Agregación de contenidos en Europeana, de Andrés Viedma Peláez, coordinador dpto. Informática de DIGIBÍS

AGREGACIÓN DE CONTENIDOS EN EUROPEANA Andrés Viedma Peláez Coordinador Dpto. Informática TRANSFORMACIONES Y MAPEOS DE LOS DATOS

Inicio del proyecto
OAI-PMH + Dublin Core (dc + dcterms)
Fase Rhin (Verano 2010)
ESE : Europeana Semantic Elements
Fase Danubio (Verano 2011)
EDM : Europeana Data Model
Formatos intercambio Europeana

type: text, image, video, sound
object: fichero del que extraer la imagen en miniatura
isShownAt / By: enlaces a la web original
provider: Repositorio del que se han recolectado los datos - se fomenta la existencia de agregadores: Hispana
Formato ESE

ESE 3.3
dataProvider: biblioteca digital original
rights: mejor control de derechos de las obras
ESE 3.4
Más elementos requeridos (3.3)
Normalizaciones de campos DC
language, date...
Formato ESE: nuevas versiones

Formato ESE: ejemplo < europeana:record> < dc: title > [Commentaria in Apocalipsin libri XII] [Manuscrito] </ dc:title > < dcterms:alternative > Summa dicendorum </ dcterms:alternative > < dc: date > 1050 </ dc:date > < dc: creator > Beato de Liébana, Santo </ dc:creator > < dc:contributor > Jerónimo, Santo (ca. 345-420) </ dc:contributor > < dc:contributor > Apringio de Beja </ dc:contributor > < dc:type > Manuscritos </ dc:type > < dc: language > lat </ dc:language > < dc:format > image/jpeg </ dc:format > < dc: subject > Códices </ dc:subject > < dcterms:extent > 282 h. (2 col.) </ dcterms:extent > < europeana:object > http://bvpb.mcu.es/i18n/catalogo_imagenes/imagen_id.cmd?idImagen=1350585 </ europeana:object > < europeana:provider > Hispana </ europeana:provider > < europeana:type > TEXT </ europeana:type > < europeana:dataProvider > BV del Patrimonio Bibliográfico </ europeana:dataProvider > < europeana:isShownAt > http://bvpb.mcu.es/es/catalogo_imagenes/grupo.cmd?path=8524 </ europeana:isShownAt > < europeana:rights > http://creativecommons.org/publicdomain/mark/1.0/ </ europeana:rights > </ europeana:record >

Obliga a bibliotecas a adaptar continuamente su software
Cambios muy rápidos
Software “open source” americano no lo genera
Plugin dSpace de Vangelis Banos
Complicado de instalar: DIGIBÍS ha proporcionado unas instrucciones que faciliten la instalación http://www.digibis.com/index.php?option=com_content&view=article&id=9&Itemid=15
Formato ESE: problemática para las bibliotecas

Formato EDM: La llegada “ Miré, y vi un caballo bayo. El que lo montaba tenía por nombre Muerte, y el Hades lo seguía: y les fue dada potestad sobre la cuarta parte de la tierra, para matar con espada, con hambre, con mortandad y con las fieras de la tierra” Apocalipsis 6,8

Número tan alto de registros difícil de manejar para el usuario
Fácil perderse, difícil encontrar lo que realmente se quiere
Datos de origen estructurados. Esto permite:
Relacionar lo mejor posible los registros
Distinguir valores comunes: autores, materias, lugares, épocas... aunque sean términos diferentes o estén escritos en idiomas distintos
Distinguir duplicados: varias copias digitales de una misma obra
EDM: ¿Por qué?

