@misc{VorndranZetzsche2024, author = {Vorndran, Angela and Zetzsche, Simon}, title = {Anreicherung von Musiktontr{\"a}gerkatalogisaten durch nutzergenerierte Inhalte}, series = {TK 6: Sammlungen, Repositorien, Retrodigitalisierung und Kulturgut(schutz)/ Vernetzung von Sammlungen (05.06.2024, 11:00 - 12:30, Saal G.2 / 2. OG (Streaming))}, journal = {TK 6: Sammlungen, Repositorien, Retrodigitalisierung und Kulturgut(schutz)/ Vernetzung von Sammlungen (05.06.2024, 11:00 - 12:30, Saal G.2 / 2. OG (Streaming))}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-191717}, year = {2024}, abstract = {Die Deutsche Nationalbibliothek (DNB) sammelt neben schriftlichen Quellen auch Musiktontr{\"a}ger. F{\"u}r die circa 1,1 Millionen Tontr{\"a}ger im Bestand des Deutschen Musikarchivs (DMA) liegen Trackinformationen, die sowohl f{\"u}r die Suche als auch f{\"u}r die Nutzung im Lesesaal eine große Rolle spielen k{\"o}nnen, nur in gut 310.000 Datens{\"a}tzen vor. Dies ist unter anderem darauf zur{\"u}ckzuf{\"u}hren, dass Trackinformationen in RAK nur vereinzelt erfasst wurden und auch nicht Bestandteil der RDA-Katalogisierung sind. So entstand die Idee, aus einer nutzergenerierten Musikdatenbank fehlende Trackinformationen durch einen Abgleich der Tontr{\"a}ger zu {\"u}bernehmen. In einem ersten Schritt wurden anhand von Standardnummern wie der European Article Number (EAN) oder des Universal Product Codes (UPC) {\"U}bereinstimmungen zwischen den DMA-Best{\"a}nden und der freien Musikdatenbank MusicBrainz ermittelt. Weitere Abgleiche von Erscheinungsjahren, Labelnamen und Titeln sorgten f{\"u}r eine gr{\"o}ßere Sicherheit in der Zuordnung der einzelnen Tontr{\"a}ger. Auf diese Weise wurden f{\"u}r gut 50.000 Tontr{\"a}ger ca. 945.000 zugeh{\"o}rige Tracks identifiziert. Da nur f{\"u}r einen Teilbestand von ca. 300.000 Tontr{\"a}gern diese Standardnummern vorlagen, sollen in weiteren Abgleichen auch andere Merkmale, wie z.B. die DiscID, herangezogen werden. In MusicBrainz sind meist umfangreiche Informationen {\"u}ber Tracks enthalten. Es finden sich neben dem Titel u.a. Identifikationsnummern sowie Angaben zu Dauer, Position auf der CD oder zu verschiedenen beteiligten Personen in verschiedenen Rollen (Komponist*in, Interpret*in, technische Mitarbeit). Um diese F{\"u}lle an Informationen nutzen zu k{\"o}nnen, sollen nicht, wie in fr{\"u}heren Jahren, nur Tracktitel als Teil des Titeldatensatzes erfasst, sondern eigene Trackdatens{\"a}tze erstellt werden, die dem Datensatz des Tontr{\"a}gers hierarchisch untergeordnet sind. Dar{\"u}ber hinaus k{\"o}nnen relevante Informationen auch in den {\"u}bergeordneten Datensatz des Tontr{\"a}gers oder verkn{\"u}pfte GND-Normdatens{\"a}tze {\"u}bernommen werden.}, language = {de} } @misc{GrundVorndranGrote2022, author = {Grund, Stefan and Vorndran, Angela and Grote, Claudia}, title = {Who´s who in Normdaten? Maschinelle Verfahren in der Zuordnung von Personennormdatenverkn{\"u}pfungen bei h{\"a}ufigen Namen}, series = {TK 5: Content: Vom Umgang mit Inhalten und Daten / Neues aus dem Netzwerk der GND (02.06.2022, 14:00 - 16:00, Saal 1 (mit Streaming))}, journal = {TK 5: Content: Vom Umgang mit Inhalten und Daten / Neues aus dem Netzwerk der GND (02.06.2022, 14:00 - 16:00, Saal 1 (mit Streaming))}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-180069}, year = {2022}, abstract = {F{\"u}r Bibliotheksdaten wird es in einer immer st{\"a}rker vernetzten Datenlandschaft wichtiger, kontrollierte Vokabulare zu nutzen, eindeutige Entit{\"a}ten zu referenzieren und so Knotenpunkte und Links zu nutzen und zu schaffen. Vor diesem Hintergrund ist auch das st{\"a}rkere Einbinden von Normdatenverkn{\"u}pfungen