Zpřístupnění digitalizace pro veřejnost Martin Vojnar vojnar@multidata.cz

Z předchozího víme proč usilovat o dlouhodobou archivaci jaké efekty může přinést řešení na národní úrovni předpoklady úspěšného nasazení veřejnost a poskytovatelé dotace budou projekt vnímat a hodnotit podle vnějších výsledků: formálně (kvantifikátory, splněné ukazatele) prakticky (slovenský kulturní „google“) technicky (vše musí fungovat hladce) jejich očekávání a požadavky budou v čase narůstat (tj. na co se dnes připravujete, zítra už nebude stačit)

Dále se budeme bavit o zpřístupnění dokumentů pro veřejnost v širším kontextu jednotného prostředí co znamená malý a velký index praktické ukázky otázky / diskuse

1: zpřístupnění (LTP) pro veřejnost

veřejné rozhraní pro vyhledávání digitalizované / digitální objekty

veřejné rozhraní pro vyhledávání digitalizované / digitální objekty z různých sektorů agregace (neustálý a nekonečný přísun objektů a metadat)

Otázka na úvod kde mají být výsledky digitalizace prezentovány ? specializované digitální knihovny šité na míru jednotlivým sbírkám dlouhodobý archiv (light vs. dark archiv) nápověda: repozitář (digitální knihovna/archiv) by měl být oddělen od koncového rozhraní

Požadované funkce na zpřístupnění vyhledávání nejen metadata, ale i „uvnitř“ objektu (např. články, plný text, titulky, …) dodání (zobrazení) obsahu objektu různé verze dodání vhodný prohlížeč/plugin dle typu objektu v souladu s autorskými právy společenský kontext a aktivity uživatelů

Příklad systému pro zpřístupnění přirozeně: Primo = koncové rozhraní nad LTP systémem Rosetta National Library of New Zealand Binghamton University proč klademe důraz na samostatné koncové rozhraní ? proč jednoduše neříkáme, že LTP má koncové rozhraní ? konec konců také lze uvažovat: Primo = koncové rozhraní nad digitálními knihovnami, jejichž obsah je archivován v LTP systému Univerzita Karlova

Směr: jednotné prostředí ideálně: Primo = koncové rozhraní nejen nad LTP systémem Rosetta cíl: začlenění výsledků digitalizace do jednotného prostředí (jednotné prostředí ≠ Europeana) řešení pro všechny uživatele všech kulturních institucí včetně: digitalizovaného prostoru elektronického prostoru tradičního fyzického prostoru proč má smysl uvažovat v kontextu jednotného prostředí ? tlak webu růst očekávání uživatelů

2: jednotné prostředí

Jednotné prostředí pro vyhledávání informací a dokumentů pro dodávání informací a dokumentů pro objevení nového používáte ho každý den pro každý dotaz

Proč ? v rámci vyhledávání a dodávání informací zahájily před ca 5 lety nástup nové nástroje byly původně označovány jako katalogy nové generace (next-gen OPACs) postupně se vyvinuly v tzv. „discovery“ systémy jejich hlavní důraz je kladen na koncového uživatele, jeho potřeby a prostředí, samostatnost a spokojenost užitečný nástroj v kontextu informační gramotnosti

Cíle jednotného prostředí každý dotaz musí být prováděn ve všech zdrojích instituce* (tištěné, elektronické, digitalizované, …) výsledky jsou zobrazeny v jedné výsledkové množině s jednotnou relevancí a s úplnou navigací zobrazení plného textu nebo objektu na jedno kliknutí podpora SSO, integrace objednávání a čtenářského konta * v kontextu KIS3G apod.

Co není jednotné prostředí pokud uživatel musí přecházet do jiných systémů pokud se musí uživatel opakovaně přihlašovat pokud uživatel ztrácí kontinuitu svého vyhledávání pokud uživatel musí začínat v „discovery“ systému (příklad) pokud rozhraní nenabízí jednotné výsledky pokud rozhraní neumožňuje začlenění libovolného zdroje

Očekávání ze strany uživatelů* rychlé, jednoduché, intuitivní používání jediné rozhraní navigace pomocí faset DYM, návrhy/našeptávání RSS pokrytí relevantního obsahu základní přehled „discovery“ systémů http://www.librarytechnology.org/discovery.pl *Marshall Breeding

Typické zdroje jednotného prostředí knihovní, muzejní, archivní fondy licencované databáze volně dostupné dokumenty a data (open access) digitální a digitalizované sbírky institucionální repozitáře … a další dle potřeb uživatelů různé formáty, různé oprávnění, různé instituce, různý význam discovery také může být zdrojem pro vyšší třídu vyhledávačů

Typické zdroje jednotného prostředí jednotné prostředí včetně elektronických zdrojů 

Anatomie vyhledávání index lokálních zdrojů instituce / institucí index elektronických zdrojů (tzv. velký/centrální index) index národních zdrojů (tzv. malý index) výhody: rychlost, kompletní navigace, jednotná relevance paralelní vyhledávání (tzv. metavyhledávání) externí vyhledávání (jiné Primo, Solr, API, …) zadávání dotazů a jejich typy

3: malý a velký index

Dimenze obsahu indexu obsah je online obsah je k dispozici pro daného uživatele (tj. instituci) velký index: stovky miliónů záznamů (licencované i otevřené) jaký je potenciál národního obsahu ?

