维基数据与图书馆(IFLA Wikidata Working Group系列会议)

IFLA维基数据工作组(IFLA Wikidata Working Group)于2019年底成立,旨在探索和倡导图书馆和信息专业人士使用并贡献于Wikidata,将Wikidata和Wikibase与图书馆系统集成,以及将Wikidata本体与图书馆元数据格式(如BIBFRAME、RDA和MARC)对齐。其背景是:2016年IFLA白皮书《学术研究图书馆和维基百科的机会》(Opportunities for Academic and Research Libraries and Wikipedia)指出:“Wikidata潜在地将关联数据和关联数据规范一起跨世界的各种语言以及许多不同的本体和分类法吸引到全世界的研究人员。”许多图书馆越来越多地利用Wikidata的功能,但是,缺乏国际协调和交流阻碍了这种潜力。

工作组得到Wikimedia基金资助,原计划在2020年IFLA年会举办卫星会议。年会因新冠肺炎(COVID-19)大流行而取消,卫星会议则改为6-8月的6场线上报告/讨论,时长半到一小时不等。视频于2020-9-24在IFLA油管频道发布,其中3场有中文字幕。报告主要涉及维基项目中的Wikidata、Wikibase和Wikisource,也提到Wikicite、Wikimedia Commons等。主持人Stacy Allison-Cassin(IFLA维基数据工作组领导,加拿大约克大学)、多个主讲人本身是积极参与维基项目者。

会议介绍:IFLA releases 6 videos on Wikidata and Wikibase in Libraries (24 September 2020)

油管会议网页:Wikicite + Libraries Discussion Series

(部分报告视频中的标题与页面显示标题不同,以下所列为视频中标题)

1. Wikidata和图书馆的数字转型(Wikidata and Digital Transformation in Libraries / Jason Evans and Simon Cobb)

  • 威尔士国家图书馆介绍与Wikidata的合作项目:上传图片到Wikimedia Commons,作者、出版社数据可视化;最终希望Wikidata ID出现在图书馆目录中……。
  • Simon Cobb介绍Wikidata数据处理,提到其中的Wikicite有2500万文章,Wikidata有作者消歧工具。

2. 当德语规范库GND遇到Wikibase(GND meets Wikibase / Barbara Fischer and Sarah Hartman)

  • 德国国家图书馆介绍2019年开始的项目:使用Wikibase发布GND规范库,本地安装、可控、具有持久性,又可与外部连接。

3. Wikisource如何管理数据?(How do Wikisources manage data? / Nicolas Vigneron)

  • 从2004年项目开始即参与的报告人介绍维基的免费在线合作图书馆(https://en.wikisource.org/)。
  • 其中提到应用FRBR层次,但简化为三层——内容表达和载体表现合并为版本(与BIBFRAME异曲同工)。
  • 报告及问答阶段提到图书馆目录与规范的不完善。

4. 关注差距:Wikidata数据如何补充和完善元数据工作(Mind the Gap! How Wikidata complements and completes metadata work / Ahava Cohen)

  • 以色列国家图书馆介绍本馆项目如何使用Wikidata。
  • 最有激情的报告,前12分钟讲述自己为什么会参与Wikidata项目——因为以色列国家图书馆的多语言文字现状、以色列人名广泛重复……。
  • 具体介绍的6个项目:1)修改Wikidata非拉丁人物姓名(原拉丁字母拼写);2)WikiCommons照片库,3)IFLA匿名经典,希伯亚姓名,加上本馆/LC/VIAF/Wikidata的ID;4)本馆制作的以色列出版社数据库放到Wikidata;5)利用Wikidata为本馆规范档批添加ORCID;6)使用Wikidata连接Ben-Yehuda作者ID与本馆ID。
  • 问答阶段,提问涉及Wikidata的权威性,依赖它是否可靠?回答是该馆与作者接触紧密,有很多鲜活的例子可以说明没有什么机构的记录是权威的(比如作者本人都常不确定自己姓名的写法,因为离婚要求修改自己的规范名称……)。

5. 知识平等、图书馆元数据和Wikidata(Knowledge Equity, Library Metadata & Wikidata / Stacy Allison-Cassin and Karim Tharani)

  • 围绕Wikimedia运动战略中的“知识平等”展开讨论,涉及Wikidata的多语言支持、非西方中心论。
  • 知识平等(Knowledge equity):作为一项社会运动,我们将努力集中于权力和特权结构所遗漏的知识和社区。我们欢迎来自各个背景的人们建立强大而多样的社区。我们将打破阻止人们获取和贡献自由知识的社会、政治和技术障碍。(Strategy/Wikimedia movement/2018-20)】

