Estándares de datos genealógicos: de GEDCOM a los modelos modernos

Resumen

Este trabajo examina los estándares comunes para representar, intercambiar y archivar datos genealógicos, comenzando con el formato GEDCOM introducido por FamilySearch a finales de la década de 1980 [1], pasando por los esfuerzos por modernizarlo, como GEDCOM X [2] y GEDCOM 7.0 [3], hasta llegar a los modelos basados en la Web Semántica y las representaciones RDF de la genealogía [4][9]. Discutimos las deficiencias estructurales de estos formatos cuando se enfrentan a familias de linajes entrelazados, la cuestión de la preservación a largo plazo, y luego señalamos, a alto nivel, la dirección adoptada por la plataforma Nasayeb sin revelar los detalles de su implementación.

1. Introducción: ¿por qué importa el «estándar»?

Antes de cualquier interfaz o función, todo sistema genealógico se enfrenta a una elección silenciosa pero decisiva: ¿en qué estructura de datos almacenamos la familia? Esta elección determina lo que el sistema puede y no puede representar, y si los datos de un usuario son portables y duraderos o quedan atrapados en una única herramienta. Por eso los estándares de representación e intercambio son una piedra angular, y no un detalle técnico secundario [8].

2. Antecedentes históricos

GEDCOM (Genealogical Data Communication) surgió en 1984 como un formato de texto para intercambiar datos genealógicos entre programas [1]. Adoptó una estructura jerárquica sencilla, basada en líneas, construida sobre niveles numerados y etiquetas cortas, lo que facilitaba escribirlo y analizarlo mediante programación e impulsó su amplia adopción hasta convertirse en el estándar de facto del campo. Sin embargo, esta sencillez tuvo un precio: semántica laxa, interpretaciones divergentes entre programas y la ausencia de un modelo formal riguroso [5].

A medida que creció su uso, surgió la necesidad de una actualización. FamilySearch presentó la iniciativa GEDCOM X, que ofrecía un modelo conceptual más claro, representaciones tanto en XML como en JSON, y API modernas orientadas a la web [2]. En paralelo, GEDCOM 7.0 se publicó en 2021 para abordar las viejas ambigüedades: estandarizar la codificación de caracteres a UTF-8, endurecer el manejo de archivos multimedia y mejorar la documentación [3]. Desde otro ángulo, la investigación en la Web Semántica abogó por representar la genealogía como grafos descritos con RDF y ontologías específicas, con el fin de facilitar la vinculación entre fuentes y la inferencia automática [4][9].

3. ¿Dónde se quedan cortos los formatos estándar?

A pesar de estos avances, la suposición implícita en la mayoría de los formatos sigue estando sesgada hacia un modelo familiar sencillo: matrimonio monógamo y una única línea de descendencia clara. Diversos estudios han documentado la dificultad de representar relaciones no estándar dentro de este marco, entre ellas:

• Los matrimonios múltiples, en los que la descendencia se reparte entre varias unidades familiares difíciles de vincular de forma limpia. • El parentesco cíclico derivado del matrimonio consanguíneo, que introduce «ciclos» en la estructura del linaje que rompen la suposición de árbol. • La aparición de un mismo individuo en más de una posición por vía de matrimonios entre parientes, lo que conduce a duplicaciones o pérdidas. • Los múltiples calendarios y tradiciones de nomenclatura, que muchos formatos tratan como casos excepcionales en lugar de como fundamentos [5][6].

A un nivel más profundo, la antropología matemática ha demostrado que las estructuras de parentesco son mucho más ricas de lo que estos formatos capturan, y que están más cerca de los grafos y los grupos que de los árboles [7]. Dicho de otro modo, la deficiencia no es una falta de campos, sino una deficiencia del modelo en sí.

Un buen estándar no impone una forma a la familia; se expande para adaptarse a las formas de la familia.

4. El problema del cautiverio tecnológico y la preservación a largo plazo

A las deficiencias estructurales se suma una cuestión no menos importante: el destino de los datos a largo plazo. Muchos formatos están ligados a herramientas o plataformas concretas, lo que suscita inquietudes sobre el «cautiverio del proveedor» (vendor lock-in) y la dificultad de mover o recuperar los datos si la herramienta se descontinúa. La literatura sobre archivado digital de datos ha abordado ampliamente estos riesgos y ha establecido modelos de referencia para la preservación a largo plazo, como el modelo estándar OAIS [8]. Desde esta perspectiva, no basta con que una representación sea precisa; también debe ser abierta, documentada y capaz de exportarse y migrarse a lo largo del tiempo.

5. ¿Por qué no basta con parchear?

Se podrían haber añadido campos secundarios a un formato existente para manejar los casos difíciles. Pero parchear sobre una base que no fue construida para ese propósito hereda una fragilidad perpetua y una complejidad creciente: cada excepción se maneja con un campo especial, cada programa la interpreta de manera distinta, y la interoperabilidad, que era el objetivo original, se debilita. La estructura correcta empieza con el modelo correcto, no con una cadena de excepciones.

6. Dónde aporta Nasayeb (a alto nivel)

La plataforma Nasayeb adopta un modelo de datos flexible, diseñado desde cero para dar cabida a linajes complejos, múltiples vínculos de parentesco y múltiples calendarios, preservando al mismo tiempo la exportabilidad y la durabilidad. Nos limitamos aquí a señalar el principio general sin revelar los detalles técnicos, pues esta capa representa parte de nuestro trabajo propietario y de la ventaja sobre la que construimos. El principio rector es sencillo en esencia: representar la familia tal como es, no como dicta una plantilla simplificada.

Consideramos que la verdadera contribución no es meramente «un nuevo formato», sino un compromiso de diseño: que las herramientas se construyan para adaptarse a la complejidad de las familias del mundo real y a la particularidad de las distintas culturas, incluidas las árabes e islámicas, en lugar de confinarlas en plantillas diseñadas para un único contexto. Y con los datos permaneciendo en manos de sus dueños y siendo exportables, combinamos precisión, apertura y durabilidad.

7. Conclusión

El recorrido de los estándares genealógicos desde GEDCOM hasta los modelos semánticos modernos es una historia de mejora continua, pero que ha permanecido cautiva de un modelo familiar sencillo y de las preocupaciones por el cautiverio tecnológico. El próximo avance no vendrá de parchear lo antiguo, sino de repensar el modelo mismo para que se expanda y se adapte a la familia del mundo real en toda su complejidad, garantizando al mismo tiempo que los datos sigan siendo libres y propiedad de su gente.

Referencias

1. The Church of Jesus Christ of Latter-day Saints. GEDCOM Standard Release 5.5.1. FamilySearch, 1999.
2. FamilySearch. GEDCOM X Conceptual Model and Serializations (XML/JSON). 2012.
3. FamilySearch. The FamilySearch GEDCOM Specification 7.0. 2021.
4. Zandhuis, I. "Toward a Genealogical Ontology for the Semantic Web." Humanities, Computers and Cultural Heritage, 2005.
5. Campanyà Artés, J., Conesa Caralt, J., & Mayol, E. "Modeling Genealogical Domain: An Open Problem." KEOD, 2012.
6. Bouchard, G. "Population Databases and Genealogical Reconstruction." Historical Methods, 1992.
7. Read, D. "Kinship Algebra Expert System (KAES)." Structure and Dynamics, 2006.
8. Consultative Committee for Space Data Systems. Reference Model for an Open Archival Information System (OAIS). ISO 14721, 2012.
9. Berners-Lee, T., Hendler, J., & Lassila, O. "The Semantic Web." Scientific American, 2001.