Adelantando el Catálogo de Colecciones de Historia Natural del Mundo

Hobern D, Asase A, Groom Q, Luo M, Paul D, Robertson T, Semal P, Thiers B, Woodburn M & Zschuschen E (2020) Advancing the Catalogue of the World’s Natural History Collections. v2.0. Copenhagen: GBIF Secretariat. https://doi.org/10.35035/p93g-te47.

El documento Adelantando el Catálogo de Colecciones de Historia Natural del Mundo está publicado bajo una licencia Creative Commons Attribution 4.0 Unported.

https://doi.org/10.35035/p93g-te47

v2.0, Marzo 2020

Actualizado de la versión, publicada el 25 de febrero de 2020: Hobern D, Asase A, Groom Q, Paul D, Robertson T, Semal P, Thiers B & Woodburn M (2020) Advancing the Catalogue of the World’s Natural History Collections. v1.0. Copenhagen: GBIF Secretariat. https://doi.org/10.15468/doc-wnsx-ep77

Los cambios principales respecto a la versión v1.0 son los siguientes:

Musgo sematophyllum de Maryland (Sematophyllum marylandicum), colectado por W.R. Buck en el Área Natural Ferncliff, Parque Estatal Ohiopyle, Pennsylvania, Estados Unidos. Foto 2018 New York Botanical Garden via The New York Botanical Garden Herbarium (NY), licencia CC BY 4.0.

El personal de las colecciones y los taxónomos colaboran como una comunidad verdaderamente global. Valiosos especímenes se distribuyen entre instituciones en todas partes del mundo. Los investigadores visitan estas colecciones o piden prestado especímenes como parte de su trabajo. Index Herbariorum (IH) es el directorio de información sobre herbarios del mundo (direcciones, contactos, especialidades, tamaño, etc.). Es un recurso bien gestionado y muy estimado como herramienta por la comunidad botánica. No existe un equivalente completo global para otras colecciones de historia natural, aunque algunas infraestructuras nacionales/regionales como las páginas de colecciones de ALA, la Lista de Colecciones de Estados Unidos de iDigBio, y los perfiles del CETAF cumplen funciones similares. GBIF ha integrado recientemente a su registro el Registro Global de Colecciones Científicas (Global Registry of Scientific Collections, GRSciColl), como un marco que puede ser ampliado con información más rica curada por las comunidades de colecciones.

Los estudios taxonómicos y otros proyectos de investigación normalmente dependen de que los investigadores (o sus contactos) sepan qué instituciones contienen especímenes relevantes u otros materiales. Ello se complica dada la historia de las expediciones y actividades de colecta. Los especímenes han sido dispersados por todos los continentes. Sólo una pequeña proporción de estos ejemplares cuenta con información que ha sido capturada en bases de datos de manera que se pueda acceder a través de GBIF u otros portales. Un catálogo que proporcione al menos información resumida sobre el alcance taxonómico y geográfico de cada colección podría ayudar a los investigadores a localizar materiales relevantes.

La información necesaria para construir el catálogo de colecciones coincide estrechamente con los metadatos necesarios para publicar un conjunto de datos de especímenes en GBIF y otros portales. Un registro que describe una colección podría ser tratado como un mínimo primer paso, tal vez conduciendo a través de procesos tales como Une los Puntos y en adelante, a una digitalización integral. Un catálogo exhaustivo de dichos registros podría guiar los esfuerzos para priorizar actividades de digitalización, destacando colecciones con contenido de especial relevancia o ayudando al desarrollo de redes colaborativas de digitalización como las Redes de Colecciones Temáticas (ADBC Thematic Collection Networks).

Las estimaciones del número de especímenes albergados en las colecciones ascienden a miles de millones, pero no existe un número definitivo. Un catálogo podría ayudar a afinar estas estimaciones y a evaluar el valor económico de estos bienes irreemplazables. Esta información puede ayudar a justificar la magnitud del esfuerzo y la financiación necesarios para digitalizar las colecciones y hacer que sus datos sean accesibles para su uso universal, confiable y persistente.

