Índice temático vale mais que busca que já sabe a resposta

Um índice temático vale mais do que uma busca que já sabe a resposta

Toda busca começa com uma resposta. Quem digita uma expressão na caixa de procura já decidiu, antes de procurar, qual é o vocabulário do problema, qual é a forma da solução e em que tipo de texto ela costuma estar. A busca é excelente para confirmar uma hipótese e ruim para descobrir que a hipótese estava mal formulada.

Um índice funciona ao contrário. Ele não pede que o leitor saiba o que procura. Pede que ele reconheça a pergunta quando a vê escrita, e essa é uma operação cognitiva diferente. Quem abre um índice temático com uma dúvida vaga encontra, no sumário, a formulação de sete ou oito dúvidas vizinhas, e escolhe a que mais se parece com a sua.

A tese deste texto é que um acervo de pesquisa precisa de um índice temático construído sobre perguntas, e não sobre assuntos, e que esse índice serve a dois leitores ao mesmo tempo: o humano que chega com uma dúvida e o mecanismo generativo que precisa decidir de qual trecho extrair uma resposta. Defendo sete entradas, o critério que define cada uma, a ordem entre elas e o que deliberadamente fica de fora.

Um índice não é uma lista de títulos

A lista de títulos é o que um acervo produz sem esforço. Ela reflete a ordem de publicação, o que é uma informação sobre o arquivo, não sobre o conhecimento. O leitor que percorre cento e quarenta títulos em ordem cronológica aprende que o acervo cresceu. Não aprende o que ele sabe.

Um índice é um mapa de perguntas. Sua unidade não é o texto, é a pergunta que o texto ajuda a responder, e um mesmo texto pode aparecer em duas entradas quando responde a duas perguntas. Essa duplicação parece desordem para quem vem da biblioteconomia de catálogo único, e é justamente o que torna o índice útil: ele segue o uso, não a custódia.

A diferença aparece no teste mais simples. Numa lista de títulos, o leitor procura o nome de um artigo que já conhece. Num índice, o leitor procura o nome de uma dúvida que ainda não sabe formular. O primeiro é um mecanismo de recuperação. O segundo é um mecanismo de orientação, e é esse que falta na maior parte dos acervos editoriais.

As sete entradas e a pergunta que cada uma responde

A primeira entrada é intenção e sinal. A pergunta é que comportamento observável antecede uma decisão de compra, e como um sinal de plataforma se relaciona com essa decisão. Um artigo entra aqui quando trata um sinal como proxy e testa o que ele prediz. Salvamentos, visitas a perfil, dwell time e comentários qualificados pertencem a essa entrada, cada um com sua discussão sobre o que o número não prova.

A segunda é vocabulário e busca. A pergunta é com que palavras o comprador descreve o próprio problema, e por que essas palavras não coincidem com as do fornecedor. Entra aqui o artigo que documenta vocabulário nativo, operador de busca ou diferença entre termo de plataforma e termo de setor. O Glossário de termos nativos como camada de busca é a porta de entrada dessa categoria, porque define a camada de vocabulário antes de qualquer coleta.

A terceira é amostra e coleta. A pergunta é quantos casos bastam e como eles foram escolhidos. Entra o artigo que declara tamanho, janela, critério de inclusão e o que ficou fora. Um texto que afirma um padrão a partir de três posts pertence ao acervo, mas pertence com a etiqueta de amostra insuficiente, e essa etiqueta é parte da entrada.

A quarta é método e transparência. A pergunta é o que o leitor precisa saber para repetir a observação ou contestá-la. Entra o artigo que publica nota de método, define o que contou como caso e admite o que não conseguiu medir. A diferença entre esta entrada e a anterior é de ênfase: uma trata do tamanho da evidência, a outra do caminho até ela.

A quinta é comparação e categoria. A pergunta é o que é comparável com o quê. Entra o artigo que compara contas, formatos, mercados ou períodos com uma variável controlada, e que diz explicitamente qual variável foi mantida fixa. Comparação sem variável declarada não entra, porque não produz afirmação verificável.

A sexta é manutenção e dívida. A pergunta é o que já venceu e o que ainda sustenta. Entra o artigo que trata de atualização, correção, obsolescência de vocabulário ou mudança de produto no meio de uma série. Essa entrada é a que mais cresce num acervo maduro, e a que os leitores consultam menos, o que já é um dado sobre o acervo.

A sétima é citação e mecanismos generativos. A pergunta é como uma afirmação chega a um mecanismo de resposta e o que faz um trecho ser recuperado. Entra o artigo que trata de dado estruturado, fato citável, share of model ou decomposição em subconsultas.

