Este documento describe conceptos relacionados con archivos, transparencia activa y web semántica. Explica que un archivo es un conjunto de documentos organizados y almacenados por una institución, y que la digitalización permite almacenar documentos de forma digital en repositorios. También señala que la transparencia activa debe entregar la información de forma útil para máquinas a través de servicios web y datos enlazados. Finalmente, indica que la web semántica busca estructurar la información en la web para facilitar su anális

1. Archivos, transparencia y web
semántica
27 de noviembre de 2013
Christian Sifaqui

2. Archivo
Consejo Internacional de Archivos (ICA):
• Conjunto de documentos
• Institución responsable
• Edificio o parte del edificio donde se
conservan (depósito)

3. Archivo
CPLT:
• Muy buenas guías en
http://www.educatransparencia.cl/docs
• Sistema con firma electrónica

4. Archivística
• Identificación: fase del tratamiento archivístico que
consiste en la investigación y sistematización de las
categorías administrativas y archivísticas en que se
sustenta la estructura de un fondo
• Clasificación: operación archivística que consiste en
el establecimiento de las categorías y grupos que
reflejan la estructura jerárquica del fondo
• Ordenamiento: operación archivística realizada
dentro del proceso de organización, que consiste en
establecer secuencias naturales cronológicas y/o
alfabéticas, dentro de las categorías y grupos
definidos en la clasificación

5. Archivística
• Instalación: conjunto de medios físicos dispuestos
para la adecuada conservación de los documentos
• Descripción: fase del tratamiento archivístico
destinada a la elaboración de los instrumentos de
consulta para facilitar el conocimiento y consulta de
los fondos documentales y colecciones de los
archivos
• Digitalización: conjunto de procedimientos de copia o
microcopia realizados mediante cualquier tecnología
y en distintos soportes

6. Digitalización
• Ingreso de documentos organizados
archivísticamente
• Preparación de los documentos para
digitalización
• Ingreso de metadatos
• Escaneo
• Retorno de documentos a su unidad
• Instalación en los depósitos

7. Digitalización
• Metadatos
• negocio electrónico
• conservación
• descripción de los recursos de
información
• localización de recursos de información
• gestión de derechos de propiedad
intelectual
• Formato máster, formato distribución
• Roles, comunidades, colecciones

8. Repositorios digitales
• “Bolsa inteligente”
• Adecuados al contenido (XML, videos,
etc.)

9. Bolsa “inteligente”
Debe:
• manejar objetos digitales, organizados en
colecciones y éstas a su vez agrupadas en
comunidades
• ofrecer uso de metadatos estándar Dublin
Core, y permitir extenderlo
• soportar amplio espectro de formatos de
archivos: texto, videos, sonido, imágenes
• versionamiento

10. Bolsa “inteligente”
Usar esta bolsa inteligente como backend y como
frontend sitios web que sólo ofrezcan los documentos
acorde a cierta metadata
Sitio web - Frontend
Repositorio - Backend
s
bjeto
os o
l
ame
trég ientes
En ec
r
más
Objet
os
más r
ecien
t es

11. Bolsa “inteligente”
ata
etad ada
on m ar
tos c n Comp
obje
ó
ame egislaci
rég t=L
Ent bjec
dc.su
Objet
os

12. Bolsa “inteligente”
historiapolitica.bcn.cl
www.bcn.cl/leyfacil
archivohales.bcn.cl
parlamentario.bcn.cl
Frontend
transparencia.bcn.cl
Backend
Documentos
Objetos digitales
Recursos legales

13. Repositorios digitales
• “Bolsa inteligente”
• Adecuados al contenido (XML, videos,
etc.)

14. Adecuado al contenido
• Interesa determinar cambios en
un documento o entre
documentos
• Referenciar o reutilizar partes de
o todo un documento
• Interoperabilidad
• Otras consideraciones

15. Adecuado al contenido
Videos
Música
XML

16. Adecuado al contenido
t0
t1
Ley 22000
Ley 22000
Ley 22000
Ley 22000
Artículo 1. abc.
Artículo 1. abc.
Artículo 1. xyzbc.
Artículo 1. xyzbc.
Artículo 2. def.
Artículo 2. def.
Artículo 2. def.
Artículo 2. def.
Artículo 3. ghi.
Artículo 3. ghi.
Artículo 3. ghi.
Artículo 3. ghi.

17. Adecuado al contenido
Interesa capturar la “vida” del documento

18. Adecuado al contenido
Interesa la “estructura” del documento

19. Adecuado al contenido
LeyChile: XML
Texto: versiones, hiperenlaces, referencias,
notas
Estructura: organización jerárquica de las
partes de una norma legal
Metadatos: información adicional acerca de
los documentos, como identificación de la
norma, materia, términos libres, etc.

