华东师范大学信息管理与数据分析前沿论坛(另:“南京共识”与“南京宣言”)

2018年11月2-3日,华东师范大学信息管理与数据分析前沿论坛 在本馆报告厅举行,因而蹭了两个半天的会。
每位报告人半小时,信息量比较大,以下对12个报告的一句话,概括本人收获:
1 黄慕萱(台湾大学文学院院长):大数据下的学术竞争力分析与应用【众多世界大学排行榜,如盲人摸象。大学想提升排名,可针对不同指标体系做相应操作】
2 孙建军(南京大学信息管理学院院长):信息管理视域下的数据驱动思考【原创论文被引具有持续性,如何找出这样的论文,分析其起飞与波峰】
3 初景利(中国科学院大学图书情报与档案管理系主任):以信息和数据为核心构建学科体系与能力【图情变革趋向之一:从查询与检索,到数据分析与知识发现】
4 李玉海(华中师范大学信息管理学院院长):高校图书馆管理与服务数据处理需求【申请专利:类似自动麻将机的自动图书上架与推送】
5 陈达仁(台湾大学机械系、计量理论与应用研究中心):大数据资料中的“关系”探勘:引文数据库的应用【通过引用耦合,揭示专利申请书中常被刻意隐藏的关系,对专利咨询非常有价值】
6 刘晓娟(北京师范大学信息管理系主任):Altmetrics更青睐哪些文献?【期刊(应该还有个人)对本身论文的自推对替代计量指标值影响明显,相当于自引,如何识别与认定】
7 李广建(北京大学信息管理系主任):大数据与情报分析研究【计算社会科学(数字人文?)】
8 范并思(华东师范大学信息管理系):高校院系如何为图书情报行业提供思想【英国公共图书馆的衰落无关经济,与此同时美国公共图书馆因阅读推广而发展】
9 王贤文(大连理工大学WISE实验室常务副主任):科学计量学引用标准化中的陷阱【1、文章发表月份对引用的影响可持续十年,2、有期刊网络预发表可提前数年、刻意制造ESI高被引论文】
10 彭国超(中山大学资讯管理学院):基于信息系统视觉的工业大数据应用及实施问题探索【智能制造=第四次工业革命=工业4.0=中国制造2025,贯穿整个工业生产过程、再覆盖从前期设计到销售的整个流程】
11 吴强(中国科学技术大学管理学院):引用个人展示:您愿意在个人主页上秀一秀引用信息吗?【美国大学网站中教师简历,秀引用的比例不高且学科分布差异明显(从化学15.3%到社会学5.6%)】——前不久我刚在本校教师名录中添加了自己的谷歌学术和百度学术链接,属于吴教授定义的“引用个人展示”(其实我只是懒得列清单)
12 刘维树(浙江财经大学信息管理与工程学院):当数据不能为自己说话的时候:Web of Science中的数据缺失问题【中国WOS论文年度变化,目前已占20%,超过美国指日可待】

——— “南京共识”与“南京宣言” ———
初景利教授报告中提到最近一年间图情界的两个共识与宣言,均产生于南京大学,分别由苏新宁、叶继元教授主导。孤陋寡闻如我、回家百度,网上有报道,全文似乎只在期刊上有、官方性质的网站上未见:

2017-10-29:《情报学与情报工作发展南京共识》(或:情报学与情报工作发展定位南京共识)
作者:中国科学技术情报学会 中国社会科学情报学会
摘要: 新中国成立之初, 根据国家建设与科技发展的需要, 我国在科技文献基础上建立的情报工作对我国科学技术发展与社会主义建设发挥了重要作用. 1964年, 中国科学技术情报学会成立, 对科技情报工作给予了极大的指导和推动. 改革开放以后, 人文社会科学研究的繁荣, 使社会科学情报受到重视, 1986年, 中国社会科学情报学会成立, 标志着我国社会科学情报学和事业进入了一个新的发展阶段. (现代情报. 2017, 12:168-169)
新浪“职院学生0803的博客”附有全文,所转官网链接已失效:情报学与情报工作发展论坛(2017)隆重召开并凝聚形成《南京共识》(2017-11-12)

