OAI-PMH: Protocolo para la transmisión de contenidos en
Internet
José Manuel Barrueco
Biblioteca de Ciències Socials. Universitat de València.
46010 València. Spain
Imma Subirats Coll
Biblioteca del Dept. de Política Territorial i Obres Publiques. Generalitat de Catalunya
08029 Barcelona. Spain
Resumen:
Se describe el protocolo OAI-PMH (Open Archives Initiative – Protocol for Metadata
Harvesting) utilizado para la transmisión de metadatos en Internet. Se analiza el contexto
en el que nació, las comunidades de depósitos de documentos científicos y cómo se ha
desarrollando y extendido su alcance a cualquier material en formato electrónico. Se
describe brevemente su arquitectura basada en el modelo cliente – servidor donde los
primeros, llamados archivos, ponen a disposición del público metadatos en formato Dublin
Core para que puedan ser recuperados por los segundos. La comunicación se realiza
mediante el protocolo http. Las respuestas están codificadas en XML. Finalmente se hace
una revisión de las principales instituciones que lo han implementado, los servicios que se
han basado en él y se dan una serie de herramientas que facilitan la creación de archivos
abiertos.
Palabras Clave: Bibliotecas digitales ; Protocolos de Intentet ; Metadatos ; XML ; Eprints
0.- Introducción
El trabajo que presentamos en este número monográfico tiene como objetivo
divulgar entre los profesionales de nuestro país un nuevo protocolo para la
transmisión de contenidos en Internet denominado OAI-PMH (Open Archives
Initiative – Protocol for Metadata Harvesting). http://www.openarchives.org
Si bien es un protocolo de aparición reciente, los primeros trabajos para su
desarrollo se iniciaron en 1999, el interés que ha despertado entre la comunidad
de bibliotecarios de todo el mundo ha sido muy grande. Este interés viene probado
por la gran cantidad de jornadas celebradas en distintos países, por el número de
artículos publicados en revistas especializadas, por la importancia de las
instituciones que lo han apoyado desde el primer momento y por los numerosos
proyectos de investigación financiados en el último año tanto por la Unión Europea
como por la National Science Foundation de los USA.
Paradójicamente el interés entre los investigadores y profesionales de nuestro
país parece escaso cuando no nulo. En las últimas jornadas técnicas sobre el
tema celebradas en Ginebra http://library.cern.ch/Announcement.htm y Lisboa
http://www.oaforum.org/workshops/lisb_invitation.php el pasado año, la asistencia
de participantes españoles fue simbólica. Las últimas jornadas sobre bibliotecas
digitales JBIDI 2002 http://mariachi.dsic.upv.es/jbidi/jbidi2002/ no incluyeron
ninguna presentación sobre el mismo.
Con objeto de paliar esta deficiencia en un asunto que consideramos de vital
interés para la investigación en bibliotecas digitales, presentamos este trabajo con
un carácter eminentemente divulgativo. La importancia de OAI-PMH se puede
resumir en una frase: OAI-PMH está llamado a ser a las bibliotecas digitales lo que
HTTP es hoy al web.
El resto del trabajo se estructura de la siguiente forma: la sección 1 da una visión
general del protocolo abordando cuestiones como cuáles son sus objetivos, cómo
funciona o qué instituciones lo respaldan. La sección 2 hace una breve historia de
su evolución desde su nacimiento en 1999 hasta la última versión publicada en
Junio de 2002. La sección 3 entra, sin profundizar demasiado, en las cuestiones
técnicas del protocolo. La 4, describe las principales instituciones que lo han
adoptado y los servicios que se han creado utilizando las funcionalidades que
aporta. Finalmente la sección 5 describe una serie de herramientas que nos
pueden ayudar a la hora de implementarlo.
1.- ¿Qué es OAI-PMH?
