元数据 – 第 12 页 – 编目精灵III

OCLC报告：图档博所用社会元数据

OCLC最新发布报告《图书馆、档案馆及博物馆所用社会元数据（第一部分：网站评论）》。本报告是OCLC研究项目“共享与集成社会元数据”的第一份成果，由RLG合作者社会元数据工作组完成，工作组成员是来自5个国家的21名志愿者。
报告长达174页，目次就有2页。长假天天宅在家中已觉很对不起自己，实在打不起精神学习。在项目网页看到2010年10月与报告同名的PPT，45页，浏览一过，简单摘录如下：

(p.2)术语：我们谈论的是什么
社会媒体/社会网络
用户贡献内容UGC
社会元数据
社会媒体功能
社会参与度
Web 2.0

(p.3)基本认识
用户贡献内容可以丰富LAM创建的描述性元数据
在网络层传播与共享用户贡献有问题需要解决
[注：图书馆、档案馆及博物馆简称LAM]

(p.11)研究目的，20个问题[仅列出10个]

(p.16)成果[三个报告，当时期望2010年11月完成，看来是大大延期了]
1、网站评论，及利用第三方网站（150页）[即本次发布的报告]
（p.13，共76个网站）
2、网站管理者调查结果分析（50页）
（p.13，发出问卷，收到42个回复）
3、社会元数据推荐及书目

(p.23)使用第3方网站
LibraryThing for Libraries (LTFL)
Flickr和Flickr Commons
Youtube
Facebook
Twitter
Wikipedia
Blogs

(p.32)图2：提供社会媒体功能的时间
尚未公开 10%
不到一年 21%
1-2年 41%
3-4年 10%
4年以上 19%

(p.33)提供社会媒体的主要目的（多选）
建立用户社区 81%
提高对内容的流量及访问 79%
强化描述 60%
建立收藏 26%

(p.35)图5：访问者每月贡献内容
不到100 67%
100-499 20%
500-1000 3%
1000以上 10%（3家：Australian Newspapers，Distrubuted Proofreaders，WorldCat）
[总体来说，对用户贡献不能期望太高）

(p.40-44)利用社会媒体的建议十八条

———-出处的分割线———-
报告：Social Metadata for Libraries, Archives, and Museums. Part 1: Site Reviews / by Karen Smith-Yoshimura, OCLC Research; Cyndi Shein, Getty Research Institute. (pdf: 6.10MB/174 pp.)

新闻：New Report: “Social Metadata for Libraries, Archives, and Museums, Part 1: Site Reviews” (3 October 2011)

项目网页：共享与集成社会元数据
Sharing and Aggregating Social Metadata

Slideshare上的同名PPT:
Social Metadata for Libraries, Archives, and Museums / by Rose Holley, National Library of Australia; Karen Smith-Yoshimura, OCLC. Libraries Australia Forum, Canberra, October 20, 2010

[update 2012-2-13]才想起来加上第2部分：
Social Metadata for Libraries, Archives, and Museums. Part 2: Survey Analysis
[update 2012-4-24]第3部分最新发布：
New Reports: “Social Metadata for Libraries, Archives, and Museums. Part 3: Recommendations and Readings” and “Social Metadata for Libraries, Archives, and Museums: Executive Summary” (23 April 2011)

Google实验室新品Books Ngram Viewer：数据的可靠性

Google实验室推出新产品Books Ngram Viewer，以图示形式显示/对比查询词在1800-2000年间图书中的词频，包括英、法、德、俄、西、汉六种文字。与Google搜索不同的是，查询词是区分大小写的。作为Google图书的一个副产品，在图示下还有查询词在Google图书搜索的链接，且根据词频，分不同的年段。
《纽约时报》介绍文“五千亿单词、文化新视窗”(In 500 Billion Words, New Window on Culture, December 16, 2010)，译言上的报道名“谷歌发布带有 520 万数字化图书数据的全新可视化工具”(2010-12-18)。
基于520万图书、5千亿单词的语料库，如介绍所说，该产品以可视化方式揭示“语言、文学、文化随时间的变迁”，是“供学者们使用的全新量化工具”，的确很强大。然而，由于原始数据本身存在问题，对结果的影响显然是致命的。以如此结果为依据进行分析，其可靠性自然存疑。

其一、元数据问题

随便找两个词“图书”和“图书馆”，图示结果如下：

可以明显看到“图书馆”一词在1900年前后进入第一个高峰，在1980年前后出现另一个高峰，均高于“图书”的出现频率。这是很有意思的现象。
点击看1800-1906年段有“图书馆”一词的图书──数据（或元数据）错误暴露无遗。前5条没有一条年份是正确的：
√ 第1条：吉林大学 – 1906《全国高等院校社会科学学报 … 总目录》，命中内容“1923 5 图书馆事业之发展夏廷械”等
√ 第2条：广东省民族研究所, 广东省群众文化艺术馆 – 1900《民族民間艺术研究》Volume 2
√ 第3条：吉林省社会科学院, 吉林大学 – 1900《满铁史资料》Volume 4, Part 4，命中内容“1941 ,油印本(关于在日本内地抚顺煤与我国煤的调查门满铁会社(最近抚顺煤旷出煤情况门中国科学院图书馆存……”
√ 第4条：丁丙 – 1900《武林坊巷志》Volume 1，命中内容“为此、我们特将浙江省图书馆所珍藏的原稿,进行加工整理,分为八册出版,为社会主义精神文明建设, ^提供有价值的历史资料。”
√ 第5条：山西省社会科学硏究所 – 1900《山西革命回忆录》Volume 3
除了第1条1906有点奇怪，其他估计是年份不明的都被当作1900年的了。

