XML na Demografia Histórica: Anotação de Registos Paroquiais

Apresentação em tema: "XML na Demografia Histórica: Anotação de Registos Paroquiais"— Transcrição da apresentação:

1 XML na Demografia Histórica: Anotação de Registos Paroquiais
Rafael Félix, Fernanda Faria, Maribel Santos, Pedro Henriques Universidade do Minho Guimarães/Braga - Portugal 20 -22, Nov. 2002 III Conf. da APSI

2 Objectivo da Comunicação
Propor a anotação em XML dos registos paroquiais (RPs) – baptizado, casamento e óbito – de modo a construir uma base documental que suporte o estudo da evolução demográfica segundo o MRP (Método de Reconstituição de Paróquias) 20 -22, Nov. 2002 III Conf. da APSI

3 Objectivo da Comunicação
Constitui-se assim uma base mais rica que as tradicionais bases de dados paroquiais no sentido em que se abrem novas possibilidades de exploração da informação 20 -22, Nov. 2002 III Conf. da APSI

4 Plano da Comunicação Caracterização do contexto de trabalho SEED XML
Os RPs e a Aquisição de dados Os RPs em XML Anotação Edição e Validação Processamento Potencialidades da Anotação 20 -22, Nov. 2002 III Conf. da APSI

5 Caracterização do contexto de trabalho
Estudo da Evolução Demográfica com base no levantamento dos registos paroquiais seguindo o MRP; o SEED Processamento de documentos estruturados com base na sua anotação em XML 20 -22, Nov. 2002 III Conf. da APSI

6 SEED (estudo evolução demográfica)
Sistema informático para Auxiliar os Demógrafos na realização das análises dos dados (indivíduos+famílias) que lhes permitem compreender a evolução do comportamento das populações (rurais e urbanas) ao longo dos séculos e em zonas distintas 20 -22, Nov. 2002 III Conf. da APSI

7 SEED: Objectivo do Estudo
Permite o estudo da Fecundidade Nupcialidade Mortalidade ..... sendo suportado pelo MRP que se baseia no cruzamento de registos de Baptizado Casamento Óbito 20 -22, Nov. 2002 III Conf. da APSI

8 SEED: Arquitectura para Análise de Dados e Extracção de Conhecimento
20 -22, Nov. 2002 III Conf. da APSI

9 Anotação de documentos em XML
XML: meta-linguagem para anotação de documentos organizados em tipos Com XML podem definir-se sistemas de anotação (linguagens específicas) para: cartas, memorandos, relatórios, manuais, poemas, certidões, declarações, petições, exames, pautas, horários, etc ... 20 -22, Nov. 2002 III Conf. da APSI

10 Anotação de documentos em XML
DTD ou XML-Schema: para cada tipo, define as marcas possíveis, seus atributos e a maneira como se agrupam <!ELEMENT carta (remete, destino, data, assunto, abertura, corpo, fecho)> < xs:element name = “carta”> <xs:complexType> <xs:sequence> <xs:element name = “remete”> ... <xs: element name = “fecho”> </xs:sequence> </xs:complexType> </ xs:element > 20 -22, Nov. 2002 III Conf. da APSI

11 Anotação de documentos em XML
Um documento anotado: evidencia a sua estrutura geral e a interpretação de elementos nele contidos, sem informação quanto à formatação ou transformação <livro> <abertura>Este livro hade servir ...</abertura> <registo> Aos <data valor=“ ” deQue=“Bapt”>dois dias do mes de Janeiro do anno de mil e oitocentos</data>, n’esta <local>Igreja Paroquial da Villa das Lages do Pico</local> ... </registo> </livro> 20 -22, Nov. 2002 III Conf. da APSI

12 Anotação de documentos em XML
Um documento anotado: pode ser validado e posteriormente processado Validar = verificar a estrutura face ao DTD/Schema (Parsing) Processar = formatar | transformar | pesquisar | extrair 20 -22, Nov. 2002 III Conf. da APSI

13 Anotação de documentos em XML
XSL: linguagem para processamento de documentos anotados XSLT – linguagem de transformação Xpath – linguagem de selecção XSL Formating Objects – linguagem para especificação de formatações 20 -22, Nov. 2002 III Conf. da APSI

