Refine
Document Type
Is part of the Bibliography
- no (6)
Keywords
- Datenabgleich (1)
- Datenqualität (1)
- GND (1)
- Gemeinsame Normdatei (1)
- Integrated Authority File (1)
- Katalogisierung (1)
- Metadaten (1)
- Metadatenanalyse (1)
- Metadatenanreicherung (1)
- Normdaten (1)
Language
- German (6)
Getting the most out of our data! Benefits from the analysis of large-scale bibliographic metadata
(2018)
Die Deutsche Nationalbibliothek verfolgt das Ziel, den unter Culturegraph.org verfügbaren großen Datenbestand von mehr als 150 Millionen Titeldaten deutschsprachiger Bibliotheksverbünde (BSZ, BVB, GBV, HBZ, HeBIS und OBV) sowie der Deutschen Nationalbibliothek über Analysen, Verknüpfungen und Auswertungen in größerem 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, Übersetzungen oder Auflagen eines inhaltlich gleichen Werkes zu Bündeln zusammengestellt werden. Die Bündel gleicher Werke bieten vielfältige Möglichkeiten, relevante Informationen von einzelnen Datensätzen auf alle Mitglieder eines Clusters zu übertragen, beispielsweise bei inhaltserschließender Information wie Klassifikation oder verbaler Erschließung. Verfügt ein Titel eines Clusters über solche Information, kann sie auf die weiteren Mitglieder des Clusters übertragen werden, da die Inhalte aller Manifestationen eines Werks laut Definition identisch sind. Eine weitere Nutzungsmöglichkeit besteht in einer umfangreicheren Normierung der Daten. Innerhalb eines Clusters können Angaben ohne Verknüpfung zur Gemeinsamen Normdatei (GND) durch entsprechende Verknüpfungen sowie solche zu Namensdatensätzen durch Personendatensätze ersetzt werden. Auch zur weiteren statistischen Exploration des in Deutschland verfügbaren Bibliotheksbestandes eignen sich die aggregierten Daten dieses Angebote S. Beispielsweise können 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 können.
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 Zugänglichkeit sowie die rechtlichen Rahmenbedingungen der Nutzung über verschiedene Lizenzen ab. In dieser Studie soll aufgezeigt werden, welche Charakteristika von Open Educational Resources und anderer Information von Lehrkräften als relevant eingeschätzt werden und wie sie bei der Suche berücksichtigt werden können. Hierzu wird eine qualitative Inhaltsanalyse von Interviews mit 12 Lehrkräften, Diskussionsforenbeiträgen (n=2201), erstellten Unterrichtsmaterialien (n=160) und dazu abgegebenen Kommentaren (n=561) in einem LehrerInnenportal und dem Deutschen Bildungsserver vorgenommen. Hierbei sind vier Bereiche für die Charakterisierung der Ressourcen und deren Beurteilung zum Einsatz in der Unterrichtsplanung wichtig: Didaktische Aufbereitung z.B. Gestaltung, Strukturierung, Sprachstil, geeignete Übungsobjekte, Variantenreichtum Formales z.B. Passen zum Lehrplan, Medientyp, präzise Beschreibung, Format, Kosten, Nachnutzbarkeit Inhalt z.B. fachlich, aktuell, korrekt, zielgerichtet, objektiv, vollständig Einsatzkontext z.B. Handlungsmuster, Sozialform, Anwendungskontext, Niveau, Medieneinsatz Eine aussagekräftige Beschreibung der Inhalte durch domänenspezifische Metadaten, die möglichst viele der oben genannten Aspekte beinhaltet, kann das Auffinden relevanter Ressourcen erleichtern. Bei der Beurteilung dieser Aspekte spielen externe Anforderungen, persönliche Präferenzen und situationsbezogene Hintergründe z.B. der zu unterrichtenden Schulklasse eine Rolle. Elaborierte Browsingstrukturen werden als bevorzugte Navigationsstrategie genannt. Berufserfahrung stellt eine wichtige Ressource für die Unterrichtsvorbereitung dar und sollte in größerem Maß öffentlich zugänglich gemacht werden.
Culturegraph ist ein kooperatives Vorhaben der Bibliotheksverbünde Deutschlands und Österreichs sowie der Deutschen Nationalbibliothek (DNB) und aggregiert mehr als 170 Millionen Metadaten. Dieser Bestand wird unter anderem dazu verwendet, Werke zu bündeln. Nachdem ein Bündelungsalgorithmus entwickelt wurde, der Publikationen zu Werken zusammenfasst, z.B. verschiedene Auflagen, Ausgaben oder Übersetzungen, wird jetzt ein Verfahren entwickelt, wie inhaltserschließende Informationen unter Bündelmitgliedern ausgetauscht werden können. Hierzu hat die DNB einen Workflow entwickelt, der aus einem MARCXML angenäherten Ausgabeformat der Werkbündel solche inhaltserschließenden Informationen extrahiert, die über die in DNB-Titeldaten enthaltenen Informationen hinaus relevante Inhalte enthalten. Dies wird zurzeit sowohl für Klassifikationsnotationen der DDC, RVK und anderer als auch für freie und GND-Schlagwörter getestet. Geplant ist zunächst eine retrospektive Anreicherung des Altbestandes, bei der GND-Schlagwörter, freie Schlagwörter und Klassifikationsnotationen aus Titeln anderer Bibliotheksverbünde oder anderer Ausgaben der DNB jeweils als Deskriptoren bzw. Notationen aus Fremddaten in die Titeldatensätze 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 Übernahme intellektuell erstellter Metadaten verdeutlichen, sowie Schwierigkeiten und Besonderheiten genauer beleuchten. Als nächster Schritt wird eine Übertragung von Verknüpfungen zu Personennormdatensätzen der GND entwickelt.
