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

Prezentace na téma: "Digitální knihovny Aktuální oblasti výzkumu Miroslav Bartošek MU Brno, Ústav výpočetní techniky."— Transkript prezentace:

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

2 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 2 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

3 Digitální knihovny = ?

4 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 4 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, 2000 - udržovaná, spravovaná dig. sbírka (maintained) - služby - vzdálený přístup

5 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 5 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, 1997 - DL jako „instituce“ (např. knihovna) - důraz na systematickou organizaci a služby - cílenost DL (využívání určitou komunitou)

6 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 6 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

7 Oblasti výzkumu DLs

8 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 8 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

9 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 9 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

10 1. Budování digitálních sbírek

11 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 11 1. Budování sbírek  Digitalizace – rutinní záležitost  Born digital  pre-print archivy (ArXiv.org)  Sklízené DLs  ResearchIndex  WebBase  OAI  Archivace webu (Internet Archive, WebArchive)

12 2. Obecná architektura DLs

13 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 13 2. 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)

14 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 14 2. 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

15 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 15 2.1.3 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

16 3. Identifikátory

17 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 17 3. 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

18 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 18 3.1 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

19 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 19 3.2 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/…)

20 4. Metadata

21 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 21 4. 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

22 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 22 4.1 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…)

23 5. Interoperabilita

24 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 24 5. 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

25 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 25 5.1 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

26 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 26 5.2 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, …

27 6. Vyhledávání zdrojů

28 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 28 6. 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

29 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 29 6.2 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 ! (?)

30 7. IPR a ekonomika

31 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 31 7. 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, …)

32 8. Dlouhodobá archivace

33 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 33 8. 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

34 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 34 8.1 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

35 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 35 3. 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 (350.000 stran, 2K-10K let)  Digitální archeologie

36 Zdroje informací

37 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 37 5.2 Další zdroje info (1) časopisy  D-Lib http://www.dlib.org http://www.dlib.org  spec.čísla CACM 95/4, 98/4, 01/5  RLG DigiNews http://www.rlg.org/preserv/diginews/  ICSTI forum http://www.icsti.org/forum/index.html projekty na Inetu  obrovské množství info (musím ale vědět, co hledám)

38 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 38 5.2 Další zdroje info (2) Konference (sborníky – viz LNCS-online)  Advances in DLs (IEEE) 1996-2000  ACM Conference on DLs 1996-2000  Joint Conference on DLs od 2001  European Conference on Research and Advanced Technologies for DLs od 1997

39 M.Bartošek: Digitální knihovny – oblasti výzkumu INFOS 2003 39 Děkuji za pozornost