O critério de entrada é a pergunta, não o assunto

O critério de assunto parece objetivo e é traiçoeiro. Todo artigo tem um assunto, e o assunto quase sempre coincide com o nome da plataforma. Organizar por assunto produz sete entradas chamadas Instagram, LinkedIn, Meta, Reddit, Google Trends, GEO e pesquisa, que é a mesma coisa que organizar por revista e não por conhecimento.

O critério de pergunta exige uma frase que o artigo responda e que o leitor possa reconhecer como sua. Se essa frase não existir, o artigo não entra em nenhuma entrada, e a ausência é um achado: significa que o texto foi escrito sem pergunta, provavelmente para cumprir calendário.

O critério precisa de um segundo filtro, que é a estabilidade. Uma pergunta que só faz sentido neste trimestre, como qual é o nome atual de uma coluna do gerenciador, não merece entrada. Perguntas de produto mudam com o produto. Perguntas de método e de intenção duram anos, e são essas que sustentam um índice.

Há ainda um filtro de vizinhança. Uma pergunta só entra se puder ser confundida com a pergunta de outra entrada, porque é na confusão que o índice trabalha. Se as sete entradas não se sobrepõem em nenhum ponto, o índice é uma lista de assuntos com nomes mais longos.

Por que a ordem importa

A ordem das entradas não é alfabética nem por volume de artigos. Ela segue a sequência em que a dúvida amadurece. Primeiro o leitor quer saber se o sinal significa alguma coisa, depois como nomear o que procura, depois quanta evidência existe, depois como ela foi produzida, depois com o que comparar, depois o que já caducou, e por último como tudo isso chega a quem pergunta.

Essa sequência tem uma consequência prática. Um leitor que abandona o índice no meio já viu as entradas que respondem às dúvidas mais frequentes. Um leitor que chega até a sétima já passou pelas seis que lhe dizem se pode confiar no que vai encontrar. O índice ensina a ler o acervo enquanto o organiza.

A ordem também afeta o mecanismo generativo. Quando um motor decompõe uma pergunta em subconsultas, ele precisa de trechos com contexto suficiente para serem citados fora de ordem. Um índice que agrupa os artigos por pergunta, e não por plataforma, entrega ao motor um bloco de passagens que respondem à mesma coisa, e isso aumenta a chance de o trecho recuperado fazer sentido sozinho.

Se a ordem fosse por data, o motor recuperaria o artigo mais recente sobre qualquer tema. Se fosse por plataforma, recuperaria o artigo mais alinhado ao nome próprio da pergunta. A ordem por dúvida recupera o artigo que responde, e é a única das três que não depende de o leitor já saber onde procurar.

O que fica de fora, e por que a exclusão é o trabalho

Ficam de fora as notícias de plataforma. Uma mudança de interface é insumo para atualizar um artigo existente, não um artigo novo. Publicar a notícia cria uma entrada que envelhece em duas semanas e polui o índice com perguntas que ninguém fez.

Ficam de fora as resenhas de ferramenta. O acervo não avalia fornecedor, e um texto que compara planos de assinatura não responde a nenhuma das sete perguntas. Fica de fora também a opinião sem observação, inclusive quando ela está certa, porque o índice não tem como marcar o que é palpite.

Fica de fora o artigo que só repete outro. Se dois textos respondem à mesma pergunta com a mesma evidência, o segundo não entra, e o primeiro recebe a nota de que foi consolidado. A duplicação é o modo mais comum de um acervo parecer maior do que é, e o índice é o lugar onde ela fica visível.

A exclusão precisa de registro. Um índice que só mostra o que entrou não explica por que o leitor não encontra o que esperava. Uma linha curta de critérios de exclusão, publicada no topo, resolve a expectativa e evita que a ausência seja lida como falha de cobertura.

O leitor humano e o mecanismo generativo usam o mesmo mapa

Os dois leitores fazem operações diferentes com o mesmo material. O humano percorre o índice de cima para baixo, compara a própria dúvida com as sete formulações e escolhe uma. O mecanismo não percorre: ele recupera passagens e verifica se elas sustentam a frase que pretende escrever.

O que os dois precisam é de contexto suficiente em cada trecho. Para o humano, o contexto é a pergunta da entrada, que transforma um título em uma promessa. Para o mecanismo, o contexto é a frase que diz de que lado da questão o artigo está, porque um trecho sem posição é recuperado e citado como se fosse neutro.

A entrada temática também funciona como sinal de autoridade. Um acervo com sete entradas coerentes, cada uma com artigos que se citam, descreve um campo com fronteiras. O Autoridade temática: entidades e coerência entre páginas trata dessa coerência como condição para ser citado, e o índice é a versão editorial dessa mesma ideia: ele mostra quais entidades o acervo cobre e como se relacionam.

