Metodología común

Principios

El proyecto convierte tres registros nacionales de patrimonio construido en infraestructura de investigación, con un único motor de sitio y las mismas reglas en los tres países. Las decisiones siguientes se aplican a todos.

• Nada inventado. Cada valor procede de la fuente, de una regla explícita o de un enlace verificado. Cuando ninguna regla decide, el campo queda vacío: un vacío honesto vale más que un error.
• Procedencia en todo. Traducciones, alineamientos y valores derivados llevan la marca [C] (confirmado en una fuente) o [I] (inferido por regla), y los ficheros de reglas se publican con los datos.
• Cifras generadas, nunca escritas a mano. Los totales de las páginas se leen de los datos al construir el sitio, también los de esta página.
• La calidad se mide. Donde hay lectura automática (agentes LLM, heurísticas), hay una auditoría por muestra o sobre la población entera, con resultados publicados.
• Cada registro conserva su semántica. No se fuerza a los tres registros a un modelo único: sus diferencias se documentan y las comparaciones solo usan lo comparable.

Portugal: SIPA

El SIPA (Sistema de Informação para o Património Arquitectónico, DGPC) no tiene API ni exportación. Sus 26.380 fichas se recogieron página a página, con concurrencia limitada para no sobrecargar el servidor, y se guardaron en una base SQLite con unos 47 campos por registro.

• Cronología de construcción: un parser de texto libre lee años, intervalos, siglos en números arábigos y romanos, fechas a. C. y décadas ("años 40 del siglo XX"). Un siglo se expande a su intervalo completo (siglo XVI = 1500 a 1599).
• Personas: el campo de autoría usa etiquetas de función en mayúsculas como marcadores de estructura. El parser (5 versiones) valida las funciones con un vocabulario de más de 170 términos.
• Materiales y elementos: vocabularios controlados, términos compuestos primero (gana el más largo) y validación en una muestra estratificada de 100 fichas (F1 superior a 0,96 en los pares elemento y material).
• Fechas de protección: el SIPA no tiene campo de fecha. Las fechas las leyeron agentes en los textos de los actos legales (4.803 clasificaciones fechadas), con la convención de usar la fecha de publicación en el diario oficial (DG/DR). El número del decreto nunca se trata como fecha.
• Tipología: la clasificación del SIPA tiene cinco niveles. Para la ontología común se usa el nivel más específico que tenga alineamiento AAT (t3, luego t2, t1, c2, c1), un valor por ficha.

El SIPA incluye fichas fuera de Portugal. Para comparar países solo se usa el territorio actual (24.939 fichas). La metodología detallada (en inglés) está en monumentospt.xyzbim.eu/sipa-methodology.html.

Francia: Mérimée

La base Mérimée del Ministère de la Culture se publica en CSV abierto (Licence Ouverte 2.0): 46.760 inmuebles protegidos y 78 columnas. Partir de un fichero oficial permite recontarlo todo desde la fuente bruta.

• Normalización: siglos leídos de expresiones como "4e quart 19e siècle", eras prehistóricas separadas de los siglos numéricos y coordenadas validadas para la Francia metropolitana y los departamentos de ultramar.
• Vocabularios: estatutos descompuestos de forma determinista, estados mapeados uno a uno y usos derivados de las denominaciones, con traducciones marcadas [C]/[I].
• Personas: agentes leyeron por lotes las cadenas de autoría, que se fusionaron en un registro de entidades (personas y empresas).
• Wikidata: enlace mediante la propiedad P380 (identificador Mérimée), que cubre el 98 % de las fichas. Imágenes de Wikimedia Commons (P18).
• Protección: 51.628 eventos de protección leídos del campo de fechas y tipos de protección.

El 2026-09-02 un panel de 8 agentes auditó la fidelidad entre sitio y fuente sobre la población entera: identidad, datación, protección, uso, coordenadas, texto, personas y agregados. Los informes están en monumentsfr.xyzbim.eu/methodologie/.

España: BIC e inventario andaluz

No existe un registro nacional abierto de los bienes protegidos de España. El conjunto español agrega 20 fuentes abiertas regionales, cada una con su licencia, con un total de 55.154 registros.