6. 学术档案[学者身份]、Wikidata和学术图书馆(Scholarly Profiles, Wikidata and Academic Libraries / Meg Wacha)

  • 提到开源工具Scholia(https://github.com/fnielsen/scholia)使用Wikidata创建学者、机构、出版物等的档案。

科学数据管理的“FAIR原则”及其实施

【FAIR原则】https://www.go-fair.org/fair-principles/

2016年,Mark D. Wilkinson等在《Scientific Data》上发表 The FAIR Guiding Principles for scientific data management and stewardship( https://doi.org/10.1038/sdata.2016.18),提出科学数据管理的“FAIR指导原则”,即改善数字资产的可查找性(Findability)、可获取性/可访问性(Accessibility)、互操作性(Interoperability)和重用性(Reusability)。原则强调机器可操作性,即计算系统在没有或最少人为干预的情况下查找、获取、互操作和重用数据的能力。

FAIR原则涉及三种类型的实体:数据(或任何数字对象)、元数据(有关该数字对象的信息)和基础架构(如注册、搜索引擎)。原则如下:

  • F 可查找性
  • (重复)使用数据的第一步是找到它们。对人和计算机来说,元数据和数据都应该易于找到。机器可读的元数据对于自动发现数据集和服务至关重要,因此这是“FAIR化流程”的重要组成部分。
  • F1、(元)数据被分配一个全局唯一且持久的标识符
  • F2、用丰富的元数据(由下面的R1定义)描述数据
  • F3、元数据清晰明确地包含了它们描述的数据的标识符
  • F4、(元)数据在可搜索资源中注册或索引
  • A 可获取性
  • 一旦用户找到所需的数据,她/他就需要知道如何获取它们,可能包括身份验证和授权。
  • A1、(元)数据可使用标准化的通信协议通过其标识符进行检索
  • A1.1、协议是开放、免费的并且可以普遍实施
  • A1.2、协议允许在必要时进行身份验证和授权过程
  • A2、即使数据不再可用,也可以获取元数据
  • I 互操作性
  • 可互操作数据通常需要与其他数据集成。此外,数据需要与应用或工作流进行互操作,以进行分析、存储和处理。
  • I1、(元)数据使用一种形式化、可获取、共享和广泛适用的语言来表示知识。
  • I2、(元)数据使用符合FAIR原则的词表
  • I3、(元)数据包括对其他(元)数据的合格引用
  • R 重用性
  • FAIR的最终目标是优化数据的重用。为此,应详细描述元数据和数据,以便可以在不同的设置中复制和/或组合它们。
  • R1、(元)数据以多种准确且相关的属性进行丰富的描述
  • R1.1、(元)数据使用明确且可获取的数据使用许可证发布
  • R1.2、(元)数据与详细出处关联
  • R1.3、(元)数据符合领域相关的社区标准

走向FAIR社区https://www.go-fair.org/how-to-go-fair/

FAIR原则没有停留在学术论文中。自2018年以来,GO FAIR社区一直在努力实施FAIR指导原则。这种集体努力形成了一个三点框架,该框架制定了必不可少的步骤,为的是实现最终目标——一个全球性的“FAIR数据和服务互联网”,其中的数据可用于计算机的可查找、可获取、可互操作和可重用(FAIR)。

https://www.go-fair.org/wp-content/uploads/2020/07/3-point-framework_text_icon-background-1.png
三点框架指:M4M(用于机器的元数据)FIP(FAIR实施纲要)FDP(FAIR数据点)。自2020年4月以来,有3个相应的工作组在开发方法、工具和文档。

定义元数据需求:M4M研讨会https://www.go-fair.org/how-to-go-fair/metadata-for-machines/

没有机器可操作的元数据就没有FAIR数据。自2018年10月以来,已举办了6次M4M研讨会,由领域专家与元数据专家(数据管家)组成团队,定义满足特定领域的FAIR数据需求的元数据需求。

