-
Notifications
You must be signed in to change notification settings - Fork 0
/
index.html
390 lines (381 loc) · 17.4 KB
/
index.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
<!doctype html>
<html>
<head>
<meta charset="utf-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0, maximum-scale=1.0, user-scalable=no">
<title>Heurística Digital - HDRio20/21</title>
<meta name="description" content="Apresentação de Eric BRasil para o Eixo 5 do HDRio20/21">
<meta name="author" content="Eric Brasil">
<meta name="date" content="2021-04-14">
<link rel="stylesheet" href="dist/reset.css">
<link rel="stylesheet" href="dist/reveal.css">
<link rel="stylesheet" href="dist/theme/white.css" id="theme">
<!-- Theme used for syntax highlighted code -->
<link rel="stylesheet" href="plugin/highlight/monokai.css" id="highlight-theme">
</head>
<body>
<div class="reveal">
<div class="slides">
<section data-markdown>
<textarea data-template>
<img src="assests/logo.png" alt="logo_HDRio" style="zoom:40%;" />
<div align="center">
<h3>Eixo 5 - Grandes Acervos de Dados Textuais nas Humanidades Digitais</h3>
<br>
<small>Coordenadores: Leonardo Nascimento (UFBA) e Eric Brasil (Unilab)</small>
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
<div align="center">
<h2>Por uma Heurística Digital</h2>
<h3>no ofício do Historiador</h3>
</div>
<div align="center">
<p>
<a href="htpps://ericbrasiln.github.io">Eric Brasil</a> (IHL/UNILAB)
</p>
<img src="assests/LOGO-HISTÓRIA-BA-novo.png" style="zoom:10%;" /> <img src="assests/unilab.png" style="zoom:45%;" /> <img src="assests/labhd.png" style="zoom:23%;" />
</div>
</textarea>
</section>
<section>
<section data-markdown>
<textarea data-template>
**Disclaimer 1**: *Após um ano de pandemia, tudo mudou no mundo, no Brasil e tb nesse paper.*
<div align="center">
<img src="assests/noun_head blow up_1898104.png" style="zoom:50%;" />
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
**Disclaimer 2**: *Desde domingo, 11/04/2021, as páginas da Fundação Biblioteca Nacional estão fora do ar!*
<div align="center">
<img src="assests/noun_404 Error_1469633.png" style="zoom:50%;" />
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-markdown>
<div align="center">
<blockquote class="twitter-tweet"><p lang="pt" dir="ltr">Por motivos técnicos, nosso site se encontra temporariamente fora do ar. Esperamos solucionar o problema o quanto antes. <a href="https://t.co/OUGMDWE3hJ">pic.twitter.com/OUGMDWE3hJ</a></p>— Biblioteca Nacional (@FBN) <a href="https://twitter.com/FBN/status/1381632367194963969?ref_src=twsrc%5Etfw">April 12, 2021</a></blockquote> <script async src="https://platform.twitter.com/widgets.js" charset="utf-8"></script>
</div>
</textarea>
</section>
</section>
<section>
<section data-markdown>
<textarea data-template>
### Pesquisa histórica na era da abundância?
<img src="assests/noun_algorithm_3048214.png" style="zoom:40%;" />
</textarea>
</section>
<section data-markdown>
<textarea data-template>
- **Digitalização**
- A questão das **ferramentas / métodos X reflexões teóricas e epistemológicas**
- Um passo atrás: a **heurística**.
- Para tanto, busco apresentar uma ferramenta de suporte para a coleta de dados no repositório de jornais da BN, a [Hemeroteca Digital Brasileira](http://memoria.bn.br/) e realizar uma breve reflexão sobre as possibilidades para pesquisa.
</textarea>
</section>
</section>
<section>
<section data-markdown>
<textarea data-template>
## HDB e a noção de *Big Data* para um históriador social
<div align="center">
<img src="assests/noun_Big data_2232102.png" style="zoom:40%;" />
</div>
Quão grande deve ser o volume de dados para considerarmos Big Data?
