Gestión de los Registros (Records Management) (III)

Image via Wikipedia
Los pasos anteriores y los siguientes son base para determinar la naturaleza y extensión de las pruebas de auditoría que deban efectuarse. Las pruebas de auditoría, como se sabe, son de dos tipos: De cumplimiento y sustantivas. Buscan obtener evidencia que los controles establecidos existen en realidad y se utilizan y ejecutan correctamente. Al conjunto de pruebas resultante se denomina Programa de auditoría. El modo en que se verificó cada respuesta de los cuestionarios, debe ser incluida en los checklist.



A finales del siglo XX, los Sistemas Informáticos se han constituido en las herramientas más poderosas para materializar uno de los conceptos más vitales y necesarios para cualquier organización empresarial, los Sistemas de Información de la empresa.

La Informática hoy, está subsumida en la gestión integral de la empresa, y por eso las normas y estándares propiamente informáticos deben estar, por lo tanto, sometidos a los generales de la misma. En consecuencia, las organizaciones informáticas forman parte de lo que se ha denominado el "management" o gestión de la empresa. Cabe aclarar que la Informática no gestiona propiamente la empresa, ayuda a la toma de decisiones, pero no decide por sí misma. Por ende, debido a su importancia en el funcionamiento de una empresa, existe la Auditoría Informática.

Seguimos con el tema expuesto en los dos anteriores artículos.

Una estrategia de comunicación

Durante el curso de la auditoría, que puede tomar muchos meses, es importante mantener todas las partes interesadas en su entorno, y estar feliz con el progreso. Una estrategia de comunicación bien desarrollada, utilizando todos los métodos disponibles, es vital.

1. Una declaración general a todos los miembros del personal que explique que la auditoría de la información se llevará a cabo y por qué es del interés de todos y que se debe hacer correctamente. Esto debe tener el pleno apoyo de la alta dirección y debe ser corta y concisa.
2. La comunicación periódica de antemano con los que están actuando como el contacto local / campeones. Al principio esto puede implicar una sesión de entrenamiento / discusiones y llamadas telefónicas. Más tarde, un boletín informal o comentarios a este grupo de  como la auditoría avanza o no están directamente involucrados en ese punto en el tiempo.
3. La comunicación directa con el área, departamento, escuela o unidad antes de que la auditoría esté programada para tener lugar. Después de que se complete, hacerle comentarios con algunas sugerencias y conclusiones preliminares.
4. Elaborar informes periódicos para la administración superior, incluso si esto no es un requisito formal, como parte de la tarea. Este es un elemento vital para garantizar el apoyo continuado y, en su caso, resolver los conflictos o dificultades.
5. Regulares boletines generales a todos los miembros del personal que contenga información general, ha sufrido, o hechos fascinantes encontrados durante la auditoría son importantes para ganarse a los escépticos. Esto se puede hacer a través de boletines de noticias actuales que la mayoría de las instituciones tienen o temas a través de la Intranet. Corto y rápido es la regla general.

Cómo ir sobre cómo obtener información

Hay una serie de enfoques posibles a la tarea de obtener la información necesaria:

• Un cuestionario formal
• Selectiva, pero no estructuradas, entrevistas con los miembros del personal
• Las entrevistas estructuradas con los miembros clave del personal

La experiencia práctica sugiere fuertemente que el enfoque disperso de un cuestionario, a todos los miembros del personal, tiene una tasa de éxito pequeña. Las tasas de respuesta de menos del 20% son muy comunes.

Una entrevista no estructurada casi seguro que significa que los artículos estarán perdidos, olvidados o ignorados como "no ser importante" o relevante.

La entrevista estructurada con el personal clave, casi seguro que los responsables de la Departamental, la escuela o la administración de la facultad en el primer caso, dará a todo el ejercicio una forma y también le conducirá a otras fuentes importantes de información dentro de la misma zona. Esto debe tenerse en cuenta en el plan del proyecto, y si se lo usa con cuidado, no es una mala manera de proceder. También permite que un solo departamento / facultad / escuela sean tratados en una sola pasada y el proceso de auditoría pude pasar a otras partes de la institución.

