabilidade de documentos nas organizac ¸ões.
O trabalho está organizado da seguinte forma: na Sec ¸ão 2 introduzimos o problema da preservac ¸ão dos documentos digitais; na Sec ¸ão 3 apresentamos os conceitos fundamentais da interoperabilidade e portabilidade de documentos; na Sec ¸ão 4 mostramos os principais conceitos das ontologias; na Sec ¸ão 5 resumimos alguns trabalhos relacionados. Na Sec ¸ão 6 explicamos nossa proposta; finalmente, na Sec ¸ão 7 fazemos as considerac ¸ões finais.
Um documento digital é um documento codificado em formato binário, acessível por meio de um sistema computacional [Gouget et al. 2005]. Nosso trabalho está focado em documentos digitais criados a partir de aplicac ¸ões de escritório. As aplicac ¸ões de escritório são aplicativos voltados para as tarefas de escritório e geralmente estão agrupadas em interfaces de usuário conhecidas como suítes de escritório.
Cada documento digital possui um formato de arquivo.
O formato de arquivo especifica a estrutura em que os códigos digitais estão organizados [Shepard and MacCarn 2008]. A codificac ¸ão do formato de arquivo está profundamente relacionada ao programa que o criou. Às vezes, após um período de tempo, se torna extremamente difícil a leitura do documento sem perda significativa da informac ¸ão. Assim, os documentos podem existir por dezenas de anos, mas a vida útil de uma suíte de escritório não é sempre garantida. Diante disso, as organizac ¸ões têm que garantir a integridade e perpetuidade dos documentos, mesmo após o software que os criou ter desaparecido do mercado [Ngo 2008, Taurion 2009].
Na preservac ¸ão de documentos é importante provar sua autenticidade. A autenticidade é a capacidade de demostrar que um documento digital é aquilo que se propõe ser. É fundamental provar que existe um conjunto de propriedades significativas que foram corretamente preservadas ao longo do tempo. Quanto maior for o número dessas propriedades, maiores serão os requisitos relativos à infraestrutura tecnológica para dar suporte à sua preservac ¸ão. Torna-se necessária a criac ¸ão de políticas de preservac ¸ão que exprimam, para cada classe de objetos digitais, o conjunto de propriedades significativas que serão asseguradas pelo repositório [Ferreira 2006, Rusbridge 2003].
Este trabalho concentra-se na preservac ¸ão da autenticidade dos documento digitais, mais do que na preservac ¸ão das características estéticas do documento.
Interoperabilidade1 é a habilidade de transferir e utilizar informac ¸ões de maneira uniforme e eficiente entre várias organizac ¸ões e sistemas de informac ¸ão. A interoperabilidade de documentos é a habilidade das aplicac ¸ões de documentos de extrair dados de diferentes tipos de documentos e transformá-los em estruturas padronizadas. Esta informac ¸ão pode ser trocada entre vários sistemas e posteriormente ser processada [Schmidt et al. 2006]. Com a interoperabilidade de documentos baseada principalmente na tecnologia XML, as aplicac ¸ões podem comunicar-se diretamente com servic ¸os do governo eletrônico.
Por outro lado, a portabilidade de documentos é a troca de documentos com todas as informac ¸ões que eles contêm, principalmente suas configurac ¸ões de formato [Schmidt et al. 2006]. Na portabilidade de documentos é importante a fidelidade do formato do documento. A fidelidade de formato é a capacidade de manter o formato do documento e seu sentido associado, apesar de ser editado em múltiplas aplicac ¸ões [Ditch 2007].
Ao contrário da portabilidade, a interoperabilidade de documentos está exclusivamente preocupada com a troca da dados corporativos contidos nos documentos e não faz exigências sobre requisitos em termos de aparência, elementos estilísticos, formato ou questões semelhantes [Schmidt et al. 2006].
OOXML e ODF são os principais padrões abertos de formatos de documentos baseados em XML. No entanto, os dois padrões são incompatíveis e rivais no mercado, provocando a guerra dos formatos abertos, gerando discussões técnicas sobre as vantagens e desvantagens de cada um deles.
