Digitální knihovny Aktuální oblasti výzkumu Miroslav Bartošek MU Brno, Ústav výpočetní techniky

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Krátce z historie  1945Vannevar Bush („As We May Think“, Memex)  1965J.C.R. Licklieder („Libraries of the Future“)  60. létaMARC, OPAC (LoC, OCLC)  80. létafulltexty  poč. 90 C omputing + C ommunications + C ontents (nízká cena, vysoký výkon, široká dostupnost)  1994 Digital Library Initiative, www  nyní od experimentování k budování infrastruktury

Digitální knihovny = ?

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Definice DL (1) počítačnický pohled:  Digitální knihovna je spravovaná sbírka informací spolu s odpovídajícími službami, přičemž informace jsou uloženy v digitální podobě a jsou dostupné prostřednictvím sítě. W.Y.Arms, udržovaná, spravovaná dig. sbírka (maintained) - služby - vzdálený přístup

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Definice DL (2) knihovnický pohled:  Digitální knihovny jsou organizace, které poskytují zdroje (včetně specializovaného personálu) umožňující provádět výběr, strukturování a zpřístupnění sbírek digitálních prací, tyto práce dále distribuovat, udržovat jejich integritu a dlouhodobě uchovávat – a to vše s ohledem na snadné a ekonomické využití určitou komunitou nebo množinou komunit uživatelů. US Digital Library Federation, DL jako „instituce“ (např. knihovna) - důraz na systematickou organizaci a služby - cílenost DL (využívání určitou komunitou)

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Obecné znaky DLs  organizace digitální sbírky – klíčový problém  DL není jedna uzavřená entita (DLs)  heterogenní, dynamické a multimediální inf. zdroje  propojení autonomních inf. celků  transparentní propojení  koherentní přístup bez ohledu na formu, formát, způsob a místo uložení informací

Oblasti výzkumu DLs

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS obecná architektura DL intelektuální vlastnictví & ekonomika vícejazyčný přístup k informacím metadata interoperabilita globální vyhledávání zdrojů zobecněný model dokumenu dlouhodobé uchovávání digitální informace budování sbírek digitalizaceborn digitalharvesting

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Oblasti výzkumu DLs 1.Budování sbírek 2.Obecná architektura 3.Identifikace DO 4.Metadata 5.Interoperabilita, škálovatelnost 6.Vyhledávání zdrojů 7.IPR a ekonomika 8.Dlouhodobé uchovávání

1. Budování digitálních sbírek

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Budování sbírek  Digitalizace – rutinní záležitost  Born digital  pre-print archivy (ArXiv.org)  Sklízené DLs  ResearchIndex  WebBase  OAI  Archivace webu (Internet Archive, WebArchive)

2. Obecná architektura DLs

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Obecná architektura - význam Referenční model důležitý pro:  ustanovení jednotného slovníku  formalizaci představ o funkcích a fungování DL  komponent  služeb  vztahů  identifikaci potřebného middleware (underlying global infrastructure)

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Obecná architektura - přístupy  Kahn-Willensky Framework for distrib. DO Services DO, repozitář, RAP, identifikační systém, komponenty DL  FEDORA Flexible Extensible DO Repository Architecture  5S-model Societies, Scenarios, Spaces, Structures, Streams  Open Digital Libraries Extended PMH

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS KWF: komponenty DL => obraz DOUser interface4. display => digital object=> Repository - RAPUser interface => repository ID=> Handle systemUser interface3. retrieve => handle=> ItemUser interface2. select => list of items=> Search systemUser interface1. search

3. Identifikátory

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Jména a identifikátory  Hierarchie intelekt. děl (IFLA model)  Klasické knihovnické identifikátory ISBN, ISSN, SICI, BICI, ISTC, …  URN  PURL - persistentní URL  Systém „handles“  DOI - Digital Object Identifier

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Klasické knihovnické identif.  ISBN, ISSN, ISMN, … používány již cca 30 let  většinou jen pro „projev díla“ (viz IFLA model)  potřeba vícevrstvé identifikace :  autor ISADNIntl. Standard Authority Data Number  dílo ISTCIntl. Standard Textual Work Code ISANIntl. Standard Audiovisual Number ISWCIntl. Standard Musical Work Code (2001/11)  projev ISBNIntl. Standard Book Number ISSNIntl. Standard Serial Number  komponenta SICISeriál Item and Contribution Identifier BICIBook Item and Component Identifier  již existuje  návrh standardu  v diskusi

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Koncept URN  nevhodnost URL (identifikuje lokaci, nikoliv obsah)  URN - Uniform Resource Name  globálnost a nezávislost na lokaci  jednoznačnost (1 URN – 1 zdroj, ale 1 zdroj – x URN)  persistence („na věky“ – i po zániku zdroje)  škálovatelnost (granularita pro jakoukoliv „velikost“ zdroje)  legacy support (začlenění již existujících systémů)  rozšiřitelnost (na jakékoliv budoucí systémy)  resolvovatelnost (jak nalézt aktuální URL, metadata, …)  identifikace obsahu bez ohledu na lokaci: resoluční mechanismus ( URN –resoluce  URL/metadata/…)

4. Metadata

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Metadata  Klasická (knihovnická) metadata  vznik jednotný, centralizovaný  velký podíl ruční práce  komplexní popis  „síťová“ metadata  specializovaná, různé komunity/určení  propojování do složitějších struktur (XML, RDF, METS)  nová metadatová schémata  Dublin Core, INDECS, ONIX, …  „teorie“ metadat  požadavky na „dobře utvořená“ md-schémata