20. Adecuado al contenido
LeyChile interopera con Contraloría
Parámetros:
Número ley
AJAX
AJAX
Prepara lista de
resultados
Envía
parámetros
Capa de
Negocios
Sistema Ley Chile
Consume
Dictámenes
asociados a una
ley
Capa de Integración
Capa de Presentación
Requerimiento de
dictámenes para
cualquier ley

21. Adecuado al contenido
¿LeyChile podría interoperar con CPLT?

22. Adecuado al contenido
Akoma Ntoso http://
www.akomantoso.org/
Es un conjunto de representaciones
electrónicas tecnológicamente neutral
(en formato XML) de documentos
parlamentarios, legislativos y
judiciales

23. Archivos
Dos accesos

24. Archivos
Ver Decreto Supremo 13 2009 Reglamento, ART-42

25. Archivos
Ver Decreto Supremo 13 2009 Reglamento, ART-42
¿?

26. Archivos
Ver Decreto Supremo 13 2009 Reglamento, ART-42
Sencillo: enlace a
http://www.leychile.cl/Navegar?idNorma=1001095&idParte

27. Archivos
Ver Decreto Supremo 13 2009 Reglamento, ART-42
Menos sencillo: procesar XML
http://www.leychile.cl/Consulta/obtxml?opt=7&idNorma=10
y buscar idParte="8527294"

28. Archivos
Enlaces dentro del texto

29. Archivos
Enlaces dentro del texto

30. Archivos
Instrucciones
1
9

31. Archivos
Documentos grandes
Documento PDF
complejo consistente
en imágenes
facsimilares + texto
OCR + mapeo de cada
palabra a su posición
en cada página
PDF imágenes con
texto  72 páginas en
PDF, tamaño 24 MB.
XML
Mismo archivo en XML
 0.5 MB

32. Archivos
Mundo “papel”
Mundo digitalizados o creados digitalmente
Digitalización
Repositorios
Bolsa inteligente
Acorde al contenido
Firma electrónica

34. Transparencia activa
Título III Ley 20.285 es una oferta
para seres humanos…

35. Transparencia activa
Título III Ley 20.285 es una oferta
para seres humanos…
Ser humano: búsqueda y
exploración

36. Transparencia activa
Pero la auditoría a TA debe ser
muy trabajosa, porque TA fue
hecha para seres humanos

37. Transparencia activa
Modelar una oferta para máquinas

38. Transparencia activa
Oferta para máquinas

39. Transparencia activa
Oferta para máquinas (RDFa)

40. Transparencia activa
Oferta para máquinas
WSDL (http://www.leychile.cl/ws/LeyChile.wsdl)

41. Transparencia activa
Oferta para máquinas
WSDL (http://www.leychile.cl/ws/LeyChile.wsdl)
Enlaces, widgets, servicios web (http://llevatelo.bcn.cl)

43. Web semántica
Open Data: es un idea que impulsa la
publicación de datos de forma libre y
asequible a cualquier persona para usar
y republicar sin restricciones de ningún
tipo
Linked Data: es usar la web para
conectar datos relacionados que no
estaban enlazados previamente. Usa
algunas de las mejores prácticas de la
Web Semántica

44. Web semántica
Web
• Repleta de información
• Orientada al ser humano:
• para comprender el contenido de una
página
• para relacionar contenidos dentro de una
página (textos, imágenes, videos, etc.)

45. Web semántica
Web
• Dificultad en localización de la información (adaptar a
una región específica, por ejemplo, traducir)
• Buscadores actuales funcionan bien, pero orientados
al keyword
• Por ejemplo: “constitución”
¿la de Chile?
¿ciudad del sur?

46. Web semántica
Soluciones
• ad hoc: usar métodos de IA para analizar la
información no estructurada existente en la
Web
• a priori: estructurar la información en la Web
para facilitar el análisis automático  Web
Semántica

47. Web semántica
Estándares

48. Web semántica
Estándares

49. Web semántica
Endpoint SPARQL

50. Web semántica
Encontrar todas las normas emitidas por una municipalidad
entre los años 1995 y 2000, pero que fueron modificadas
después del año 2005
PREFIX dc: <http://purl.org/dc/elements/1.1/>
PREFIX dc: <http://purl.org/dc/elements/1.1/>
PREFIX n: <http://datos.bcn.cl/ontologies/bcn-norms#>
PREFIX n: <http://datos.bcn.cl/ontologies/bcn-norms#>
SELECT distinct str(?normTitle) as ?Titulo str(?creatorName) as ?
SELECT distinct str(?normTitle) as ?Titulo str(?creatorName) as ?
Municipio ?pubDate as ?Fecha_Publicacion ?pubDateOther as ?
Municipio ?pubDate as ?Fecha_Publicacion ?pubDateOther as ?
Fecha_modificacion
Fecha_modificacion
WHERE {
WHERE {
?norm
n:createdBy
?creator .
?norm
n:createdBy
?creator .
?creator
n:hasName
?creatorName .
?creator
n:hasName
?creatorName .
?norm
dc:title
?normTitle .
?norm
dc:title
?normTitle .
?norm
n:publishDate ?pubDate .
?norm
n:publishDate ?pubDate .
?norm
n:isModifiedBy ?otherNorm .
?norm
n:isModifiedBy ?otherNorm .
?otherNorm n:publishDate ?pubDateOther .
?otherNorm n:publishDate ?pubDateOther .
FILTER (regex(?creatorName,"MUNICIPALIDAD","i"))
FILTER (regex(?creatorName,"MUNICIPALIDAD","i"))
FILTER (?pubDate
> xsd:date("1995") &&
FILTER (?pubDate
> xsd:date("1995") &&
?pubDate
< xsd:date("2000") &&
?pubDate
< xsd:date("2000") &&
?pubDateOther > xsd:date("2005"))
?pubDateOther > xsd:date("2005"))
}
}
ORDER BY (?pubDate)
ORDER BY (?pubDate)

51. Web semántica
Visualizaciones

52. Web semántica
Visualizaciones

53. Finalmente
Dos mundos
• Mundo de documentos  para el ser
humano
• Mundo de datos  para las máquinas

54. De documentos a datos
Documentos
• OCR
• aplicación de algoritmos Named-entity
Recognition
• Enlaces a ontologías
• Ejemplo: proyecto Historia de la Ley y
Labor Parlamentaria