La información exacta sobre cualquier colección se puede utilizar como referencia o como datos vinculados con registros de especímenes y otros objetos de datos. Los usuarios de registros de especímenes necesitan información contextual sobre la colección que contiene el espécimen, por ejemplo para comunicarse con los administradores de la colección en referencia a especímenes individuales, para ofrecer correcciones a los datos de los especímenes, o simplemente para determinar si es probable que la colección contenga cantidades de especímenes similares. Incluir toda esta información en los registros de especímenes puede ser ineficiente. Mantener una única copia de una fuente autorizada ayuda a mantener actualizada la información de la colección. El registro de una colección también puede contener información sobre el alcance taxonómico o geográfico u otros aspectos que puedan resolver potenciales ambigüedades dentro de un registro de espécimen. Los enlaces a los registros de colecciones actuales también mejorarán las publicaciones taxonómicas que hacen referencia a sus materiales. Esto es especialmente importante porque los números de catálogo y otros identificadores de especímenes utilizados en las publicaciones pueden no vincularse a información digitalizada acerca de los especímenes. La vinculación a la colección simplifica el acceso futuro y podría permitir que en el futuro los enlaces digitales puedan ser inferidos.

Aunque no existe un catálogo exhaustivo de colecciones, la necesidad de dicha información lleva a que estos datos se publiquen repetidamente en diferentes formatos en diferentes portales, en documentación de proyectos, metadatos para otros datos, etc. Esta duplicación resulta en confusión a medida que información ya obsoleta permanece en la web. Mecanismos que siempre enlacen a una única versión continuamente actualizada (y a un historial de versiones) resolvería estos problemas.

Un directorio exhaustivo podría servir como base para nuevas herramientas que mejoren los esfuerzos taxonómicos y la cooperación entre colecciones. Un ejemplo podría ser el desarrollo de sistemas de préstamos distribuidos o la digitalización a demanda, como se ha previsto para el Sistema Europeo de Préstamos y Visitas de DiSCo (European Loans and Visits System, ELViS). Un catálogo también podría servir como escaparate para que las instituciones resalten su contenido y características únicas, tal como ocurre en el concepto visual compartido por GBIF para las páginas de colección. El seguimiento y reporte de GBIF sobre el uso de datos sobre biodiversidad en publicaciones científicas podrían alimentar nuevos servicios que proporcionen métricas estándar y ayuden a las colecciones a medir y reportar su impacto.

El valor de la investigación se mide principalmente en términos de visibilidad e impacto de la literatura publicada. Las colecciones de historia natural son pobremente reconocidas por estas medidas y su importancia como herramientas fundamentales de investigación está casi oculta. Los usuarios de las colecciones son regularmente instados a citar los especímenes examinados y hacer referencia a la colección. Sin embargo, la cita es a menudo inexistente, incompleta o ambigua. Las infraestructuras de investigación como OpenAIRE en Europa mapean cada vez más no sólo conexiones entre investigadores y publicaciones, sino también conjuntos de datos, proyectos, proveedores de contenidos y organizaciones. Un catálogo podría ayudar a estandarizar la cita de las colecciones, haciendo visible su impacto a través de estos gráficos de conocimiento. Se podría alentar a las revistas y a las comisiones editoriales a que exijan identificadores estándar de colecciones toda vez que se haga referencia a las colecciones.

Aunque esta consulta pretende fomentar el desarrollo de información estandarizada para todas las colecciones a nivel global, cada país o región puede tener necesidades o usos para esta misma información en aplicaciones y servicios locales. Es importante identificar una serie de estas necesidades y asegurarse de que se abordan como parte de una solución colaborativa. Un enfoque inclusivo aportará incentivos para trabajar juntos para que la información sobre cada catálogo sea lo más completa, actual y precisa posible. Los requisitos son relativamente bien conocidos para Europa (e.g., DiSSCo) y los Estados Unidos (e.g., iDigBio), pero otras regiones podrían tener necesidades sutil o significativamente diferentes.

Debe definirse el alcance del catálogo. El principal caso de uso considerado es el listado y descripción de las colecciones que contienen especímenes biológicos conservados, a los que se refiere aquí como "colecciones de historia natural". La consulta se centrará en el desarrollo de una solución sólida y efectiva para las colecciones de historia natural, pero es valioso explorar las necesidades y oportunidades relacionadas con otros tipos de colecciones de ciencias naturales. Algunas de ellas pueden ajustarse fácilmente en el ámbito del catálogo. En otros casos, el trabajo en el catálogo puede ofrecer beneficios a estas otras comunidades. Notar en particular: 1) muchas instituciones tienen colecciones biológicas y geológicas y pueden gestionarlas como un todo unificado; 2) DiSSCo incluye colecciones geológicas dentro de su alcance, y otras redes como iDigBio incluyen al menos colecciones paleontológicas; 3) GRSciColl se estableció para mantener registros sobre cualquier colección científica; y 4) el estándar de descripción colecciones de TDWG (TDWG Collection Description standard) es extensible para diferentes tipos de colección.

