La Tecnología es un arma de doble filo, puede pasar de ser una herramienta a ser una potencial barrera con suma facilidad. No poseer los conocimientos tecnológicos necesarios en un determinado ámbito laboral impide que los profesionales puedan evolucionar y alcanzar ciertos puestos de trabajo.

La tecnología, desde el inicio de las civilizaciones, ha sido ese conjunto de técnicas y conocimientos prácticos que ha permitido realizar de forma más eficiente ciertas acciones y procesos. Cuando los miembros de las tribus prehistóricas ataban una punta afilada de piedra en el extremo de su lanza para poder cazar o defenderse mejor, estaban haciendo uso de tecnología. La imprenta, tan recordada por muchos tecnófobos, fue tecnología pura y dura y, además, restringida a una elite de profesionales altamente cualificados.

Durante la segunda mitad del siglo XX, gracias a la aparición de los microprocesadores y el desarrollo de la microinformática y la electrónica de consumo, se comenzó a popularizar la idea de que la tecnología era un sinónimo de electrónica e informática. Puede que esta confusión no haya ayudado a la hora de convencer a muchos documentalistas de la necesidad de aprender la tecnología necesaria para su trabajo.

Esta visión sesgada de la tecnología impide en muchas ocasiones observar la profesión desde un punto más amplio. En este sentido, parece que los únicos esquemas de metadatos que interesen a los documentalistas sean aquellos que se ocupan de estructurar descripciones bibliográficas, cuando nuestro objeto de estudio no es tan sólo éste (sin duda importante), sino la estructuración de todo tipo de información para su conservación, intercambio y recuperación.

La aparición de los microformatos parece que está teniendo un impacto relativo entre los profesionales de la información, pero no se observa por parte de los documentalistas una especial preocupación por estos temas. De hecho, los esquemas de metadatos (tanto referidos a descripciones bibliográficas como a otros conceptos) son tratados usualmente en diversos foros y publicaciones desde el punto de vista de los servicios que ofrecen sus contenidos, pero se echa en falta una aproximación conceptual propiamente documental.

Es decir, no se enseña su funcionamiento a nivel conceptual, sino su uso y servicio, lo cual es necesario pero insuficiente para la formación de un estudiante que, se supone, estudia una carrera dedicada a la Documentación. Me resultaría alarmante que a un farmacéutico se le enseñara para qué sirve una aspirina, pero no tuviese ni idea de su composición, aunque de su fabricación se encargara un químico.

Pero el desconocimiento todavía es mayor (y me incluyo) cuando se trata de estudiar esquemas que no estructuran ni tipologías documentales clásicas ni descripciones bibliográficas, sino “otras cosas”. En este texto me gustaría centrarme en una de estas “otras cosas”, los esquemas que estructuran “attention profiles” o perfiles de atención.

Partimos de un hecho importante, las empresas han pasado de diseñar sedes web que eran un reflejo de la empresa offline, a diseñar sedes que son un reflejo de los gustos de las personas online.

De esta forma, se podría definir el Attention profile como la huella o rastro de los gustos de un usuario cuando navega por la sede web de una empresa que ofrece ciertos servicios online. Este concepto ha sido muy acertadamente definido por Marjolein Hoekstra¹.

Cuando un usuario accede a una de estas sedes, como Amazon², cumplimenta una ficha proporcionando unos datos explícitos (sexo, edad, estudios, etc.). Mediante el uso del servicio el usuario aporta, además, una serie de datos implícitos que dan información sobre sus gustos. Esta información es usada por el servicio para ofrecer futuras recomendaciones al usuario.

Es posible que el usuario, además de comprar en Amazon, desee visitar otra empresa que ofrezca los mismos o parecidos servicios, por ejemplo Barnes&noble³. Entonces deberá cumplimentar otra ficha de usuario, volviendo a ingresar datos explícitos (que pueden no coincidir con los aportados en Amazon). Barnes&noble no conocerá tampoco los datos implícitos que ya conoce Amazon y tendrá que aprenderlos desde cero.

Pero el usuario puede tener varios gustos. Además de la literatura puede estar interesado en música (Last.fm⁴ o Mystrands⁵), en noticias de actualidad (Digg⁶ y Menéame⁷) y en un largo y cada vez más extenso etcétera.