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Metadata - typologie a) z hlediska určení:  popisná (vyhledání, identifikace, selekce)  strukturální (uložení a zobrazování)  administrativní (řízení přístupu, archivace, …) b) dle oblasti nasazení:  popis/vyhledávání zdrojů (Dublin Core, MARC, RFC 1807, TEI)  identifikace (DOI metadata, BibTeX)  dlouhodobá archivace (OAIS model, OCLC-RLG)  IPR, e-commerce (INDECS, ONIX, MPEG-21)  hodnocení obsahu (PICS)  interoperabilita (METS, RDF)  formátově specializovaná (MPEG-7, TIFF)  oborově specializovaná (fyzika, CSDGM – GIS, medicína…)

5. Interoperabilita

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Interoperabilita ?  DL <> monolitický produkt = dynamický systém spolupracujících komponent „ The common vision is one of tens of thousands of repositories of digital information that are autonomously managed yet integrated into what users view as a coherent digital library system “ C.Lynch, H.García-Molina, IITA DL Workshop, 1995  interoperabilita : schopnost spolupráce mezi technicky různorodými a organizačně nezávislými komponentami  různé úrovně interoperability  povrchní sjednocení  syntaktická  hluboká sémantická

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Kritéria interoperability  kritéria míry interoperability:  vysoký stupeň autonomie komponent  nízká cena infrastruktury  snadnost přidání nové komponenty  snadnost používání komponenty  celková složitost  škálovatelnost v počtu komponent  optimalizace jednoho -> zhoršení jiného

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Metody interoperability  žádná (explicitní) spolupráce  webovské vyhledávače, ResearchIndex  silné standardy a federace  Z39.50, NCSTRL, …  lehkotonážní přístupy  OAI, OpenDL, OpenURL, SFX, …  nové nástroje/metodologie  ontologie, web-services, …

6. Vyhledávání zdrojů

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Vyhledávání - oblasti výzkumu  organizace při distribuovaném vyhledávání má každé řešení svůj organizační aspekt; vždy musí existovat určitá forma koordinace – má-li být vyhledávání efektivní  systémy systémová infrastruktura podporující vyhledávání (routing dotazů, mezirepozitářové protokoly, bezpečnost, soukromí, autentifikace, placení)  digitální obsah logický výběr inf.bází, dotazování netextových zdrojů, ratings, filtrace, přechod od vyhledávání explicitní informace k získávání implicitních poznatků (knowledge discovery, sémantický web)  rozhraní HCI: konstrukce dotazů, prezentace/vizualizace výsledků, task understanding, proces exposure  metriky taxonomie pro vyhodnocování různých řešení, testbeds

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Současné pokroky nejlepší výsledky : hrubá síla !  vyhledávání infomací - webovské vyhledávače  porozumění sémantice dokumentů - Deliver  vyhodnocování výsledků - Google  archivace digitálního dědictví - Internet Archive  citační analýza - ReserchIndex  reference linking - SFX  extrakce m-dat z multimediálních zdrojů - Informedia budoucnost: Sémantický web ! (?)

7. IPR a ekonomika

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Klíčové aspekty nasazení DL  „Technický rámec DL působí vždy v určitém legislativním, ekonomickém a sociálním kontextu“  ekonomika a legislativa (IPR) – úzce spolu souvisí Základní otázky : 1. funkce copyrightu u digitálních knihoven (jak vybalancovat veřejné právo na přístup k informacím s ekonomickými zájmy tvůrců a vydavatelů) 2. jak pokrýt různé nákladové položky v procesu vzniku, organizace, zpřístupňování, údržby, archivace dig.informace a dalších value added služeb (closed x open access) 3. technologie pro ochranu digitální-info před zneužitím (částečné zpřístupnění, HW zámky, steganografie, kryptologie, …)

8. Dlouhodobá archivace

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Archivace digitální info „Digital information is forever. It doesn’t deteriorate and requires little in the way of material media”. Andy Grove, Intel Corp. „Digital information lasts forever – or five years, whichever comes first.“ Jeff Rothenberg, RAND, 1995

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Hrozby pro dig. informaci Informace: obsah a formátování Technologické provedení (nosič) Změna obsahu Smazání obsahu Neplatný formát Nefungující software Destrukce fyzického nosiče Nedostupné čtecí zařízení hw/sw Degradace fyzického nosiče

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Digitální arch. strategie  replikace a refreshing  technické museum  migrace  emulace  POP – persistent object preservation  konverze do permanentní analogové formy  Referenční model OAIS (Open Archival Inf. Systém)  Rosetta Disk: 2“ niklová deska, litograf. nano-technologií vyrytý analogový text a obrázky ( stran, 2K-10K let)  Digitální archeologie

Zdroje informací

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Další zdroje info (1) časopisy  D-Lib  spec.čísla CACM 95/4, 98/4, 01/5  RLG DigiNews  ICSTI forum projekty na Inetu  obrovské množství info (musím ale vědět, co hledám)

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Další zdroje info (2) Konference (sborníky – viz LNCS-online)  Advances in DLs (IEEE)  ACM Conference on DLs  Joint Conference on DLs od 2001  European Conference on Research and Advanced Technologies for DLs od 1997

M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS Děkuji za pozornost