1.
Estudo para integração entre a Plataforma
Lattes, a Biblioteca Digital Brasileira de
Teses e Dissertações (BDTD) e o Banco de
Teses e Dissertações da Capes
Gabriel Lima Gomes – IBICT
Washington L. R. de Carvalho Segundo - IBICT

2.
O que é?
 BDTD (Biblioteca Digital de Teses e Dissertações)
 Criada em 2002;
 Mantida e coordenada pelo Instituto Brasileiro de Informação em Ciência
e Tecnologia (IBICT);
 Congrega sistema de informação brasileiros de acesso aberto;
 Teses e dissertações;

3.
O que é?
 Plataforma Lattes
 Surgiu em 1999 por um projeto do Conselho Nacional de
Desenvolvimento Científico e Tecnológico (CNPq);
 Implementada por grupo universitários da Universidade
Federal de Santa Catarina (UFSC) e a Universidade
Federal de Pernambuco (UFPE), com contribuições da
Multsoft;
 Base nacional de currículos de pesquisadores do Brasil;

4.
O que é?
 Banco de Teses e Dissertações da CAPES
 Criado em 2002 pela Coordenação de Aperfeiçoamento
de Pessoal de Nível Superior (CAPES);
 Armazena resumos de teses e dissertações dos programas
de pós-graduação do país;

5.
Objetivo

6.
Justificativa
 Uso da BDTD tem sido extenso no Brasil e em países de língua
portuguesa
 90% dos acessos tem origem em território nacional;
 3,25% dos acessos tem origem de Portugal;
 2% dos acessos tem origem de Moçambique;
 0,78% dos acessos tem origem de Angola;
 Banco da CAPES é a iniciativa nacional que reúne o maior número de
resumos de teses e dissertações;
 BDTD pode contribuir, pois agrega e viabiliza o acesso aberto a teses
e dissertações;
 Plataforma Lattes poderá dar mais qualidade e detalhes as teses e
dissertações disponibilizadas em acesso aberto;

7.
Metodologia
 Ferramentas

8.
Metodologia
 Processo
Pré-processamentoColeta de dados Integração

9.
Metodologia

10.
Metodologia
 Pré-processamento:
 Limpeza dos dados: tolower; remoção de caracteres
especiais; remoção de números; remoção de espaços
duplicados;
 Campo autor: normalização dos nomes para forma direta;
Remoção do nome da instituição;
 Criação de um vocabulário de instituições e suas variações
em Json;

11.
Metodologia
 Pré-processamento:
 Criação do campo “sigla instituição” na base Lattes;
 Eliminação de de-duplicação nas bases: Similaridade
Levenshtein e Jaro;
BDTD: 6500;
CAPES: 2700;
Lattes: 400 mil.

12.
Metodologia
 Integração:
 Integração BDTD - CAPES
I5, 8Gb, Linux;
Levenstein com valor < 3, aproximadamente 57h, + 1
milhão de registros;
Jaro > 85%, aproximadamente 60h, + 1 milhão de
registros;

13.
Metodologia
 Integração
Integração BDTD/CAPES – Lattes
Intel Xeon, 12Gb, Linux;
Jaro > 75%;
Aproximadamente 40h;
+ 1.500.000 registros;

14.
Resultados
Lattes
BDTD LATTES

15.
Resultados
 1.745.138 registros;
 412.487 Teses e 1.332.651 Dissertações;
 498 instituições brasileiras;
 Datas de defesa que vão de 1950 à 2017;

16.
Desafios
 Etapas de limpeza e normalização; variação de
erros de preenchimento;

17.
Conclusão
 Dados não-estruturados, a infraestrutura computacional
disponível influenciou o tempo de execução dos
algoritmos;
 Ponto de partida para efetiva integração entre as bases;

18.
Trabalhos Futuros
 Como trabalhos futuros, criar uma base de consulta
centralizada, para validação dos dados na Plataforma
Lattes;
 Uso pela comunidade científica e público não
especializado.