Por ello, la necesidad de estructurar toda esta información (garantizando su protección y confidencialidad) es cada vez más necesaria tanto para el usuario como para las empresas que proporcionan los servicios.

La normalización de los datos explícitos está relacionada con la iniciativa OpenID⁸, pero la estructuración de los datos implícitos abre una vía muy potente casi sin explorar. El cruce de datos de distintos servicios proporcionaría unas ventajas ilimitadas en los sistemas de recomendación.

Pensemos en un usuario que escuchara una canción de B.B. King en un servicio como Mystrands. Cuando posteriormente accediese a Amazon, este servicio conocería, con un alto grado de probabilidad, que su usuario se interesa por la música blues y podría recomendar una biografía del músico, por ejemplo.

De esta forma, el attention profile sería una estructuración estandarizada tanto de los gustos implícitos como explícitos de un usuario, de forma que pudiese ser exportado a otros servicios que lo aceptasen.

APML⁹ (Attention Profile Mark-up Language) es un esquema xml desarrollado en 2006 por la empresa Faradaymedia¹⁰ que pretende precisamente crear un formato estándar que estructure esta información, encuadrándose así dentro de la corriente del Data Portability¹¹.

La idea de este formato es muy sencilla, se basa en que cada usuario tiene una serie de gustos (los libros, la música, la ropa, etc.). Cada uno de esos gustos se refleja mediante una serie de acciones (leer, votar, comentar, etc.) que realiza en determinados lugares (sedes de compartición de fotografías, de vídeos, de favoritos, de libros, en blogs, etc.).

De cada acción que se realiza se pueden extraer una serie de datos de atención (qué lee, qué vota, qué comenta…) que caracterizan y modelan cada uno de los gustos del usuario.
APML estructura estos datos en base a la creación de perfiles de usuario. Para cada uno de los perfiles se permite la inclusión tanto de datos explícitos como implícitos. Cada uno de ellos puede ser de 3 clases: concepto, autor y fuente. La clave está en poder asignar un valor (rating) a estos datos, que reflejen el mayor o menor interés del usuario por cada uno de ellos.

La especificación completa del esquema se puede consultar en la siguiente dirección:
http://apml.pbwiki.com

Recientemente, Mystrands está impulsando una mejora de APML: el Open Taste.

Open Taste pretende englobar todos los datos de interés que recoge APML en un nuevo concepto más amplio, el “attention” o centro de atención. Un “Attention” en Amazon podría ser las compras del último mes. Esto permitiría comparar distintos grupos de datos.

El propósito de Open Taste es extender los datos a considerar para lograr información a largo plazo que permita estudiar las posibles tendencias futuras de los usuarios y mejorar de esta forma los sistemas de recomendación, así como introducir cierta semántica que permita relacionar conceptos y, por tanto, gustos. Para ello se compone de cuatro módulos (Core, APML, Profile Model y Semantic Interoperability).

El jueves 14 de febrero de 2008 se celebró una conferencia sobre Open Taste a cargo de Marc Torrens en la Universidad Politécnica de Valencia, donde se expuso detalladamente esta iniciativa.

Tras una exposición sencilla del “Attention Profile” y la necesidad de interoperabilidad de los servicios, surgió la pregunta esperada, ¿se establecían a priori cuáles eran los centros de atención de un usuario?

La respuesta fue clara: “cada servicio decide cuáles son los centros de atención que le interesan”.

Es decir, no existe ninguna categorización previa ni de centros de atención, ni de datos de atención para cada uno, ni siquiera para los gustos o productos de atención (libro, canción, etc.).

Esto plantea problemas de interoperabilidad evidentes. ¿Podrá realmente Amazon cruzar datos con Barnes&noble, aun tratando el mismo producto de atención ‘libro’, si los centros y datos de atención que manejan no son los mismos ni están normalizados?

Esta carencia de enfoque documental, probablemente debida a que pocos documentalistas llegan a formar parte de estos equipos de trabajo, provoca que surjan estándares, desde mi punto de vista, incompletos.

No obstante, las posibilidades de estudio de Attention Profiles para los documentalistas son muy interesantes. Pensemos en lo que la portabilidad de datos entre repositorios (u otros productos científicos) podría suponer.

¿Estamos prestando suficiente atención a los perfiles de atención?

Enrique Orduña-Malea

Miembro del Grupo ThinkEPI
http://www.thinkepi.net