Metodologia comum

Princípios

O projecto transforma três registos nacionais de património construído em infraestrutura de investigação, com um só motor de site e as mesmas regras nos três países. As decisões abaixo aplicam-se a todos.

• Nada inventado. Cada valor vem da fonte, de uma regra explícita ou de uma ligação verificada. Quando nenhuma regra decide, o campo fica vazio: um vazio honesto vale mais do que um erro.
• Proveniência em tudo. Traduções, alinhamentos e valores derivados levam a marca [C] (confirmado numa fonte) ou [I] (inferido por regra), e os ficheiros de regras são publicados com os dados.
• Números gerados, nunca escritos à mão. Os totais das páginas são lidos dos dados no momento da construção, incluindo os desta página.
• A qualidade mede-se. Onde há leitura automática (agentes LLM, heurísticas), há uma auditoria por amostra ou pela população inteira, com os resultados publicados.
• Cada registo mantém a sua semântica. Não se forçam os três registos a um modelo único: o que difere entre eles é documentado e as comparações só usam o que é comparável.

Portugal: SIPA

O SIPA (Sistema de Informação para o Património Arquitectónico, DGPC) não tem API nem exportação. As 26 380 fichas foram recolhidas página a página, com concorrência limitada para não sobrecarregar o servidor, e guardadas numa base SQLite com cerca de 47 campos por registo.

• Cronologia de construção: um parser de texto livre lê anos, intervalos, séculos em árabe e romano, datas a. C. e décadas ("anos 40 do séc. XX"). Um século expande-se para o intervalo completo (séc. XVI = 1500 a 1599).
• Pessoas: o campo de autoria usa rótulos de função em maiúsculas como marcadores de estrutura. O parser (5 versões) valida as funções contra um vocabulário de mais de 170 termos.
• Materiais e elementos: vocabulários controlados, termos compostos primeiro (o mais longo ganha) e validação numa amostra estratificada de 100 fichas (F1 acima de 0,96 nos pares elemento e material).
• Datas de protecção: o SIPA não tem campo de data. As datas foram lidas por agentes nos textos dos diplomas (4 803 classificações datadas), com a convenção de usar a data de publicação no DG/DR. O número do decreto nunca é tratado como data.
• Tipologia: a classificação SIPA tem cinco níveis. Para a ontologia comum usa-se o nível mais específico que tenha alinhamento AAT (t3, depois t2, t1, c2, c1), um valor por ficha.

O SIPA inclui fichas fora de Portugal. Para comparar países usa-se só o território actual (24 939 fichas). A metodologia detalhada (em inglês) está em monumentospt.xyzbim.eu/sipa-methodology.html.

França: Mérimée

A base Mérimée do Ministère de la Culture é publicada em CSV aberto (Licence Ouverte 2.0): 46 760 imóveis protegidos e 78 colunas. Partir de um ficheiro oficial permite recontar tudo a partir da fonte bruta.

• Normalização: séculos lidos de expressões como "4e quart 19e siècle", eras pré-históricas separadas dos séculos numéricos e coordenadas validadas para a metrópole e os DOM.
• Vocabulários: estatutos decompostos de forma determinística, estados mapeados um a um e usos derivados das denominações, com traduções marcadas [C]/[I].
• Pessoas: as cadeias de autoria foram lidas por agentes em lotes e fundidas num registo de entidades (pessoas e firmas).
• Wikidata: ligação pela propriedade P380 (identificador Mérimée), que cobre 98 % das fichas. Imagens do Wikimedia Commons (P18).
• Protecção: 51 628 eventos de protecção lidos do campo de datas e tipos de protecção.

Em 2026-09-02 um painel de 8 agentes auditou a fidelidade entre site e fonte na população inteira: identidade, datação, protecção, uso, coordenadas, texto, pessoas e agregados. Os relatórios estão em monumentsfr.xyzbim.eu/methodologie/.

Espanha: BIC e inventário andaluz

Não existe um registo nacional aberto com os bens protegidos de Espanha. O conjunto espanhol agrega 20 fontes abertas regionais, cada uma com a sua licença, num total de 55 154 registos.