En primer lugar hemos de matizar varios puntos respecto a su nombre. El término
archivo refleja los orígenes de la iniciativa en el seno de las comunidades de
eprints donde es sinónimo de depósito de documentos científicos a texto
completo. No tiene nada que ver aquí con el concepto tradicional de archivo con
connotaciones de preservación y conservación. Se utiliza por lo tanto con un
sentido mucho más amplio, como un depósito para almacenar cualquier tipo de
información. El término abierto se refiere al punto de vista de la arquitectura del
sistema. Se tratan de definir interfaces que faciliten la disponibilidad de contenidos
procedentes de una variedad de proveedores. Apertura tampoco significa
gratuidad o acceso ilimitado a dicha información
La Open Archives Initiative (OAi) se creo con la misión de desarrollar y promover
estándares de interoperabilidad para facilitar la difusión eficiente de contenidos en
Internet. Surgió como un esfuerzo para mejorar el acceso a archivos de
publicaciones electrónicas (eprints), en definitiva, para incrementar la
disponibilidad de las publicaciones científicas. Los trabajos iniciales se centraron
en el desarrollo de marcos de interoperabilidad para la federación de archivos de
eprints, pronto apareció evidente que dichos marcos (permitir el intercambio de
múltiples formatos bibliográficos entre distintas máquinas utilizando un protocolo
común) tenían aplicaciones más allá de esta comunidad. Por ello se adoptó un
objetivo mucho más amplio: abrir el acceso a un rango de materiales digitales
Por lo tanto, la OAi no es solamente un proyecto centrado en publicaciones
científicas, sino en la comunicación de metadatos sobre cualquier material
almacenado en soporte electrónico. No hay nada en el protocolo que impida a los
implementadores transmitir el contenido propiamente dicho de esos materiales. No
obstante esto no es el objeto principal de OAI-PMH.
Los metadatos a transmitir vía OAI-PMH deberán codificarse en Dublin Core sin
calificar con objeto de minimizar los problemas derivados de las conversiones
entre múltiples formatos. Aunque se está investigando la creación de servicios
tales como una interfaz de búsqueda a través de formatos heterogéneos de
metadatos, una solución menos complicada y por lo tanto más fácil de
implementar es requerir a los implementadores convertir sus datos a un formato
común. Los quince elementos del Dublin Core han evolucionado a lo largo de los
pasados años como el estándar de facto para los metadatos simples y
multidisciplinares.
¿Qué relación existe con otros protocolos como el Z39.50? El marco diseñado por
OAi es intencionalmente simple con el propósito de proporcionar una mínima
complicación para las instituciones que deseen implementarlo. Los protocolos
como el Z39.50 tienen una funcionalidad más completa, por ejemplo, tratan
cuestiones como el manejo de sesiones, gestión de conjuntos de resultados y
permiten la especificación de predicados para filtrar los resultados obtenidos. Sin
embargo, esta funcionalidad acarrea un incremento en la complejidad de la
implementación y, en consecuencia, de los costes. Por lo tanto no se trata de
reemplazar otras iniciativas, sino desarrollar una alternativa que sea fácil de
implementar y de desarrollar para propósitos diferentes de los que ya tratan los
sistemas de interoperabilidad existentes. El futuro juzgará si esta barrera mínima
de interoperabilidad es realista y funcional.
La OAi no define o prescribe ningún esquema para la gestión de derechos. Los
temas relacionados con restricciones en el acceso y gestión de la propiedad
intelectual son la responsabilidad de los proveedores de datos.
La OAi ha obtenido financiación en USA de la National Science Foundation. De la
gestión administrativa y técnica se encargan dos comités que están coordinados
por Herbert Van de Sompel y Carl Lagoze, ambos de la Universidad de Cornell.
2.- Un poco de historia, de la Convención de Santa Fe a la OAi
Los orígenes de OAi radican en un creciente interés en la búsqueda de
alternativas a los modelos tradicionales de comunicación científica. En algunas
disciplinas, principalmente en ciencias, comenzaron a surgir los llamados archivos
o repositorios de documentos electrónicos como alternativa para la rápida
comunicación de resultados de investigación. Esos documentos se han llamado
eprints de forma genérica. Este nuevo concepto agrupa tanto aquellos
documentos que no han pasado por un proceso de certificación o peer review
(preprints) como aquellos que si han pasado por tal proceso o postprints (artículos,
libros, etc.). El más conocido de estos archivos es sin duda arXiv.org creado por
Paul Ginsparg en Los Alamos (USA) para el área de Física.
