“SISTEMA PARA LA INTEGRACIÓN DE DATOS BIBLIOGRÁFICOS ALMACENADOS EN DIVERSOS FORMATOS.”

Abstract

El proceso de integración y extracción de información de datos semi-estructurados es uno de los retos a los que se enfrentan los sistemas que utilizan este tipo de datos como fuente de información. Las bases de datos bibliográficas, son un ejemplo de fuente de dato semi-estructurado, que son muy utilizadas por investigaciones cuyo objetivo es la vigilancia y medición de la actividad científica. Estas bases de datos ponen a disposición del público, para su descarga y uso, toda su información en forma de archivos con diferentes formatos, siendo los más comunes RIS, TXT, BIB y BibTeXML. Cuando se analizan los datos provenientes de diferentes bases de datos bibliográficas, nos tropezamos con la dificultad de que no todas las referencias bibliográficas contienen la misma cantidad de atributos, presentan variaciones en la organización de dichos atributos en función del formato en que se descarguen las referencias bibliográficas, no todas siguen un estándar común, etc. El presente trabajo aborda el desarrollo de la herramienta INDABIB, la cual permitirá la integración de datos provenientes de bases de datos bibliográficas con extensión RIS, TXT, BIB o BibTeXML, en un archivo único en formato XML para su posterior uso. El sistema fue desarrollado utilizando tecnología .NET y usa el estándar BibTEX como referencia para la creación del archivo de salida.