EDM: Linked Data Prácticas y técnicas que permiten publicar, compartir y conectar elementos de información en la Web Semántica usando URIs y RDF Se trata de crear “redes” de información que permitan conectar los elementos de forma directa o indirecta

EDM: Datos sin relacionar Quijote (BIDICAM) Quijote (BV Andalucía) Quijote (BD Castilla y León) Publisher: Fundación Ignacio Larramendi La cultura literaria de Miguel de Cervantes Creator: Miguel de Cervantes Creator: Miguel de Cervantes Saavedra Creator: Cervantes de Saavedra, Miguel Búsqueda: “Miguel de Cervantes” Aparecen muchos registros con copias de la misma obra (por ejemplo el Quijote) Este registro no aparece (nombre diferente) Aparecen registros que contienen la cadena en algún campo pero que no son lo que se buscaba de origen

EDM: Datos relacionados Miguel de Cervantes Saavedra Quijote edición A Quijote edición B Quijote copia digital A1 (BIDICAM) Quijote copia digital A2 (BV Andalucía) Fundación Ignacio Larramendi Quijote copia digital B1 (BD Castilla y León) El Quijote Parodia de Novelas de caballería La cultura literaria de Miguel de Cervantes Menéndez Pelayo Novelas de caballería Tirant lo Blanc = “Cervantes de Saavedra, Miguel”

El modelo base es el formato ESE
Separa en distintas entidades:
Objeto original
Metadatos del objeto original proporcionados por una biblioteca (título, autor...)
Metadatos de la copia digital (formato, enlace a la miniatura...)
Uso de agregaciones OAI-ORE para crear entidades separadas
EDM: Varias entidades para un objeto digital

Autores, materias, lugares, épocas... EDM define clases específicas para estas entidades, para:
Enlazar con conjuntos de datos (datasets) conocidos, para facilitar la identificación de estas entidades
Conectar obras a través de las relaciones entre las entidades contextuales, sobre todo a través de relaciones de equivalencia (owl:isSameAs, skos:closeMatch)
Enriquecer la información de una obra, añadiendo información de sus autores o de sus épocas
Obtener todas las etiquetas equivalentes para una entidad, con lo que se mejoran las búsquedas
A esto se le llama enriquecimiento de datos
EDM: Entidades contextuales

Agent: personas ó instituciones (grupos)
Event: sobre todo para datos de museos
Concept (SKOS)
Place
TimeSpan
PhysicalThing
EDM: Entidades contextuales

EDM: SKOS Concept
Simple Knowledge Organization System: vocabulario genérico que permite definir “conceptos”
Permite dar varias etiquetas al concepto: prefLabel, altLabel
Permite establecer relaciones entre las materias
exactMatch, closeMatch: concepto equivalente en otro espacio de datos
narrower, broader: concepto más genérico / más específico
related: otras relaciones

EDM: SKOS Concept - Materias Problema multi-idioma: se necesitan entidades intermedias que mapeen el concepto en español con el concepto de la LCSH El MCU está trabajando en obtener las Listas de Encabezamientos de Materias para bibliotecas públicas en un formato descargable por el usuario (MARC21, SKOS), enlazadas con las LCSH LCSH está enlazado con Rameau

EDM: Agent Basado en SKOS, FOAF, DC y los RDA Group 2 Elements rdaGr2:dateOfBirth rdaGr2:dateOfDeath rdaGr2:dateOfEstablishment rdaGr2:dateOfTermination rdaGr2:gender rdaGr2:professionOrOccupation rdaGr2:biographicalInformation VIAF no completamente enlazado con Dbpedia (algunos registros sí)

EDM: Place GeoNames más internacional GeoLinked Data más completo para lugares que no sean entidades administrativas: pozos, rías, caminos, barrancos... Basado en SKOS, DC y WGS84 para coordenadas espaciales GeoLinked Data tiene enlaces a GeoNames, cuando la entidad existe

EDM: Modelo interno  Modelo de intercambio
Usar RDF como modelo interno: NO
Publicar datos como Linked Data (URI propia): SÍ (si relaciones)
Diferenciar duplicados: Conveniente, si los hay (muchas bibliotecas virtuales no los tendrán)
Enriquecimiento realizado por el proveedor de datos (enlaces con URIs de registros en datasets externos) : DESEABLE
Complicado para modelos de datos “planos” que no tienen ya creadas entidades secundarias - ej.: DC
Muy factible para modelos de datos más ricos en los que existen conceptos de autoridades: ej. MARC 21
EDM: ¿Qué implica para los proveedores?