Las preguntas que se harán

Las preguntas deben formularse de tal manera que evocan un sí / no o simplemente respondan a los hechos. Es muy importante pensar cuidadosamente las cuestiones que necesitan ser contestadas. Tienen que estar relacionado con el propósito de la encuesta y la forma en que los resultados se utilizan. No existe un formato estándar para esto, y algunas preguntas que podrían ser muy relevantes para una auditoría podría ser igualmente sin importancia en otra.

Por otra parte la auditoría es una oportunidad única que no se puede repetir con mucha rapidez, por lo que debe ser lo más completa posible. La manera más económica para hacer frente a esto es configurarla como una tabla en una base de datos. Esto permitiría que algunos de los análisis preliminares puedan hacerse con las propiedades de la base de datos. He aquí una plantilla de la forma en que esto puede hacerse y un ejemplo. Sin embargo, la plantilla que se ofrece no pretende ser exhaustiva. Hay cuestiones que cada institución desea añadir como parte de su auditoría.

El inventario físico

El inventario físico se inicia con la identificación de todos los lugares utilizados en un departamento para el almacenamiento y el equipo de marca y el modelo que se está utilizando. Esto incluirá la presentación de cajones, armarios, y lugares en los que el departamento considera que debería almacenar el material fuera del sitio. Usted debe registrar ésta como la fiscalización.

Es igualmente importante echar un vistazo a todos los equipos, tenga en cuenta cómo y si están conectados en red, los paquetes utilizados y las reglas de juego existentes para el e-mail y el uso de Internet. Algunas instituciones que ya van a hacer este tipo de auditoría como parte de su función de TI y la información estará disponible. En muchos casos, estos serán incluidos en el registro de activos de gestión central que debe ser de fácil acceso. Esto, entre otras cosas, le dice cuando el equipo fue comprado y por lo tanto ¿qué edad tiene y donde se sienta en un ciclo de sustitución probable?.

En cualquier caso, la estrecha colaboración y el apoyo de los colegas de TI será de vital importancia.

Próximos pasos

Análisis de la rentabilidad de la etapa de recolección de información de forma rápida revelará:

• Las áreas donde los procesos de negocio están siendo apoyados adecuadamente por el mantenimiento de registros.
• Áreas donde los cambios tendrán que hacerse por externos requisitos legales o reglamentarios que no se están cumpliendo.
• Áreas donde los procesos de gestión de los registros son al azar y en un sistema regular se deben introducir.
• Áreas donde los negocios se podrían mejorar mediante la simplificación de un procedimiento.
• Áreas en las que el registro, y por lo tanto la institución, están en riesgo.

La tarea principal es crear un informe que defina lo que se requiere para garantizar el cumplimiento de todas las leyes y reglamentos.

El segundo paso es la elaboración de un Programa de Retención para todo tipo de registros encontrados. Es de esperar que en las grandes instituciones de las diferentes prácticas y normas prevalecerán en diferentes partes de la organización. Es de vital importancia desde el punto de vista tanto de la Libertad de la Información y Protección de Datos, que estos estén estandarizados en toda la institución, estar de acuerdo y cumplir. Vea la sección de Registros horarios de retención (en el artículo cuarto sobre este tema).

Por último, es útil para sugerir cómo los discos de larga duración útiles podrían permanecer en un área de trabajo o archivo actual para los propósitos de negocio actuales y cuando se pudo mover con seguridad para el almacenamiento semi-actuales. El objetivo es mantener el área de trabajo actual y los sistemas tan ordenados como sea posible y se centre en el negocio de inmediato.

Registros Electrónicos

¿Hay alguna diferencia?

Los registros electrónicos requieren todos el mismo cuidado que se debe aplicar a los registros en papel o en microfilm capturado, pero presentan algunos retos adicionales únicos y difíciles. La diferencia clave es que el índice de condiciones adecuadas, la búsqueda de datos y el período de retención (normalmente se conoce como metadatos), tienen que ser aplicados en el punto de creación, si ha de haber alguna posibilidad de encontrar el registro de nuevo  como un registro en cualquier sistema de negocios racional.

Los registros electrónicos deben tener las características siguientes:

• Fáciles de cambiar, copiar y modificar
• Los Complejos tienden a carecer de una estructura clara cuando se están creando
• Fluidos
• Transitorios y la necesidad de decisiones positivas para la selección y preservación en el comienzo mismo del ciclo de vida.

