Rappresentazione

Si sa che un documento elettronico non è che una serie di impulsi in logica binaria ospitati nelle tracce di un calcolatore, che nessuno potrà mai vedere né interpretare senza l’ausilio del calcolatore stesso. Succede così che nel documento elettronico la forma sia definitivamente separata dal contenuto e che non si possa disporre d’altro che di interventi su questa o quella rappresentazione (a video o a stampa) del documento, tutte copie (conformi?) di un “originale” altrimenti invisibile.

Il documento come oggetto sincronico è letteralmente scomparso: come di un ipotetico dio, ne potremmo percepire gli effetti ma la loro radice è inconoscibile. La diplomatica diventa digitale e si confronta con linguaggi di marcatura e con il controllo delle procedure di produzione/conservazione, alla ricerca di dichiarazioni solo diacroniche di autenticità. Il documento non dà più garanzia di se stesso ma la garanzia proverrebbe dalla catena cognitiva delle relazioni che esso intrattiene con tutti gli altri documenti dell’insieme, come accade per i dataset delle pagine web.

L’esistenza del documento come rappresentazione di un oggetto inconoscibile perde, così, la certezza booleana di appartenenza a un insieme definito e si trasferisce entro la certezza probabilistica, tipica delle scienze umane, della logica fuzzy e dei suoi insiemi incerti, sfumati, con valori di verità compresi fra zero e uno. Così come sta accadendo nei tribunali, la presunzione di autenticità di un documento prodotto (non importa se analogico o digitale) è più comodo darla per scontata, fino a querela di falso.

Se ne è recentemente (30 giugno - 3 luglio 2009) discusso in un seminario romano del progetto CASPAR (Cultural, Artistic and Scientific knowledge for Preservation, Access and Retrieval), progetto co-finanziato dal sesto programma-quadro dell’Unione Europea per lo sviluppo e le applicazioni del modello, di fonte NASA e norma ISO, OAIS (Open Archival Information System) per la conservazione a lungo termine degli oggetti digitali.

Catene cognitive

La natura transeunte e distribuita del Web, insieme con la natura non unitaria ma procedurale del documento web, presuppone ed esige un’infrastruttura sotterranea composta da diversi servizi, il valore dei quali non è individuale ma collettivo perché dipende dal loro complesso e dalla loro integrazione: Internet Archive (per la “preservazione” digitale mediante la registrazione temporale dei cambiamenti e delle evoluzioni dei siti), WebCite (che fa la medesima cosa ma a cura degli stessi autori), Spurl (che - forse in modo più efficace di altri tipici prodotti del 2.0 - raccoglie organizza e fa condividere e soprattutto ritrovare la segnatura dei siti preferiti), CiteSeerX (per la disseminazione dei contenuti scientifici) o alla provvidenziale cache di Google che contrasta il famigerato link rot «Errore 404. File non trovato», e altri. Tutti servizi intesi a dare stabilità al sistema e a riportare tendenzialmente a segnatura unitaria la disseminazione delle risorse e delle fonti.

Ma il Web possiede nel medesimo tempo anche una natura intrinsecamente e spontaneamente organizzativa che sa dare individualità a elementi sparsi, per il fatto che un’unità qualsiasi è spesso costituita da frammenti unificati ad hoc e quindi unificabili anche alla bisogna e per scopi e in modi differenti: una pagina in HTML può, a corredo, contenere - o rinviare a, sparsi per il mondo - file PDF, immagini, eventi sonori, presentazioni di diapositive o di video, blog, RSS, dati grezzi od organizzati in tabelle statistiche, eccetera.

Ciò è possibile perché il sistema informativo del Web non intende più rappresentare la realtà “esterna” (come fa un documento tradizionale e come fa una base di dati) ma, in quanto sistema informativo oggettuale, contiene oggetti - i documenti digitali - che non sono più forme simboliche di fatti che compongono la rappresentazione di una realtà indipendente dal sistema, ma rappresentano solo se stessi, sono parte della realtà e anzi sono la realtà stessa, realtà che ci appare coesa solo perché i metadati (rappresentazione contestuale di fatti “esterni” in un àmbito tuttavia oggettuale) riescono in qualche modo a essere la “colla” che lega tra loro, pur essendone subordinati, i documenti digitali nella totalità del sistema informativo. Tra parentesi, è questa la “rivoluzione” di Internet: un sistema informativo che si sostituisce alla “vera” realtà...