En Octubre de 1999 se organizó una reunión en Santa Fe (Nuevo México, USA),
con la idea de que la interoperabilidad de estos archivos de eprints era clave para
aumentar su impacto entre la comunidad académica. Con ella se podrían federar
varios archivos, intercambiar registros o realizar búsquedas en disciplinas
relacionadas al mismo tiempo. Los participantes en esta reunión fueron
especialistas en bibliotecas digitales, así como representantes de los principales
archivos existentes:
• arXiv.org Considerado como el primer ejemplo de archivo de eprints.
Fue fundado en 1991. Aunque comenzó como archivo de
prepublicaciones ha evolucionado para incluir también artículos
publicados en revistas tradicionales. Igualmente comenzó centrado
en Física de Altas Energías pero ha incorporado otras disciplinas
relacionadas como las Matemáticas, Informática, etc.
• CogPrints http://cogprints.soton.ac.uk Proyecto de la University of
Southampton en el Reino Unido. Es una exportación del modelo de
arXiv.org al campo de la Psicología y disciplinas relacionadas.
• NCSTRL http://www.ncstrl.org Es la Networked Computer Science
Technical Reference Library, una colección de informes y
documentos en Informática. Está basado en una arquitectura
distribuida en la que los documentos son almacenados en archivos
distribuidos y son hechos disponibles a través de servicios que se
comunican utilizando el protocolo Dienst.
• NDLTD http://www.ndtl.org Es la Networked Digital Library of Theses
and Dissertations. Su objetivo es construir una biblioteca digital de
tesis en formato electrónico cuyos autores sean estudiantes de las
instituciones miembros.
• RePEc http://repec.org Son las siglas de Research Papers in
Economics. También se basa en un modelo distribuido. Proporciona
a los autores la opción de remitir sus documentos de trabajo a un
archivo local de su propia institución o, si no existe uno, al EconWPA
http://econwpa.wustl.edu, un archivo mantenido por la Washington
University at Saint Louis siguiendo el modelo de arXiv.org. Todos los
archivos siguen el denominado Protocolo de Guildford que garantiza
la interoperabilidad entre los archivos y los servicios a los usuarios
finales.
La interoperabilidad de los archivos tiene varias facetas como son por ejemplo
sistemas de identificación comunes, formatos de metadatos, modelos de
documentos o protocolos. Los participantes establecieron que una solución
minimalista era imprescindible si se quería alcanzar una amplia adopción entre la
comunidad de proveedores de eprints. La solución adoptada fue la recolección de
metadatos (metadata harvesting). Esta solución permite a los proveedores de
eprints exponer sus metadatos a través de una interfaz, con el objeto de que la
misma pueda ser utilizada como la base para el desarrollo de servicios de valor
añadido.
El resultado de la reunión fue un conjunto de acuerdos técnicos y organizativos
conocidos como la Convención de Santa Fe. Los aspectos técnicos incluían tres
puntos fundamentales: un formato para los metadatos, un protocolo basado en el
antiguo Dients y un sistema de identificación.
Tras hacer públicos los resultados de la reunión, en Febrero de 2000, quedó claro
que había un interés en esta iniciativa más allá de las comunidades de eprints. En
principio bibliotecarios y museólogos se mostraron interesados en descubrir
formas de hacer visibles a los motores de búsqueda en internet partes de las
colecciones de bibliotecas y museos. Estas necesidades se expresaron en una
serie de reuniones celebradas en el contexto de las principales jornadas sobre
bibliotecas digitales celebradas tanto en USA como en Europa. Respondiendo a
este amplio interés se procedió a la reconsideración de las decisiones tomadas en
Santa Fe. Así es decidió ampliar el objeto de trabajo más allá de los eprints para
incluir disciplinas que no tuvieran este tipo de documentación. Los aspectos
técnicos aplicables exclusivamente a eprints fueron reconsiderados. Además la
credibilidad del esfuerzo era incierta debido a la falta de una estructura
organizacional. Los profesionales son lógicamente reacios a adoptar estándares
cuando los responsables de promoción y mantenimiento de los mismos son
cuestionables.
