OCLC研究报告《过渡到下一代元数据》笔记

OCLC研究部每年都会发布一些报告。2020年的《过渡到下一代元数据》,是OCLC研究图书馆合作伙伴(Research Library Partners, RLP)下属元数据管理者焦点小组(Metadata Managers Focus Group)在2015-2020年间讨论的总结,由OCLC的Karen Smith-Yoshimura执笔:

Smith-Yoshimura, Karen. 2020. Transitioning to the Next Generation of Metadata. Dublin, OH: OCLC Research. https://doi.org/10.25333/rqgd-b343.

本报告以“下一代元数据”为标题,但并没有对“下一代元数据”给出一个定义。

小组的“坚定的信念是,无论其形式如何、无论现在还是将来,元数据都是所有发现的基础。”“然而元数据正在发生变化。只有图书馆系统才理解的、书目记录中基于格式文本字符串的、特定格式的元数据管理,从概念上和技术上都已接近过时。图书馆管理创新对元数据管理的实践施加了压力,要求其发展,因为需要图书馆员为更多类型的资源提供元数据,并以更少员工在机构或多机构项目中进行协作。”【更少的员工、面对更多类型资源】“过渡到下一代元数据是一个不断发展的过程,与不断变化的标准、基础架构和工具交织在一起。”

报告首先提出元数据变化三问:为什么会发生变化、创建过程如何改变、元数据本身如何变化:

  • 1、为什么元数据会发生变化?
  • 传统的图书馆元数据过去和现在都是由图书馆员、按照主要由图书馆员使用和理解的规则制定的。它以记录为中心,生产成本高,且有历史尺寸限制【原目录卡片】。元数据的覆盖范围有限,特别是不包括学术期刊或其他学术成果中的文章。基础设施不足以管理更正和增强,导致对完美的强调加剧了元数据创建的缓慢 【“完美”被吊打、已不合时宜】。简而言之,元数据可以更好,它是不够的,并且现存元数据在图书馆领域之外没有被广泛使用【注意力时代,不被需要会被抛弃】。
  • 2、元数据创建过程如何变化?
  • 元数据不再由图书馆工作人员单独创建。今天,出版商、作者和其他相关方同样参与元数据创建。元数据创建也在学术生命周期中得到推进,出版商比传统编目过程更早地创建元数据记录。现在可以通过机器或众包来增强或纠正元数据。【上游元数据、元数据自动增强、众包】
  • 3、元数据本身如何变化?
  • 机器可读编目 (MARC) 的创建是为了复制传统上在图书馆目录卡片上找到的元数据。我们正在从 MARC 记录过渡到编码良好、可共享、可链接的组件的组合,重点是参照,我们正在消除机器无法理解的不合时宜的缩写。与仅依赖图书馆词表(如主题标题表和代码表)不同,正在开发的组合可以容纳为特定领域创建的词表,从而扩展元数据的潜在受众。【不断变化的标准:抛弃MARC格式、采用开放关联数据,改变编目规则、取消卡片目录时代的缩写,不强制使用图书馆受控词表】

然后是报告的四个主要部分。前三部分延续元数据变化三问,大致描述了“下一代元数据”的图景。第四部分则是图书馆的应对:这些变化将对未来的人员配备产生什么影响、图书馆如何准备?

一、向关联数据和标识符过渡:作为从“规范控制”到“身份管理”转变的一部分,扩大永久标识符的使用

  • 1、扩大使用永久标识符:永久标识符被视为从当前元数据过渡到未来应用的关键。
  • 2、从“规范控制”走向“身份管理”。重点发生了变化,从在资源描述中提供检索点、到描述资源中的实体(工作、人员、团体、地点、事件)并在它们之间建立关系和链接。身份管理还可以弥合期刊文章、学术档案服务和图书馆目录中的名称变化,超越这些现在孤立的领域。这是实现关联数据承诺的必要条件。
  • 3、解决需要多词表和公平、多样性和包容性【EDI,政治正确】。
  • 4、关联数据挑战:良好的关联数据需要良好的元数据。【常常在需要重新利用遗留元数据时、发现各种问题,数据清洗必不可少】

二、描述“由内而外”和“促进”的馆藏:为机构以各种格式创建或策划、与联盟共享的独特资源创建和管理元数据的挑战

  • 由内而外:即支持机构资源的创建、管理和可发现性,向外提供内部资源——相对于“由外而内”即购买资料供内部使用;
  • 便利的:指围绕用户需求提供对更广泛的本地、外部和协作资源的访问。
  • 报告特别讨论5种特定格式的独有资源的元数据问题:1、档案馆藏;2、存档网站(归档具有学术或机构利益的网络资源,以确保它们的持续访问和长期生存);3、影音馆藏;4、图片馆藏;5、研究数据。