Příklad: potenciál českého obsahu SK ČR, ANL, registr digitalizace oborové bibliografie národní digitální knihovny (M+K+W) oborové digitální knihovny (DML-CZ) NUŠL placené zdroje (Anopress IT, Newton Media, Infobanka ČTK, Beck online, ASPI, …) nová média: wiki, archivy vysílání, e-knihy publikační činnost / výstupy VaV nástroje pro podporu vzdělávání, doporučená literatura institucionální repozitáře (DSpaceCZ, digitalizace KNAV ČR, …) a další (?)

Potenciál českého obsahu – pár čísel experiment v testovacím prostředí UK: katalog + kvalifikační práce ca 1 mil. záznamů ostatní ca 1 mil. záznamů, v tom: cswiki + wikiskripta.eu ca 200 tis. záznamů manuscriptorium a kramerius ca 200 tis. záznamů ANL (online) ca 200 tis. záznamů BMČ (online), BDÚ (online), ZPB (online), GEOBIBLINE ca 60 tis. záznamů DML-CZ a NUŠL ca 100 tis. záznamů různé ca 50 tis. záznamů (Forum, Anopress IT, Beck online, palmknihy.cz, Newton Media…) SK ČR ca 50 tis. záznamů

Zdroj č. 1: souborné báze NK ČR Souborný katalog ČR celkem ca 5 mil. záznamů z toho ca 51 tis. záznamů s online obsahem problém: rozlišení typu online obsahu v poli 856 (MARC21) česká článková bibliografie (báze ANL) celkem ca 1,4 mil. záznamů z toho ca 206 tis. záznamů s online obsahem problém: nefunkční nebo neplatné odkazy

Zdroj č. 2: digitalizace NK ČR Kramerius a Manuscriptorium celkem 200 tis. záznamů v obou digitálních knihovnách ca 10 mil. digitalizovaných stran ca 20 tis. digitalizovaných záznamů problém: chybí metadata na úrovni článků, DJVU plugin registr digitalizace – v testovací fázi

Zdroj č. 3: wiki zdroje wikipedie (cs) ca 180 tis. záznamů článků (dump abstract.xml) wikizdroje (cs-books) ca 18 tis. záznamů článků wikiknihy (cs-sources) ca 2 tis. záznamů článků wikiskripta ca 4 tis. záznamů lékařských článků problém: wiki syntaxe; chybí univerzální wiki parser

Zdroj č. 4: komerční databáze Anopress IT vzorek ca 15 tis. záznamů článků (textové přepisy audiovizuálních relací) Newton Media vzorek ca 500 záznamů (deník MF Dnes s plnými texty) C.H.Beck online vzorek ca 30 záznamů různých právních dokumentů (judikatura, literatura, Sb.z., mezin. smlouvy, vyhlášky, …)

Zdroj č. 5: oborové digitální knihovny DML-CZ česká matematická digitální knihovna ca 50 tis. záznamů článků privátní rozšíření kvalifikovaného DC NUŠL národní úložiště šedé literatury ca 42 tis. záznamů různých druhů dokumentů (bez plného textu pro indexování) palmknihy.cz volně dostupné elektronické knihy ca 3,5 tis. záznamů v různých formátech (ePub, mobi, pdf, …)

Zdroj č. 6: oborové bibliografie budovány samostatně odbornými institucemi, typicky ústavy AV týká se ANL (část bibliografií částečně přispívá) týká se národních digitálních knihoven (K) týká se institucionálních repozitářů (digitalizace KNAV ČR) problém: absence propojení s digitální knihovnou AV ČR

Oborové bibliografie - výběr

Malý a velký index velký index celosvětových zdrojů je příliš velký a drahý na to, aby si ho instituce mohly dovolit budovat samy malý index národních zdrojů je naopak ideální příležitostí pro lokální cenu/výkon, byť se řada zdrojů pohybuje v šeru

4: ukázka ~ Primo od Ex Libris

Ukázka systému Primo uživatelé: 800 knihoven celosvětově v Evropě: Finsko, Rakousko, Lucembursko, Německo, Belgie, … elektronické zdroje: získání plného textu (přímé linkování, více zdrojů) doporučení, citovanost dostupnost deduplikace, seskupení (FRBR) čtenářské konto a objednávání z knihovního fondu otevřenost (aktuální články) webové rozhraní pro administrátora

Ukázka systému Primo chemistry rfid application in libraries babička zemětřesení japonsko mapa měsíce hypokalcemie versaillská smlouva beckonline mikuláš rutze rur vít richter čtenář vít richter ikaros

5: shrnutí

Výzva pro kulturní instituce OBECNĚ sjednocení vyhledávacího prostředí sjednocení služeb na něj navázaných výsledek: efektivnější využívání zdrojů instituce častější využívání zdrojů instituce získání nových uživatelů pro instituci

Výzva pro kulturní instituce CULTURE.GOV.SK sjednocení digitalizace využití existujících sítí KIS3G, NISPEZ ad. každá instituce může přispívat a čerpat, ale nemusí spravovat o podobě koncového rozhraní a plnění indexu rozhodujete Vy výsledek: spokojení uživatelé spokojené instituce a jejich pracovníci spokojení zřizovatelé

otázky / diskuse Máme za sebou zpřístupnění dokumentů pro veřejnost širší kontext: jednotné prostředí malý a velký index praktické ukázky otázky / diskuse

Děkuji za pozornost. vojnar@multidata.cz 39