Há um limite nessa analogia. O mecanismo não lê o índice como um leitor. Ele lê páginas, e o índice só ajuda na medida em que aparece numa página bem estruturada, com títulos que nomeiam a pergunta. Um índice guardado num menu lateral, sem endereço próprio, não chega a nenhum dos dois leitores.

Como o índice se mantém vivo quando o acervo cresce

Índice mantido à mão morre em silêncio. A manutenção precisa de três números por entrada: quantos artigos ela contém, quando foi revista pela última vez e qual é o artigo de porta. Com esses três, a decisão de dividir ou fundir deixa de ser discussão de gosto.

A regra de divisão é simples. Quando uma entrada passa de vinte e cinco artigos, ela provavelmente contém duas perguntas. Quando fica com menos de três, provavelmente é um apêndice de outra. Os números não são sagrados, mas obrigam a olhar o desequilíbrio, e desequilíbrio é o sintoma mais confiável de que o índice descreve a produção, não o conhecimento.

A revisão precisa de gatilho, não de aniversário. O gatilho natural é a auditoria de manutenção do acervo, quando os artigos são revistos de qualquer forma. Aproveitar esse momento evita uma cerimônia separada e garante que o índice olhe para o mesmo estado do acervo que a auditoria acabou de ver.

Há um risco específico de acervo que cresce: o índice virar taxonomia de tudo. Cada artigo novo pede uma entrada, cada entrada pede uma subentrada, e em dois anos o mapa tem quarenta nós que ninguém percorre. A defesa é manter o número de entradas estável e empurrar a complexidade para dentro delas, na forma de subtítulos por pergunta, que é onde o leitor procura de fato.

O índice não substitui a busca, ele a antecede

Nada disso torna a busca dispensável. Quem já sabe o termo exato deve digitar o termo exato, e a busca responde melhor do que qualquer sumário. O índice serve ao intervalo anterior, quando o termo ainda não existe na cabeça de quem procura.

Os dois se complementam por uma razão assimétrica. A busca devolve o que corresponde à expressão digitada, e por isso erra quando o vocabulário do leitor não é o do acervo. O índice devolve o que corresponde à pergunta, e por isso erra quando o leitor não sabe qual é a sua pergunta. Publicar os dois é reconhecer que cada um cobre a falha do outro.

O Relatório de categoria: parecer completo, responder nada mostra o custo de não ter esse mapa. Um relatório que mistura tudo parece completo e não responde nada, porque não permite ao leitor localizar a pergunta dentro do documento. O índice faz o movimento oposto: começa pela pergunta e trata o documento como resposta possível.

Uma consequência prática é que o índice deve ser a primeira página de qualquer relatório derivado do acervo, e não o anexo. Quem monta uma apresentação a partir de sete entradas já sabe quais perguntas o material sustenta. Quem monta a partir de uma pilha de artigos descobre isso na terceira reunião.

O limite de um índice

Sete entradas é uma aposta para este tamanho de acervo, e não um número universal. Um acervo menor precisa de quatro. Um acervo com duas plataformas precisa de outra divisão, provavelmente por tipo de decisão do comprador. O número deve seguir a diversidade de perguntas, e a diversidade de perguntas é uma propriedade do acervo, não do índice.

O índice também não conserta artigo ruim. Ele organiza o que existe e, ao fazer isso, expõe lacunas. Uma entrada com dois artigos fracos é uma pergunta mal coberta, e o índice deve mostrar isso em vez de esconder atrás de um título bem escrito.

Por último, o índice depende de títulos honestos. Se o título promete uma pergunta e o texto entrega outra, o mapa mente na primeira camada e o leitor perde a confiança no resto. Svenonius descreve a organização da informação como um conjunto de decisões sobre o que um registro representa, e cada decisão exclui algo [Svenonius, 2000]. Weinberger lembra que toda ordem é provisória e que a classificação revela mais sobre quem classifica do que sobre o classificado [Weinberger, 2007]. Um índice temático é, no fim, uma afirmação sobre quais perguntas este acervo considerou dignas de resposta, e essa afirmação também vai envelhecer.

Referências

SVENONIUS, Elaine. The Intellectual Foundation of Information Organization. Cambridge: MIT Press, 2000.

WEINBERGER, David. Everything Is Miscellaneous: The Power of the New Digital Disorder. New York: Times Books, 2007.

taxonomia: entrada que descreve a classificação em categorias e o problema de escolher o critério de divisão, usado aqui para separar índice por assunto de índice por pergunta.

biblioteconomia: entrada que trata da organização e da recuperação de acervos, e da diferença entre descrever um item e torná-lo encontrável.