in bibliothekarische Metadaten anzustreben. Bei in sich uneindeutigen Inhalten zeigt sich allerdings h{\"a}ufig eine Schwierigkeit der Zuordnung zu eindeutigen Entit{\"a}ten. Am Beispiel der Verkn{\"u}pfung von Autor*innen mit h{\"a}ufigen Namen soll hier untersucht werden, wie verschiedene maschinelle Verfahren dazu eingesetzt werden k{\"o}nnen, bei mehreren namensgleichen Entit{\"a}ten den korrekten Personennormdatensatz der Gemeinsamen Normdatei (GND) zu identifizieren. Hierzu werden statistische Verfahren genutzt, die verschiedene weitere Metadatenbestandteile der Titeldaten namensgleicher Verfasser ber{\"u}cksichtigen und eine Einsch{\"a}tzung der Wahrscheinlichkeit einer {\"U}bereinstimmung zulassen. Beispielsweise k{\"o}nnen gleiche Sachgruppen, Verlage oder auch Co-Autorschaften bei mehreren Publikationen n{\"u}tzliche Hinweise auf die Identit{\"a}t einer Person sein. Erg{\"a}nzend werden maschinelle Lernverfahren f{\"u}r diesen Zweck erprobt, die durch Clusteringverfahren {\"a}hnliche Titel gruppieren oder {\"u}ber Klassifikationsverfahren die Zugeh{\"o}rigkeit zu einem bestimmten Normdatensatz einsch{\"a}tzen k{\"o}nnen. Ist in einer Gruppe von als inhaltlich und strukturell {\"a}hnlich erkannter Publikationen eine der Namenseintragungen mit einer Verkn{\"u}pfung zur GND versehen, kann diese ggf. f{\"u}r die weiteren Publikationen {\"u}bernommen werden. Andernfalls kann der Personenname und die als zugeh{\"o}rig erkannten Publikationen als Grundlage f{\"u}r einen Personenvorschlagssatz dienen. Diese Vorschlagss{\"a}tze bilden eine Vorstufe zu Personennormdatens{\"a}tzen, b{\"u}ndeln verschiedene, zum gr{\"o}ßten Teil maschinell zusammengestellte, Informationen und k{\"o}nnen nach einer Pr{\"u}fung in Personennormdatens{\"a}tze {\"u}berf{\"u}hrt werden.}, language = {de} } @misc{GrundVorndran2020, author = {Grund, Stefan and Vorndran, Angela}, title = {Schlagwort-Sharing - Nutzung der Werkb{\"u}ndelung zur {\"U}bertragung intellektuell erstellter inhaltserschließender Informationen}, series = {Themenkreis 5: Content und Digitalisierung / Sacherschließung heute - kooperativ und automatisiert I (26.05.202013:0015:30 Uhr, Blauer Saal)}, journal = {Themenkreis 5: Content und Digitalisierung / Sacherschließung heute - kooperativ und automatisiert I (26.05.202013:0015:30 Uhr, Blauer Saal)}, year = {2020}, abstract = {Culturegraph ist ein kooperatives Vorhaben der Bibliotheksverb{\"u}nde Deutschlands und {\"O}sterreichs sowie der Deutschen Nationalbibliothek (DNB) und aggregiert mehr als 170 Millionen Metadaten. Dieser Bestand wird unter anderem dazu verwendet, Werke zu b{\"u}ndeln. Nachdem ein B{\"u}ndelungsalgorithmus entwickelt wurde, der Publikationen zu Werken zusammenfasst, z.B. verschiedene Auflagen, Ausgaben oder {\"U}bersetzungen, wird jetzt ein Verfahren entwickelt, wie inhaltserschließende Informationen unter B{\"u}ndelmitgliedern ausgetauscht werden k{\"o}nnen. Hierzu hat die DNB einen Workflow entwickelt, der aus einem MARCXML angen{\"a}herten Ausgabeformat der Werkb{\"u}ndel solche inhaltserschließenden Informationen extrahiert, die {\"u}ber die in DNB-Titeldaten enthaltenen Informationen hinaus relevante Inhalte enthalten. Dies wird zurzeit sowohl f{\"u}r Klassifikationsnotationen der DDC, RVK und anderer als auch f{\"u}r freie und GND-Schlagw{\"o}rter getestet. Geplant ist zun{\"a}chst eine retrospektive Anreicherung des Altbestandes, bei der GND-Schlagw{\"o}rter, freie Schlagw{\"o}rter und Klassifikationsnotationen aus Titeln anderer Bibliotheksverb{\"u}nde oder anderer Ausgaben der DNB jeweils als Deskriptoren bzw. Notationen aus Fremddaten in die Titeldatens{\"a}tze aufgenommen