La mayoría de las colecciones ya están identificadas por uno o más códigos de colección y pueden tener identificadores web (URLs, DOIs, etc.) en una o más bases de datos. El catálogo puede reutilizar uno u otro de estos identificadores o puede ayudar a apoyar un esquema estandarizado. GRSciColl existe para ayudar con la estandarización de los códigos de colección y los identificadores digitales (legibles por computadoras), pero también existen varios otros esfuerzos. Los identificadores únicos para cada colección serán importantes para maximizar la interconexión de la información y la estandarización de citas, pero otros identificadores existentes deberían resolver idealmente a la misma información y ser reconocidos como sinónimos de los identificadores preferidos.

Dentro de IH, cada registro de herbario corresponde normalmente a una institución con su propio código de colección único, dirección postal, etc. En zoología, los museos a menudo están estructurados como un conjunto de colecciones con un alcance taxonómico diferente y posiblemente jerárquico. Los especímenes colectados en expediciones famosas o por investigadores significativos pueden tener su propia identidad y aparecer como colecciones especiales. Como resultado, los curadores e investigadores pueden desear referirse a diferentes conjuntos de especímenes (potencialmente solapados) como colecciones separadas con sus propios nombres, identificadores y descripciones.

El Grupo de Interés de Descripción de Colecciones de (TDWG Collection Descriptions, CD) está desarrollando actualmente el estándar para descripción de colecciones, CD (evolucionando desde el estándar anterior de Descripción de Colecciones Naturales de TDWG (TDWG Natural Collections Description)). Las redes existentes y los esquemas institucionales utilizan una variedad de formatos diferentes o variantes de estándares de metadatos para sus registros de colecciones, como resultado de lo cual la interoperabilidad entre estos recursos (y por tanto la agregación de datos) es limitada. Para superar esta barrera, se necesita claridad en torno a factores como estándares y vocabularios preferidos, campos obligatorios y compatibilidad entre información en diferentes formatos.

La información en el catálogo de colecciones podría estar vinculada a un amplio rango de otros tipos de información sobre la biodiversidad (ejemplares, secuencias, conjuntos de datos, imágenes, publicaciones, etc.) para apoyar el acceso a la información y la exploración.

El valor principal del catálogo de colecciones podría revelarse en los servicios de información que se puedan ofrecer en torno a la información administrada. Tener en cuenta estos servicios puede ayudar a clarificar los requisitos de contenido.

La información existente sobre las colecciones es editada y mantenida de diferentes maneras. IH permite que los herbarios proporcionen o editen sus registros y ofrece soporte para que los herbarios proporcionen actualizaciones por correo electrónico u otros canales. Otras comunidades, como los portales nacionales, tienen otras vías para que las colecciones proporcionen o actualicen información. Varias herramientas ayudan a los publicadores de datos a crear metadatos EML para publicar datos en GBIF y en otros lugares. Estas herramientas podrían mejorarse para proporcionar registros de colecciones en formatos preferidos. La herramienta de publicación integrada (Integrated Publishing Toolkit, IPT) podría ser mejorada para ofrecer registros de colecciones como uno de los tipos de registro principales que se pueden compartir. Esto permitiría a las colecciones publicar uno o más registros de colecciones como un pequeño conjunto de datos autónomo y permitiría a redes de colecciones administrar y publicar un conjunto de datos que comprenda muchos registros de colecciones. Wikidata también podría servir como herramienta o plataforma para editar información del catálogo y hacerla ampliamente accesible y reutilizable.

IH es el catálogo mejor establecido que atiende a una gran comunidad de colecciones, pero muchas otras comunidades son importantes, incluyendo esfuerzos enfocados a nivel regional o nacional, como los perfiles institucionales del CETAF, los portales web de iDigBio y ALA, y la iniciativa One World Collection, y esfuerzos alineados temáticamente, como el Directorio Mundial de Colecciones Culturales (World Directory of Culture Collections) y el portal de la Red Global de Diversidad Genómica (Global Genome Biodiversity Network). Un catálogo global exhaustivo debería garantizar que se satisfagan las necesidades de estas diferentes comunidades y apoyar su funcionamiento e independencia en todos los ámbitos valorados para las colecciones. Entender estos requisitos es esencial en la planificación de la implementación técnica y la gobernanza del catálogo.