2018-6-21:《图书馆事业发展南京宣言(2018)》
作者:南京大学信息管理学院 中国图书馆学会 江苏图书馆学会 江苏省高校图书情报工作委员会 南京大学图书馆
摘要: 当前,中国特色社会主义已进入新时代,中国图书馆事业也正在进入一个新时代.新时代的图书馆事业要有新的使命、新的目标和新的担当.科研教育与文化事业的蓬勃发展,信息通讯技术的广泛普及与应用,用户对文献信息资源与服务的新需求,都对图书馆事业的发展提出了新的挑战与新的发展动力.图书馆事业发展也正在孕育新的生机和活力. (大学图书馆学报. 2018, 4:封四)

UCLA专家讲座:1 特藏和档案相关的美国法律问题;2 韩玉珊特藏

今天(2018.11.1)下午,在本馆听洛杉矶加州大学(UCLA)图书馆两位专家的讲座:
一、书香年华讲座第三十三讲:特藏与档案文献法律问题研究现状 Current Topics in Balancing Legal Issues in Special Collections and Archives / Heather Briston (Head of Curators and Collections and UCLA University Archivist in the UCLA Library Special Collections),陈肃现场翻译
二、书香年华讲座第三十四讲:韩玉珊特藏与数字化:机会与挑战 / 陈肃(美国洛杉矶加州大学(UCLA)东亚图书馆馆长)
(由于本届进口商品博览会期间网络管控、访问控制,以上链接两周内校园网外无法访问)

一、Heather Briston介绍与特藏和档案相关的美国联邦法和加州地方法(未记录法律名称):
1 教育/联邦法(个人教育信息,不能公开学习成绩)
2 健康/联邦法(个人健康信息,死后50年,脱敏使用)
3 捐赠合约/州法(捐赠者可以设定公开期限,不可要求捐赠永不使用)
4 隐私//州法(案例:口述史,公开超过一年,没有权利要求撤下)
5 合理使用(fair use)的例外(案例:出版社告HathiTrust,因视障者的合理使用而未成)
图书馆的合理使用包括馆际互借、预防性复制等。除了将馆藏资源上网时需注意法律问题外,也需要提醒读者利用时注意。
两个案例都是图书馆获胜的。提问阶段这两个案例都被问及。
我问的是一直困惑我的HathiTrust:为什么在美国能在网上公开这么多(非公版)图书,因为极少数视障者,就可以让大家都公开访问?Heather Briston女士的回复是, 视障者人数虽少,但其权利更重要。我知道我提的问题政治不正确。因为曾经在 Open Library 看到一些非公版书只提供视障者专用格式(刚才查了一下,是 DAISY 数字有声书),我其实想问的是:如果是为了视障者,是否只提供视障者使用格式才算合理使用?由于是会议场合,一个人追着问不适合,因此作罢。
另一位同事问的是“合理使用”在复制上有没有数量规定。答案是没有,所以才会有HathiTrust数百万册仍是合理使用。她再次强调了确定“合理使用”的4个衡量因素,也就是讲座原文标题中的“平衡”问题:
1 使用目的和性质(商业vs非商业,教育,非赢利)
2 受保护作品的性质
3 使用的数量和实质
4 对作品市场的影响

二、陈肃介绍韩玉珊清代考卷特藏与数字化,包括对韩玉珊教授经历的介绍,对本批清代考卷来源的追溯(虽然没有结果)。介绍中强调专家指导、相关研究专著对理解特藏的作用,这确实是特藏数字化的基础——要对特藏有深入的了解,才能做好数字化。
因为雨师(林海青)的关系,我很期待对本项目数字化的深入介绍。但实际上数字化实施于2009年,还被陈肃当作了反面教材——经折装(对页)按手卷(长卷)扫描;背面内容单独扫描,且文件名没有规律,未与正面文件匹配,导致配对困难;折起来的姓名未打开扫描(信息不全);甚至还有扫描重复、遗漏的情况。
已有研究者利用本特藏考卷头的考生三代宗亲信息做研究并著书,在我想来这类信息很适合数字化用于数字人文研究。
回家后上网查此特藏,发现去年以来陈肃已在国内很多地方介绍过。据她今天所说,清代科举考卷总数有2万多。大概因为本馆曾向她“显摆”过馆藏仅有的状元卷(华东师范大学图书馆发现父子状元卷,2012-6-3),让拥有500份清代考卷的她谈起此特藏来仍很兴奋。
加州数字图书馆网站之加州在线档案中此特藏的介绍(提供缩微胶卷和在线利用):
Han Yu-Shan Collection, [1646-1910]
可惜点击在线访问显示403 Forbidden,没有权限。

