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。】

古籍编目与《珍稀资料描述性编目(RDA 版)》

2011年《资源描述与检索》(RDA)正式发布,2013年起各编制国正式实施,但古籍一直没有实施RDA(检索点除外),仍然采用《珍稀资料描述性编目》(Descriptive Cataloging of Rare Materials, DCRM)。

DCRM基于AACR2,是针对古籍解释AACR2的描述编目手册。DCRM由美国图书馆协会(ALA)大学与研究图书馆协会(ACRL)的珍本与手稿部(RBMS, Rare Books and Manuscripts Section)下属书目标准委员会(BSC, Bibliographic Standards Committee)编制,包含图书、地图、图片、手稿、乐谱、连续出版物等6种。

为实施RDA,经过数年努力,BSC在2017年完成了RBMS政策声明。不过此时RDA已开始3R项目,工具包网站内容冻结。2019年4月底3R项目基本完成,发布英文稳定版。ALA年会上,BSC讨论认为,仅通过工具包中的政策声明,无法有效复制珍稀资料编目员在当前DCRM手册中所依赖的深度指导。因此先前的RBMS政策声明编辑组(RBMS Policy Statements Editorial Group)更名RBMS RDA 编辑组(RBMS RDA Editorial Group),基于RDA为珍稀资料编目制定指南和工具,从图书开始、将当前分立的各DCRM修订为一个统一手册,称为《珍稀资料描述性编目(RDA 版)》(DCRMR)【符合RDA、ISBD等描述编目统一版潮流】。

值得注意的是,据称DCRMR的语言将在很大程度上基于当前手册【不用新名词?】,并且将作为工具包之外的免费在线资源发布【做古籍的不用订购RDA了?】。作为集成资源,DCRMR将根据需要不断更新。【已经两年,不知进展如何?】

编辑组同时也将创建一套政策声明在工具包内发布。政策声明将简短明了,并链接到DCRMR以获得更全面的说明/指导。例如:“应用此选项,有关其他指导、请参阅 DCRMR XX”。

以上资料出自“BSC 关于 DCRM 和 RDA 的声明”(BSC statement on DCRM and RDA),最近更新日期2021-7-12(从内容看完成于2019年ALA年会后)。

声明摘译

  • 书目标准委员会对于RDA中立,既不鼓励也不阻止有关机构实施RDA可接受的DCRM记录。
  • 书目标准委员会目前正致力于珍稀资料描述性编目(RDA 版)(DCRMR)和 RDA 的配套政策声明。目前,创建 DCRM 记录的机构应按以下步骤进行。
  • 图书
  • 应用以下方法之一:
  • 1、描述性编目继续根据 DCRM(B) 和 AACR2 进行编目,检索点使用RDA指南;或者
  • 2、通过应用 RDA BIBCO 标准记录(BSR)中包含的珍稀资料规定来创建 RDA 记录。
  • 本说明也适用于不生成 BIBCO 记录的机构。如果使用,则在整个描述中应始终遵循珍稀资料的 BSR;它不仅仅适用于选定项或元素。
  • MARC记录领导者应编码为以下ISBD(头标18位编码i),两个‡eRDA和‡edcrmb(直接在040字段‡b编目语言后)。
  • 地图、图片、乐谱、连续出版物:做法类似,分别根据各自DCRM,连续出版物应用RDA CONSER 标准记录(CSR)。
  • 手稿因缺少相关标准,只有以上选项1。

LRM到schema.org映射(荷兰国家图书馆)

荷兰国家图书馆(KB)从2015年开始发布关联数据,采用schema.org。2017年确定采用《IFLA图书馆参考模型》(LRM)、RDA及关联数据发布国家书目,因此制订LRM到schema.org映射作为应用纲要。(出处:René Voorburg. Linked Data Initiatives at the National Library of the Netherlands. Core Linked Data Interest Group forum, 2021-7-29。视频2’20”-16’45”

LRM to Schema.org Cheat sheet (v0.9.3, 2020-11-30) 

