La organización del conocimiento

Mucho antes de que existieran las bibliotecas, los catálogos o las bases de datos, los seres humanos ya organizaban el mundo que los rodeaba. Distinguir entre plantas comestibles y venenosas, animales peligrosos y domésticos, estaciones favorables o adversas, objetos útiles o inútiles no era una actividad académica: podía ser una cuestión de supervivencia.

Clasificar supone reconocer semejanzas y diferencias. Cuando llamamos árbol a un roble, un olivo y un abedul estamos haciendo algo intelectualmente extraordinario: ignoramos muchas de sus diferencias particulares para reconocer características que permiten reunirlos dentro de una misma categoría. Las ciencias cognitivas consideran esta capacidad de categorización una de las operaciones fundamentales mediante las cuales interpretamos la realidad.

Pero clasificar implica también nombrar. Y nombrar permite comunicar. Una comunidad puede transmitir conocimiento porque sus miembros aceptan que determinadas palabras representan determinadas cosas o conceptos. De alguna manera, cada lengua constituye ya un gigantesco sistema colectivo de organización del conocimiento.

A medida que las sociedades se hicieron más complejas, también lo hicieron sus clasificaciones. El mundo natural fue dividido en especies; las enfermedades, en tipos; las actividades humanas, en profesiones; los territorios, en lugares; las personas, en grupos de parentesco; los acontecimientos, en periodos históricos.

La organización del conocimiento nace, por tanto, mucho antes que la Biblioteconomía o la Documentación. Es una consecuencia de una necesidad profundamente humana: reducir la complejidad del mundo para poder comprenderlo, recordarlo y comunicarlo.

Un nuevo problema: organizar lo que otros habían escrito

Durante milenios, buena parte del conocimiento había dependido de la memoria individual y colectiva. Con la aparición de documentos, archivos y bibliotecas, las sociedades pudieron conservar cantidades cada vez mayores de información fuera de la mente humana.

Pero apareció inmediatamente otro problema.

¿Cómo encontrar después lo que se había guardado?

Acumular documentos no equivale a disponer de conocimiento. Una biblioteca con miles de obras sin ningún criterio de organización puede resultar intelectualmente mucho más pobre que una pequeña colección bien descrita.

Uno de los ejemplos más célebres procede de la Biblioteca de Alejandría. En el siglo III a. C., Calímaco elaboró los Pinakes, una extensa relación de autores y obras organizada mediante grandes categorías, como poesía y prosa, subdivididas a su vez en materias más concretas. Aquella obra, tradicionalmente considerada uno de los primeros grandes instrumentos bibliográficos de Occidente, no era simplemente una lista: constituía un mapa para navegar por una colección de conocimiento.

Otras civilizaciones afrontaron problemas semejantes. En China, antiguos catálogos bibliográficos como el Qilüe o Siete Epítomes desarrollaron sistemas de clasificación vinculados a la estructura intelectual de su tiempo. En Bagdad, hacia finales del siglo X, el librero y erudito Ibn al-Nadim compiló el Kitāb al-Fihrist, un extraordinario repertorio de libros y autores escritos en árabe que organizaba obras de religión, gramática, historia, poesía, filosofía, ciencias y otras materias.

Estos ejemplos muestran algo importante: cuando una civilización alcanza determinado volumen de producción intelectual, la organización del conocimiento deja de ser una actividad auxiliar y se convierte en una infraestructura necesaria para que ese conocimiento pueda seguir utilizándose.

Los bibliógrafos intentar registrar todo el saber

La imprenta multiplicó el problema.

Desde mediados del siglo XV, producir copias de un libro dejó de depender del lento proceso de reproducción manuscrita. Creció el número de títulos, ediciones, traducciones y autores. A partir de entonces ya no bastaba con saber qué poseía una biblioteca determinada. Los estudiosos comenzaron a preguntarse qué libros existían sobre una materia, qué había escrito determinado autor o qué se había publicado en un país.

Así nació la gran tradición bibliográfica moderna.