Da una parte, dunque, è attraverso una serie di servizi; dall’altra, è attraverso la stessa natura aggregativo-diffusiva dei documenti Web che viene consentita una certa quota di certezza delle risorse e delle fonti.

Complichiamo il quadro: se un essere senziente può facilmente, seppur alla fine di un processo a volte non facile, percepire e quindi dominare i confini e i legami di tali frammenti, non è così facile farlo quando l’essere in campo è un agente automatico, che deve distinguere perinde ac cadaver catene cognitive di un determinato dominio da altri aggregati non specificamente interessanti o appartenenti a diversa ontologia. È il problema posto da Pavel Dmitriev nella sua dissertazione PhD alla Cornell University nel gennaio 2008, As we may perceive: finding the boundaries of compound documents on the Web. Quasi in risposta a questa sfida, OAI (Open Archives Initiative) ha appena creato ORE (Object Reuse and Exchange), progetto di elaborazione normativa per definire e scoprire le aggregazioni di risorse Web mediante l’introduzione di un’apposita resource map, ReM, unità che descrive, appunto, confini e legami dei frammenti - per esempio, e tra le più famose: arXiv.org, ReM interna a un repository, mantenuta da un nutrito gruppo molto finanziato della Cornell.

Andiamo avanti: ma se la ReM fosse esterna all’archivio? In questo caso sarebbe sottoposta alle medesime transitorietà e fluttuazioni del Web: pagine scomparse, URL spostate, contenuti mutati nel tempo, a fronte di una gestione “democratica” e distribuita, tipica di questi tempi da 2.0. Soccorre qui Herbert van de Sompel, già di Ghent e ora dei Laboratori nazionali di Los Alamos e inventore dell’open URL link resolver, che con altri ha creato “ReMember”, ReM esterna che enumera le risorse aggregate (AR) che reintegrano un’aggregazione dispersa e includono metadati descrittivi per ogni AR:

«ReMember attempts to harness the collective abilities of the Web community for preservation purposes instead of solely placing the burden of curatorial responsibilities on a small number of experts».

Dando conto della sua invenzione nel recente OAI 6 di Ginevra (17-19 giugno 2009) con Everyone is a curator: human-assisted preservation for ORE aggregations, dove curator ed everyone sono le parole-chiave, de Sompel sostiene che l’applicazione a un insieme di citazioni bibliografiche online mescolate con semplici rinvii a siti web, ha consentito di separare correttamente le une dalle altre: un ausilio semi-automatico e di poca spesa ai servizi per la stabilità di cui sopra.

Il bello auspicato delle ReM è che potrebbero, si entusiasma de Sompel, essere efficacemente create da chiunque, con un minimo di organizzazione umana e quindi di costi, “alla Wikipedia”. Ancora una volta, l’identità (e l’individuazione e l’identificazione) dell’autore può passare in secondo piano a vantaggio non solo del lavoro collaborativo ma anche a vantaggio di prodotti “cresciuti” praticamente da soli, autocreati (autore, auctus, da augeo, aumentare - il diritto penale parlerebbe forse di “autore mediato”; ma: esistono davvero autori “unici”? e come la metteremmo, in questo caso, con la tutela del copyright, se perfino Dublin Core [1] dà definizioni abbastanza tautologiche e tutto sommato interscambiabili delle figure author, creator, contributor, curator, publisher)? Infatti, all’OAI 6 de Sompel non ha mai parlato, pur trattandone, di “articoli scientifici”, ma solo e sempre di dataset come parti integranti di un non meglio identificato “record scientifico”, per la qual cosa chiunque potrebbe essere il curatore di una pubblicazione scientifica.