El último punto, credibilidad, fue el primero en tratarse y así en Agosto de 2000, la
Digital Library Federation y la Coalition of Networked Information de los USA
anunciaron que ofrecerían el soporte de su organización a la iniciativa. A partir de
este momento comenzaron a funcionar dos comités, uno de gestión y otro técnico,
que se encargarán de la coordinación de la iniciativa.
Las especificaciones revisadas fueron hechas públicas en Enero de 2001 con la
publicación del Open Archives Initiative – Protocol for Metadata Harvesting (OAI-
PMH) versión 1.0. La intención era que este protocolo, con mínimas
modificaciones, permaneciera estable al menos durante un año, mientras las
distintas comunidades lo probaban y experimentaban con él.
Desde ese momento la implementación del protocolo comenzó, y aparecieron las
primeras instituciones que lo utilizaron para poner en Internet sus metadatos. En
su implementación, el OAI-PMH es una tecnología que sigue lo que Sapiro y
Varian (Sapiro, 1999) denominan efectos de red, la adopción inicial es lenta y
progresiva pero la respuesta positiva a la misma aumenta de forma dramática la
tasa de adopción. Esto se ha cumplido en los dos años que lleva funcionado el
protocolo. Ya son más de 100 las instituciones que han creado archivos abiertos,
el número de servicios basados en la utilización de la información almacenada en
los anteriores no ha parado de crecer tanto en número como en calidad de los
valores añadidos que ofrecen. En estos momentos hay registrados en el servidor
de OAi unos 12 servicios. Igualmente han aparecido toda una serie de
herramientas de software destinadas a facilitar la creación y mantenimiento de
archivos. Han sido muchos los proyectos de investigación que se han concedido
durante el pasado año para estudiar la aplicación del protocolo y temas
relacionados. Así en USA está por ejemplo la Metadata Harvesting Initiative de la
Fundación Mellon en el seno de la que se han financiado cuatro proyectos por
valor de 1.5 millones de $ con objeto de crear servicios basados en OAI-PMH. La
National Science Digital Library, un proyecto de la National Science Foudation
tiene como objeto la creación de lo que será la mayor biblioteca digital hasta el
momento. Ha adoptado el protocolo como base para la comunicación de
metadatos entre los participantes. En Europa se han financiado proyectos por
parte de la UE como por ejemplo el Open Archives Forum cuyo objeto es la
creación de una comunidad de interés en OAI en Europa por medio de la
organización de jornadas y actividades de soporte a la implementación de archivos
y servicios.
Inmediatamente después de la difusión de la versión 1 comenzó el trabajo del
comité técnico para tratar los problemas de definición o funcionalidad que se
fueran descubriendo. Ese trabajo desembocó en la elaboración de la versión 2 del
protocolo anunciada en Junio de 2002. Los principales cambios que se
introdujeron fueron relacionados con la clarificación de ambigüedades o mejores
medios para expresar las funcionalidades existentes. Es decir, no se introdujeron
cambios sustanciales.
Entre los planes para el futuro están la creación de una versión SOAP (Simple
Object Access Protocol) http://www.w3.org/TR/SOAP del protocolo. Se espera que
éste se convierta en una parte integral del trabajo en bibliotecas digitales. De
hecho, en los pasados meses se ha pasado de hablar fundamentalmente del
protocolo mismo, a hablar de proyectos en los que se usa el protocolo, y después
a hablar de proyectos sin ni siquiera mencionar el protocolo. Otro área de interés
son los formatos de metadatos, básicamente determinar si cumple su función el
sistema utilizado actualmente (Dublin Core no calificado). También se estudiará la
utilidad del protocolo más allá de la descripción de recursos, en cuestiones como
certificación, estadísticas de uso, datos sobre citas, etc. Un aspecto que merece
especial atención es una vuelta a la misión original de OAI, los eprints. Para ello
se trabajará en un perfil de OAI-PMH para este tipo de documentos.
