数字黑洞

    瑞典斯德哥尔摩的国家档案馆(Riksarkivet, RA)保存部主任Jonas Palm最近在TAPE (Training for Audiovisual Preservation in Europe)上发表了题为《数字黑洞》的文章(The Digital Black Hole,15页PDF文件),分析RA在数字化及长期保存方面的费用,主要是纸质文献。另有2004年瑞典文化部出版报告《保存声音与图像》中国家音像档案馆(Statens Ljud och Bild Arkiv, SLBA)中音像资料数字化保存方面的数据。
    数字保存费用巨大在现在看来应该不是新见解,但用恒星的生命周期来比喻数字化项目的生命周期,用“黑洞”来比喻数字化项目大量吞噬金钱,或许有点新意?(题外话:他对恒星演化的理解似乎有点望“图”生义,想当然)

    “没有长期规则,数字化项目就如同天空中的黑洞。经扫描的信息,在模拟世界可以用我们的眼睛简单访问,突然存贮在了一个只有通过使用技术才能检索的环境中,则构成了持续的费用因素。被转换的信息越多,访问费用增长越多。数字黑洞对项目有着稳定的控制力。它将继续吞噬金钱或信息:必须持续投入资金,否则原来的投入就会浪费掉。如果投入资金开始减少,信息可能仍可检索,但由于文件损坏或文件格式过时或技术原因,过一阵子将不再可访问。随后数字信息就永远消失在黑洞中了。”

关于数字保存的一些对比数据:缩微、纸质与数字化的费用比较

    “在RA,我们基于我们用于数字信息存贮的等级存贮管理系统(Hierarchical Storage Management System, HSM系统)计算费用。用我们的计算结果与Chapman[哈佛大学图书馆Weissman保存中心]的结果比较,相当一致,如图3所示。在两种情况中,比较存贮相同信息量的费用:平均每本书332页,(1)以其原始格式存贮于空调库中,(2)以缩微胶卷存贮于气候控制库中,(3)数字化为600 dpi黑白图像,(4)数字化成300 dpi灰阶(8位)图像。……存贮费用包括需要管理与保存数据的系统,含校验数字一致性、备份过程、校验存贮信息、自动传输到新磁带等。”
    “数字存贮费用比一般认为的要高得多,因为包含比大多数人了解的更多的东西。在讨论这些问题中,业界提出,随着存贮增加,经济负担增长更快。”
    “存贮介质的能力每年加倍的事实,导致存贮价格快速下降的误解。短期而言――典型地少于五年――是对的,因为保存文件可访问不需要做多少事,但长期而言,管理费用将持续上升。”
    “如果作比较,单个2TB硬盘驱动器的费用为450欧元,而一个典型的2TB备份硬件系统可能要10倍的费用,达4500欧元或更多。对于HSM系统,主要费用不是存贮介质,而是围绕的硬软件。”

    文章最后提出了一个很不错的省钱的文本保存设想,即以COM(计算机输出缩微胶卷)代替数字化保存:

    “RA目前正研究为确保处于不佳状态[纸质]资料上的信息有一个长期的记录,使用COM改善缩微拍摄策略的可行性。RA正考虑将图像文件连同可检索的元数据转换为COM,代替简单的缩微拍摄(如果反之首先生产作为图像文件来源的缩微胶卷,缩微胶卷就会缺少这些检索用数据)。数字图像可以直接使用,但有了COM,就没有必要保存它们,否则就有必要了。未来胶卷可以很快地(再)扫描,以数字方式获取,同时又是可检索的。”

    对于古籍之类需要作保护性保存的资料,听说有照相拍摄存档的,国内有没有采用COM的呢?

    如果说由于播放设备限制,音像资料无从选择,为长期保存只有转换为数字格式,那很多纸质或文本资料并无此限,面对最终似乎难免进入“黑洞”的数字化项目,为什么还要前仆后继?
    绝大部分数字化项目应该以方便利用为目的(包括以保护为目的的保存项目)。如果把费财费力费时的数字化项目当宝贝似地藏着限制使用,或许还没跟多少人打过照面,就走到了生命周期的终点。

 

启蒙资料:如何建设一个数字图书馆

    对建立数字图书馆一点感觉也没有,觉得应该入入门。正好这几天在Web4Lib讨论组中看到几个有用的信息:

2006-3-23
Eric Lease Morgan宣布一部名为“用MyLibrary设计、实施与维护数字图书馆服务与馆藏”(Designing, Implementing, and Maintaining Digital Library Services and Collections with MyLibrary) 的数字图书馆手册完成上线。手册以MyLibrary为例,但其原则与方法可用于任何数字图书馆系统与应用。有HTML版与PDF版(200+页)。

2006-3-28
位于巴基斯坦拉合尔的管理与技术大学图书馆的Irfan Mirza要为学校开发一个数字图书馆,求助“如何建设一个数字图书馆”。
[一位和我一样的“数图盲”,却要做数字图书馆]

2006-3-29
Stephen DeGabrielle首先推荐Ian H. Witten and David Bainbridge所写的“How to Build a Digital Library”(ISBN 1-55860-790-0,2002年,700页)
[有点陈旧了,又这么长,还没有联机下载,放弃……统计表明,不上网的内容被引率低,那是当然的了]

