Aktuální informace o Kooperačním systému článkové bibliografie
SDRUK , 13. zasedání Sekce pro bibliografii
Hradec Králové, 5.-6.5. 2003

Ivana Anděrová

Současné trendy ve zpřístupňování plných textů a bibliografických informací o článcích na Internetu -1

• Nutnost nových modelů získávání, zpracování a zpřístupňování bibliografických informací, zároveň nutnost změn v chování uživatele (human computer interaction) s rozvojem elektronického publikování

• Typy elektronických dokumentů: podle původu - digitalizované, současně tištěné i elektronické, doplňky k tištěným, pouze elektronické; podle obsahu – různá hlediska dělení; způsob a úroveň vydávání/popisu - monografie, pokračující zdroje (seriály, integrující zdroje - např. webovská sídla), jednotlivé části.

• Získávání - zdroje plných textů : plné texty přístupné volně nebo přes registraci na Internetu (elektronické časopisy, elektronická vydavatelství /nakladatelství/informační agentury - archivy a databáze), plné texty získané od autora/ vydavatele/nakladatele/distributora, povinný výtisk, automatický sběr dat (harvesting).

• Zpracování bibliografických záznamů a plných textů - způsoby : tradiční v integrovaném knihovnickém systému (ALEPH apod.), v lince automatické indexace bibliografických záznamů z plných textů (spíše extrakce či poloautomatická indexace doplněna ručně než zcela automatická) za současné tvorby URL a metadat ve formě UNIMARC/perspektivně v MARC 21, DC, XHTML, XML/RDF - nástroje pro extrakci, editaci, generování a indexaci dat (www vyhledávač, SW).

Současné trendy ve zpřístupňování plných textů a bibliografických informací o článcích na Internetu - 2

• Metadata : bibliografický záznam (MARC), DC - metadatový formát pro www zdroje s jednoduchou syntaxí a sémantikou, specifikováno 15 prvků , kvalifikované atributem či nekvalifikované.

• Značkovací jazyky: značky určují způsob interpretace textu, značky určují význam (deskripce) a prezentaci (zobrazení) - HTML (kombinace obou typů, nedostatky), XML (pouze význam) + XSL (zobrazení) + Xlink, XPointer,XPath (odkazy).

• Implementace metadat: MARC, DC a HTML, XHTML, XML/RDF v kvalifikované a nekvalifikované formě.

• XML/RDF: popis systému značek DTD (Document Type Description) tvoří tzv. RDF (Resource Description Framework) - Rámec pro popis zdrojů v XML, definována syntax a sémantika - odkaz na definici RDF a metadatové schéma, tzv. jmenný prostor, prvek identifikován popisem (jmenným prostorem) a jeho názvem, možnost vkládat vnořené prvky.

• Identifikace plných textů: URL, PURL (databáze, PURL je přiřazeno danému URL), URN, SICI (pro tištěné i elektronické seriály, články), DOI (ochrana autorských práv).

• Propojení: ruční/automatické, on-line/off-line, statické/dynamické, uzavřené/otevřené.

Současné trendy ve zpřístupňování plných textů a bibliografických informací o článcích na Internetu - 3

• Vyhledání a zpřístupnění plných textů: internetové vyhledávače, protokol HTTP, XML, Z 39.50, SFX; brány a portály; "subjects gateways", konspekt, předmětové kategorie, témata; OPAC - bibliografické záznamy (UNIMARC/MARC 21) s URL adresou nebo dynamicky, pojmové vyhledávání a fulltextové vyhledávání (TOPIC) v kombinaci s rejstříky, interaktivní využití topiků při vyhledávání a zpětná vazba relevance (relevance feedback); metatagy DC v HTML, XHTML, XML/RDF.

• Uložení plných textů: archivy, databáze - servery (nakladatelé/vydavatelé, informačních agentury, knihovny).

• Výstupy: seznam článků (řazení dle relevance, do skupin - clustering aj.), formáty (citace/abstrakt/plný text, UNIMARC, DC, HTML, XHTML, XML/RDF). Stahování, export a tisk metadat a plných textů (formát text, RTF, HTML, XML, též UNICODE).

• Uživatelé: lokální/interní, externí, registrovaní, neregistrovaní, zkušební registrace.

Současné trendy ve zpřístupňování plných textů a bibliografických informací o článcích na Internetu - 4

• Zpřístupnění plných textů z hlediska formy: přes bibliografie a soupisy, obsahy časopisů, plnotextové databáze, digitální knihovny.

• Zpřístupnění plných textů z hlediska institucionálního (zdroje plných textů): autoři, nakladatelství/vydavatelství, distributorské firmy, knihovny/informační instituce.

• Zpřístupnění plných textů z hlediska organizačního, ekonomického, technického: konzorcia, licence, zdarma, placené (předplatné - fixed-fee, platby za uskutečněné operace - pay-as-you-go), přes IP, login, heslo, volně.

• Standardy: Metodika popisu článků ve formátu UNIMARC - vychází z AACR2R, ISBD /CP; v budoucnu větší harmonizace AACR2R a ISBD, ISBD (ER), ISBD(S) - ISBD (CR), FRBR – Funkční požadavky na bibliografické záznamy (Functional Requirements for Bibliographic Records) - 4 úrovňový model manifestace díla - dílo, exprese, manifestace, jednotka, MARC 21.

Článková bibliografie a zpřístupnění plných textů - některé projekty řešené v NKČR

• Souborná databáze Kooperačního systému článkové bibliografie - optimalizace integrace a správy heterogenních dat (VaV, MKČR, 2000-2004).

• Propojení analytických záznamů s plnými texty a optimalizace zpřístupnění plných textů (VaV, MKČR, 1999-2003).