¿Copia o grabación original?

Un registro que se crea por vía electrónica como el único registro de una transacción, la decisión o actividad constituye un documento original. Vale la pena decir que la última palabra procesados de la versión de un documento en un sistema electrónico si es un minuto o una carta no es el original de la versión en papel.

Un registro que se crea como una versión electrónica o facsímil digitalizada de un registro creado en otro soporte (papel, película, voz) es un registro de copia. Esto sigue siendo cierto o no, el original todavía existe.

Objetivos de la gestión de registros electrónicos

Hay tres objetivos fundamentales que deben aplicarse a todos y cada registro electrónico nuevo:

• Autenticidad. Debe ser una versión precisa de la actividad, transacción o decisión que representa
• Integridad. El registro no debe ser alterado después de que haya sido creado o 'declarado'. Como principio general, si el contenido del expediente / de información es necesaria para el procesamiento posterior de este debe ser copiado y un nuevo registro creado.
• No repudiado. La propiedad original de los registros debe ser establecida y mantenida para evitar que el autor reniegue del registro.

Registros electrónicos de administración de directivas

Esto debe cubrir cinco áreas principales:

• La captura de los registros electrónicos en un Registros Electrónico y Gestión de Documentos (EDRMS) cuando exista dentro de su institución. InfoRed CSAC tiene un Infokit donde se aplican otras sobre la aplicación de Registros Electrónicos y Sistemas de Gestión Documental.
• la búsqueda de indexación. Diseñar su caso, los términos y la información de referencia (normalmente se conoce como metadatos) para la aplicación como el registro es creado. Este es el paso más importante de todos porque sin la recuperación del registro de los sistemas será prácticamente imposible después de un período muy corto de tiempo. El " triángulo de las Bermudas" electrónica donde los datos se agregan a un sistema y luego es irrecuperable, es un fenómeno muy conocido.
• Mantener registros seguros y accesibles. Esto implica la identificación del Registro Civil, fuera de las instalaciones y la actualización de las copias de seguridad, asegurando que la transferencia de datos es un proceso totalmente certificado y documentado y asegurar que las copias de seguridad cumplen también los requisitos de la Libertad de la Información y la legislación de Protección de Datos.
• E-mail de gestión y uso
• La retención y conservación de registros electrónicos. Esta es quizás la parte más pequeña de entender de la política, porque es una zona en la que los especialistas de TI han tenido tradicionalmente un exceso de confianza en su capacidad para encontrar una solución técnica, cuando sea necesario. Puede que tengan razón, pero la prevención es más barato que curar. A modo de advertencia sobre la tasa de supervivencia de los registros electrónicos de los medios de almacenamiento de la Digital Preservation Coalition, ha elaborado la siguiente tabla de esperanza de vida de diversos medios electrónicos de almacenamiento bajo diferentes condiciones de temperatura y humedad relativa.

A modo de contraste de los documentos en papel que se mantienen a una temperatura de 16-19 grados centígrados y una humedad relativa entre 45-60% debe estar bin durante más de 100 años (British Standard 5454:2000).

Buen manejo y una mejor utilización de la inversión

Hay una serie de características de muchos registros existentes de creación de los sistemas electrónicos que ofrecen algunas ventajas de la gestión de los registros. La mayoría de los usuarios operar en dos o tres áreas distintas. Los equipos de trabajo están normalmente vinculados a un espacio de trabajo en grupo, que a su vez se superponen o estan vinculados a un espacio de trabajo corporativo.


En la práctica esto significa que muchos funcionarios ya están acostumbrados a la idea de trabajar en un espacio común donde los archivos tienen que ser etiquetados de tal manera que todos puedan encontrarlos fácilmente. Los niveles de acceso permitido se controlan por un administrador de sistema local, o en el espacio empresarial por la central de gestión de TI.

Esto le da la oportunidad para la gestión de los registros basados en normas, y un grado de control central. La clave del éxito es la capacitación del personal.

Las políticas tienen que cubrir

• Un acuerdo del archivo Plan de Espacios de archivos compartidos. En un sistema de gestión de registros este ideal se basaría en la función; la creación de nuevas carpetas sería estrictamente controlado, y el archivo de las convenciones de nomenclatura que se acuerden.
• Documentos de MS Office.
  