werden. Besonderes Augenmerk soll darauf gerichtet werden, keine doppelten Informationen anzureichern. Eine eindeutige Kennzeichnung der Metadatenherkunft als teilmaschinell ist vorgesehen, da hier ein intellektuell erstelltes Metadatum durch einen maschinellen Abgleichprozess als geeignete Anreicherung identifiziert wurde. Nachfolgend ist das Einbinden der Anreicherungen in den Erschließungsprozess von Neuerwerbungen geplant. Dieser Beitrag soll die Potenziale der breiteren automatisierten {\"U}bernahme intellektuell erstellter Metadaten verdeutlichen, sowie Schwierigkeiten und Besonderheiten genauer beleuchten. Als n{\"a}chster Schritt wird eine {\"U}bertragung von Verkn{\"u}pfungen zu Personennormdatens{\"a}tzen der GND entwickelt.}, language = {de} } @misc{GlaglaDietzVorndran2019, author = {Glagla-Dietz, Stephanie and Vorndran, Angela}, title = {Nutzung von Matching-Verfahren zur GND-Anreicherung aus externen Quellen - Vorteile f{\"u}r Metadatenqualit{\"a}t und Erschließung}, series = {TK 3: Content kuratieren / Identifikatoren in Katalogen (18.03.2019, 14:15 - 15:45 Uhr, Saal 4)}, journal = {TK 3: Content kuratieren / Identifikatoren in Katalogen (18.03.2019, 14:15 - 15:45 Uhr, Saal 4)}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-163741}, year = {2019}, abstract = {Im Vortrag wird ein im Projekt ORCID DE (https://www.orcid-de.org) entwickeltes Abgleichsverfahren vorgestellt, das Personendatens{\"a}tze der Gemeinsamen Normdatei (GND) um Open Researcher and Contributor IDs (ORCiDs) anreichert. Mehr als f{\"u}nf Millionen WissenschaftlerInnen weltweit pr{\"a}sentieren ihre Forschungst{\"a}tigkeit {\"u}ber Publikationen und Affiliationen in ORCiD-Records und erhalten damit einen eindeutigen Identifikator (https://orcid.org/). Um das Ziel der Verkn{\"u}pfung beider Quellen zu erreichen, wurde ein Abgleich von GND-Personendatens{\"a}tzen und ORCiD-Records vorgenommen, die Ergebnisse initial in die GND eingespielt und ein Workflow f{\"u}r regelm{\"a}ßige Abgleiche implementiert. Wir zeigen anhand von Beispielen auf, dass das Einbinden maschineller Verfahren in die Anreicherung von Normdaten sowohl die Qualit{\"a}t der Metadaten als auch Arbeitsg{\"a}nge im Erschließungsprozess verbessern und erleichtern kann.Zur maschinellen Anreicherung der GND-Personendatens{\"a}tze wurden zwei Ans{\"a}tze verfolgt. Einerseits werden {\"u}ber ein Matching-Verfahren der Name und die eingetragenen Affiliationen der ORCiD-Records und der GND-Personendatens{\"a}tze abgeglichen und ein Grenzwert f{\"u}r als gleich zu bewertende Personen festgelegt. Andererseits werden Titeldaten der Webseite culturegraph.org, die den gr{\"o}ßten Teil des deutschsprachigen Bibliotheksbestands umfasst, genutzt. Aus den Titeldaten und den in den ORCiD-Records erfassten Publikationen werden Matchkeys aus Autorennamen, Namensvarianten und Titeln erstellt, die f{\"u}r einen Abgleich verwendet werden.Insbesondere in der Formalerschließung kann durch Hinweise aus dem ORCiD-Record auf zus{\"a}tzliche Informationen leichter ermittelt werden, ob ein Personendatensatz der GND in einem Titeldatensatz verkn{\"u}pft werden kann. Als Nebenprodukt fallen im Abgleichsprozess auch Verkn{\"u}pfungen zu falschen Personendatens{\"a}tzen auf.Perspektivisch k{\"o}nnen diese beiden Verfahren auch auf andere externe Quellen mit Personendaten, wie VIAF und Wikidata, angewendet werden.