Integración de datos y metadatos desde revistas científicas en Acceso Abierto

Abstract

En la Universidad de las Ciencias Informáticas, se encuentra en ejecución un proyecto de investigación con el objetivo de construir una biblioteca digital semántica que integre datos y metadatos de revistas científicas y actas de congresos. En el marco de este proyecto, fueron desarrolladas dos herramientas de software: MetHarto y PDFCrawler. La primera de ellas es un recolector de metadatos bibliográficos utilizando el protocolo OAI-PMH. La segunda, extrae y almacena localmente artículos científicos en formato PDF existentes en cualquier revista científica en Acceso Abierto. No obstante, ambas herramientas aún no han sido integradas. Esta situación constituye un problema de integración de datos y metadatos, al no contar con un proceso estandarizado para este propósito. Esto significa que actualmente, no es posible establecer un vínculo entre los metadatos obtenidos por MetHarto y los artículos en formato PDF extraídos por PDFCrawler.

At the University of Computer Science, a research project is underway to build a digital semantic library that integrates data and metadata from scientific journals and conference proceedings. Within the framework of this project, two software tools were developed: MetHarto and PDFCrawler. The first one is a collector of bibliographic metadata using the OAI-PMH protocol. The second locally extracts and stores scientific articles in PDF format existing in any scientific journal in Open Access. However, both tools have not yet been integrated. This situation constitutes a problem of integration of data and metadata, as there is no standardized process for this purpose. This means that it is not currently possible to establish a link between MetHarto metadata and PDFCrawler extracted PDF articles.