Ideia principal

Um artigo científico, uma documentação técnica ou um relatório de analista pode conter cinco mecanismos independentes. Dois documentos muito diferentes podem sustentar exatamente a mesma ideia. E uma mesma fonte pode misturar uma afirmação sólida, uma premissa especulativa e uma definição ambígua.

Contar ou resumir documentos, portanto, não diz o que um corpus sabe. É preciso uma camada intermediária em que as fontes sejam transformadas em unidades de conhecimento: notas atômicas que estabilizam cada uma uma ideia, notas temáticas que ligam várias ideias, entradas de glossário que fixam o sentido de um termo quando uma ambiguidade mudaria a interpretação.

É nessa camada, e não na pilha de documentos, que se lê a solidez de uma afirmação, a dependência dela de uma única fonte ou a contradição entre dois autores.

Por que isso importa

Isso torna mensuráveis coisas que um resumo apaga: quantas fontes independentes sustentam uma ideia, qual delas tem só uma, onde duas fontes se opõem.

E isso permite conduzir uma pesquisa a partir do que foi entendido, e não do que foi lido.

Nuances e limites

A extração tem um custo, e introduz o seu próprio viés: o que não foi recortado em nota desaparece do diagnóstico tão certamente quanto o que não foi lido.

E uma fonte pode continuar inutilizável por falta de uma extração confiável: ela fica então no corpus sem estar no conhecimento.

Questões em aberto

• Como perceber o que uma extração deixou de lado numa fonte, sem reler a fonte inteira?