O OOXML foi desenvolvido pela Microsoft em 2008 e tornou-se um padrão aberto ISO (ISO/IEC 29500:2008). OOXML foi projetado para representar o corpus preexistente de documentos de processamento de texto, apresentac ¸ões e planilhas que são codificados pela Microsoft. A especificac ¸ão OOXML contém material normativo e informativo estruturado em aproximadamente 6546 páginas.
O ODF foi desenvolvido pela Sun Microsystems em 2002 e seu processo de padronizac ¸ão foi iniciado pela OASIS2 . O ODF foi projetado para ser uma especificac ¸ão de formato de documentos independente de fornecedor ou de software. Embora a especificac ¸ão ODF (aproximadamente 700 páginas) seja complexa para os padrões normais, a reutilizac ¸ão de padrões abertos existentes reduz consideravelmente a complexidade da especificac ¸ão [Eckert et al. 2009, Ngo 2008].
O estudo de [Shah and Kesan 2009] demonstrou que não existem implementac ¸ões que oferec ¸am 100% de compatibilidade (avaliac ¸ão da leitura dos documentos) dentro das implementac ¸ões de OOXML e ODF.
Na ciência da computac ¸ão, a definic ¸ão mais citada de ontologia na literatura é de [Gruber 1993]: uma ontologia é uma especificac ¸ão explícita de uma conceitualizac ¸ão. Em 1997, Borst [Borst 1997] ligeiramente modifica a definic ¸ão de Gruber, afirmando que: uma ontologia é uma especificac ¸ão formal de uma conceitualizac ¸ão compartilhada. A formalizac ¸ão de uma ontologia está definida em cinco componentes: conceitos, relac ¸ões, func ¸ões, axiomas e instâncias [Gruber 1993]. As ontologias, dependendo do seu grau de formalidade, podem ser modeladas baseadas em técnicas de modelagem de inteligência artificial, engenharia de software e bancos de dados [Gómez-Pérez et al. 2005].
A ontologia explicita a informac ¸ão independentemente das estruturas de dados que são usadas para armazenar a informac ¸ão. Além disso, a conceitualizac ¸ão de uma ontologia pode ser expressa em várias linguagens [Guimarães 2008]. Elas são projetadas para que a informac ¸ão seja compartilhada entre agentes que garantam compromissos ontológicos. Desse modo, as ontologias viabilizam soluc ¸ões para problemas como a falta de padronizac ¸ão, falta de interoperabilidade, problemas com a recuperac ¸ão da informac ¸ão, falta de reuso, confusões terminológicas, problemas de troca de informac ¸ões entre agentes de software, dentre muitos outros [Uschold and Gruninger 1996].
Este trabalho propõe o uso das ontologias para a modelagem das características da estrutura de formato e do conteúdo corporativo dos documentos digitais.
No trabalho de [Eckert et al. 2009] é analisado como os formatos OOXML e ODF especificam as características mais importantes dos documentos e como essas características podem ser traduzidas entre os dois formatos. Esse trabalho concentra-se mais na definic ¸ão de orientac ¸ões para a traduc ¸ão da estrutura da apresentac ¸ão do documento do que sobre a preservac ¸ão da estética do documento. Os autores concluíram que a separac ¸ão da apresentac ¸ão do documento do seu conteúdo corporativo oferece mais facilidade na manipulac ¸ão de documentos. Assim, editar os componentes de apresentac ¸ão e dados do conteúdo corporativo de forma independente confere flexibilidade considerável na criac ¸ão e edic ¸ão de documentos.
Outro trabalho é de [Eriksson 2007]. O trabalho dele explica como a combinac ¸ão de ontologias e documentos cria novas possibilidades para melhorar a gestão do conhecimento nas organizac ¸ões, isso através dos documentos semânticos. Os documentos semânticos são as integrac ¸ões dos documentos com as ontologias. O trabalho de [Eriksson 2007] integrou documentos no formato PDF com três ontologias: ontologia de anotac ¸ão, ontologia do documento e uma ontologia do domínio. Essas ontologias ajudam na explicac ¸ão do conteúdo do documento e facilitam sua busca. As múltiplas ontologias permitiram ter conceitualizac ¸ões com diferentes intenc ¸ões habilitando seu reúso.