Maschinelle Verfahren gewinnen in bibliothekarischen Arbeitsprozessen in den letzten Jahren eine immer größere Bedeutung. Sie können allerdings nicht nur bei der Erstellung und Anreicherung von Metadaten nützlich 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 ergänzender Verfahren verbessert werden können. In einem Datenbestand von über 296.000 Netzpublikationen der DNB wurden sowohl maschinell als auch intellektuell Hauptsachgruppen der Dewey Decimal Classification (DDC) vergeben. Im Vergleich dieser wird bei Übereinstimmung das Label "richtig", bei Abweichung "falsch" vergeben. Mithilfe verschiedener maschineller Klassifikationsverfahren sollen Merkmale für die Zugehörigkeit zu diesen beiden Klassen ermittelt werden, um dann vorhersagen zu können, ob eine Publikation für 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 Bibliotheksverbünde, des Österreichischen Bibliothekenverbunds (OBV) und der British National Bibliography (BNB) genutzt, um mithilfe eines Abgleichsverfahrens über Matchkeys Titeldaten zu Werken zusammenzufassen. Durch eine Metrik, die die Heterogenität der gebildeten Bündel abbildet, die beispielsweise verschiedene Auflagen und Ausgaben eines Werks zusammenzufassen, wird die Zuverlässigkeit der Bündelung beschrieben. Hierzu werden verschiedene Metadatenfelder der Bündelmitglieder wie Titel oder Sprache berücksichtigt, um einen Richtwert zur Eindeutigkeit der Bündel zu ermitteln.
Für Bibliotheksdaten wird es in einer immer stärker vernetzten Datenlandschaft wichtiger, kontrollierte Vokabulare zu nutzen, eindeutige Entitäten zu referenzieren und so Knotenpunkte und Links zu nutzen und zu schaffen. Vor diesem Hintergrund ist auch das stärkere Einbinden von Normdatenverknüpfungen in bibliothekarische Metadaten anzustreben. Bei in sich uneindeutigen Inhalten zeigt sich allerdings häufig eine Schwierigkeit der Zuordnung zu eindeutigen Entitäten. Am Beispiel der Verknüpfung von Autor*innen mit häufigen Namen soll hier untersucht werden, wie verschiedene maschinelle Verfahren dazu eingesetzt werden können, bei mehreren namensgleichen Entitäten den korrekten Personennormdatensatz der Gemeinsamen Normdatei (GND) zu identifizieren. Hierzu werden statistische Verfahren genutzt, die verschiedene weitere Metadatenbestandteile der Titeldaten namensgleicher Verfasser berücksichtigen und eine Einschätzung der Wahrscheinlichkeit einer Übereinstimmung zulassen. Beispielsweise können gleiche Sachgruppen, Verlage oder auch Co-Autorschaften bei mehreren Publikationen nützliche Hinweise auf die Identität einer Person sein. Ergänzend werden maschinelle Lernverfahren für diesen Zweck erprobt, die durch Clusteringverfahren ähnliche Titel gruppieren oder über Klassifikationsverfahren die Zugehörigkeit zu einem bestimmten Normdatensatz einschätzen können. Ist in einer Gruppe von als inhaltlich und strukturell ähnlich erkannter Publikationen eine der Namenseintragungen mit einer Verknüpfung zur GND versehen, kann diese ggf. für die weiteren Publikationen übernommen werden. Andernfalls kann der Personenname und die als zugehörig erkannten Publikationen als Grundlage für einen Personenvorschlagssatz dienen. Diese Vorschlagssätze bilden eine Vorstufe zu Personennormdatensätzen, bündeln verschiedene, zum größten Teil maschinell zusammengestellte, Informationen und können nach einer Prüfung in Personennormdatensätze überführt werden.
Im Vortrag wird ein im Projekt ORCID DE (https://www.orcid-de.org) entwickeltes Abgleichsverfahren vorgestellt, das Personendatensätze der Gemeinsamen Normdatei (GND) um Open Researcher and Contributor IDs (ORCiDs) anreichert. Mehr als fünf Millionen WissenschaftlerInnen weltweit präsentieren ihre Forschungstätigkeit über Publikationen und Affiliationen in ORCiD-Records und erhalten damit einen eindeutigen Identifikator (https://orcid.org/). Um das Ziel der Verknüpfung beider Quellen zu erreichen, wurde ein Abgleich von GND-Personendatensätzen und ORCiD-Records vorgenommen, die Ergebnisse initial in die GND eingespielt und ein Workflow für regelmäßige Abgleiche implementiert. Wir zeigen anhand von Beispielen auf, dass das Einbinden maschineller Verfahren in die Anreicherung von Normdaten sowohl die Qualität der Metadaten als auch Arbeitsgänge im Erschließungsprozess verbessern und erleichtern kann.Zur maschinellen Anreicherung der GND-Personendatensätze wurden zwei Ansätze verfolgt. Einerseits werden über ein Matching-Verfahren der Name und die eingetragenen Affiliationen der ORCiD-Records und der GND-Personendatensätze abgeglichen und ein Grenzwert für als gleich zu bewertende Personen festgelegt. Andererseits werden Titeldaten der Webseite culturegraph.org, die den größten 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 für einen Abgleich verwendet werden.Insbesondere in der Formalerschließung kann durch Hinweise aus dem ORCiD-Record auf zusätzliche Informationen leichter ermittelt werden, ob ein Personendatensatz der GND in einem Titeldatensatz verknüpft werden kann. Als Nebenprodukt fallen im Abgleichsprozess auch Verknüpfungen zu falschen Personendatensätzen auf.Perspektivisch können diese beiden Verfahren auch auf andere externe Quellen mit Personendaten, wie VIAF und Wikidata, angewendet werden.