</textarea>
</section>
<section data-markdown>
<textarea data-template>
### O motor e o reconhecimento:
> In practice, a full-text search is often a Boolean fishing expedition for a set of documents that may or may not exist. (Underwood, 2014: 64)
<div align="center">
<img src="assests/noun_Fishing_3839395.png" style="zoom:40%;" />
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
#### OCR da HDB? ABBYY + DocPro = cadê os dados?
> For historians, the use of search interfaces is essential, but for further digital analysis the material it is necessary to be able to download the data, for example, as a data dump that includes the OCRed texts and metadata, often in international XML standards, such as the METS and ALTO formats. (Salmi, 2020: pos.1350)
</textarea>
</section>
</section>
<section>
<section data-markdown>
<textarea data-template>
### O retorno: Impactos epistemológicos
<div align="center">
<img src="assests/noun_return_3377628.png" style="zoom:40%;" />
</div>
O que o `output` das buscas nos permite pensar sobre a coleta de fontes?
</textarea>
</section>
<section data-markdown>
<textarea data-template>
[PRINT DA HDB – RESULTADO DE PERIÓDICO COM ACERVO ÚNICO]
<div align="center">
<img src="assests/travolta.gif" style="zoom:100%;" />
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
[PRINT DA HDB – RESULTADO DE PERIÓDICO COM LISTA DE ACERVOS]
<div align="center">
<img src="assests/travolta.gif" style="zoom:100%;" />
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
#### Heurística de "proximidade virtual"
> o potencial de encontrar fontes on-line e de selecioná-las através de uma percepção de "proximidade", possibilitada por tecnologias de organização, busca e recuperação (Solberg, 2012).
</textarea>
</section>
</section>
<section>
<section data-markdown>
<textarea data-template>
### Codificando como um historiador
<div align="center">
<img src="assests/cat.gif" style="zoom:100%;" />
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
> Digital research methods create new and at times more stringent demands on accuracy, methodological thinkering, self-organization and colaboration than traditional historical research. (Paju, Oiva, Fridlunf, 2020, pos. 543).
</textarea>
</section>
<section data-markdown>
<textarea data-template>
Buscando contribuir na elaboração de caminhos heurísticos digitalmente críticos e conscientes, iremos apresentar e analisar um script de raspagem de dados criado a partir dos interesses específicos da pesquisa de um historiador utilizando a HDB.
</textarea>
</section>
</section>
<section>
<section data-markdown>
<textarea data-template>
#### Apresentação dos elementos técnicos
<div align="center">
<p>
<img src="assests/noun_python.png" alt="python" style="zoom:40%;" /></p>
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
- Web scraping + Python
- BeautifulSoup
- Selenium
- Pandas
</textarea>
</section>
<section data-markdown>
<textarea data-template>
#### Estrutura geral do código
Através do Selenium, o raspador acessa a página específica de um determinado jornal (a partir de uma lista com os números que identificam cada jornal, chamado `bib` ). Em seguida itera em cada acervo do jornal, realizando a busca com o termo específico, acessando cada resultado e encontrando e acumulando os dados referentes a cada ocorrência.
</textarea>
</section>
<section data-markdown>
<textarea data-template>
#### Organização dos diretórios
O programa cria um diretório `HDB>'nome-da-busca'>'YYYY-MM-DD'`. Em seu interior: 1) `ARQUIVOS_IMG`; 2) `CSV`; 3) `RELATÓRIOS`.
<div align="center">
<img src="assests/2021-04-13_00-48_pastas1.png" style="zoom:80%;" />
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
#### O CSV
`Termo da busca, Data da Busca, Acervo, Ano, Edição, Página, Nome do arquivo, Link`
<img src="assests/2021-04-13_00-36_csv1.png" alt="csv" style="zoom:80%;" />
</textarea>
</section>
<section data-markdown>
<textarea data-template>
#### Download das Imagens
As imagens em baixa resolução (por enquanto) são salvas e armazenas na pasta `ARQUIVOS_IMG` .