3.- El protocolo OAi-PMH
Los participantes en Santa Fe tomaron una decisión clave en cuanto a la
arquitectura del protocolo. Adoptaron un modelo que rechazaba la búsqueda
distribuida (como hace el Z39.50) a favor de simplemente tener servidores
proporcionado metadatos, sujetos sólo a criterios de alcance bastante simples,
tales como por ejemplo proporcionar todos los registros añadidos o cambiados
desde una fecha específica.
No vamos a entrar aquí en una descripción técnica del protocolo, pero
básicamente OAI-PMH utiliza transacciones HTTP para emitir preguntas y obtener
respuestas entre un servidor o archivo y un cliente o servicio recolector de
metadatos. El segundo puede pedir al primero que le envíe metadatos según
determinados criterios como por ejemplo la fecha de creación de los datos. En
respuesta el primero devuelve un conjunto de registros en formato XML,
incluyendo identificadores (URLs por ejemplo) de los objetos descritos en cada
registro.
Las peticiones se emiten utilizando los métodos GET o POST del protocolo HTTP
y constan de una lista de opciones con la forma de pares del tipo: clave=valor.
Existen seis peticiones que un cliente puede realizar a un servidor:
• GetRecord. Utilizado para recuperar un registro concreto. Necesita dos
argumentos: identificador del registro pedido y especificación del formato
bibliográfico en que se debe devolver.
• Identify. Utilizado para recuperar información sobre el servidor: nombre, versión
del protocolo que utiliza, dirección del administrador, etc.
• ListIdentifiers. Recupera los encabezamientos de los registros, en lugar de los
registros completos. Permite argumentos como el rango de fechas entre los
que queremos recuperar los datos.
• ListRecords. Igual que el anterior pero recupera los registros completos.
• ListSets. Recupera un conjunto de registros. Estos conjuntos son creados
opcionalmente por el servidor para facilitar una recuperación selectiva de los
registros. Sería una clasificación de los contenidos según diferentes entradas.
Un cliente puede pedir que se recuperen solo los registros pertenecientes a
una determinada clase. Los conjuntos pueden ser simples listas o estructuras
jerárquicas.
• ListMetadataFormats. Devuelve la lista de formatos bibliográficos que utiliza el
servidor.
El protocolo soporta múltiples formatos para expresar los metadatos, no obstante
requiere que todos los servidores ofrezcan los registros utilizando Dublin Core no
calificado, codificado en XML. Además de éste formato cada servidor es libre de
ofrecer los registros en otro/s formatos adicionales (MARC por ejemplo). Un cliente
puede pedir que los registros se le sirvan en cualquiera de los formatos
soportados por el servidor. La idea subyacente aquí es que en el futuro las
diferentes comunidades que utilicen el protocolo definan sus propios formatos que
sean más ricos y más precisos que el Dublin Core. Por ejemplo la comunidad de
archivos de eprints está trabajando en un formato denominado AMF (Acacemic
Metadata Format) http://amf.openlib.org/doc/ebisu.html que sea capaz de describir
todos los elementos que intervienen en el proceso de comunicación científica:
documentos, autores, instituciones y canales de distribución de documentos.