三、“元数据即服务”的演变:超越传统图书馆目录,更多地参与元数据创建;以及利用旧元数据和未来元数据的新服务。【更多元数据元素,在搜索以外更多元数据利用】

  • 1、指标:使用指标(如借阅、引用、下载或请求单件的频率)可用于构建广泛的图书馆服务和活动。……一些可能的服务:[1]有关剔除单件的馆藏管理决策和确定异地存储的资料;[2]评估订阅;[3]将研究人员出版物的引用与图书馆未购买的内容进行比较;……[4]学生使用高校图书馆与学业成绩之间的关系。【基于使用元数据评估馆藏】
  • 2、咨询服务:一个新兴趋势是数字人文部门向元数据专家征求有关元数据标准和如何使用受控词汇表的建议。这个元数据顾问角色的更多可见性出现在最近的图书馆职位发布中。
  • 3、新应用。MARC字段的共享和一致使用支持新的应用程序。[1]使用书目记录中的标识符来获取目录、摘要、评论和封面图像,并生成在特定分类范围内定位资源位置的楼层地图(例如在 OCLC 与 StackMap 的集成中)。[2]使用书目元数据填充数字资产管理系统和机构存储库,使用 Tableau 和 OpenRefine 等工具,可以对馆藏进行更丰富的分析和馆藏视图。[3]MARC元数据将学者与其项目的书目数据联系起来,并可以通过 Yewno 等应用程序生成与相关资源的关系。[4]MARC元数据还被用于为机构产出措施和隶属关系跟踪提供信息,并作为构建组织历史的来源。[5]机构书目元数据中隐含的出处已被证明有助于记录盗窃案件【?】。[6]通过数据挖掘分析目录数据也可用于丰富元数据,例如生成相关记录中缺失的语言代码或识别翻译作品的原始题名。[7]MARC数据还支持生成主题地图以发现编目元数据中其他不明确的关系。[8]澳大利亚国家书目数据库中作为“代码马拉松”活动结果标记的 465 种土著语言,以及一个让社区参与的示例增强书目元数据。 【现有元数据的深度挖掘/可视化——MARC数据以前未得到良好利用】
  • 4、书目计量:用于生成文献计量,统计方法来分析图书、文章和其他出版物。将图书馆元数据用于数字人文研究项目具有很大的潜力。[1]美国国会图书馆的研究人员使用书目元数据来追踪出版和版权的历史;[2]加州大学洛杉矶分校的研究人员使用编目元数据来跟踪胰岛素等发明的商业化。[3]英国第二大书商 Hachette UK 对编目元数据的一种新用途是委托 Graphic History Company 解锁所有九家 Hachette 出版社的历史,并通过要求大英图书馆提供跨越 250 年的九家出版社出版的每一个作者和书名。大英图书馆提供了一份超过 55,000 位作者的名单,从中选出了 5,000 位最杰出的人来创造可能是元数据使用最美丽的例子:一幅跨越八层楼的巨型壁画,按时间顺序展示了所有 5,000 位作者。【文献计量/可视化】
  • 5、语义索引:当受控词表和同义词表被转换为关联开放数据并公开共享时,它们促进馆藏浏览的传统作用将消失,但可以在基于网络的知识组织系统 (KOS) 中找到新用途。……焦点小组成员希望人工智能——或者至少是机器学习——能够减少当前在研究数据中链接名称和概念的人工工作量。也许算法可用于根据相关元数据或来源匹配名称,根据上下文将论题相互关联,根据其他可用元数据消除名称歧义,并分析数据集以识别馆藏中可能存在的偏差。一些研究图书馆合作伙伴参与图书馆、档案馆和博物馆的人工智能 (AI4LAM) ,这是一个“国际参与性社区,专注于推动人工智能在图书馆、档案馆和博物馆内部、为图书馆、档案馆和博物馆的使用。【期待AI、ML能够减少人工工作量】

四、为未来的人员配备需求做好准备:不断变化的环境需要新进入该领域的专业人员和经验丰富的编目员所需的新技能

  • 1、文化转变:从仅对制作感到自豪到重视学习、探索和尝试元数据工作新方法的机会。【改变态度】
  • 2、学习机会:分享见闻、跨团队小组讨论、阅读俱乐部、参与多机构项目……。【激发学习兴趣的各种方法】
  • 3、新工具和技能:图书馆员学习编程技能比聘请 IT 专家学习“技术服务思维”更容易(背后的真实原因:虽然“圣杯/必杀技”是招聘对元数据服务感兴趣的具有 IT 背景的人,但留住具有 IT 技能的员工很困难——他们需要私营部门的高薪工作)。工具:MarcEdit【强推】和/或其他如 OpenRefine、脚本(如 Python、Ruby 或 Perl)和用于元数据协商和批处理的宏。
  • 4、自学
  • 5、解决员工流动。需要创建有吸引力的职位描述。具有编程技能的新员工受到追捧,因为他们可以将批处理技术应用于可以弥补员工流失的元数据。元数据经理需要重新思考元数据专家在“传统”编目工作之外的角色。与可能无法很好地适应新环境工作的具有传统编目背景的潜在候选人相比,具有更灵活技能组合的潜在候选人变得更具吸引力。【一方面自然减员,因为人员退休或离职原职位难以保留;另一方面要吸引有技术能力的新人,所以新职位名称频现】