Un personaje especialmente representativo fue el naturalista y erudito suizo Conrad Gessner, que publicó en 1545 su Bibliotheca universalis, con la ambiciosa pretensión de registrar las obras conocidas escritas en latín, griego y hebreo. Posteriormente elaboró una organización temática del repertorio.

El cambio conceptual era importante, ya que el bibliotecario organizaba inicialmente una colección, mientras que el bibliógrafo intentaba organizar la producción intelectual.

Y poco a poco apareció una aspiración todavía más ambiciosa: organizar no solo los documentos, sino las propias estructuras del conocimiento humano.

Organizar, nombrar, relacionar...

Filósofos y científicos intentaron durante siglos representar las relaciones existentes entre las diferentes ramas del saber.

Aristóteles había desarrollado clasificaciones aplicadas a los seres vivos y a numerosos ámbitos del conocimiento. Más tarde, durante la Edad Moderna, Francis Bacon propuso una influyente división de los saberes relacionada con tres facultades humanas: memoria, imaginación y razón, vinculadas respectivamente con historia, poesía y filosofía. Su esquema tendría una notable influencia posterior, incluida la organización intelectual de la Encyclopédie de Diderot y d'Alembert.

La ciencia moderna avanzó asimismo mediante clasificaciones.

Carl von Linné convirtió en el siglo XVIII la clasificación biológica en un sistema extraordinariamente poderoso de comunicación científica. Géneros, especies y denominaciones normalizadas permitían que naturalistas separados por miles de kilómetros pudieran hablar inequívocamente de los mismos organismos.

Aquí aparece uno de los grandes principios que todavía sigue vigente en la organización del conocimiento:

para compartir conocimiento no basta con conocer las cosas; necesitamos acordar cómo las llamamos y cómo las relacionamos.

Una clasificación nunca es, además, completamente inocente. Clasificar supone decidir qué características consideramos relevantes, dónde situamos las fronteras entre unas categorías y otras y qué relaciones establecemos entre ellas.

Por eso los sistemas de organización del conocimiento son también productos históricos y culturales. Reflejan, inevitablemente, parte de la visión del mundo de quienes los construyen.

Cuando las bibliotecas necesitaron mapas universales

El crecimiento editorial del siglo XIX convirtió la clasificación bibliotecaria en un problema práctico de enormes dimensiones.

Si miles de libros debían colocarse físicamente en estanterías, resultaba necesario asignarles un lugar. Pero ese lugar debía permitir además que los documentos relacionados aparecieran próximos entre sí.

En 1876, Melvil Dewey publicó la primera edición de su clasificación decimal. Su idea era extraordinariamente eficaz: representar mediante una notación numérica una estructura jerárquica del conocimiento que pudiera subdividirse progresivamente. La Clasificación Decimal Dewey continúa utilizándose y actualizándose siglo y medio después.

La Library of Congress Classification, desarrollada entre finales del siglo XIX y comienzos del XX para organizar las enormes colecciones de la Biblioteca del Congreso estadounidense, abordó el mismo problema mediante grandes clases representadas fundamentalmente por letras.

En Europa, Paul Otlet y Henri La Fontaine llevaron esta aspiración mucho más lejos. A finales del siglo XIX comenzaron su Répertoire Bibliographique Universel, con el propósito de registrar sistemáticamente la producción intelectual mundial, y desarrollaron a partir de la clasificación de Dewey la Clasificación Decimal Universal (CDU).

Otlet soñaba, en cierto modo, con construir una enorme red mundial de conocimiento antes de que existieran ordenadores capaces de hacerlo.

Su proyecto demuestra que la aspiración de conectar universalmente la información precede en muchas décadas a Internet.

Clasificar no era suficiente: había que describir de qué tratan los documentos

Colocar un libro en una categoría resulta útil, pero plantea una limitación evidente.

Supongamos un libro sobre las consecuencias económicas del cambio climático en la agricultura española.

¿Dónde lo colocamos?

¿Cambio climático? ¿Economía? ¿Agricultura? ¿España?

Un documento puede tratar simultáneamente numerosos conceptos. Por ello adquirió una enorme importancia otra técnica de organización del conocimiento: la indización.