14 Plano da Comunicação Os RPs e a Aquisição de dados
Caracterização do contexto de trabalho SEED XML Os RPs e a Aquisição de dados Os RPs em XML Anotação Edição e Validação Processamento Potencialidades da Anotação 20 -22, Nov. 2002 III Conf. da APSI

15 Os RPs e a Aquisição de dados
Como era Leitura local e exaustiva dos RPs  extracção manual dos dados necessários para reconstituição de famílias  bases de dados paroquiais 20 -22, Nov. 2002 III Conf. da APSI

16 Os RPs e a Aquisição de dados
Como poderia ser Digitalização integral do documento  anotação  processamento automático  bases de dados, etc. ... 20 -22, Nov. 2002 III Conf. da APSI

17 Os RPs e a Aquisição de dados
Devido às limitações actuais do SW para OCR, Como tem de ser Edição/Anotação manual auxiliada do documento integral  processamento automático  bases de dados, etc. ... 20 -22, Nov. 2002 III Conf. da APSI

18 Plano da Comunicação Os RPs em XML
Caracterização do contexto de trabalho SEED XML Os RPs e a Aquisição de dados Os RPs em XML Anotação Edição e Validação Processamento Potencialidades da Anotação 20 -22, Nov. 2002 III Conf. da APSI

19 Anotação de RPs em XML A Anotação dos Registos Paroquiais requer
a criação de um novo dialecto de XML específico para essa família de documentos: Schema-RP 20 -22, Nov. 2002 III Conf. da APSI

20 Anotação de RPs em XML As grandes decisões: DTD versus XML-Schema
3 Sistemas de Anotação versus 1 único Escolha dos Elementos apropriados e seus Atributos 20 -22, Nov. 2002 III Conf. da APSI

21 Anotação de RPs em XML 1ªfase:
Elementos para identificar os dados explícitos no texto: nome, morada, idade, profissão, ... Elementos para identificar a “personagem” a quem os dados se referem: noivo, noiva, falecido, pai, mãe, O mesmo Elemento é aberto várias vezes com conteúdos diversos 20 -22, Nov. 2002 III Conf. da APSI

22 Anotação de RPs em XML 2ªfase:
Elementos que identificam em simultâneo os dados explícitos no texto e a “personagem” a quem se referem: noivo.nome, noivo.morada, noiva.idade, noiva.profissão, ... O número de Elementos distintos aumenta consideravelmente; e a sua ortografia é pesada 20 -22, Nov. 2002 III Conf. da APSI

23 Anotação de RPs em XML 3ªfase:
Elementos genéricos que identificam os dados explícitos no texto: nome, morada, idade, profissão, ... combinados com Atributos cujos valores (“noivo”, “noiva”, “pai”, “mãe”) especificam a “personagem” a quem se referem: nome - deQuem, local - deQue, Idade - deQuem, data - deQue, ... O número de Elementos e Atributos é reduzido; o sistema de anotação fica bem legível 20 -22, Nov. 2002 III Conf. da APSI

24 Anotação em Schema-RP: Exemplo de 1 Registo de casamento
<notaMargem> <numero>6</numero> <nome deQuem="individuo">Francisca Maria</nome> </notaMargem> <texto>Aos <data deQue="obito" deQuem="individuo" norm=" ">vinte e oito dias do mez de janeiro do anno de mil oitocentos setenta e seis</data>, ás <hora deQue="obito" deQuem="individuo" norm="02:00">duas horas da noite</hora>, <local deQue="obito" deQuem="individuo" tipo="lugar">em huma caza da Canada do Ajudante, E para constar lavrei em duplicado este assento, que assigno. ???????.__ </texto> <assinatura>O'Vigario Antonio Homem da Costa</assinatura> </registo> 20 -22, Nov. 2002 III Conf. da APSI

25 Edição/Validação de RPs em XML
Características desejáveis para um Editor: Associação fácil do DTD/XML-Schema ao novo documento Escrita ágil do novo texto base, ou fácil abertura dum existente Indicação dos Elementos/Atributos que se podem escolher em cada momento Indicação dos Valores possíveis para cada Atributo Integração dum Parser 20 -22, Nov. 2002 III Conf. da APSI

