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)

国外的索引编制软件

复旦大学图书馆百年馆庆期间,于2018.10.18-19举办“发展中的世界索引事业”国际学术研讨会暨2018年中国索引学会年会。本次会议也是国际索引联盟(ICRIS, International Committee of Representatives of Indexing Societies)三年会,开幕式后第一版块就是联盟成员工作交流,各国索引学会介绍各自3年工作(9家成员与会7家)。提问时似乎是超星副总问及索引软件,答主要有3种。
第2天上午有两个分会场,本人投稿论文《面向电子书的书后索引编制法》因为以地方志为例,被安排在地方志分会场发言(PPT分享)。与会的联盟外国成员不知为何几乎全部参加了地方志分会场,提问阶段其中一位问及采用何种软件——我答所述只是自己的想法、还没有软件实现——然后被告知属于嵌入式(embedding),已有软件。
自知对索引是外行,因为被“理事”,出于交作业的想法写了文章,只是针对国内索引编制现状、结合数字出版环境发展,属于开脑洞型,并不了解国外索引情况。会后必须补点课。

看联盟成员网站,了解国外索引编制工具,特别关注嵌入式。
在英国索引家学会(Society of Indexers)网站的“标引职业”版块下看到了3种软件。另外记录下2018-1-1学会建议对普通文字做索引的基本价格是:25英镑/小时,2.75英镑/页,7.5英镑/千词(自然是指原文而非索引篇幅)。
美国索引学会(American Society for Indexing (ASI))网站在软件版块介绍了更多类型的索引编制工具,有或没有实例。

——— 索引编制软件(来自ASI) ———
* 独立或专用工具(Standalone or Dedicated tools),通常用于书后索引(back-of-the-book indexes),标引与出版资料完全分离。
Sky Software https://www.sky-software.com/
Cindex https://www.indexres.com/
Macrex http://www.macrex.com/index.html
TExtract book indexing software http://www.texyz.com
wINDEX (for DOS) http://www.abbington.com/holbert/windex.html
【看了前3种软件各自网站上的介绍(类似国内的“索引之星”),Macrex后者属轻量级工具,前两者功能较多。Sky Software有在Word文档中嵌入索引款目功能:单独编索引——并排打开索引数据库(按页排序视图)、Word文档——在索引中选款目/记录——拖到Word文档相应位置——由Word生成索引。Cindex也有嵌入索引款目到其他文档(Word、RTF)的类似功能。据说是有些客户要求,因为“嵌入”是额外工作、要多花很多时间,因此英国索引家学会建议多收费。】

* 嵌入标引法(Embedded indexing),在文档的电子文件中处理创建索引款目,工具包括:
FrameMaker, Microsoft Word, Adobe InDesign (旧版 PageMaker), Madcap Flare, Quark Xpress
标记语言:SGML, HTML, XML, TeX/LaTeX
【Word以前试过,索引功能过于简单;粗看FrameMaker和InDesign介绍,均为Adobe功能强大的排版工具,支持多种索引】

* 标签法(Tagging),使标引代码在标引完成后嵌入电子文本。索引员在文件中插入编号的虚拟标签,然后单独构建索引。最后一步使用宏,在文件中的每个标签处插入标引。出版企业内部用。

* 关键词法(Keywording),主要用于在线帮助材料。 它可以是硬编码的跳转,类似于WWW链接,或者它可以作为嵌入式编码插入并由软件内置为一个列表。

* 自动标引软件(Automated indexing software),现在伴随大多数文字处理软件的工具,从处理过的文件构建语词索引或单词列表。虽然制造商经常声称这些包构建索引,但实际结果是单词和短语列表,有时在构建索引的开始阶段很有用。……【自动标引现状】

* 自由文本和加权文本搜索工具(Free-text and weighted-text searching tools),这里不讨论,却是索引员非常感兴趣的信息检索方面。

* 网站标引软件(Web Indexing)【举例略】

* 插件(Utilities and Add-ons)。为Word、Excel及前述独立或专用工具增强索引功能。【举例略】