Indizar consiste, simplificando, en analizar intelectualmente un documento y representar sus contenidos mediante términos que permitan recuperarlo posteriormente.

De ahí proceden los encabezamientos de materia, las listas de autoridades, los tesauros y los vocabularios controlados.

La diferencia puede parecer pequeña, pero es fundamental.

Una clasificación suele responder principalmente a:

¿En qué lugar del sistema situamos este documento?

La indización responde a:

¿De qué cosas habla este documento?

Gracias a ella, un mismo recurso puede relacionarse simultáneamente con cambio climático, agricultura, impacto económico y España.

Los tesauros introdujeron además relaciones semánticas explícitas. Un término puede tener términos más generales, más específicos o relacionados. El conocimiento comienza así a parecerse menos a una estantería y más a una red de conceptos.

Hoy la organización del conocimiento comprende precisamente este amplio conjunto de herramientas: clasificaciones, taxonomías, encabezamientos de materia, tesauros, ontologías, autoridades, metadatos, modelos conceptuales y otras estructuras destinadas a representar entidades, conceptos y relaciones para facilitar su identificación y recuperación. La propia IFLA sitúa los sistemas de organización del conocimiento en el centro del acceso temático a los recursos bibliográficos.

Y entonces llegó la Web

La World Wide Web produjo una transformación brutal.

Durante siglos, publicar información había sido relativamente costoso. Editoriales, universidades, administraciones, archivos, bibliotecas, medios de comunicación y otras organizaciones actuaban, con todas sus limitaciones, como mecanismos de selección y estructuración.

Internet redujo espectacularmente esas barreras.

Por primera vez, millones y posteriormente miles de millones de personas pudieron publicar información de manera prácticamente inmediata.

Fue una revolución extraordinariamente positiva para el acceso al conocimiento.

Pero tuvo una consecuencia paradójica: cuanto más fácil resultaba publicar información, más difícil resultaba organizarla globalmente.

La primera Web estaba formada fundamentalmente por documentos HTML conectados mediante enlaces. Los buscadores aprendieron a recorrerlos, analizar sus palabras y utilizar la estructura de enlaces para determinar cuáles podían ser más relevantes. Aquello funcionó sorprendentemente bien, pero no significaba que las máquinas comprendieran realmente las entidades y relaciones descritas en las páginas.

La denominada Web 2.0 aumentó todavía más la complejidad. Blogs, wikis, plataformas colaborativas, redes sociales, vídeos, comentarios, etiquetas creadas por usuarios y contenidos generados continuamente transformaron la Red en una gigantesca conversación global.

Las folksonomías —etiquetas asignadas libremente por los propios usuarios— demostraron las ventajas y los inconvenientes de abandonar el vocabulario controlado. Son flexibles, rápidas y reflejan el lenguaje real de las comunidades, pero generan también sinónimos, ambigüedades, errores, variantes lingüísticas y criterios inconsistentes.

A ello se añadieron bases de datos aisladas, plataformas propietarias, contenidos duplicados, identificadores incompatibles, formatos heterogéneos y cantidades crecientes de información multimedia.

La Web no había eliminado la organización del conocimiento.

Había convertido el problema en algo mucho mayor.

Del documento a los datos: intentar que la Web sepa de qué está hablando

Desde los primeros años de existencia de la Web existió una idea particularmente ambiciosa: hacer que la información disponible en Internet pudiera ser interpretada no solo por las personas, sino también por las máquinas. Era el proyecto de la Web Semántica.

La diferencia puede ilustrarse con un ejemplo sencillo.

Para una persona, una página donde aparecen las palabras: Miguel de Cervantes – autor – Don Quijote de la Mancha contiene una relación perfectamente comprensible. Para una máquina, inicialmente son poco más que cadenas de caracteres. La Web semántica intenta expresar explícitamente la relación:

Miguel de Cervantes → es autor de → Don Quijote de la Mancha

El modelo RDF (desarrollado por el W3C) representa precisamente información mediante estructuras del tipo sujeto–predicado–objeto, formando grafos de datos conectados.