26 Edição/Validação de RPs em XML
Alternativas: XML-Spy (Altova) X-Metal (SoftQuad) Document Editor (Altova) Por satisfazer bem todos os requisitos a escolha recaiu sobre o XML-Spy 20 -22, Nov. 2002 III Conf. da APSI

27 Edição/Validação: Exemplo de uma sessão
20 -22, Nov. 2002 III Conf. da APSI

28 Edição/Validação de RPs em XML
Fases da Edição: Anotação com os Elementos (inserção das “marcas” abertura/fecho) Anotação com os Atributos (adição dos atributos a cada elemento e indicação do seu valor em função do contexto) 20 -22, Nov. 2002 III Conf. da APSI

29 Processamento de RPs em XML
Caso 1: Visualização em HTML Foi criada uma style-sheet XSL para gerar páginas HTML a partir de um livro de registos anotado em Schema-RP Assim, através de browser W W W é possível ver os registos num formato análogo ao original 20 -22, Nov. 2002 III Conf. da APSI

30 Visualização em HTML: Exemplo
20 -22, Nov. 2002 III Conf. da APSI

31 Processamento de RPs em XML
Caso 2: Geração de SQL para alimenção da BDP Foi criada uma style-sheet XSL para gerar SQL com vista a inserir nas tabelas de Indivíduos e Famílias (da BDP) os dados relevantes que se podem extrair de cada registo anotado em Schema-RP As complexas relações familiares e a dificuldade na identificação de Indivíduos não permitiu a alimentação automática (em 1 só passo) da BDP 20 -22, Nov. 2002 III Conf. da APSI

32 Processamento de RPs em XML
Caso 2: Geração de SQL para alimenção da BDP Solução: sistema semi-automático, em 2 passos: 1ºpasso: via uma interface (interactiva) em VB todos os Indivíduos são identificados e certos campos codificados; daqui resulta um novo doc. XML sem ambiguidades e com “chaves” 2ºpasso: é gerado código SQL para inserção dos registos na BDP a partir desse novo documento XML 20 -22, Nov. 2002 III Conf. da APSI

33 Plano da Comunicação Potencialidades da Anotação
Caracterização do contexto de trabalho SEED XML Os RPs e a Aquisição de dados Os RPs em XML Anotação Edição e Validação Processamento Potencialidades da Anotação 20 -22, Nov. 2002 III Conf. da APSI

34 Potencialidades da Anotação
Para além da BD Paroquial que suporte as análises fica-se com uma base documental com os documentos originais disponíveis para formatação (visualização/impressão) pesquisa e criação de índices análises linguísticas diversas (ortografia, estilos, análises de assinaturas, etc.) ... 20 -22, Nov. 2002 III Conf. da APSI

35 Conclusão No contexto da Exploração de Registos Paroquiais com vista à construção dum Repositório de Conhecimento Demográfico, Propôs-se o uso de uma linguagem específica XML para armazenamento integral dos documentos anotados, Com vista a aumentar a automatização da aquisição e as potencialidades de exploração 20 -22, Nov. 2002 III Conf. da APSI

36 Conclusão O XML-Schema para a linguagem Schema-RP foi criado
A edição está (semi-)resolvida Foram desenvolvidas duas transformações (visualização HTML e geração de SQL) O sistema está aberto a novas aplicações ... e a novas interfaces: multi-modais, para PDAs 20 -22, Nov. 2002 III Conf. da APSI

37 Equipe Os Autores Consultores Estagiários Grupos de Projecto (Opção 3)
Orlando Belo Paulo Novais Estagiários Grupos de Projecto (Opção 3) 20 -22, Nov. 2002 III Conf. da APSI

38 Colaboradores Anália Lourenço Sérgio Passos
Américo, Jorge, Sandra Lopes Cristina, Sandra António, Celeste, Paula Alexandre, António, Manuel Candida, M.Manuel, Nádea Pedro, Solange Rafael Félix Patrícia Leite Fernanda Faria 20 -22, Nov. 2002 III Conf. da APSI