Las respuestas del servidor estarán formateadas según el protocolo HTTP con los
adecuados encabezamientos. Serán documentos XML correctos que se podrán
validar contra el esquema definido en el protocolo y disponible en la dirección:
http://www.openarchives.org/OAI/2.0/
. Un ejemplo de petición y respuesta sería:
Petición:
http://an.oa.org/OAI-script?
verb=GetRecord&identifier=oai:arXiv:hep-th/9901001&metadataPrefix=oai_dc
Respuesta:
<?xml version="1.0" encoding="UTF-8" ?>
<OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/
http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd">
<responseDate>2002-05-01T19:20:30Z</responseDate>
<request verb="GetRecord" identifier="oai:arXiv:hep-th/9901001"
metadataPrefix="oai_dc">http://an.oa.org/OAI-script</request>
<GetRecord>
<record>
<header>
<identifier>oai:arXiv:cs/0112017</identifier>
<datestamp>2001-12-14</datestamp>
<setSpec>cs</setSpec>
<setSpec>math</setSpec>
</header>
<metadata>
<oai_dc:dc
xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"
xmlns:dc="http://purl.org/dc/elements/1.1/"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/
http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
<dc:title>Using Structural Metadata to Localize Experience of Digital Content
</dc:title>
<dc:creator>Dushay, Naomi</dc:creator>
<dc:subject>Digital Libraries</dc:subject>
<dc:description>With the increasing technical sophistication of
both information consumers and providers, there is
increasing demand for more meaningful experiences of digital
information. We present a framework that separates digital
object experience, or rendering, from digital object storage
and manipulation, so the rendering can be tailored to
particular communities of users.
</dc:description>
<dc:description>Comment: 23 pages including 2 appendices,
8 figures</dc:description>
<dc:date>2001-12-14</dc:date>
</oai_dc:dc>
</metadata>
</record>
</GetRecord>
</OAI-PMH>
Aspectos que no trata el protocolo son por ejemplo cuestiones de gestión o
autorización para el acceso de los clientes. El servidor deberá recurrir a métodos
externos si desea limitar los clientes a los que sirva información. En relación con
este punto está la utilización que los clientes hagan de los datos. También queda
fuera del protocolo. Finalmente, tampoco trata el tema de cómo los clientes
pueden localizar aquellos servidores que contengan los datos que necesitan.
4.- Proveedores de datos y de servicios
De la sección anterior se desprende que la arquitectura de OAI-PMH se basa en
clientes y servidores. Los primeros son los archivos que proporcionan la
información y los segundos son los recolectores o servicios que toman los datos,
con el objetivo de incorporarlos algún valor añadido y presentarlos a los usuarios
finales.
Desde Enero de 2001 se ha mantenido un registro de todos los archivos que han
implementado el protocolo OAI-PMH. El registro no es obligatorio por lo que se
supone que son muchos los archivos que existen y no se han registrado. Desde
esa fecha el incremento del número de archivos ha sido constante llegando hasta
45 en la actualidad (sólo los que han adoptado la versión 2). Entre ellos tenemos
como más destacables: arXiv.org junto con el resto de iniciativas que
mencionamos en el punto 2, CERN que recoge informes y prepublicaciones en el
área de Física o Citebase que proporciona datos sobre citas recibidas por los
eprints almacenados en varios archivos.
Habría que destacar también los archivos que se están abriendo en el área de
Biblioteconomía y Documentación. En estos momentos hay tres disponibles,
aunque solamente uno de ellos está registrado:
• @rchiveSIC <http://archivesic.ccsd.cnrs.fr/> es un proyecto de
colaboración entre varias instituciones francesas (universidades y
centros de investigación como el CNRS). En estos momentos almacena
unos 80 documentos, la mayor parte de ellos en francés. Incluye
documentos de áreas relacionadas como Museología.
• DLIST (Digital Library of Information Science and Technology)
<http://dlist.sir.arizona.edu/>. Es un archivo creado por la School of
Information Resources and Library Science y Arizona Health Sciences
Library (University of Arizona). Almacena más de 100 documentos. Su
objetivo es recoger todo tipo de documentos científicos en
Documentación pero con dos áreas temáticas de mayor énfasis:
materiales educativos y bibliometría. Solamente aceptan documentos en
Inglés.
• E-LIS (Eprints in Library and Information Science) http://eprints.rclis.org.
Es el proyecto más reciente dado que aun no se ha hecho público. Es
un esfuerzo internacional para crear un archivo multinacional y
multilingüe de documentos científicos en las áreas de Biblioteconomía y
Documentación. Ha sido financiado parcialmente por el Ministerio de
Educación.