}, language = {de} } @misc{EberhardtGrundVorndran2019, author = {Eberhardt, Jan and Grund, Stefan and Vorndran, Angela}, title = {Die Maschine {\"u}berwacht die Maschine - Wie maschinelle Verfahren automatisierte Prozesse verbessern k{\"o}nnen}, series = {TK 3: Content kuratieren / GND: Arbeit mit Normdaten (20.03.2019, 14:00 - 17:30 Uhr, Saal 4)}, journal = {TK 3: Content kuratieren / GND: Arbeit mit Normdaten (20.03.2019, 14:00 - 17:30 Uhr, Saal 4)}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-163642}, year = {2019}, abstract = {Maschinelle Verfahren gewinnen in bibliothekarischen Arbeitsprozessen in den letzten Jahren eine immer gr{\"o}ßere Bedeutung. Sie k{\"o}nnen allerdings nicht nur bei der Erstellung und Anreicherung von Metadaten n{\"u}tzlich sein, sondern auch bei der Evaluierung solcher Prozesse. Der Vortrag soll zwei Wege vorstellen, wie die Ergebnisse automatisierter Prozesse, hier einerseits das Clustering von Werken, andererseits die maschinelle Klassifikation von Publikationen, mithilfe erg{\"a}nzender Verfahren verbessert werden k{\"o}nnen. In einem Datenbestand von {\"u}ber 296.000 Netzpublikationen der DNB wurden sowohl maschinell als auch intellektuell Hauptsachgruppen der Dewey Decimal Classification (DDC) vergeben. Im Vergleich dieser wird bei {\"U}bereinstimmung das Label "richtig", bei Abweichung "falsch" vergeben. Mithilfe verschiedener maschineller Klassifikationsverfahren sollen Merkmale f{\"u}r die Zugeh{\"o}rigkeit zu diesen beiden Klassen ermittelt werden, um dann vorhersagen zu k{\"o}nnen, ob eine Publikation f{\"u}r die automatische Klassifikation geeignet ist und gute Ergebnisse zu erwarten sind oder ob eine intellektuelle Erschließung bevorzugt wird. Weiterhin sollen Clusteringverfahren zur Analyse der Daten und Erprobung alternativer Vorgehensweisen eingesetzt werden. Ein weiteres Einsatzgebiet automatischer Verfahren ist das Werkclustering. Auf culturegraph.org werden Titeldaten der deutschen Bibliotheksverb{\"u}nde, des {\"O}sterreichischen Bibliothekenverbunds (OBV) und der British National Bibliography (BNB) genutzt, um mithilfe eines Abgleichsverfahrens {\"u}ber Matchkeys Titeldaten zu Werken zusammenzufassen. Durch eine Metrik, die die Heterogenit{\"a}t der gebildeten B{\"u}ndel abbildet, die beispielsweise verschiedene Auflagen und Ausgaben eines Werks zusammenzufassen, wird die Zuverl{\"a}ssigkeit der B{\"u}ndelung beschrieben. Hierzu werden verschiedene Metadatenfelder der B{\"u}ndelmitglieder wie Titel oder Sprache ber{\"u}cksichtigt, um einen Richtwert zur Eindeutigkeit der B{\"u}ndel zu ermitteln.}, language = {de} } @misc{Vorndran2018, author = {Vorndran, Angela}, title = {Hervorholen was in unseren Daten steckt ! Mehrwerte durch Analysen großer Bibliotheksdatenbest{\"a}nde}, series = {TK 6: erschließen \& erhalten / Innovationen der Erschließung (13.06.2018, 16:30 - 18:00 Uhr, Saal D)}, journal = {TK 6: erschließen \& erhalten / Innovationen der Erschließung (13.06.2018, 16:30 - 18:00 Uhr, Saal D)}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-36270}, year = {2018}, abstract = {Die Deutsche Nationalbibliothek verfolgt das Ziel, den unter Culturegraph.org verf{\"u}gbaren großen Datenbestand von mehr als 150 Millionen Titeldaten deutschsprachiger Bibliotheksverb{\"u}nde (BSZ, BVB, GBV, HBZ, HeBIS und OBV) sowie der Deutschen Nationalbibliothek {\"u}ber Analysen, Verkn{\"u}pfungen und Auswertungen in gr{\"o}ßerem Umfang nutzbar zu machen. Der Vortrag soll die hierzu eingesetzten und geplanten Datenanalyseverfahren auf Metadatenebene vorstellen. Durch Anwendung eines Clustering-Algorithmus werden Werke im Sinne des Library Reference Models (LRM) zusammengefasst. Das bedeutet, dass verschiedene Ausgaben, {\"U}bersetzungen oder Auflagen eines inhaltlich gleichen Werkes zu B{\"u}ndeln zusammengestellt werden. Die B{\"u}ndel gleicher Werke bieten vielf{\"a}ltige M{\"o}glichkeiten, relevante Informationen von einzelnen Datens{\"a}tzen auf alle