EDM: Registros aislados

100 / 110 (no autor-título, no subdivisión): Agent
111: Event
100 / 110 / 111 con subdivisión: Concept
150 / 155: Concept
148: TimeSpan
151: Place
MARC 21 a EDM: Autoridades

024 : “Other standard identifier” - URI Linked Data - skos: closeMatch
Autoridad con subdivisión: skos:broader a autoridad aceptada, dcterms:hasPart a subdivisión
1xx : skos:prefLabel, 4xx : skos:altLabel
5xx : skos:related, skos:narrower, skos:broader
7xx : skos:closeMatch
Otros campos mapeables a notas y otros campos informativos (por ejemplo, los campos de información RDA de personas)
MARC 21 a EDM: Campos especiales

Filosofía WEMI (Obra-Expresión-Manifestación-Item) de FRBR / RDA facilita la detección de duplicados
Diferenciación entre registros bibliográficos y registros de holdings facilita la separación entre metadatos del objeto original y del objeto digital
Si no, los datos del objeto digital se pueden extraer al menos del campo 856
MARC 21 a EDM: Objeto físico <> digital

EDM: ¿Qué permite? - Autocompletar Auto-completar inteligente: mientras escribes, identifica de forma independiente personas, lugares, conceptos... que encajen en los términos de búsqueda

EDM: ¿Qué permite? - Resultados organizados Al identificar “leonardo” como una persona, se agrupan las obras según el resultado sea una obra del autor, una obra acerca del autor, una obra de algún autor relacionado, etc.

EDM: ¿Qué permite? - Contextualización Al identificar “darwin” como una persona, se muestra la información de la Wikipedia sobre esa persona Esta idea de la contextualización es también una de las líneas maestras de la BV de la Fundación Ignacio Larramendi

EDM: ¿Qué permite? - Contenido relacionado Los “contenidos relacionados” se pueden obtener con mucha mayor precisión. Incluso, se podrían categorizar según el tipo de relación que tengan (temática, temporal, mismo autor, etc.)

Mapa temporal / espacial: restringir temporal y espacialmente y ver registros de esos rangos
Representación de objetos jerárquicos: agrupar por “padres” comunes, ir al siguiente / anterior en una secuencia => por ejemplo, números de una publicación periódica
Sólo estamos empezando...
EDM: ¿Qué permite? - Otros

ESE v3.4 - http://version1.europeana.eu/web/guest/technical-requirements/
ESE specifications
Metadata mapping and normalisation Guidelines
EDM - http://version1.europeana.eu/web/europeana-project/technicaldocuments/
EDM Data Model Primer
EDM Data Model Definition 5.2
Aún NO se ha definido un esquema EDM en XML para que lo proporcionen los proveedores de datos
Europeana: estado actual formatos

Content checker
Portal “de prueba”, copia de Europeana
Permite al usuario recolectar nuevos datos (ingestor) y luego consultarlos (portal)
No está preparado para repositorios OAI-PMH, sólo recolecta ficheros con metadatos
Aún no recolecta EDM, sólo ESE
http://contentchecker.isti.cnr.it:8080/ingestor/ http://contentchecker.isti.cnr.it:8080/portal/
The Aggregator’s Handbook http://version1.europeana.eu/c/document_library/get_file?uuid=94bcddbf-3625-4e6d-8135-c7375d6bbc62&groupId=10602
Europeana: enviar datos

Europeana proyecto aún en evolución
Cambios constantes en los formatos de metadatos
Las bibliotecas virtuales y digitales tienen que hacer un esfuerzo para adaptarse a esos cambios
La recompensa será la visibilidad que otorga Europeana (y la que otorgará en el futuro)
Si se entra “a medias” se corre el riesgo de “casi no estar”
Conclusión

Agregación de contenidos en Europeana Transformaciones y mapeos de los datos FIN GRACIAS POR LA ATENCIÓN Andrés Viedma Peláez Coordinador Departamento de Informática

http://www.fesabid.org	27
https://twitter.com	1
url_unknown	1

Agregación de contenidos en Europeana, de Andrés Viedma Peláez, coordinador dpto. Informática de DIGIBÍS

by DIGIBÍS on May 27, 2011

Accessibility

Categories

Tags

Upload Details

Usage Rights

3 Embeds 29

Statistics

Agregación de contenidos en Europeana, de Andrés Viedma Peláez, coordinador dpto. Informática de DIGIBÍS — Presentation Transcript