  • El cuadro de propiedades del documento se puede utilizar para mejorar los metadatos
  • Los documentos pueden ser "declarados" como registros utilizando el 'sólo lectura' como etiquetas.
  • Las plantillas estándar se pueden utilizar para mejorar el diseño de formularios
• De control de versiones de documentos.
  Tiene un ejemplo de cómo un equipo de proyecto SIG aplicados a la gestión de documentos de su archivo de almacenamiento.
• La selección de los nuevos registros, la creación de sistemas, por ejemplo, las finanzas o sistemas de gestión de contenido web, se deben incluir.
  
  • funcionalidad para la conservación de los registros
  • la especificación genérica para responder a la libertad de información, de Protección de Datos e Información Ambiental de consultas. El Departamento de Asuntos Constitucionales del Reino Unido ha incluido una especificación en la Directgov

  E-Mails

  El control y la gestión de correos electrónicos es un tema muy amplio y controvertido que no puede llevarse a cabo en este Artículo. Sin embargo, es importante recordar que es el contenido de la información del e-mail lo que es importante y puede ser necesario retener más que el hecho de que ha llegado en un e-mail.
  Sin embargo, hay una serie de cuestiones clave, que deben ser incorporadas en cualquier política institucional de correo electrónico, tales como:
  
  • ¿Quién es el dueño de los e-mails, la institución o el destinatario, o es propiedad compartida de acuerdo con el contenido?
  • ¿Dónde reside la responsabilidad por la captura de mensajes de correo electrónico, el destinatario o la institución?
  • ¿Deberían todos los mensajes de correo electrónico eliminarse de forma automática en las semanas x, a menos que hayan sido específicamente guardados en los archivos de acuerdo?
    
  la política de correo electrónico es quizás la zona más difícil en todas las instituciones, que tendrán que resolver en virtud a la nueva Libertad de la Información y los regímenes de protección de los datos. La mayoría tendrá algunas pautas en su lugar, pero muy pocos han abordado el tema de frente. Para la mayoría de las instituciones es el área donde las consideraciones personales y de negocios se superponen de una manera muy desordenada y el volumen de tráfico parece a la intervención central, tanto engorrosa y una violación de la autonomía personal. Ha habido un estudio CSAC de este asunto - Institucional de Gestión de Registros y correo electrónico. Lo importante a recordar es que los correos electrónicos están disponibles para la Libertad de Información de las búsquedas con independencia de la voluntad o la opinión del creador.
  
  Hay una serie de opciones que tienen que hacerse cuando la construcción de una Política de e-mail:
  
  Propiedad
  
  • Todos los mensajes de correo electrónico pertenecen a la institución
  • Sólo los mensajes comerciales son propiedad de la institución
  • Los mensajes personales son propiedad conjunta de la institución y el destinatario o el escritor
  • Los mensajes personales son confidenciales
    
  Permitir que el e-Mail se use para
  
  • El E-mail puede ser utilizado sólo para el negocio de la institución
  • Puede ser utilizado para fines personales incidentales
  • Puede ser utilizado para todos los efectos, sin restricciones
    
  Etiquetado
  
  • Todos los mensajes de carácter personal deberán ser etiquetados como tales
  • Los mensajes deberán revelar los límites de la autoridad del empleado
  • Los mensajes personales deben llevar una advertencia de especificado
    
  Seguimiento
  
  • El E-mail puede ser monitoreado por cualquier propósito comercial sin previo aviso o consentimiento. (Esto es poco probable que sea permitido por la legislación de Derechos Humanos)
  • Seguimiento permitido con una buena causa o una obligación legal
  • Procedimientos acordados para la vigilancia
  • Falta de control
    
  divulgación de los contenidos
  
  • El contenido del mensaje puede ser revelado para cualquier propósito comercial sin el consentimiento
  • Divulgación conforme a la ley
  • Procedimientos acordados para la divulgación
  • No divulgación
    
  Normas sustantivas
  
  • El sistema no puede ser usado para fines ilegales o ilícitos
  • El sistema no puede descargar software sin la aprobación técnica y de investigación de los antecedentes
  • El sistema no puede ser usado para espionaje electrónico.