【关于编目员的思考:编目员对“完美”的追求是长期编目锻炼的结果。但现实中为编目效率普遍采用外包,“完美”得不到认可。从发展看,将是更少的员工、面对更多类型资源,因此编目员不能局限于传统编目、必须将视野扩大到独特馆藏资源,同时不拒绝学习新技术与新方法。】

关联数据编目走向现实——新项目LD4P3及LD4社区

梅隆基金资助的“图书馆关联数据”LD4系列项目始于2014年,每2年1-2个项目。2020年中,新项目LD4P3“闭环”得到批准(2020/7/1-2022/6/30,250万美元)。历经多年探索、关联数据编目似乎终于开始进入实际应用阶段。

项目名称“闭环”,指创建一个完整周期的工作模型,以进行图书馆元数据的创建、共享和重用。本项目伙伴(partner)即共同申请者为斯坦福、康奈尔和爱荷华大学图情学院,协作方包括Share-VDE(意大利厂商的托管编目环境)、美国国会图书馆(LC)、合作编目计划(PCC)以及OCLC。此外还有合伙人(cohort),即在LD4P2时已参加从MARC到关联数据编目的PCC成员馆。

主管此项目的斯坦福大学技术与访问服务副馆长Philip Schreur在新闻中称此项目的目的是“使图书馆资源超出图书馆目录的可访问性,并利用来自更广泛网络的相关信息来增强基于图书馆的发现,以及从现有但以前未链接的数据中创建新知识”。

七个主要目标:

  • (1)完成能够与多种环境(例如FOLIO)进行交互的开源关联数据编辑器【对Sinopia的功能要求1】
  • (2)扩大查问规范(QA)范围,以在各种传统(例如LCNAF)和非传统(例如Wikidata、Discogs)规范源中为规范和实体查找以及数据导入提供一流的支持【对QA的要求】
  • (3)通过将QA与OCLC提议的“实体主干”相集成来扩展实体管理【参见:OCLC获梅隆基金资助开发实体管理基础设施(2020-1-11)】
  • (4)以RDF创建所有PCC原始编目的连续馈送池,该池可在世界范围内免费开放使用【PCC数据池】
  • (5)扩大Sinopia与其他数据源(ILS、发现系统、PCC数据池和其他外部数据源)基于API的集成的能力,使RDF环境中的数据流闭环【对Sinopia的功能要求2】
  • (6)将PCC合伙人的管理和培训从LD4P转移到PCC【从项目试验走向实际应用?】
  • (7)可持续发展计划和建模,包括确定单个组件以及LD4P3主要利益相关者在业务、成员资格、服务、软件、数据和运营方面的几种长期选择

七个目标通过五个工作包实现:

  • (WP1)扩大Sinopia环境
  • (WP2)集成并完成生产就绪的关联数据规范支持服务(QA)
  • (WP3)在Blacklight中实现发现增强功能【那个历史悠久的?Blacklight:佛吉尼亚大学的开源OPAC(2008-3-3)】
  • (WP4)通过创建PCC数据池和扩展PCC合伙人来扩展PCC社区的参与
  • (WP5)环境关键部分的可持续性和社区发展

日前LD4社区也宣布成立:ld4.io。“新的LD4社区向任何人开放,供其探索、学习和协作以提高意识和知识,鼓励采用并建立可互操作的标准、工具和服务的生态系统,以将关联开放数据和其他技术从理论付诸实践并规模化。”目前网站汇集LD4年会资料(始于2017)、维基、slack(即时沟通和团队协作)、邮件组(可申请加入发现、Wikidata、非拉丁文字资料3个组)、油管频道、Github等。

  • 社区宪章:LD4是一个共同努力以促进图书馆实践的社区。 我们专注于链接和使用Web上的数据来推进图书馆的使命、宗旨和目标。/ LD4社区的参与对任何人开放——个人或机构、 非营利组织、政府组织或商业组织。通过直接参与,并通过其各种渠道、项目和活动,LD4聚集全球成千上万的个人。
  • 愿景:世界用图书馆数据丰富,图书馆用世界数据丰富。
  • 使命:通过建立一个开放、多样化、可持续和图书馆主导的社区来推进图书馆实践。我们将共同探索、学习和协作,以提高认识和诀窍,鼓励采用,并建立可互操作的标准、工具和服务的生态系统,以便将关联开放数据和其他技术从理论大规模地应用于实践。

