2007 iPres Beijing - MIXED: Preservation by migration to XML
Auto ingest demo-werklunch 2013-11-05
1. Data Archiving and Networked Services
Geleerdenbrieven:
Circulation of Knowledge and Learned
Practices in the 17th-century Dutch
Republic. A Web-based Humanities’
Collaboratory on Correspondences
Dirk Roorda en Marjan Grootveld
Werklunch DANS, 5 november 2013
DANS is een instituut van KNAW en NWO
2. Op het menu:
• Onderzoeksvragen en live-omgeving ePistolarium
• (Project)data geautomatiseerd ingesten in EASY
3. Circulation of Knowledge
• 20.000 brieven
• In Nederlands, Frans, Latijn, Grieks, …
• Mensen, plaatsen, onderwerpen, …
4. Onderzoeksvragen
• Kunnen we de kenniscirculatie achterhalen?
• Hoe brengen we dit bij 20.000 brieven in beeld?
NWO-middelgroot project uitgevoerd door
• Descartes Centre voor Wetenschapsgeschiedenis
en Wetenschapsfilosofie (UU)
• Huygens ING
• KB
• UvA
• DANS
12. Metadata: DC, EAD en CMDI
Dublin Core voor de dataset van het project
13. Metadata: DC, EAD en CMDI
Encoded Archival Description:
project > correspondentie (≈ geleerde) > band
14. Metadata: DC, EAD en CMDI
Encoded Archival Description:
project > correspondentie (≈ geleerde) > band
15. Metadata: DC, EAD en CMDI
CMDI (CLARIN) toegekend per correspondentie en
hierbinnen per brief
16. Opbrengsten voor DANS
• Actieve rol in eHumanities-project, inclusief
stuurgroep en advisering over externe experts
• Internationale publicaties
• Praktische ervaring met andere metadatasmaken
• Mooie dataset (embargo tot medio december)
• Goede basis voor auto-ingest-dienst voor Trusted
Providers
27. From Product to Service
Huygens Data
Repositories
SWORD
Interface
autoingest product
CMDI
creation
Huygens Exporter for CKCC
SFTP
SIP
Packager
DANS
AutoIngest
Server
SIP checking
transformations
checksums
EASY submitted
dataset
28. From Product to Service
Huygens Data
Repositories
SWORD
Interface
autoingest service
CMDI
creation
DANS SFTP
server
Huygens Repository Export
SFTP
SIP
Packager
SIP checking
transformations
checksums
EASY submitted
dataset
29. From Product to Service
Huygens Data
Repositories
SWORD
Interface
autoingest service
CMDI
creation
DANS SFTP
server
Huygens Repository Export
SFTP
SIP
Packager
SIP checking
transformations
checksums
EASY submitted
dataset
30. From Product to Service
Small deposits
e.g.
annotation
sets
Huygens Data
Repositories
SWORD
Interface
autoingest service
CMDI
creation
DANS SFTP
server
Huygens Repository Export
SFTP
SIP
Packager
SIP checking
transformations
checksums
EASY submitted
dataset
Welke taal: soms ook binnen 1 briefSpellingnormalisatie: bij sommige woorden relatief eenvoudig want volgens de “regels” van het 17e-eeuws. Echter, the name Christiaan Huygens van Zuylichem is spelled in at least 320 different ways.NER is dus niet eenvoudig: wat is een eigennaam en op wie is het?Keyword analysis: welke woroden komen veel voor en onderscheiden teksten daardoor van elkaar?
Welke taal: soms ook binnen 1 briefSpellingnormalisatie: bij sommige woorden relatief eenvoudig want volgens de “regels” van het 17e-eeuws. Echter, the name Christiaan Huygens van Zuylichem is spelled in at least 320 different ways.NER is dus niet eenvoudig: wat is een eigennaam en op wie is het?Keyword analysis: welke woroden komen veel voor en onderscheiden teksten daardoor van elkaar?
Tot zover het ePistolarium.
We hebben drie vormen van metadata in dit project. EAD was op verzoek van een van de onderzoekers en CMDI was een voorwaarde van mede-financier. Daarom gezocht naar zinnige afbakening / minimale redundantie. We zijn uitgekomen op verschillende “korreligheid”. Dit is niet inherent aan deze metadataschema’s en in een andersoortig project zou je ook andere keuzes kunnen maken.
1 Dit op verzoek van een onderzoeker van het Huygens, om goed te kunnen samenwerken met collega’s van Stanford en Oxford university.
1 Dit op verzoek van een onderzoeker van het Huygens, om goed te kunnen samenwerken met collega’s van Stanford en Oxford university.
Dit als voorwaarde van mede-financier CLARIN. Bij de plaatsen van verzending en bestemming zijn lengte- en breedtegraden genoteerd. Denk aan visualisatie op de kaart.
Actieve rol: ook in stuurgroep, ook bij testen van ePistolarium