</textarea>
</section>
<section data-markdown>
<textarea data-template>
##### Os Relatórios de busca (para cada acervo e) salvos na pasta `RELATÓRIOS`.
```
-Raspagem da HDB-
Data e hora da busca: AAAA-MM-DD_HH-MM-SS
Termo da busca: ;
Jornal e Período: ;
Total de ocorrências: ;
Link da lista de resultados: http://memoria.bn.br/docreader/DocReader.aspx?bib=030015_02&Pesq=[busca]
```
</textarea>
</section>
</section>
<section>
<section data-markdown>
<textarea data-template>
#### Análise dos resultados
<div align="center">
<p>
<img src="assests/noun_data search_1509987.png" alt="search" style="zoom:40%;" /></p>
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
##### Busca 1: "Germano Lopes da Silva"
Foram retornadas 44 ocorrências em 17 jornais, processadas e finalizadas em 22 minutos.
<br>
<small>OBS: Esse tempo mais longo se deve em função do download das imagens de cada página com ocorrência.
</small>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
##### Busca 2: "Monteiro Lopes"
Foram retornadas 5154 ocorrências em 13 jornais.
<div align="center">
<p>
<img src="assests/2021-04-13_01-02_csv2.png" alt="search" style="zoom:95%;" /></p>
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
- O cálculo da média de tempo (em segundos) por ocorrência foi de **9,7 segundo**, numa internet com uma conexão de 50MB (sem o download de imagens).
- Manualmente, cada ocorrência gastou em média **um minuto para salvar todos os dados que o *script* faz**.
- Numa média de 1 minuto, para salvar todas as informações de cinco mil ocorrências seria preciso em torno de **85h de trabalho. Com o *script*, levou 14 h.**
</textarea>
</section>
</section>
<section>
<section data-markdown>
<textarea data-template>
### Seria apenas um acelerador?
<div align="center">
<p>
<img src="assests/noun_fast_3385058.png" alt="search" style="zoom:40%;" /></p>
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
A ferramenta garante a **coleta e organização dos dados de forma padronizada, atendendo os interesses específicos do pesquisador, possibilita a visualização desses dados também de forma organizada, torna possível retomar cada ocorrência no momento necessário ; e estabelece o registro dos caminhos da pesquisa, garantindo o rigor e transparência metodológica do trabalho.**
</textarea>
</section>
<section data-markdown>
<textarea data-template>
Possibilita **visualização temporal, perceber volume de ocorrências em períodos específicos; localização no espaço (dependendo do conjunto de jornais pesquisados).**
</textarea>
</section>
</section>
<section>
<section data-markdown>
<textarea data-template>
### Considerações finais
<div align="center">
<p>
<img src="assests/noun_Time_3472572.png" alt="search" style="zoom:40%;" /></p>
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
- A construção do código demanda do pesquisador um aprofundamento técnico e heurístico em relação à ferramenta de busca e ao próprio acervo que pretende buscar.
- Ou seja, precisa compreender a estrutura da ferramenta (HTML/JS/CSS) e os padrões de organização, categorização e acesso elaborados em parte por uma equipe de programadores em parte por arquivistas/bibliotecários.
</textarea>
</section>
<section data-markdown>
<textarea data-template>
- Portanto, as possibilidades de coleta e organização dos dados dependem da construção do problema e interesses de pesquisa do investigador em constante diálogo com aspectos tecnológicos e arquivísticos. Nesse sentido é improdutivo separar técnica de teoria, método de epistemologia.
- Perigo da distância entre o/a historiador/a e a elaboração das ferramentas de pesquisa e os dados que são disponibilizados;
</textarea>
</section>
<section data-markdown>
<textarea data-template>
- Importância de engajamento crítico com as ferramentas que usa;
- Literacia digital, pensar algoritmicamente.