Mire esta notas de la Universidad de Northumbria política de uso del e-mail  y Guía de las buenas prácticas.

Artículos relacionados:
Gestión de los Registros (Records Management) (I)
Gestión de los Registros (Records Management) (II)

Cloud Computing+Web Semántica+Datos Abiertos (II): Linked Data Cloud

Siguiendo el post anterior (Cloud Computing+Web Semántica+Datos Abiertos (I): Linked Data Cloud), vamos a hablar en este segundo post de otros conceptos, pero todos ellos enlazados con lo dicho en el primero: como archivos vinculados, el concepto de representación de los sistemas de archivo de datos como enlace, los URIs, el modelo de datos RDF, los UUIDs, los vocabularios, la semántica de extracción de los metadatos, etc.

3. REPRESENTACIÓN DE LOS SISTEMAS DE ARCHIVO DE DATOS COMO ENLACE

Dado que las características de los sistemas de archivos y datos vinculados difieren significativamente, una serie de medidas tienen que ser realizadas con el fin de levantar los datos del sistema de archivos en una red de datos:

1. las gestiones oportunas para archivos y directorios que se encuentran, que se ajusten a los principios de datos enlazados.

2. Los vocabularios que transmiten las características de los datos encontrados en los sistemas de archivos se han de precisar y estar alineados a los ya existentes con vocabulario pertinente.

3. Los metadatos descriptivos acerca de los archivos tienen que ser extraídos del sistema de archivos y se transforma en el modelo de datos RDF.

4. Los vínculos significativos con otras fuentes de datos externas tienen que ser detectado y establecido.

5. La coherencia entre el sistema de archivos y su correspondiente representación de Datos Vinculados tiene que estar garantizada.

6. Los datos han de ser servidos de acuerdo con los principios de datos vinculados, es decir, en una forma que sea útil tanto para los seres humanos y a las máquinas.

A continuación se describe cómo cada uno de estos pasos se puede realizar.


3.1 ¿Los URIs del archivo en la Web de datos?

En el contexto de un sistema de archivos, los archivos y directorios pueden ser relevados utilizando únicamente sus rutas absolutas, cada una de las cuales consta de una secuencia de nombres de directorio y un nombre de archivo. El archivo: el esquema URI [5] es un medio para reutilizar directamente estas rutas de acceso para formar los URIs, que a su vez pueden ser utilizados para acceder a los recursos de archivos locales en un sistema informático.

Sin embargo, no son los URIs archivos únicos, ya que describen una ruta de acceso local a un recurso en un host en particular, ni estables, ya que los archivos de referencia y directorios se pueden quitar, mover o cambiar de nombre. Por lo tanto, no son adecuados para ser utilizados en una web global de datos.

Para resolver este problema de identificación, se optó por utilizar "opacos", los UUIDs generados aleatoriamente, y asignarlos a los archivos y directorios. El uso de los UUIDs al azar en un contexto global distribuido se supone que es seguro ya que la probabilidad de colisión es suficientemente baja. Además, puesto que los UUIDs son totalmente opacos, que no transmiten información sobre la ubicación física de los archivos y directorios, y por lo tanto estables, incluso cuando los objetos del sistema de archivos subyacente se cambian. Sin embargo, esto requiere de mantener una correspondencia entre los URIs estables, basados en los UUIDs, por una parte, y los identificadores inestables, basados en la trayectoria por el contrario, para garantizar que las modificaciones en el sistema de archivos estén bien reflejados en la representación de datos enlazados. En la sección 3.6 se describe la estrategia para lograr esto.

Figura 1: representación de datos enlazados de un archivo PDF

Figura 2: La interoperabilidad a través del uso de múltiples vocabularios de superposición

3.2 Los Archivos y Directorios Como Recursos de la Web

Las relaciones entre padres e hijos entre los archivos y directorios se pueden representar como triples RDF con predicados apropiados. Varios triples se añaden a cada recurso de archivo o directorio que transmiten datos que son recuperados directamente del sistema de archivos: el nombre del local (es decir, el archivo real o el nombre de directorio sin la información de la ruta completa), el tamaño del archivo, y las fechas de creación y la última modificación. Un ejemplo de la representación de un archivo RDF es representado en la figura 1. Los recursos que representan los archivos o directorios son internos identificados por URNs basados en UUIDs, para servir como datos vinculados son dinámicamente reescritos para HTTP URI (véase la sección 3.7).