Chiunque lavori su una ReM, ovviamente. Ciò impone un ripensamento delle funzioni tradizionali della stessa comunicazione scientifica, delle sue regole e della sua mappatura, che sta mettendo in discussione canoni di valutazione tradizionali come la metrica delle citazioni, per esempio e quindi delle funzioni del peer reviewing. Nemmeno sfuggono le riviste scientifiche tradizionali, in corso di trasformazione in enhanced journal: le “pubblicazioni liquide” proposte dal gruppo Casati-Giunchiglia-Marchese (vedi alla voce Liquefazione in «il Bibliotecario» 3/2008, p. 137-138).

Tra le prime applicazioni di OAI-ORE - a parte il felice esito del controllo delle citazioni in JSTOR, l’archivio storico in linea delle maggiori riviste accademiche a partire dal XVII secolo - è da tener d’occhio www.myexperiment.org, un ambiente collaborativo nel quale scienziati e ricercatori possono pubblicare in sicurezza i loro flussi di lavoro, i propri oggetti (o raccolte di oggetti) digitali e sperimentare progetti di ricerca, condividendoli con il proprio gruppo o trovando gruppi affini: un Facebook o un MySpace sì controllato e protetto e riservato ma per il quale la sostanzia della (nuova) relazione autoriale non cambia

Turn

Successivamente ad altre ricerche condotte sull’information retrieval in context, Peter Ingwersen affronta con Kalervo Järvelin la possibilità di integrare information seeking con information retrieval mediante lo sviluppo di uno schema cognitivo di tipo olistico. Non più, dunque, IS separato da IR ma IS&R. Se il retrieval funziona per stringhe testuali, il seeking utilizza qualsiasi altro strumento: da una parte, dunque, testo affrontato in modo positivistico; dall’altra, un andare alla scoperta, a valutazione qualitativa e interpretativa, dell’informazione appropriata a seconda dei cómpiti assegnati, delle ricerche in oggetto, fino alla vita quotidiana dell’utente, indipendentemente dal supporto sul quale l’informazione è depositata.

Al di là dello scritto, per esempio, c’è la comunicazione verbale e, al di là di questa, c’è quella non verbale. Ma, anche rimanendo nell’àmbito dello scritto, si sa che la totalità del documento significa assai di più della somma delle sue stringhe di testo o, comunque, di tutti i descrittori simbolici dei quali è composto. Siamo, evidentemente, nel dominio delle scienze cognitive, quel settore interdisciplinare che si avvale di psicologia, gnoseologia, linguistica e intelligenza artificiale che a sua volta reca con sé cibernetica, teoria dell’informazione, teoria della decisione, e che tutte insieme presuppongono che l’elaborazione dell’informazione negli esseri viventi non sia qualitativamente (molto) diversa da quella che è operabile da un elaboratore elettronico. Se questo è vero su un piano grossolanamente operativo per la maggior parte dei concetti che agitano la mente, c’è pur sempre da ricordare F. W. Lancaster quando osservò che tra mente e calcolatore era proprio l’hardware dei due a essere diverso...

La soluzione prospettata, però, lungi dall’abbandonare i punti di vista cognitivisti, intende espanderli e l’innovazione consisterebbe proprio nella nuova (tanto da suggerire il titolo del volume “The turn”, appunto) attenzione data al contesto nel quale il documento (qualsiasi esso sia) viene costruito, elaborato, cercato, per cui verrebbero ad assumere importanza cruciale il tempo, lo spazio, la storia dell’interazione uomo-informazione: il seeking/retrieval si orienta, dunque, anche verso il mondo di colui che sta cercando.
In Italia, per quanto se ne sa, non ne ha parlato nessuno, anche se l’opera è di più di due anni fa.

• The turn. Integration of the information seeking and retrieval in context / Peter Ingwersen, Kalervo Järvelin. - Berlin Heidelberg : Springer, 2005. - ISBN 140203850X, e-book ISBN 1402038518.

[post-print da "Il bibliotecario", III serie, ISSN 11250992, 3/2008, p. 139-140]