GBIF tiene la misión de proporcionar apoyo a escala global a soluciones para la informática de la biodiversidad y ha ampliado su Registro para albergar los datos históricamente mantenidos como GRSciColl. El contenido de GRSciColl está incompleto y se considera más bien como un marco para la expansión con metadatos de colecciones más ricos que representen adecuadamente las necesidades e intereses de las colecciones. GBIF puede servir como contexto para la integración y des-duplicación de información de colecciones proveniente de distintas fuentes, y para interconectar esta información con otros datos de biodiversidad. GBIF requiere asesoramiento sobre la mejor manera de apoyar las necesidades y la representación de las colecciones y sus comunidades a medida que desarrolla estos servicios.

La mayoría de las colecciones de historia natural mantienen datos sobre sus especímenes en un sistema de gestión de colecciones (CMS por su sigla en inglés) como Specify, Symbiota, EMu, DarWIN o BRAHMS. Algunas de estas herramientas podrían desarrollarse para interactuar directamente con el catálogo de colecciones, proporcionando metadatos y métricas actualizadas.

El valor de un recurso compartido comunitario puede ser maximizado asegurando que las interfaces y APIs soporten las necesidades de todos los grupos clave de agentes interesados, incluyendo el abordaje cuestiones relacionadas con la entrega de contenido en la mayor medida posible en varios idiomas. Algunas necesidades podrían ser atendidas ofreciendo componentes de cliente reutilizables que pueden ser embebidos en otras aplicaciones.

El supuesto básico es que cada institución debe tener la responsabilidad primaria y el control de la información sobre sus colecciones. Sin embargo, puede ser apropiado delegar la responsabilidad total o parcialmente a comunidades temáticas, regionales o nacionales que cuentan con curadores de datos capaces de garantizar la calidad y estandarización de los registros de colecciones. En algunos contextos, si las instituciones por algún motivo no proveen información formal, o no tienen los recursos para hacerlo, podría haber motivos para permitir o alentar a una base de usuarios más amplia para contribuir y mejorar los registros de la colección. En todos los casos, se requiere un historial de versiones para la información, de modo que los usuarios puedan entender y responder a los cambios realizados por otros.

Comunidades como IH, CETAF, ALA, iDigBio, etc., desempeñan un papel importante apoyando colecciones y promoviendo prácticas basadas en estándares. En muchos casos, estas comunidades tienen un alto nivel de entendimiento y participan estrechamente en el desarrollo de soluciones para la informática de la biodiversidad. Sus funciones y derechos deben estar bien definidos y apoyados en cualquier solución integrada.

Infraestructuras de información sobre biodiversidad como GBIF, DiSSCo, iDigBio y otras plataformas nacionales y regionales suelen ser financiadas en el contexto de metas científicas abiertas más amplias para las infraestructuras de investigación. Su participación puede representar un puente importante entre las necesidades de las comunidades de colecciones y el financiamiento y experiencia en soluciones informáticas. Sin embargo, los roles y las responsabilidades deben estar bien definidos para garantizar que las necesidades de los investigadores y las comunidades de usuarios sean centrales. Es importante definir claramente la mejor forma de que estas infraestructuras técnicas puedan participar en la solución global, incluyendo la demostración de los beneficios necesarios para asegurar una financiación sostenida de un catálogo integrado y de todas las partes que lo componen.

El éxito a largo plazo de una solución compleja comunitaria dependerá de contar con un modelo de gobernanza que proporcione confianza a todas las partes respecto a que sus intereses están atendidos y protegidos. El modelo debería encontrar el equilibrio adecuado entre asegurar la salud de la colaboración y minimizar los gastos generales asociados a reuniones, informes, etc.

Es posible que se requiera un esfuerzo relativamente pequeño para que cada institución registre y gestione sus propios registros de colecciones. Sin embargo, la estabilidad del sistema dependerá del esfuerzo continuado de estas instituciones o de otras partes para corregir errores e información desactualizada. Debería haber beneficios o incentivos claros que animen a las partes interesadas a contribuir con este esfuerzo. Un objetivo clave debería ser garantizar que el catálogo contribuya de forma útil a la labor de los gestores de colecciones y de los taxónomos. El reconocimiento de las contribuciones también puede ser valioso.

Las necesidades de financiación dependerán de otros aspectos del enfoque adoptado para elaborar el catálogo. Los costos serán mayores si se requiere un apoyo más centralizado para mantener el contenido. Incluso si el contenido es gestionado en gran medida de forma gratuita por la comunidad internacional, mantener una infraestructura confiable requiere esfuerzo e inversión a largo plazo (véase por ejemplo modelo CoreTrustSeal para repositorios de confianza).