3.3 Vocabularios

Con el fin de describir los archivos, directorios, sus metadatos y sus relaciones como RDF, hemos desarrollado un vocabulario de OWL sencillo publicado en http://purl.org/tripfs/2010/02 #. Hemos derivado nuestro vocabulario de los actuales vocabularios semánticos tanto como sea posible. Sin embargo, como es actualmente poco común el exponer los recursos de archivo como datos vinculados, se observó una falta de vocabularios aceptados en la comunidad para este fin. En mejor de nuestro conocimiento, sólo la NEPOMUK del Archivo Ontológico  (NFO) ha definido con precisión el modelo de los contenidos de los sistemas de archivos. Proporciona los términos para describir los archivos, directorios y sus propiedades. Nuestro vocabulario está alineado con NFO y proporciona condiciones más especializadas, de acuerdo a las necesidades de nuestro sistema.

Un número de otros vocabularios, sin embargo, tienen una noción general del concepto de documentos, y por lo general de adaptar este concepto a la foaf: clase de documento. Por otra parte, varios vocabularios tienen una noción de las colecciones, que se pueden comparar a los directorios en un sistema de archivos, por ejemplo, OAI-ORE [17] o Dublin Core. El Dublin Core-Tipo de Vocabulario, como otro ejemplo, que define los términos de los tipos de recursos diferentes así como las colecciones. Además, existe una gran cantidad de vocabulario que se puede utilizar para identificar los tipos de medios de comunicación y sus especificidades, por ejemplo, el estándar de ontología MPEG-7, la ontología musical , o el conjunto de ontologías NEPOMUK.

Para alcanzar un nivel máximo de interoperabilidad, un origen de datos debe tener como objetivo que se adhieran al vocabulario comúnmente aceptado tanto como sea posible. La semántica de RDF permite mezclar arbitrariamente vocabularios diferentes, sin relación, por lo que proponemos | además de utilizar un vocabulario personalizado | al modelo de datos del sistema de archivos utilizando el vocabulario NFO, y para añadir información de tipo de vocabularios populares como Dublin Core y FOAF y cuando se ajusten . Al servir a los datos mediante múltiples, incluso vocabularios ya alineados, que alivien a los consumidores de datos de la necesidad de realizar inferencia adicional. Un ejemplo de tal representación mixta se presenta en la Figura 2.

3.4 La Semántica de Extracción de Metadatos

Los actuales sistemas de archivo sólo proporcionan un conjunto limitado de metadatos de bajo nivel con los atributos asociados a los archivos como el nombre, propietario, tamaño, fecha de creación y modificación, o los atributos de permiso. Los modernos sistemas de archivo proporcionan medios adicionales para almacenar metadatos de nivel superior, al igual que los atributos extendidos o varias secuencias de datos, pero estos sólo son útiles si en realidad están poblados por las aplicaciones, que es raramente el caso.

Figura 3: Los metadatos extraídos de un PDF y un archivo MP3

Figura 4: Los enlaces externos a DBLP y MusicBrainz

Ya que es uno de los principios de los datos vinculados a / proporcionar información útil sobre un recurso cuando un cliente des-referencia su URI, es conveniente para extraer metadatos adicionales, descriptivo de los archivos y directorios y los exponen también a los datos vinculados. Reconsiderar, por ejemplo , en el escenario A se describe, en la sección 2, donde el valor de los metadatos de nivel de archivo del sistema (como el tamaño del archivo, tipo de archivo o los permisos de archivos) es limitada; los metadatos descriptivos de alto nivel se pueden utilizar para la recuperación selectiva de los archivos, respectivamente, sus descripciones, por ejemplo, a través de SPARQL, si es necesario. Sin embargo, la combinación de estos metadatos permite la detección sofisticada de recuperación de datos y los métodos de acceso basados en (i) el padre / hijo de las relaciones de los objetos del sistema de archivos, (ii) los metadatos del sistema de bajo nivel de archivo, y ( iii) los metadatos de alto nivel basados en el contenido.

