PiLOD talk: Dutch Ships and Sailors

1,572 views
1,631 views

Published on

Talk given at PiLOD meeting (25-6-2014) about the Dutch Ships and Sailors case of integrating digital history datasets.

Published in: Education, Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,572
On SlideShare
0
From Embeds
0
Number of Embeds
917
Actions
Shares
0
Downloads
4
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • Monsterrollen-database 1803-1937:
    Monsterrollen zijn bemanningslijsten met naam, rang, gage, woonplaats en leeftijd van elke zeeman aan boord, evenals de naam, het type en de grootte van het schip.
    […] voor Groningen en Friesland ligt het begin pas in de negentiende eeuw. Ze gunnen ons een kijkje in het beroepsleven van de zeeman in de negentiende en begin twintigste eeuw.

    Matthias van Rossum onderzocht de verhoudingen tussen Europese en Aziatische zeelieden onder de Verenigde Oost-Indische Compagnie (1602-1795) erg gelijkwaardig waren. Dat is in scherp contrast met de latere 19de eeuwse situatie, toen Aziatische zeelieden in een ongelijkwaardige en soms onvrijere positie werkten onder slechtere behandeling en beloning. Het werken onder de VOC werd bovendien gekenmerkt door een nuchter multiculturalisme. 

  • PiLOD talk: Dutch Ships and Sailors

    1. 1. Dutch Ships and Sailors Victor de Boer -VU Amsterdam / Beeld en Geluid – v.de.boer@vu.nl – -PiLOD 25 juni Beeld en Geluid -
    2. 2. The Problem: ((Maritime) historical) data is not integrated 25+ Maritime datasets; Heterogeneous
    3. 3. Jur Leinenga (Huygens ING) Monsterrollen Noordelijke provincies Matthias van Rossum (VU-hist) Generale Zeemonsterrollen VOC KB Delpher Dutch-Asiatic Shipping (Huygens ING) VOC Opvarenden (DANS Easy) Dutch Ships and Sailors CLARIN Call 4 project (9 mo. – ended april 2014)
    4. 4. Why Linked Data • Heterogeneous models, one dataformat – Link what can be linked • Keep specificity, allow integration at project level • Links to other sources: re-use knowledge • Extensible • Allow multiple levels of semantic enrichment/ normalization – through Named Graphs – Provenance
    5. 5. DAS GZMVOC MDB VOCOPV Begunstig den VOCOPV Soldijboek en PROV AAT VOCOPV Opvaren den foaf owl:sameAs dss:hasKBLink rdfs:subClassOf, rdfs:subPropertyOf dss:DAS link skos :exactMatch
    6. 6. Integrate metadata (properties) mdb:Schip1 mdb:Kof mdb:scheepsType das:ShipX das:Kofship das:typeOfShip dss:has_shipType rdfs:subPropertyOf rdfs:subPropertyOf
    7. 7. mdb:Schip1 mdb:Kof mdb:scheepsType das:ShipX das:Kofship das:typeOfShip Aat:Kof Aat:Platbodems skos:exactMatch skos:exactMatch skos:exactMatch Link to other datasets
    8. 8. Provenance • Individual named graphs have provenance information – Who made it (people/software?) – Based on what source – Content confidence
    9. 9. Data analysis and visualisation
    10. 10. Datathon mdb HISCO mdb:rang-bediende 54010 mdb:rang-boekhouder 33110 mdb:rang-bootsman 98120 mdb:rang-eerste_machinist 96910 mdb:rang-hofmeester 22450 mdb:rang-hofmeesteres 22450 mdb:rang-kapitein 4217 mdb:rang-kapitein_bevelvoerder 4217 mdb:rang-kok 53100 mdb:rang-kok_of_lichtmatroos 53100
    11. 11. DataLab http://dutchshipsandsailors.nl/data v.de.boer@vu.nl

    ×