Optimización del proceso de catalogación en repositorios digitales: extracción y limpieza de metadatos a partir de documentos PDF

Abstract

El crecimiento acelerado de los Repositorios Digitales Institucionales, impulsado por el modelo de Ciencia Abierta, las normativas nacionales de Acceso Abierto y el avance del modelo de Next Generation Repositories, plantea desafíos críticos en la gestión de metadatos y la sostenibilidad operativa. El aumento en el volumen y la heterogeneidad de los objetos digitales vuelve insostenible la catalogación puramente manual ya que no escala e implica gastos excesivos en recursos humanos. Los objetivos del trabajo son simplificar el ingreso de metadatos, optimizar los tiempos de carga y reducir los errores accidentales mediante el desarrollo de una solución técnica integrada en el frontend de DSpace. El enfoque combina la catalogación y normalización de datos en una misma pantalla con asistencia semi-automática que consiste en mecanismos de selección manual de metadatos y normalización automática de los mismos. El enfoque adaptado busca simplificar las tareas repetitivas del catalogador manteniendo el control y la validación humana como elementos centrales del proceso de carga y publicación.