053.3 Lição 1

Na legislação de direitos autorais de alguns sistemas jurídicos, incluindo na Europa, é feita uma distinção entre obras do tipo bancos de dados que, a exemplo de outras obras protegidas por direitos autorais (imagens, textos etc.), gozam de proteção com base na criação intelectual pessoal (seleção e organização de elementos) e bancos de dados para cuja produção (aquisição, verificação, apresentação) foi necessário um investimento substancial (lei de bancos de dados).

Em ambos os casos, o objeto da proteção é um conjunto de elementos independentes (tais como obras ou itens de dados distintos) que são organizados de forma sistemática ou metódica e acessíveis individualmente por meio eletrônico ou por outros meios. A propriedade dos direitos autorais dos elementos em si não é importante, portanto eles também podem ser meros valores numéricos.

Uma coleção de dados pode, assim, ser protegida por direitos autorais como uma obra do tipo banco de dados ou pela lei de bancos de dados (na UE). Para que uma obra do tipo banco de dados seja protegida, a disposição e seleção dos elementos deve expressar uma criação intelectual pessoal. É pouco provável que esse seja o caso das coletas de dados utilizadas como base para um software — mas estas podem ser protegidas pela lei de bancos de dados. Para conquistar esse direito, deve ter sido feito um investimento substancial na coleta e disposição dos elementos. Esse investimento também pode consistir em tempo e recursos humanos.

Atualmente existem diversas licenças para bancos de dados e coleções de dados que cobrem melhor o uso de dados do que as licenças de software de código aberto “clássicas”. Para entender melhor, vamos usar um exemplo.

Como parte de um projeto de pesquisa acadêmica, todos os poemas de um autor devem ser coletados e publicados em um site, onde são classificados em ordem alfabética por título e podem ser acessados individualmente. No entanto, o projeto exige que os direitos autorais relevantes para a distribuição e reprodução dos poemas sejam obtidos do autor. Para isso, é necessário o pagamento de taxas de licenciamento.

As taxas de licenciamento podem constituir um “investimento substancial.” Como os poemas poderão ser recuperados individualmente e estarão organizados de forma sistemática (de acordo com o alfabeto), o banco de dados que os reúne pode ser protegido pela lei de bancos de dados. Contudo, os elementos (poemas) não foram especificamente selecionados (a seleção foi feita com base na completude da obra) e o arranjo não é criativo, mas puramente sistemático. Portanto, não há criação intelectual pessoal em relação ao banco de dados, de modo que o banco de dados não se qualifica como uma obra do tipo banco de dados.

Se, por outro lado, os poemas tivessem sido organizados e selecionados de acordo com certos critérios — por exemplo, para documentar determinados motivos na obra do autor no contexto de um período criativo dado — poderia existir uma criação intelectual pessoal, e nesse caso esta coleção de poemas seria protegida como uma obra do tipo banco de dados.

Todavia, as duas categorias são tratadas de forma diferente pela lei dos direitos autorais, em particular no que diz respeito ao prazo de proteção: os bancos de dados sujeitos à lei de bancos de dados são protegidos por apenas 15 anos após a produção/publicação, bem menos que os 70 anos após a morte do autor aplicáveis às obras do tipo de dados.

Essas distinções também são visíveis na Open Database License (ODbL), uma licença amplamente utilizada no setor de bancos de dados. A ODbL foi desenvolvida pelo Open Data Commons, um projeto da Open Knowledge Foundation. A licença faz uma distinção clara em seu preâmbulo entre a proteção do banco de dados e a proteção dos conteúdos individuais desse banco. A licença refere-se apenas ao primeiro, embora os conteúdos também possam ser licenciados de forma independente.

É claro que ainda é possível escolher a mesma licença para o banco de dados e seu conteúdo — por exemplo, compilar uma coleção de obras licenciadas sob a CC-BY-4.0 num banco de dados que, por sua vez, é licenciado sob a CC-BY-4.0.

A melhor licença para o banco de dados depende dos objetivos de seu criador. Continuando com nosso exemplo da coleção de poesia: se o banco de dados de poemas puder ser modificado à vontade e também ser distribuído sob outras condições de licenciamento, o ODbL não seria a escolha certa. Isso porque o ODbL contém um copyleft para bancos de dados, ou seja, os bancos de dados derivados de um banco de dados licenciado pelo ODbL (por exemplo, um banco de dados que adote todos os elementos e disposição dos elementos do banco de dados original, adicionando outros) só podem ser redistribuídos sob as mesmas condições. Neste caso, uma licença Creative Commons com direitos de edição (por exemplo, CC-BY) seria uma escolha melhor.

A ODbL também deixa claro que não se aplica de forma alguma a programas de computador que gerenciam bancos de dados (ou seja, um SGBD): “Esta Licença não se aplica aos programas de computador usados na criação ou operação do Banco de Dados.”

No entanto, a licença estipula que uma obra criada a partir do conteúdo do banco de dados e disponível para uso público (uma obra produzida) deve pelo menos indicar qual banco de dados (e não o SGBD) foi usado e que o banco de dados em si pode ser usado sob as condições da ODbL. Um exemplo de obra produzida seria um mapa de ruas criado a partir de coordenadas coletadas no banco de dados.

Se uma das licenças copyleft específicas para software conhecidas, como a GPLv3.0, fosse usada para um banco de dados, seria possível presumir que um programa de computador que usa o banco de dados (por exemplo, para o sistema de uma loja) poderia ser distribuído apenas sob os termos da GPLv3.0. A licença de um SGBD, por outro lado, não dependerá da licença do banco de dados, uma vez que o SGBD não é considerado uma “obra derivada” do banco de dados; ele apenas permite o acesso e edição e é, portanto, uma obra independente.

Os Community Data License Agreements (CDLA) ou, em português, Contratos de licença de dados comunitários, um projeto da Linux Foundation, também se concentram no licenciamento de dados (distintos de software). As coletas de dados de treinamento para sistemas de aprendizado de máquina também podem ser objeto de CDLAs.

A CDLA baseia-se, portanto, num quadro que leva em conta diferentes níveis de questões de licenciamento, especialmente quando os dados são compilados a partir de múltiplas fontes por diferentes contribuidores. Por exemplo, uma coleção na qual diferentes autores contribuem com os seus próprios poemas para construir um banco de dados comum de poesia.

A CDLA distingue entre a “licença de entrada”, para os dados que são adicionados à coleção, e a “licença de saída”, que contempla o uso dos dados. Em um terceiro nível, ela especifica requisitos para a organização que hospeda ou mantém os dados.

Para ficar no exemplo da poesia: um autor que contribui com seu poema seria guiado pelas especificações das “licenças de entrada”. A “licença de saída” diria respeito às condições autorizadas pelos editores da coleção de poesia como um todo.

Como no caso das licenças de código aberto para software, as CDLAs estão disponíveis nas categorias permissiva e compartilhamento, que apresentaremos a seguir. Uma visita aos sites kaggle.com ou huggingface.co, acima mencionados, pode dar uma ideia de quais licenças são usadas para bancos de dados ou datasets: usando filtros, é possível descobrir quais coleções de dados são oferecidas sob a CDLA.