Igualmente se mantiene un registro de los servicios creados utilizando los datos
proporcionados por los anteriores. Tampoco aquí es obligatorio el registro por lo
que es imposible saber cuántos servicios existen realmente en la actualidad. Sin
duda son muchos más que los 12 que aparecen en el registro oficial. Como más
destacables:
• ARC http://arc.cs.odu.edu/ Es un servicio experimental creado con el
objetivo de investigar temas relacionados con la recolección de
metadatos siguiendo el protocolo OAI-PMH y cómo hacerlos disponibles
a los usuarios. Más que un servicio en sí mismo es un software que
podría ser utilizado por instituciones que quieran crear sus propios
servicios. El código fuente está disponible en la red de forma gratuita.
Ha sido desarrollado por el Digital Library Research Group de la Old
Dominion University.
• OAIster http://oaister.umdl.umich.edu/ Es un proyecto financiado por la
fundación Mellon con el objetivo de crear una amplia colección de
recursos digitales gratuitos, útiles y que previamente eran de muy difícil
acceso y ponerla al alcance de cualquier usuario de la forma más
sencilla posible. Es decir, trata de sacar a la luz colecciones que antes
eran invisibles. Todos los recursos tienen el texto completo disponible en
la red de forma que siempre se pueda llegar a los contenidos. Recoge
datos de todos los archivos conocidos. En total 122 archivos con más de
un millón de registros.
• Perseus http://www.perseus.tufts.edu/ Es una biblioteca digital
especializada en Humanidades. Su servicio OAi también recupera datos
de todos los servicios conocidos. Está financiada por la National Science
Foundation en los USA.
• Cyclades http://www.ercim.org/cyclades Es un proyecto financiado por
la Unión Europea. Su objetivo no está directamente relacionado con OAi
ya que es crear un marco de colaboración entre los investigadores de
los centros que participan en el proyecto. Intenta fomentar la
colaboración entre los mismos, emitir recomendaciones y crear servicios
personalizados. Otros servicios también financiados por la UE son ICite
http://icite.sissa.it/ y TORII ambos dentro del proyecto: Tools for
Innovative Publishing in Science http://tips.sissa.it/.
En resumen, los proveedores de servicios están proliferando y cada vez están
proporcionando servicios más sofisticados. Se puede decir que existe un mercado
donde los servicios pueden competir, por ejemplo existen hasta 10 interfaces
diferentes a los datos proporcionados por arXiv.org, cada uno de ellos con unas
características diferenciadoras.
5.- ¿Cómo crear un archivo abierto?
Como hemos visto en el punto tres OAI-PMH solamente es una interfaz
sumamente sencilla para acceder a la información bibliográfica disponible en un
archivo o repositorio. Por lo tanto cualquiera puede realizar una implementación
del mismo para poner a disposición de la comunidad Internet los datos que hasta
ahora estaban escondidos en bases de datos o catálogos. En este sentido
bastaría con disponer de un servidor web y un programa CGI (en Perl o PHP) que
recibiera las peticiones OAI-PMH, interrogara nuestra base de datos y devolviera
la respuesta.
Por otro lado la iniciativa OAi nace del movimiento de eprints cuyo objetivo es el
de poner a disposición del público documentos en formato electrónico vía
repositorios de documentos. Para facilitar esta tarea han aparecido una serie de
programas que permiten a cualquier institución (universidad o centro de
investigación) crear su propio archivo al tiempo que hacerlo compatible con OAI-
PMH. Ejemplos de algunos de estos programas son:
• Eprints. http://www.eprints.org El más popular de todos ya que está siendo
utilizado en más de 30 instituciones. Es un software desarrollado en el seno
del Open Citation Project dirigido por Stevan Harnad en la Universidad de
Southampton (UK). Está diseñado con el objetivo de ser fácil, rápido de
instalación y gratuito. Eprints se distribuye bajo la licencia GNU, lo cual
significa que el código fuente es accesible y modificable por cualquier
programador, con la condición que las modificaciones se hagan también
accesibles públicamente. Eprints puede funcionar en cualquier ordenador
con sistema operativo Linux.. Las principales características de Eprints son:
• Facilidad de instalación y configuración. Este es un objetivo que no se
ha alcanzado aún. Si bien el proceso está automatizado en gran parte
se necesitan conocimientos técnicos para llevarlo a cabo. Es difícil que
en el estado actual pueda ser instalado por investigadores sin asistencia
de administradores de sistemas.
