Network semantici e recupero di database obsoleti:
Ricerca
Network semantici e recupero di database obsoleti:
il caso di Patrimonio SOS
Il progetto, fortemente interdisciplinare, è finalizzato alla messa a fuoco di criteri di analisi e di recupero di dati appartenenti a banche dati obsolete. Oltre che collocarsi tra le attività del Piano Strategico Interdipartimentale del Dipartimento di Studi Umanistici e del Patrimonio Culturale (DIUM), la ricerca rientra negli interessi del Centro Interdipartimentale Artificial Intelligence for Cultural Heritage (AI4CH) dell'Università di Udine, che ha come obiettivo la valorizzazione del patrimonio culturale attraverso lo sviluppo di nuovi modelli concettuali e nuovi strumenti interdisciplinari.
Obiettivi
Il progetto si è posto l’obiettivo indagare la possibilità di recupero di banche dati non più disponibili per l’obsolescenza dei software o per problematiche legate alla loro struttura. Si tratta di un tema di grande attualità che ha comportato negli anni passati la perdita di numerosi prodotti della ricerca umanistica.
In particolare, la ricerca ha riguardato il caso specifico del database Patrimonio SOS, che al momento dell’avvio del progetto era stato migrato sulla piattaforma E-Dvara, ma non era né consultabile né navigabile. Comprendente più di 170.000 schede di rassegna stampa, si tratta di una banca dati di estrema importanza e unicità in quanto offre un punto di vista sistematico intorno ai temi della tutela dei beni culturali per più di un ventennio (2002-2020).
Risultati nell'ambito delle DH
Non solo il progetto ha consentito il recupero e la messa a disposizione dei dati, ma contente anche una loro valorizzazione attraverso la creazione di nuove e più analitiche possibilità di ricerca. Nel corso della ricerca sono stati indagati i procedimenti di mappatura e analisi dei dati sia sul piano semantico, sia su quello formale e descrittivo, nel primo caso per contestualizzare il valore dei dati al fine di ricostruire la struttura del database di partenza e così ottimizzarne la fruizione, e nel secondo per poter procedere a una corretta normalizzazione degli attributi e degli elementi XML. Sono stati inoltre applicati processi di data mining e algoritmi di machine learning per il riconoscimento e l’identificazione di dati non strutturati.
A conferma del carattere interdisciplinare, il progetto ha visto la stretta collaborazione di Federico Giubbolini (nell’ambito dell’assegno di ricerca del quale Donata Levi è supervisore) e della studentessa Laura Pagotto (che su aspetti specifici della ricerca ha svolto la sua tesi di laurea in informatica con Andrea Brunello come relatore).