Propomos a construc ¸ão de um modelo que considere as qualidades essenciais de formato de um documento digital. Um documento digital criado com o padrão OOXML ou ODF poderá ser caracterizado nesse modelo. Nosso modelo será caracterizado a partir de ontologias. Uma ontologia do formato especializada em caracterizar a estrutura da apresentac ¸ão do documento (parágrafos, tabelas, listas, enumerac ¸ões, etc.), ela apresenta a informac ¸ão da ontologia de conteúdo. Outra ontologia de conte údo que caracteriza a informac ¸ão dos dados corporativos contidos no documento (dados do paciente, estudante, vendas, etc.).
A Figura 1 ilustra a interac ¸ão da ontologia de formato e o documento final. Os documentos digitais serão recriados através de tradutores. Os tradutores são mediadores entre a ontologia de formato e um formato especifico.
A ontologia de formato é criada baseada em um conjunto de propriedades significativas a serem preservadas de uma classe específica de documentos. O objetivo da criac ¸ão da ontologia de formato é atingir a portabilidade simples do documento, isto é, preservar a estrutura da organizac ¸ão da apresentac ¸ão do documento, a Figura 2 ilustra os conceitos principais desta ontologia. Por outro lado, o objetivo da criac ¸ão da ontologia de conteúdo é possibilitar a interoperabilidade de documentos, isto é, habilitar o intercâmbio coerente de informac ¸ões corporativas específicas sobre um contexto.
A ontologia de formato pode ser modificada independentemente da ontologia de conteúdo e vice-versa. Os documentos digitais serão recriados através de tradutores entre a ontologia de formato e um formato específico. Um novo documento pode ser construído com a mesma informac ¸ão contextual, mas agora num formato apropriado a seus propósitos, bem como um novo documento pode ter a mesma informac ¸ão contextual, mas com uma apresentac ¸ão distinta.
No trabalho de [Shah and Kesan 2009] é apresentado um exemplo de avaliac ¸ão de interoperabilidade e portabilidade de documentos. Eles testaram um conjunto de suítes de escritório que implementam os formatos de documentos ODF e OOXML. Os resultados do estudo estão baseados em pontuac ¸ões de quão bem as implementac ¸ões podem ler e escrever documentos. A parte final da pontuac ¸ão está focado na capacidade de preservac ¸ão dos metadados dos documentos, isto é, atributos de estilos, números de páginas, tabelas de conteúdos ou cabec ¸alhos, informac ¸ões do documento (tempo, ou o número de palavras em documentos), e controle de alterac ¸ões.
A avaliac ¸ão dos resultados do nosso trabalho seguirá essa metodologia de avaliac ¸ão, no entanto com adaptac ¸ões. Neste caso os documentos serão traduzidos para diferentes formatos, julgando que cada documento pode ser traduzido seguindo vários graus de fidelidade. Para cada documento recriado a partir da ontologia de formato, será quantificada qualquer modificac ¸ão ao conteúdo original.
A interoperabilidade é um ponto crítico nas questões de governo eletrônico. O presente artigo apresenta a problemática na preservac ¸ão de documentos digitais e destaca a importância da interoperabilidade e portabilidade nos formatos de documentos digitais. Propomos o uso de ontologias para garantir a integridade e perpetuidade dos documentos digitais, priorizando a preservac ¸ão das características da estrutura da apresentac ¸ão e conteúdo corporativo (os elementos importantes para provar sua autenticidade) sobre a preservac ¸ão das características de estética do documento.
Como trabalho futuro será desenvolvido um caso de uso de interoperabilidade de documentos aplicada ao governo eletrônico, em que as ontologias de formato e conteúdo tenham papel comprovado na preservac ¸ão e distribuic ¸ão eficientes de documentos digitais.