接着Grace Agnew推荐NISO的“建设好的数字馆藏的指导框架”(Framework of Guidance for Building Good Digital Collections),以及将于4月底完成的“新泽西数字高速公路”的指导性文件“数字高速公路藏品路标”(The Digital Highway Collections Roadmap: Everything you need to know to build good digital collections)
[这个听起来不错。前者有权威性,“指导框架”有全局感;后者显示最新进展]

随后MuseGlobal公司的Peter Noerr推荐“数字图书馆工具箱”第3版(The Digital Library Toolkit)。该文是受Sun公司委托的图书馆白皮书之一,完成于2003年,“未来”部分自然早已过时,但基本原理仍然可靠。
[可以留作参考]


国内相关信息源:

中国数字图书馆标准与规范建设(2002.10-2004.9) http://cdls.nstl.gov.cn/cdls2/w3c/
中国数字图书馆标准规范-数字对象唯一标识符
http://www.doi.cn

上海图书馆“数字图书馆研究”资源门户http://www.libnet.sh.cn/sztsg/
北京大学数字图书馆研究所http://www.idl.pku.edu.cn/index.html
清华数字图书馆园地http://www.lib.tsinghua.edu.cn/digitallib/digital.html

2006-4-15 update:

上海交通大学图书馆数字图书馆论坛http://www.lib.sjtu.edu.cn/chinese/digital_library/sztsglt.htm

《数字图书馆论坛》http://www.dlf.net.cn/

2006-8-12 update:

数字图书馆前沿问题高级研讨班 http://www.dl-china.org/

 

OCLC发布新的数据挖掘项目――读者对象

    图林Library 2.0很热闹,最近刚被选为下届北美专业图书馆协会(SLA)主席的SirsiDynix公司副总裁Stephen Abram对此也一直是谈兴甚浓,但OCLC只谈Web 2.0,绝口不提L2。
    Web 2.0有很多特征,其中之一是“数据是下一个Intel Inside”,不知道是不是确切,我把它译为“数据核心”――对图书馆来说,内容是基础,围绕着自己特有的内容来提供丰富的用户体验,才是Web 2.0时代的生存之道。而OCLC积数十年而成的联合目录数据库WorldCat,5千万书目、10亿馆藏,就是这样一个独特的“数据核心”。OCLC副总裁、首席策略家Lorcan Dempsey一直在呼吁“让数据起作用”,数据挖掘是研究部的重头戏

    3月24日,OCLC正式公布了研究数年的数据挖掘研究成果之Audience Level,通过对WorldCat中馆藏数据的挖掘,结合其FRBR研究的xISBN项目,提供作品(而非某一出版物)的读者对象。
    在书目记录中,虽然为“读者对象”代码预留有位置,但西文编目的传统是除了儿童读物,一般不作标记。为获取读者对象信息,OCLC转而利用其独特而庞大的馆藏数据,通过对不同类型的收藏馆加以不同的权重,以数字方式提示文献可能的读者对象。

    这个项目有什么意义呢?按OCLC的说法,可用于以下三个方面的进一步开发:
1、information relevancefor retrieval(信息检索相关性)
2、reference services (including readers advisory)(参考服务,含读者咨询)
3、collection development(馆藏发展)

    提供三种利用途径:

1、用户界面
输入WorldCat号或ISBN,在页面的最下面,会以图示法显示该作品的读者对象(从中小学级Schooler到学术级Scholar)

2、Web服务
大家可以在自己的网页中加上如下链接,显示作品的读者对象信息(我以《哈利?波特与魔法石》为例,可以用WorldCat号或其它ISBN代替这里的0590353403):
http://researchprojects.oclc.org/al/al.xml?oclcno=0590353403

如在后面加参数“&manifest=true”,则显示所有版本的读者对象信息,如:
http://researchprojects.oclc.org/al/al.xml?oclcno=0590353403&manifest=true

[update (2006-3-25 17:00)]
以上只是简单的示例。实际上Web服务提供了最广泛的应用可能性,只要有足够的想象力,任何人都可以将这一服务结合进自己的应用。最原始的方法如在自己的OPAC中显示某书的读者对象,高级一点的如评估本馆西文馆藏的学术层次……

3、Greasemonkey用户脚本
在Firefox浏览器中安装Greasemonkey扩展后,再分别增加用于Open WorldCat或者亚马逊的用户脚本,在访问这两个网站时,脚本会自动在它检测到ISBN的网页中插入读者对象评价信息。

    看OCLC研究部主页的那一长排研究项目,就不会奇怪为什么它会成为本行业的龙头老大了。

Audience Level prototype资料
新闻发布:New OCLC Research prototype assesses likely audience for resources in WorldCat, the world&aposs largest catalog of library resources

使用说明:Learn more about the Audience Level prototype

算法介绍:Audience Level project overview

经典回放:
Lynn Silipigni Connaway, Edward T. O&aposNeill and Chandra Prabha. 2004. “Estimating Audience Level of Monographs Using Holding Patterns in WorldCat”. Presentation given at Library Research Seminar III: Learning and Growing; Inquiry into Librarianship, 14?C16 October 2004, Kansas City, Missouri (USA). (PowerPoint : 32MB/29slides)
 

其它相关资料:
Lorcan Dempsey: Making data work harder
Lorcan Dempsey: Making data work – Web 2.0 and catalogs

Greasemonkey中文手册