目前发布的并非完整映射表,而是一套指南、规则和样例。对于采用schema.org作为词表、以LRM建模时面临的问题有很好的指导,涉及WEMI类及其关系属性,各类连续出版物及其卷、册,Agent(尤其是其中的个人)及Nomen,元数据描述作为实体(不同于实体本身)。摘译如下(命名空间schema:有时简化为s:;编号为本人另拟)

一、WEMI实体

<Work> a schema:CreativeWork .
<Expression> a schema:CreativeWork, schema:ProductGroup.
<Manifestation> a schema:CreativeWork, schema:ProductModel .
<Item> a schema:CreativeWork, schema:IndividualProduct,  schema:ArchiveComponent.

二、连续出版物(表1 Classes for serial publications, groups and member)

 Series: 丛编Volume 卷Issue 期
Generic 通用s:CreativeWorkSeriess:PublicationVolumes:PublicationIssue
Books 图书s:Bookseriess:PublicationVolumes:Book
Periodicals 期刊s:Periodicals:PublicationVolumes:PublicationIssue
Newspapers 报纸s:Newspapers:PublicationVolumes:PublicationIssue
Comic books 漫画书s:ComicSeriess:PublicationVolumes:ComicIssue

三、个人(Person)

LRM和 schema:Person 的“个人”定义并不完全兼容, LRM 实体“个人”仅限于真实人物、明确排除虚构人物,而 schema.org 则包括虚构人物。例如,在 LRM 中,J.K. 罗琳(J.K. Rowling)、罗伯特·加尔布雷思(Robert Galbraith)和实际的乔安妮·罗琳(Joanne Rowling)作为“个人”是相同的;而在schema.org 中,允许将这三个角色(persona)视为三个不同的schema:Persons,可用关系schema:sameAs 将派生自一个LRM个人 的schema:Persons 链接在一起。注意schema:sameAs 与owl:sameAs的语义不同,owl:sameAs 背后的语义本质上会导致将两个 schema:Persons 合并为一个,如此以不同笔名出版的图书、无法推断其在图书上所用名称。

四、命名(Nomen)

不为 LRM命名实体提供对应的 schema.org,仅使用字符串文字或 URI。RDF 允许为字符串指定属性,例如其语言和文字(遵循 BCP4710)。示例:

<URI_of_publisher> schema:name "Paskov Dom"@ru-Latn .
<URI_of_publisher> schema:name "Пашков Дом"@ru .

另以schema:Person 实体聚类 Nomens(作为文字字符串),类似当前管理名称规范记录的做法。

五、WEMI内部关系(Table 2 Hierarchical relations for WEMI entities in schema.org

schema.org只有两层:schema:exampleOfWork(父实体)和schema:workExample(子实体),下表粗体为首选:

object:
subject:WorkExpressionManifestationItem
Works:workExamples:workExamples:workExample
Expressions:exampleOfWorks:workExamples:workExample
Manifestations:exampleOfWorks:exampleOfWorks:workExample
Items:exampleOfWorks:exampleOfWorks:exampleOfWork

六、其他关系

  • 派生:schema:isBasedOn
  • 翻译:schema:translationOfWork
  • 数字化:schema:isBasedOn(载体表现),schema:encodesCreativeWork(单件)
  • 部分与整体:schema:isPartOf / schema:hasPart

七、实体模板和片断

WEMI、个人和元数据共6种实体,提供模板和样例片断,基本包罗了常用元素/属性。如载体表现(其他实体略):

schema:publication [
a schema:PublicationEvent ;
schema:name "{publisher imprint as captured}" ;
schema:startDate "{yyyy}"^^xsd:gYear ;
schema:location "{place as literal <URI>}" ;
schema:publishedBy <{URI_of_Agent_/publisher}> ;
] .
schema:isbn "{isbn}" ;
schema:issn "{issn}" ;
schema:numberOfPages "{literal / integer}" ;
schema:height: "{literal}" ;
schema:width: "{literal}" ;
schema:material "{literal_or_URI}";
schema:image "content_URL or schema:ImageOject" ;
schema:bookEdition "{bookedition}" ;
schema:contributor <{URI_of_contributor}> ;