- Desenvolver práticas de heurística digital que sejam coerentes tanto com as caracetísticas da ferramentas que usa e das fontes que vai trabalhar quanto com as reflexões teóricas básicas do ofício do/a historiador/a
</textarea>
</section>
</section>
<section data-markdown>
<textarea data-template>
<div align="center">
<h4>Muito obrigado pela atenção</h4>
<p>e desejo <strong>vacinação, lockdown e auxílio emergencial</strong> contra a pandemia.</p>
<br>
<img src="assests/noun_injection_3862390.png" style="zoom:30%;" /> <img src="assests/noun_lockdown_3645791.png" style="zoom:30%;" /> <img src="assests/noun_donation_1677470.png" style="zoom:30%;"/>
<h3>Viva o SUS!</h3>
</div>
</textarea>
</section>
<section data-markdown>
<textarea data-template>
## Contatos
[Lattes](http://lattes.cnpq.br/6853705640900524) - [Orcid](https://orcid.org/0000-0001-5067-8475) - [Site](https://ericbrasiln.github.io/) - [ResearchGate](https://www.researchgate.net/profile/Eric_Brasil) - [Academia.edu](https://unilab.academia.edu/EricBrasil) - [GitHub](https://github.com/ericbrasiln/) - [Twitter](https://twitter.com/ericbrasiln) - [YouTube](https://www.youtube.com/channel/UC-tuyLIm7Ww_TDjKdHdnaAg)
e-mail: ericbrasiln@protonmail.com
</textarea>
</section>
</section>
</div>
</div>
<script src="dist/reveal.js"></script>
<script src="plugin/notes/notes.js"></script>
<script src="plugin/markdown/markdown.js"></script>
<script src="plugin/highlight/highlight.js"></script>
<script src="plugin/zoom/zoom.js"></script>
<script src="plugin/menu/menu.js"></script>
<script src="plugin/chalkboard/plugin.js"></script>
<script>
// More info about initialization & config:
// - https://revealjs.com/initialization/
// - https://revealjs.com/config/
Reveal.initialize({
hash: true,
menu: {
side: 'left',
},
chalkboard: {
theme: "whiteboard",
boardmarkerWidth: 3,
chalkWidth: 7,
chalkEffect: 1.0,
src: null,
readOnly: undefined,
toggleChalkboardButton: { left: "70px", bottom: "30px", top: "auto", right: "auto" },
toggleNotesButton: { left: "100px", bottom: "30px", top: "auto", right: "auto" },
boardmarkers : [
{ color: 'rgba(100,100,100,1)', cursor: 'url(' + path + 'img/boardmarker-black.png), auto'},
{ color: 'rgba(30,144,255, 1)', cursor: 'url(' + path + 'img/boardmarker-blue.png), auto'},
{ color: 'rgba(220,20,60,1)', cursor: 'url(' + path + 'img/boardmarker-red.png), auto'},
{ color: 'rgba(50,205,50,1)', cursor: 'url(' + path + 'img/boardmarker-green.png), auto'},
{ color: 'rgba(255,140,0,1)', cursor: 'url(' + path + 'img/boardmarker-orange.png), auto'},
{ color: 'rgba(150,0,20150,1)', cursor: 'url(' + path + 'img/boardmarker-purple.png), auto'},
{ color: 'rgba(255,220,0,1)', cursor: 'url(' + path + 'img/boardmarker-yellow.png), auto'}
],
chalks: [
{ color: 'rgba(255,255,255,0.5)', cursor: 'url(' + path + 'img/chalk-white.png), auto'},
{ color: 'rgba(96, 154, 244, 0.5)', cursor: 'url(' + path + 'img/chalk-blue.png), auto'},
{ color: 'rgba(237, 20, 28, 0.5)', cursor: 'url(' + path + 'img/chalk-red.png), auto'},
{ color: 'rgba(20, 237, 28, 0.5)', cursor: 'url(' + path + 'img/chalk-green.png), auto'},
{ color: 'rgba(220, 133, 41, 0.5)', cursor: 'url(' + path + 'img/chalk-orange.png), auto'},
{ color: 'rgba(220,0,220,0.5)', cursor: 'url(' + path + 'img/chalk-purple.png), auto'},
{ color: 'rgba(255,220,0,0.5)', cursor: 'url(' + path + 'img/chalk-yellow.png), auto'}
],
},
// Learn about plugins: https://revealjs.com/plugins/
plugins: [ RevealMarkdown, RevealHighlight, RevealNotes, RevealZoom, RevealMenu, RevealChalkboard ]
});
</script>
</body>
</html>