El principio de los Linked Data o datos enlazados da un paso adicional: las entidades reciben identificadores únicos y pueden establecerse relaciones entre datos mantenidos por organizaciones diferentes. Tim Berners-Lee resumió esta filosofía en una idea esencial: no basta con poner datos en la Web; hay que enlazarlos para que tanto las personas como las máquinas puedan recorrer una auténtica Web de datos.

En lugar de cientos de bases de datos diciendo cada una por separado quién es Cervantes, podríamos identificar a Cervantes como una entidad y conectar con ella sus obras, lugares, fechas, ediciones, traducciones, instituciones, manuscritos y cualquier otra información relacionada. Surgen así los grafos de conocimiento.

La vieja metáfora del árbol del conocimiento comienza a ser sustituida por otra mucho más flexible: una gigantesca red de entidades interconectadas.

Los metadatos: las etiquetas invisibles que hacen inteligible la información

En este nuevo entorno, los metadatos han adquirido una importancia enorme. Un archivo denominado IMG_45872.jpg contiene información visual para nosotros, pero muy poca información explícita para una máquina. Si añadimos:

• autor;

• fecha;

• lugar;

• personas representadas;

• derechos de uso;

• acontecimiento;

• materias;

• coordenadas geográficas;

• institución responsable;

convertimos ese objeto digital en algo mucho más fácil de localizar, interpretar, relacionar, preservar y reutilizar. Los metadatos no son simplemente «datos sobre datos». Son, en buena medida, contexto estructurado.

Iniciativas como Schema.org permiten incorporar en las páginas web información estructurada sobre personas, organizaciones, libros, lugares, productos, eventos y centenares de tipos diferentes de entidades utilizando un vocabulario compartido. Su estructura puede expresarse en formatos como JSON-LD, RDFa o Microdata.

Las bibliotecas están realizando una transición semejante.

Durante décadas, enormes cantidades de información bibliográfica quedaron encerradas en registros MARC 21 construidos fundamentalmente para intercambiar información entre sistemas bibliotecarios. BIBFRAME, impulsado por la Library of Congress, intenta evolucionar esa descripción bibliográfica hacia un modelo de datos enlazados en el que obras, manifestaciones concretas, ejemplares, personas y materias puedan convertirse en entidades relacionadas e identificables en la Web.

Incluso la tradicional Clasificación Decimal Dewey está incorporándose a este nuevo ecosistema: Desde 2024, OCLC ofrece la Clasificación Decimal Dewey también como datos estructurados y enlazables, de forma que sus conceptos pueden identificarse mediante URIs y conectarse con otros vocabularios y recursos de la Web. En cierto modo, las herramientas creadas hace más de un siglo para ordenar libros están aprendiendo ahora a hablar el idioma de la Web.

La inteligencia artificial entra en escena

Y justo cuando comenzábamos a construir sistemas capaces de organizar cantidades enormes de información estructurada, apareció una tecnología capaz de analizar también cantidades enormes de información no estructurada.

La inteligencia artificial está transformando nuevamente la organización del conocimiento.

Los sistemas actuales pueden utilizarse para:

• identificar automáticamente personas, organizaciones, lugares, fechas y conceptos dentro de un documento;

• sugerir palabras clave y materias;

• clasificar documentos;

• generar o completar metadatos;

• detectar registros bibliográficos duplicados;

• relacionar entidades que aparecen con nombres diferentes;

• resumir contenidos;

• identificar semejanzas semánticas;

• construir y enriquecer taxonomías;

• traducir términos entre idiomas;

• vincular documentos con vocabularios controlados;

• enriquecer grafos de conocimiento;

• mejorar la búsqueda mediante lenguaje natural.

Esto ya no pertenece únicamente al terreno experimental. OCLC, por ejemplo, utiliza actualmente sistemas de IA que pueden sugerir números de clasificación y encabezamientos de materia para enriquecer registros bibliográficos, manteniendo la decisión final en manos del catalogador. IFLA mantiene desde hace años un grupo dedicado específicamente a la indización automática y al uso del aprendizaje automático en el análisis temático, y en 2026 ha presentado experiencias concretas de aplicación de IA a la creación de metadatos bibliográficos y a la indización automática.

Continuara...