参考资料:

LD4系列项目网关 ld4l.org

  • 2014-2016: LD4L (Linked Data for Libraries)
  • 2016-2018: LD4L Labs
  • 2016-2018: LD4P (Linked Data for Production)
  • 2018-2020: LD4P2: Pathway to Implementation
  • 2020-2022: LD4P3: Closing the Loop

OCLC弃用BiblioGraph.net词表

OCLC当年因等不及schema.org的图书馆扩展而自行发布书目图谱BiblioGraph.net(BGN),自己曾在文章中介绍。2020年初偶而发现BGN网站跳转到了bibliograph.github.io,并标记“词表弃用”。于是去虚拟国际档(VIAF)和Worldcat网站找RDF文件,看到BGN命名空间的说明还在:xmlns:bgn=”http://bibliograph.net/“,但其中并未使用BGN的类和属性。另外,worldcat.org中还在使用“图书馆扩展”中两个属性:

xmlns:library="http://purl.org/library/"
<library:placeOfPublication>
<library:oclcnum>1126314791</library:oclcnum>

今天找到了BGN于2019年5月发布的说明网页,详细说明BGN词表弃用的原委:BiblioGraph.net Vocabulary – Deprecated

BiblioGraph.net(BGN)是Schema.org的扩展,是为更详尽地描述书目资源而开发的。尽管尚未完全协调,但该“外部”扩展已于2015年5月由“托管”扩展bib.schema.org代替。由于Schema.org的覆盖范围随着时间的推移而发展,并且书目数据的其他关联数据词汇表涌现并逐渐建立起来,因此对Bibliograph.net的需求减少。考虑到这一点,自2019年5月起,该词表已被弃用。BiblioGraph.net网站已移至开放的GitHub存储库BibloGraph-Frozen(https://github.com/bibliograph/BibloGraph-Frozen),以保留其状态并托管该网站,仅供参考。 BiblioGraph.net条款和条件保持不变。同样出于参考目的,在BiblioGraph.net词表中定义的相关术语已映射到Wikidata.org中的等效词。可以使用Wikidata查找覆盖范围,并声明为“等效类”(P1709)和“等效属性”(P1628)声明。 Wikidata类和属性并非旨在在Wikidata本身之外使用,但可以用作在其他命名空间中查找等效项的中心。在一定程度上,除了在网络上爬网Schema.org标记外,搜索引擎还使用Wikidata,仍然可以实现搜索引擎优化的一些潜力。

又去schema.org书目扩展(Schema.org Section: bib),与2016年正式发布的书目扩展比对,原11个属性减少为6个。比对减少的5个属性,全部由托管扩展移入了主要词表:

  • duration – The duration of the item (movie, audio recording, event, etc.) in ISO 8601 date format.
  • pageEnd – The page on which the work ends; for example “138” or “xvi”.
  • pageStart – The page on which the work starts; for example “135” or “xiii”.
  • pagination – Any description of pages that is not separated into pageStart and pageEnd; for example, “1-6, 9, 55” or “10-12, 46-49”.
  • translator – Organization or person who adapts a creative work to different languages, regional differences and technical requirements of a target market, or that translates during some event.

这大概是弃用BGN词表中所称“由于Schema.org的覆盖范围随着时间的推移而发展”的一个证明吧。

存档BiblioGraph的GitHub存储库(https://github.com/bibliograph),有唯一关注者Jeffrey Young,应该是BGN项目的操作人吧。以前因为听说他是曾蕾老师的学生,一直以为他很年轻,这次看照片+简历,才知道很沧桑了。

参见:

文章摘录:国外书目RDF词表的进展与趋势(《图书馆杂志》2015年第5期)

2.5 联机计算机图书馆中心(OCLC):
Schema.org扩展OCLC自2011年起实验采用schema.org作为基本词表,向搜索引擎曝光图书馆元数据。2012年OCLC将其全球联合目录WorldCat用schema.org发布为关联数据,对schema.org缺少部分加以扩展,称为schema.org的图书馆扩展。为谋求将“图书馆扩展”融入schema.org,同年OCLC牵头成立W3C的Schema书目扩展小组SchemaBibEx,目标是提交建议给WebSchemas小组,扩展Schema.org词表,强化其描述书目资源的能力。
由于SchemaBibEx小组进展乏力,OCLC在2014年上半年注册了BiblioGraph.net网站(命名空间简称bgn:,以下简称BGN),基于schema.org词表,增加在“图书馆和相关领域中书目和文化遗产资源与收藏的概念、实体和关系”。2014年下半年起,虚拟国际规范档(VIAF)和WorldCat中已开始陆续采用新的BGN命名空间。