El problema de la extracción de metadatos de los sistemas de archivos se ha estudiado durante mucho tiempo. El mayor desafío en este ámbito es la diversidad de datos que se encuentran en los sistemas de archivo, que se impone por la multitud de tipos de archivos diferentes. Para ilustrar esto, en la actualidad más de 51.000 tipos de archivos se registran en el popular FILExt service. Los diferentes tipos de archivos presentan diferentes estructuras internas y, en consecuencia los metadatos distintos pueden ser extraídos. Por tanto, es poco práctico para proporcionar extractores de metadatos para esta gran cantidad de diferentes tipos de archivos dentro de un componente de software. El lugar más viable para definir un marco de extracción de metadatos genérico que permita a los componentes específicos de extracción para diferentes tipos de archivos ser enchufados en. Por ello, el sistema puede ser adaptado al contexto de aplicación respectiva.

En nuestro enfoque, los extractores de leer los archivos y extraer un grafo RDF que contiene triples representan los metadatos extraídos. Los extractores múltiples se pueden conectar en cascada en una "tubería de aspiración" y se aplican secuencialmente a cada objeto. El resultado de los gráficos RDF se almacenan en el almacén de triples y luego se desempeñan como parte de los archivos y la descripción de la guía es a través de la interfaz de datos vinculados. Los extractores pueden extraer no sólo archivos de metadatos (es decir, datos acerca de los documentos representados por los archivos), sino también a entidades que están relacionadas con los archivos (por ejemplo, el artista que ha realizado la música almacenada en un archivo MP3) y a su vez pueden estar vinculados a fuentes de datos externas.

A modo de ejemplo, en la Figura 3 se muestra la representación de metadatos RDF que se han extraído a partir de dos archivos, el primer recurso representa un documento PDF que contiene una publicación científica, la segunda representa un archivo de audio MP3 (En este ejemplo hemos utilizado los términos de la OSCAF / ontologías NEPOMUK http://www.semanticdesktop.org /ontologies). El nodo blanco de los utilizados para identificar al artista en este ejemplo (línea 9), debe ser reescrito de forma dinámica a un "recinto cerrado", des-referenciables URI por el servidor web (ver sección 3.7).

3.5 Archivos con vínculos a fuentes externas

Una vez que los archivos y directorios se representan como recursos RDF es posible vincularlos con otros recursos relacionados en la Web. Si lo hace, permite a los clientes obtener más información potencialmente interesante sobre el recurso. Por ejemplo, los archivos se pueden clasificar de acuerdo a un esquema de clasificación que utiliza URI des-referenciables como identificadores, en este caso, los clientes están habilitados para consultar los archivos utilizando estos términos.

La tarea de vincular los archivos y directorios a los recursos externos se puede lograr por las herramientas que proporciona esta funcionalidad de los recursos genéricos Web, que normalmente se aplican diversas heurísticas para detectar los recursos relacionados semánticamente (por ejemplo, los identificadores de objeto común o similar [22]). Estas heurísticas dependerán de la información que está disponible para una entidad en particular, por lo que en el contexto de un sistema de archivos dependen de los datos proporcionados por los componentes de extracción de metadatos, como se describe en la sección anterior.

Tabla 1: Reacciones de los eventos del sistema de archivos detectados por el componente de observador

Como consecuencia de ello, seguimos la misma estrategia que para los extractores de metadatos y no proporcionan un todo-en-una solución para el problema de vincular los archivos a los recursos externos, sino que proporcionan un marco que permita vincular componentes especializados para ser enchufados. Estos componentes de vinculación pueden tener acceso no sólo al archivo de datos en bruto, sino que también extraen los metadatos, y utilizar esta información como base para la interconexión. Al igual que los extractores, que unen los componentes de retorno triples RDF se añaden al modelo de metadatos y sirven a través de la interfaz de datos vinculados.

A modo de ejemplo, en la Figura 4 se muestra las fuentes externas de una publicación científica y a un archivo de música se puede vincular, con base en la similitud de secuencia entre el título de la publicación y la combinación de título de la pista y el nombre del artista, respectivamente. En este ejemplo el documento PDF a partir de la figura 3 se ha relacionado con la variante de datos vinculados de la base de datos DBLP de la popular publicación, y el archivo MP3 se ha vinculado a los recursos del servicio MusicBrainz.