FAIR化流程https://www.go-fair.org/fair-principles/fairification-process/

对于非FAIR数据,走向FAIR社区采用7个步骤将之“FAIR化”:1检索非FAIR数据——2分析检索到的数据——3定义语义模型——4使数据可链接——5分配许可证——6定义数据集的元数据——7部署FAIR数据资源

https://www.go-fair.org/wp-content/uploads/2017/11/FAIRificationProcess-1.png

研究合作如何表示?“贡献者角色分类”将成为NISO标准

合作已经成为当今科学研究常态,学术成果合作因此也是常见现象。同时为超越当前的“出版或出局”文化,至关重要的是确保研究人员对他们所做的所有工作给予认可而不仅仅是撰写论文。确保资助、管理数据、编写软件等对完成研究项目至关重要,但是这些角色通常更难确定,因而在评估研究人员的工作时,例如当他们申请晋升或任期或寻求资金时,这些角色往往会被忽略。

2012年惠康信托基金(Wellcome Trust)和哈佛大学共同举办了一个由学术、出版和基金三方面人士参加的研讨会,探索替代性的贡献说明模式。会后由生物医学期刊编辑为主的一个小组开发了一个贡献者角色受控词表(分类法)——即CRediT,含14个贡献者角色【见后】,经过试验项目的测试,其结果于2014年4月发表于Nature Communications

学术出版希望注明合作者的贡献,但非结构化的文本描述,难以管理。CRediT信息可以包含在研究成果(包括文章、书籍/书籍章节、数据集等)的元数据中。目前已有30多家出版机构采用CRediT,并且已将此分类法集成到多个手稿提交系统和其他研究人员平台中。

在CRediT实施中更要求出版者“使CRediT机器可读”——应以JATS xml v1.2 编码带有CRediT标签的贡献。CreDiT Taxonomy Guidelines列出了每种贡献的URL,其命名空间为:https://dictionary.casrai.org/Contributor_Roles/

CRediT这些年一直作为CASRAI的非正式标准进行管理。2019年12月美国国家信息标准化组织(NISO)宣布,已要求将CRediT分类法正式定为ANSI/NISO标准,并成立NISO常设委员会以继续进行教育和宣传工作并促进分类法的持续发展。

2020年4月23日,NISO宣布启动CRediT项目,正式制定和开发“贡献者角色分类法”(CRediT)作为ANSI/NISO标准。工作重点包括反映更广范围的研究贡献,以支持超出其最初STM(科学、技术和数学)的学科和主题领域

via NISO

NISO Launches Work on Contributor Role Taxonomy (CRediT) Initiative(2020-4-23)

Next Steps Toward Using CRediT for Credit(2019-12)

关于CRediT的更多信息见CASRAI页面:CRediT – Contributor Roles Taxonomy

  • 定义)CRediT(贡献者角色分类法)是一种高级分类法,包括14个角色,可以用来代表贡献者通常在科学学术成果中所扮演的角色。 这些角色描述了每个贡献者对学术成果的具体贡献。
  • (其他栏目)14个贡献者角色、贡献者角色定义、背景、益处、采用者、如何实施、相关链接、责任主席

—— CRediT:14个贡献者角色——

  • 1. Conceptualization 概念化:总体研究目标的制定或演化
  • 2. Data curation 数据管理:用于注释、清理数据和维护研究数据以供初次使用和以后重用的管理活动
  • 3. Formal analysis 形式分析:运用统计、数学、计算或其他形式技术来分析或综合研究数据
  • 4. Funding acquisition 资金获取:为导致出版的项目获得财务支持
  • 5. Investigation 调查:进行研究和调查过程,特别是进行实验或收集数据/证据
  • 6. Methodology 方法论:方法论的开发或设计;建立模型
  • 7. Project administration 项目管理:研究活动、计划和执行的管理和协调责任
  • 8. Resources 资源:提供研究材料、试剂、材料、患者、实验室样品、动物、仪器、计算资源或其他分析工具
  • 9. Software 软件:编程、软件开发;设计计算机程序;实施计算机代码和支持算法;测试现有代码组件
  • 10. Supervision 监督:对研究活动的计划和执行进行监督和领导责任,包括核心团队外部的指导
  • 11. Validation 验证:对结果/实验和其他研究成果的整体复制/可再现性进行验证,无论是作为活动的一部分还是独立的
  • 12. Visualization 可视化:准备、创建和/或演示已发表的作品,特别是可视化/数据演示
  • 13. Writing – original draft 撰写–初始草稿:准备、创作和/或介绍已发表的作品,特别是撰写初始草稿(包括实质性翻译)
  • 14. Writing – review and editing 写作–评审和编辑:初始研究小组的人员对已发表作品的准备、创作和/或展示,特别是批判性评审、评论或修订,包括出版前或出版后的阶段