A Organização, mineração e inserção automatizada de dados documentais no Tainacan

propostas para os Bens Culturais Registrados pelo Iphan

Resumo

Introdução:  O presente artigo refere-se ao esforço teórico/prático no intuito de lidar com a grande massa de documentos e dados não estruturados e o uso de tecnologias que auxiliem na automatização do processo de subida de dados Objetivo:  Propor um método para extração e importação de grandes volumes de dados de documentos não estruturado para inserção no Tainacan.  Apresentar os resultados do método desenvolvido no Banco de Bens culturais registrado RBCNIs   Metodologia: A proposta conta com seis etapas metodológicas: análise documental e identificação de metadados; categorização dos documentos; padronização do título dos arquivos; conversão dos documentos em imagem e em texto; mineração de texto; e, importação e visualização dos dados no software Tainacan. Foram utilizadas metodologias qualitativas e técnicas computacionais para a realização das etapas, com destaque para Python, regex e Tesseract Resultados: Com uso do método foi possível o processamento de 1.027 arquivos, sendo 637 documentos de texto e 390 mídias (fotografias e vídeos) de forma automática para a inserção no Tainacan. Conclusão: Os processos e tecnologias utilizadas demonstram-se úteis para importação em massa de dados de arquivos em formatos heterogêneos, como o caso do Registro de Bens Culturais de Natureza Imaterial (RBCNIs). Além disso, o software Tainacan se mostrou uma ferramenta robusta para a execução dos processos propostos.