其二、字符识别问题

Librarything的Tim使用Books Ngram Viewer发现，fuck这个流行骂人话不但历史悠久，而且在1700年前后远比现在流行。
Books Ngram Viewer-fuck
查图书原文，当年的那个词其实是suck。因为早年字母有所谓“长s”，长像就是没有短横的f。而Google图书显然没能识别。
suck not fuck

Via Thing-ology Blog: Romeo and Juliet, with—Get your mind out the gutter! (DECEMBER 17TH, 2010)

———-无语的分割线———-
最近自己一直在为统计伤神。
给不甚准确的原始数据做统计，再……分析，其结果可信度有多少？

W3C图书馆关联数据孵化小组

W3C图书馆关联数据孵化小组(Library Linked Data Incubator Group)刚刚成立，为期一年，结束日期为2011年5月20日。创始主席：
Tom Baker（DCMI的CIO，一位~~德国人~~美国人）
Emmanuelle Bermes（法国国家图书馆）
Antoine Isaac（阿姆斯特丹VU大学计算机系博士后，欧洲数字图书馆计划Europeana科学协调员，W3C的SKOS社区联系人）
创始机构：来自芬兰、爱尔兰、马来西亚、英国、德国、荷兰以及美国，有熟悉的LC、OCLC和Talis……

———-小组章程———-
图书馆关联数据孵化小组的使命，是通过汇集图书馆界内外参与语义网活动（重点在关联数据）的人、基于现有创新举措、确定未来的合作轨迹，帮助提高图书馆数据在万维网上的全球互操作。
小组将探索如何以现有图书馆学的基石如元数据模型、元数据模式、标准与协议，建立互操作及图书馆系统与网络化环境，鼓励图书馆将其内容带向万维网的数据互操作，普遍地重新定位其方法，并达到其他社区。同时也将这些社区视为关联数据网规范数据集（个人、主题……）的潜在主要提供者。由于这些发展要求图书馆界围绕（语义）万维网标准共享标准化工作，小组将提炼所需的知识、表述标准与准则的需求，提出促进图书馆界向未来万维网标准化行动做出贡献的方向。
孵化器小组创始成员来自国家图书馆、大学图书馆及研究单位、图书馆供应商及其他感兴趣的利益相关人。其范围不仅限于图书馆，也有意包括其他文化遗产机构、出版业的合作伙伴及其他相关领域。

———-现有图书馆学的基石———-
对于“现有图书馆学的基石”，在“1、动机”中如此描述：
·元数据模式（MODS、MADS、METS……）
·图书馆元数据模型，现正进化到万维网（FRBR、FRAD、RDA……）
·建立与图书馆领域外互操作的标准与协议（OAI-ORE、SKOS、SRU/CQL……）
·（数字）图书馆系统由集成转向网络环境（European、WorldCat、VIAF项目……）

———-活动范围———-
·收集使用案例与个案研究，证明在图书馆与相关部门中语义网技术的成功实施
·培养有兴趣把文化资产移植到关联数据网的活动者（图书馆、博物馆、档案馆、出版者）之间的协作
·确定相关数据模型、词表和本体，以及建立或改善其互操作的方法
·确定对新标准、准则和最佳实践的细化要求
·确定可由小组所代表社区的专业知识受益的（语义）万维网技术范围
·提出接替小组所实施的开创工作的相关组织及其工作范围

———-成功标志———-
对图书馆领域及相关部门采用关联数据的原则与展望提出现状报告，对应当进一步开发什么标准与准则、为此应当建立什么组织有明确且得到认同的观点。
开发或评价特定的本体或词表不在小组范围之内。

———-成果———-
小组主要责任在于产生一个最终报告，表述在图书馆领域及相关部门中关联数据开发的状况，提出这些社区在未来W3C标准化活动中有效参与的方向。
其他可能包括在最终报告中的内容：
·用户案例文件，描述图书馆界与相关部门的真实使用案例、个案研究、推广与传播行动
·描述相关技术要件的文件，包括词表与本体（如SKOS），目的在于确定延伸或互操作需求，帮助确定可能需要的其他标准。

[update 2010-05-24] Via pinoke在书社会的分享

[update 2012-6-29] 小组最终报告及“数据集、属性值词汇及元数据元素集”和“用例”已由娄秀明译成中文。