Mitglieder eines Clusters zu {\"u}bertragen, beispielsweise bei inhaltserschließender Information wie Klassifikation oder verbaler Erschließung. Verf{\"u}gt ein Titel eines Clusters {\"u}ber solche Information, kann sie auf die weiteren Mitglieder des Clusters {\"u}bertragen werden, da die Inhalte aller Manifestationen eines Werks laut Definition identisch sind. Eine weitere Nutzungsm{\"o}glichkeit besteht in einer umfangreicheren Normierung der Daten. Innerhalb eines Clusters k{\"o}nnen Angaben ohne Verkn{\"u}pfung zur Gemeinsamen Normdatei (GND) durch entsprechende Verkn{\"u}pfungen sowie solche zu Namensdatens{\"a}tzen durch Personendatens{\"a}tze ersetzt werden. Auch zur weiteren statistischen Exploration des in Deutschland verf{\"u}gbaren Bibliotheksbestandes eignen sich die aggregierten Daten dieses Angebote S. Beispielsweise k{\"o}nnen mithilfe dieser Daten Entwicklungen der Publikationskultur der letzten Jahrzehnte, Zeitreihenanalysen und Interdependenzen einzelner Datensatzfelder illustriert werden, die u.a. zur Vorschlagsgenerierung bei der Datensatzerstellung genutzt werden k{\"o}nnen.}, language = {de} } @misc{Vorndran2017, author = {Vorndran, Angela}, title = {Online-Information in der Unterrichtsplanung: Wie sollte die ideale Open Educational Resource aussehen und wie wird sie gefunden?}, series = {PosterPoster-Pr{\"a}sentationen (31.05.2017, 12:15 - 13:15 Uhr, Zwischenebene / Foyer)}, journal = {PosterPoster-Pr{\"a}sentationen (31.05.2017, 12:15 - 13:15 Uhr, Zwischenebene / Foyer)}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-28180}, year = {2017}, abstract = {Lehrerinnen und Lehrer sind in der Unterrichtsplanung mit einer sehr großen und stetig wachsenden Zahl an Onlineangeboten konfrontiert. Open Educational Resources stellen einen wichtigen Teilbereich dieses Angebotes dar und sichern die freie Zug{\"a}nglichkeit sowie die rechtlichen Rahmenbedingungen der Nutzung {\"u}ber verschiedene Lizenzen ab. In dieser Studie soll aufgezeigt werden, welche Charakteristika von Open Educational Resources und anderer Information von Lehrkr{\"a}ften als relevant eingesch{\"a}tzt werden und wie sie bei der Suche ber{\"u}cksichtigt werden k{\"o}nnen. Hierzu wird eine qualitative Inhaltsanalyse von Interviews mit 12 Lehrkr{\"a}ften, Diskussionsforenbeitr{\"a}gen (n=2201), erstellten Unterrichtsmaterialien (n=160) und dazu abgegebenen Kommentaren (n=561) in einem LehrerInnenportal und dem Deutschen Bildungsserver vorgenommen. Hierbei sind vier Bereiche f{\"u}r die Charakterisierung der Ressourcen und deren Beurteilung zum Einsatz in der Unterrichtsplanung wichtig: • Didaktische Aufbereitung z.B. Gestaltung, Strukturierung, Sprachstil, geeignete {\"U}bungsobjekte, Variantenreichtum • Formales z.B. Passen zum Lehrplan, Medientyp, pr{\"a}zise Beschreibung, Format, Kosten, Nachnutzbarkeit • Inhalt z.B. fachlich, aktuell, korrekt, zielgerichtet, objektiv, vollst{\"a}ndig • Einsatzkontext z.B. Handlungsmuster, Sozialform, Anwendungskontext, Niveau, Medieneinsatz Eine aussagekr{\"a}ftige Beschreibung der Inhalte durch dom{\"a}nenspezifische Metadaten, die m{\"o}glichst viele der oben genannten Aspekte beinhaltet, kann das Auffinden relevanter Ressourcen erleichtern. Bei der Beurteilung dieser Aspekte spielen externe Anforderungen, pers{\"o}nliche Pr{\"a}ferenzen und situationsbezogene Hintergr{\"u}nde z.B. der zu unterrichtenden Schulklasse eine Rolle. Elaborierte Browsingstrukturen werden als bevorzugte Navigationsstrategie genannt. Berufserfahrung stellt eine wichtige Ressource f{\"u}r die Unterrichtsvorbereitung dar und sollte in gr{\"o}ßerem Maß {\"o}ffentlich zug{\"a}nglich gemacht werden.}, language = {de} }