• Dos poblaciones, marcadas en el dato: 25.132 Bienes de Interés Cultural (BIC) de 18 comunidades autónomas y 30.022 bienes del inventario andaluz (IAPH), que mezcla BIC con bienes solo inventariados sin un campo que los distinga. Estos quedan marcados como "inventariado" y el filtro de protección los separa.
• Un parser por fuente, cada uno con una prueba de recuento contra las cifras reales y un control geográfico por comunidad. Los defectos de las fuentes (columnas UTM intercambiadas, duplicación sistemática, geometrías inválidas) se corrigieron y documentaron. En Euskadi la clave única es el número de ficha Ondarea, y los enlaces antiguos se redirigen mediante una tabla de alias sin ambigüedad.
• Coordenadas: el 98 % de los BIC está georreferenciado. Del inventario andaluz, 4.598 bienes tienen punto del localizador del IAPH y 971 del Wikidata; 17.579 quedan sólo con círculo municipal, sin coordenada.
• Tipologías derivadas: ninguna fuente abierta española trae tipología de edificio. Los 39 tipos (con alineamiento AAT) se asignan al 95 % de los registros, en este orden: valores exactos de la fuente, reglas sobre el nombre (decide el núcleo del nombre, los topónimos de relieve no cuentan, los falsos amigos están resueltos), Wikidata P31 y, por último, reservas por categoría arqueológica. Agentes midieron la precisión en dos rondas de auditoría (825 y 218 registros, en torno al 90 % y al 92 %) y las reglas fallidas se corrigieron.
• Cronología de construcción: solo una pequeña parte de los registros (en torno al 4 %) tiene fecha de construcción. Por prioridad, la fecha procede de los campos de la fuente, de Wikidata P571 (solo con precisión de año, década o siglo) o de pistas inequívocas del nombre ("románico"). Las fechas a. C. quedan como eras arqueológicas. La fecha de construcción nunca se mezcla con la de protección.
• Wikidata: enlace por P808, por proximidad geográfica (hasta 150 m, con nombre parecido y municipio compatible) o por nombre con candidato único. Los casos ambiguos quedan fuera. En una muestra de 100 enlaces auditados no hubo errores.

Detalle por fuente y licencia en monumentoses.xyzbim.eu/metodologia/.

Capa común: la ontología AAT

Los tres registros usan vocabularios distintos (la clasificación del SIPA en cinco niveles, los términos de Mérimée, las tipologías derivadas en España). En lugar de crear un vocabulario propio, el proyecto usa el Getty Art & Architecture Thesaurus (AAT) como pivote: cada término nacional apunta a un concepto AAT, y dos términos de países distintos son "el mismo" cuando apuntan al mismo concepto.

• Tamaño actual: 757 conceptos AAT. Términos alineados: 721 en Portugal, 740 en Francia y 36 tipologías en España. Francia y Portugal comparten 199 conceptos, y los tres países 27.
• Registros enlazados: 26.379 en Portugal, 43.451 en Francia y 51.952 en España. Cada registro cuenta una vez por concepto.
• Etiquetas en cinco lenguas, por prioridad: el vocabulario curado del proyecto, el valor simple de la fuente nacional (sin términos compuestos) y, en las lenguas que faltan, las etiquetas del propio Getty (leídas por SPARQL y guardadas en caché). Cada etiqueta registra su origen. Los 757 conceptos tienen etiqueta en inglés, pero en alemán solo 354, porque el Getty tiene menos traducciones.
• Publicación: SKOS en Turtle, con URI propios enlazados a los del Getty mediante skos:exactMatch, y tablas JSON por país en /comum/ontologia/. La construcción es determinista: los mismos datos dan los mismos ficheros.
• Uso: los tres exploradores aceptan el filtro ?aat= con el identificador del concepto (por ejemplo, castillos: 300006891), de modo que la misma búsqueda puede hacerse en los tres países.

Comparación entre países

La página de comparación aplica los mismos gráficos y las mismas reglas a cada registro. Como los registros no son equivalentes:

• Se comparan proporciones, nunca valores absolutos. La normalización por habitante usa las poblaciones oficiales (INSEE, INE).
• Los instrumentos son distintos: Mérimée recoge inmuebles protegidos, el SIPA reúne clasificados e inventariados y el BIC es una figura de protección autonómica. Por eso solo entran los 25.132 BIC españoles: el inventario andaluz queda fuera porque no distingue BIC de bienes solo inventariados.
• Construcción y protección no se mezclan. Los gráficos de siglos y de sagrado frente a profano usan fechas de construcción (Francia y Portugal). España solo entra en el cuadro general y en las protecciones por década, porque sus fechas son sobre todo de protección.

Límites conocidos

• La cobertura española es parcial: hay comunidades con licencia por aclarar, las lagunas están publicadas en la metodología española y del inventario andaluz, 17.579 bienes siguen sólo con círculo municipal.
• Las tipologías y la cronología de construcción españolas son derivadas y no proceden de las fuentes. Su precisión se midió por muestreo, no ficha a ficha.
• Las fechas de protección españolas proceden de textos heterogéneos, y algunas fuentes no tienen ninguna fecha.
• No todos los términos nacionales tienen alineamiento AAT, y el Getty no tiene etiquetas en todas las lenguas.
• Los textos descriptivos de las fichas españolas y la auditoría de fidelidad del conjunto español siguen pendientes.

Metodologías por país y datos

• Portugal: metodología SIPA
• Francia: metodología Mérimée
• España: metodología BIC e IAPH
• Ontología común: SKOS (Turtle) y JSON
• Comparación entre registros: datos de la comparación