• Duas populações, marcadas no dado: 25 132 Bens de Interés Cultural (BIC) de 18 comunidades autónomas e 30 022 bens do inventário andaluz (IAPH), que mistura BIC com bens só inventariados sem um campo que os distinga. Estes ficam marcados como "inventariado" e o filtro de protecção separa-os.
• Um parser por fonte, cada um com um teste de contagem contra os números reais e um controlo geográfico por comunidade. Os defeitos das fontes (colunas UTM trocadas, duplicação sistemática, geometrias inválidas) foram corrigidos e documentados. Em Euskadi a chave única é o número de ficha Ondarea, e os links antigos são redireccionados por uma tabela de aliases sem ambiguidade.
• Coordenadas: 98 % dos BIC estão georreferenciados. Do inventário andaluz, 4 598 bens têm ponto do localizador do IAPH e 971 do Wikidata; 17 579 ficam só com círculo municipal, sem coordenada.
• Tipologias derivadas: nenhuma fonte espanhola aberta traz tipologia de edifício. Os 39 tipos (com alinhamento AAT) são atribuídos a 95 % dos registos, por esta ordem: valores exactos da fonte, regras sobre o nome (a cabeça do nome decide, os topónimos de relevo não contam, os falsos amigos estão resolvidos), Wikidata P31 e, por fim, reservas por categoria arqueológica. A precisão foi medida por agentes em duas rondas de auditoria (825 e 218 registos, cerca de 90 % e 92 %) e as regras falhadas foram corrigidas.
• Cronologia de construção: só uma pequena parte dos registos (cerca de 4 %) tem data de construção. A data vem, por prioridade, dos campos da fonte, do Wikidata P571 (só com precisão de ano, década ou século) ou de pistas inequívocas do nome ("románico"). As datas a. C. ficam em eras arqueológicas. A data de construção nunca se mistura com a de protecção.
• Wikidata: ligação por P808, por proximidade geográfica (até 150 m, com nome semelhante e município compatível) ou por nome com candidato único. Os casos ambíguos ficam de fora. Numa amostra de 100 ligações auditadas não houve erros.

Detalhe por fonte e licença em monumentoses.xyzbim.eu/metodologia/.

Camada comum: ontologia AAT

Os três registos usam vocabulários diferentes (classificação SIPA em cinco níveis, termos do Mérimée, tipologias derivadas em Espanha). Em vez de criar um vocabulário próprio, o projecto usa o Getty Art & Architecture Thesaurus (AAT) como pivô: cada termo nacional aponta para um conceito AAT, e dois termos de países diferentes são "o mesmo" quando apontam para o mesmo conceito.

• Dimensão actual: 757 conceitos AAT. Termos alinhados: 721 em Portugal, 740 em França e 36 tipologias em Espanha. 199 conceitos são partilhados entre França e Portugal, e 27 entre os três países.
• Registos ligados: 26 379 em Portugal, 43 451 em França e 51 952 em Espanha. Cada registo conta uma vez por conceito.
• Etiquetas nas cinco línguas, por prioridade: vocabulário curado do projecto, valor simples da fonte nacional (sem termos compostos) e, nas línguas em falta, as etiquetas do próprio Getty (lidas por SPARQL e guardadas em cache). Cada etiqueta regista a sua origem. Os 757 conceitos têm etiqueta em inglês, mas em alemão só 354, porque o Getty tem menos traduções.
• Publicação: SKOS em Turtle, com URIs próprios ligados aos do Getty por skos:exactMatch, e tabelas JSON por país em /comum/ontologia/. A construção é determinística: os mesmos dados dão os mesmos ficheiros.
• Uso: os três exploradores aceitam o filtro ?aat= com o identificador do conceito (por exemplo, castelos: 300006891), o que permite fazer a mesma pesquisa nos três países.

Comparação entre países

A página de comparação aplica os mesmos gráficos e as mesmas regras a cada registo. Como os registos não são equivalentes:

• Comparam-se proporções, nunca valores absolutos. A normalização por habitante usa as populações oficiais (INSEE, INE).
• Os instrumentos são diferentes: o Mérimée lista imóveis protegidos, o SIPA junta classificados e inventariados e o BIC é uma figura de protecção regional. Por isso só entram os 25 132 BIC espanhóis: o inventário andaluz fica de fora porque não distingue BIC de bens só inventariados.
• Construção e protecção não se misturam. Os gráficos de séculos e de sagrado e profano usam datas de construção (França e Portugal). Espanha entra só no quadro geral e nas protecções por década, porque as suas datas são sobretudo de protecção.

Limites conhecidos

• A cobertura espanhola é parcial: há comunidades com licença por esclarecer, lacunas publicadas na metodologia espanhola, e do inventário andaluz, 17 579 bens seguem só com círculo municipal.
• As tipologias e a cronologia de construção espanholas são derivadas e não vêm das fontes. A precisão foi medida por amostra, não verificada ficha a ficha.
• As datas de protecção espanholas vêm de textos heterogéneos, e algumas fontes não têm nenhuma data.
• Nem todos os termos nacionais têm alinhamento AAT, e o Getty não tem etiquetas em todas as línguas.
• Os textos descritivos das fichas espanholas e a auditoria de fidelidade do conjunto espanhol ainda estão por fazer.

Metodologias por país e dados

• Portugal: metodologia SIPA
• França: méthodologie Mérimée
• Espanha: metodología BIC e IAPH
• Ontologia comum: SKOS (Turtle) e JSON
• Comparação entre registos: dados da comparação