中文文献全文版式XML规范 及 知识挖掘应用

最近在看《国家数字图书馆工程标准规范成果》丛书,其中有描述文本版式的XML规范:
中文文献全文版式还原与全文输入XML规范和应用指南 / 蒋贤春, 翟喜奎主编. 北京 : 国家图书馆出版社, 2010.
本标准规范由国家图书馆委托北京中易中标电子信息技术有限公司研制。后记中说明,国家图书馆于2006年4月成立项目组,2007年12月完成技术需求书,2008年经竞争性谈判签订研制合同,2009年到2010年1月通过各级验收完成。
本规范选择某些类型文献,对其进行数字化描述(规范 1 范围,对原表述有修改):
*中文文献(重点是古籍):将记录在纸介质(或通过扫描形成的图像)上的汉字、符号、表格、图形、图像数字化,目的是还原其排版格式。
*文献(知识挖掘):为获取特定知识而对文献进行数字化,目的是自动获取和分类文献中的特定知识。
*辞书(编纂):将词条结构化,目的是自动分析和统计相关内容和数据
*家谱:文献内容及其世系关系。

不知道本规范目前应用状况如何,国家图书馆是否在用?是否有其他机构使用?
感觉对国图而言,辞书编纂需求有点出乎意料。发现有GB/T 23829-2009《辞书条目XML格式》,采用ISO 1951:2007(本规范前言中未提到此标准),归口单位全国术语与语言内容资源标准化技术委员会。国家标准全文公开系统 不可看全文,道客巴巴上有全文。

从 4.3总体结构 看,包括:头文件、页文件、表格、文本行、纯内容文件和世系。
前面各项都是描述排版形式,只有“世系”涉及可挖掘的内容。5.4 世系标签(元素)及属性
(1)世系 lineage:文献名 title
(2)人物 person:标识 id,父标识 father_id,世代 generation,名谱 info,姓 surname,名 firstname,字 zi,号 hao,讳 hui,别称 alias,出入嗣 stepchild,堂号 heraldry,性别 sex,生日 birthday,卒日 death_date,出生地 homeplace,死亡地 death_place,墓地 tomb_place,结婚日期 wedding_date,配偶 spouse,配偶生日 spouse_birth,配偶卒日 spouse_death,配偶出嫁地 spouse_place,配偶出生地 spouse_homeplace,配偶墓地 spouse_tomb,职官 zhiguan,事实 story,迁移 transplant,支派 branch,产 possession,考 textual
(3)子女 issue:性别 sex,排行 birth_order,子女名 given_name
(4)原图位置标签 location:对应图标识 relate_id,页中位置 region

再看其他 5标签及属性,标签(元素)的属性基本都是有关版式的,但有些定义了“意义”(signification)属性,其取值在附录C“标签属性值”列出,“字型”部分、“词装饰”全部,具有内容意义:
字标签中的意义属性值
字型 font【形式类别】:文献名、标题1……、图像标题、表格标题、正文……、索引标题、索引1……、表格文字……、目录1……、批注主题、批注、页脚、页眉、中缝、参考文献、例句、句子1……、短语、谚语、成语、习惯用语、词……、字……、二行小字……、插入字……、其他……
不占位字 not_occupy【标点符号】:句号、感叹号、……、前方头括号、后方头括号、上标、下标、文字修改、文字删除符、批注、其他
错位字 inaccuracy【标点符号】:句号、感叹号、……、前方头括号、后方头括号、
词标签中的意义属性值
词装饰 decoration :人名、地名、事件名、附批注、其他

古籍文献中对某些字词会有各种修饰,如人名加外框,地名旁加竖线(下划线),事件名旁加波浪线,加着重点等,可以用词标签中“词装饰”(decoration)属性“意义”(signification)予以揭示,以此获取书中所有人名、地名、事件名、引用图书等。附录1 版式还原数字化与知识挖掘,介绍属性“意义”(signification)和“认同字”(异体字 variant)的用法,可用于知识挖掘。

<text>
    <decoration signification=”地名”>屯田</decoration>
<text>

参见:
TEI笔记:数字化文本的文字转录(2018-8-30)
TEI笔记:人物、机构、地点相关信息的标识(2018-9-13)