3.6 El mantenimiento de la coherencia

Como se describe en la Sección 3.1, se requiere a la mención de un UUID basado en URI para cada archivo y directorio, que puede ser considerado único en el mundo desde un punto de vista práctico. Sin embargo, sin más precauciones el URI  puede ser bastante inestable como la asignación entre un UUID basado en URI externo y un archivo basado en URI interno se invalida cada vez que un archivo de referencia se mueve, se elimina o cambia de nombre. Además, la actualización de dichos archivos puede dar lugar a incoherencias entre un archivo y los metadatos que han sido extraídos y almacenados. Tenga en cuenta que esto podría dar lugar también a los enlaces no válidos entre los recursos si estos se crean automáticamente sobre la base de metadatos del archivo, tal como se describe en la Sección 3.5.

Con el fin de preservar una asignación estable entre estos URIs y los archivos locales y directorios que representan, tenemos que emplear un componente vigilante que se encarga de la detección de eventos del sistema de archivos que pueden resultar en URIs de archivo diferente o modificando el contenido del archivo de archivos de referencia. Cada vez que un evento es detectado, las acciones apropiadas deben adoptarse, y el modelo RDF se tiene que actualizar. Tenga en cuenta que en este sentido, la asignación entre estables URIs basados en UUID y el archivo inestable y los caminos de la guía, actúan como una especie de servicio de traducción entre las URIs externas, con base en UUID válida a nivel mundial y las correspondientes URIs de archivos local, comparable a los servicios de PURL o DOI [2 ]. La Tabla 1 resume las reacciones que tienen que ser tomadas después de que los eventos del sistema de archivos se han detectado.

3.7 Servicio de sistemas de archivos como Recursos de la Web

Una vez que la representación RDF basada en los archivos y directorios, y los enlaces a fuentes de datos externas, el resultado gráfico del RDF puede servir de acuerdo a los principios de datos vinculados. Con este fin, en los URNs basados en UUID son dinámicamente reescritos para URIs basados en HTTP con la parte de host configurable, por ejemplo, http://example.com:8080/resource/ . Se considera una buena práctica [7] para servir al menos a dos variantes de los datos, una representación RDF para las máquinas y una representación HTML para el consumo humano, y que permitirá a los clientes elegir la representación que prefieran usar en la negociación de contenido HTTP que se ha generado y enriquecido con metadatos extraídos. Además de servir a los recursos de acuerdo a los principios de los datos vinculados, se recomienda proporcionar un punto final SPARQL [10] para permitir a los clientes que busquen los recursos basados en sus descripciones RDF. 

Figura 5: Acceso a archivos locales a través de una representación de datos vinculados

Además, los datos de archivo real por sí mismo pueden ser descargados en el cliente. En el caso concreto de los recursos de los datos vinculados que se obtienen a nivel local (es decir, el servidor y el cliente se ejecutan en la misma máquina), el servidor Web puede agregar vínculos a la interfaz HTML que permiten al usuario abrir directamente los archivos o directorios en marcha desde el navegador , proporcionando así una experiencia de interacción sin fisuras. En la Figura 5 se muestra una captura de pantalla de este tipo de interfaz basada en HTML, que proporciona estas opciones para el usuario.

En el tercer post (Cloud Computing+Web Semántica+Datos Abiertos (III): Linked Data Cloud)

sobre este tema hablaremos de la aplicación TripFS, de los relacionados con el trabajo, así como de las conclusiones y del trabajo de futuro. Expondremos una relación referencial de todas las fuentes consultadas (referidas a [número]).

Aquí tienen una presentación de Davide Palmisano explicando el estado actual de los Datos Vinculados: "Desde la Web Semántica en la Web de los datos: diez años de vinculación "

 

From the Semantic Web to the Web of Data: ten years of linking up

View more presentations from Davide Palmisano.

Artículos relacionados: 

• Cloud Computing+Web Semántica+Datos Abiertos (I): Linked Data Cloud
• What do HTTP URIs Identify? - Design Issues (w3.org)
• Pezholio " Blog Archive " A beginner's guide to SPARQLing linked data (Part 1) (pezholio.co.uk)
• Use Case: Semantic Web Technologies in Automotive Repair and Diagnostic (w3.org)