• Permite almacenar documentos en cualquier formato, así como
almacenar un mismo documento en varios formatos. La carga de
ficheros se realiza mediante una interfaz web muy sencilla.
• Permite utilizar cualquier formato para almacenar la información
bibliográfica sobre los documentos.
• Permite que los usuarios se registren como lectores o como autores
para obtener un mayor aprovechamiento de sus funciones.
• Dspace http://www.dspace.org Es el más reciente de los programas ya que
se anunció en Noviembre de 2002. Está desarrollado por la empresa HP y
las bibliotecas del MIT. También es un software con las fuentes disponibles
públicamente (open source) cuyo objetivo es permitir a una organización
almacenar, describir y gestionar documentos electrónicos, distribuirlos a
través del web a través de un sistema de búsqueda y recuperación de la
información y finalmente proporcionar un sistema para el almacenamiento a
largo tiempo de los documentos. Está pensado para funcionar en varias
plataformas y soporta la versión 2 de OAI-PMH.
• CDSware. http://cdsware.cern.ch Su primera versión se hizo pública en
Agosto de 2002. Está desarrollado, mantenido y utilizado por el CERN
Document Server de Ginebra. Su objeto es permitir a una institución crear
su propio servidor de eprints, catálogos de sus fondos o un sistema
documental a través del web. Es compatible con OAI-PMH. Lo más
destacado es que utiliza el formato MARC 21 para almacenar los registros
bibliográficos. Igual que en los casos anteriores es un software gratuito
distribuido bajo la licencia GPL (General Public License). En la biblioteca
del CERN se utiliza para gestionar más de 350 colecciones formadas por
más de 565.000 registros con unos 220.000 de ellos representando
documentos a texto completo. El incremento se sitúa en torno a los 1000
registros semanales.
• VT ETD-db. http://scholar.lib.vt.edu/ETD-db/ Creado en el Virginia
Polytechnic Institute y la State University (USA). Como en los casos
anteriores se trata de un software para crear depósitos de documentos.
Está siendo usado por la Université Catholique de Louvain. Trata de
proporcionar una interfaz para que los usuarios puedan introducir y
gestionar información bibliográfica relativa a colecciones de tesis en formato
electrónico.
6.- Para saber más
Shapiro, C; Varian, H. R. Information rules : a strategic guide to the network
economy. Boston : Harvard Business School Press, 1999.
Van de Sompel, Herbert ; Lagoze, Carl. “The Santa Fe convention of the Open
Archives Initiative”. En: D-Lib, 2000, Febrero, v. 6, n. 2.
http://www.dlib.org/dlib/february00/vandesompel-oai/02vandesompel-oai.html
Van de Sompel, Herbert ; Lagoze, Carl. “The Open Archives Initiative: Building a
low-barrier interoperability framework”. En: JCDL, 2001.
http://www.openarchives.org/documents/oai.pdf
Van de Sompel, Herbert ; Lagoze, Carl (ed.) “The Open Archives Initiative Protocol
for
Metadata
Harvesting”.
Consultado
el:
10-01-2003
http://www.openarchives.org/OAI/2.0/openarchivesprotocol.htm
Van de Sompel, Herbert ; Lagoze, Carl. “Notes from the Interoperability Front:
A Progress Report on the Open Archives Initiative”. En: ECDL, 2002.
http://www.openarchives.org/documents/ecdl-oai.pdf
Harnad, Stevan. “Free at Last: The Future of Peer-Reviewed Journals,” En: D-Lib,
1999, v. 5, n. 12