Kooperační systém článkové bibliografie

• Kooperační systém článkové bibliografie - „užší“ (NKČR, MZK, krajské knihovny) a „širší“ (plus oborové, resp. specializované knihovny) - NKČR, zatím reálně 8 krajských knihoven + kontakty a spolupráce v teoretické rovině se 4 nově konstituovanými krajskými knihovnami, MZK, STK, SPKK-ÚIV, ÚZPI, experiment s Českým geologickým ústavem.

• Součástí „širšího“ kooperačního systému je i Národní lékařská knihovna, záznamy však nejsou součástí báze ANL.

• Kooperace po linii regionální a oborové.

• Smluvní zajištění: Smlouva o sdružení pro Českou národní bibliografii (r. 1998), Dodatek č. 3 (r. 2001) zajišťuje pokračování článkové bibliografie v přechodném období související se změnou státoprávního uspořádání ČR.

• Souborná bibliografická databáze KOSABI - ANL (vychází jako řada ČNB) a lokální databáze spolupracujících institucí, plnotextová báze ANL FULL s metadaty.

• Systém Lanius, resp. Clavius - kooperační systém na úrovni menších knihoven a jeho produkt SKAT (Souborný katalog článků) - v současné době se řeší spolupráce s KOSABI.

KOSABI a jeho výstupy

• Báze ANL a ANAL (Olomouc) zpřístupněna v JIB jako zdroj, KVK Liberec – Katalog článků jako odkaz.

• Báze ANL FULL zpřístupněna v JIB jako odkaz.

• Plné texty báze ANL FULL a přes bázi ANL přístupné v JIB pro externí uživatele zatím na 7 dnů po registraci a přihlášení, pro uživatele NKČR běžně. Export a stahovaní článků v testovací fázi.

• Báze ANL (jejíž část vzniká v lince TTDE) je vydávána jako řada ČNB Články v českých novinách, časopisech a sbornících.

4 nové krajské knihovny a KOSABI

Krajská knihovny Karlovy Vary (Lanius)

Krajská knihovna Vysočiny (Clavius)

Krajská knihovna v Pardubicích (KP-sys)

Krajská knihovna Františka Bartoše ve Zlíně (KP-sys)

Spolupráce s novými knihovnami v rámci KOSABI

• Přerozdělení titulů ke zpracování s ohledem na nové státoprávní uspořádání.

• Definice excerpční základny pro KOSABI (Havlíčkův Brod přebírá kompletně excerpci svého kraje, Karlovy Vary, Zlín, Pardubice).

• Ladění struktury záznamu po stránce formální i obsahové.

• V budoucnu nutno smluvně podchytit - doplněk ke Smlouvě o sdružení pro ČNB, zatím experiment.

• Vypracován analytický doporučující materiál týkající se titulové základny KOSABI a Lania, resp. Clavia a formální a obsahové stránky záznamů, práce s autoritami – výchozí materiál k dalším jednání (v Karlových Varech doplnit pole UNIMARC 100, 102, 675).

• Duplicity mezi NK a Laniem - určeny tituly, které je schopna zpracovávat NK, tituly, které by bylo možno přebrat do ANL.

• Duplicity mezi krajskými knihovnami a Laniem, resp. Claviem nejsou velké (Karlovy Vary a Havlíčkův Brod součástí KOSABI)) - záleží na vývoji spolupráce v krajských bibliografických systémech, pro KOSABI zpracovávají nadále krajské knihovny.

• Spolupráce dobrá, pravidelné importy do báze ANL (kromě krajské knihovny v Plzni). Kontrola importů.

• V r. 2002 ladění výstupu z tinlibovských knihoven (Ostrava, České Budějovice, Ústí nad Labem).

• Stále konverze z ISIS knihoven (STK, ÚZPI, SPKK, Hradec Králové) bez problémů.

• Rapid, resp. ARL (Kladno a Liberec) bez problémů.

• Aleph 500 (Olomouc, Brno - on-line ukládání do ANL) bez problémů.

MANAGEMENT KOSABI

• Tvorba, zpřístupnění a využívání databází KOSABI

• MNG ANL, MNG ANL FULL

• Správa a údržba databází ANL a ANL FULL, administrace

• Báze titulů - evidence excerpční základny

Excerpční základna KOSABI

• Výběr zpracovávaných dokumentů je orientován na širší odbornou veřejnost:

• A: seriály (časopisy, sborníky, ročenky) vydávané AVČR a vysokými školami v ČR

• B: seriály (časopisy, sborníky, ročenky) vydávané ostatními institucemi v ČR

• C: noviny (ústřední, regionální) a kulturně politické časopisy

• D: populárně naučné časopisy

• Vyloučena periodika místní, závodní a zábavného charakteru, časopisy pro děti event. mládež

Úplnost excerpce a kategorie titulů

• A: 1 (100-80 %)

• B: 1 (sborníky, ročenky), 1-2 (odborné časopisy) (100-80-25 %)

• C: 2, 3 (80-25, někdy méně) %)

• D: 3 (25 – méně %)

Výběr typů článků

• Faktograficky přínosné články.

• Články odborné, články s dokumentární a uměleckou hodnotou.

• Oficiální dokumenty (projevy, vyhlášení, komuniké, usnesení).

• Zprávy a informace o kulturních, sportovních, politických, vědeckých aj. akcích (konferencích, seminářích, festivalech, jednáních, zasedáních, výstavách, divadelních, rozhlasových a televizních inscenacích, besedách, sportovních soutěžích).

• Souhrnné a hodnotící články, závažné polemiky, diskuze a komentáře.

• Reportáže, biografické články (životopisné, jubilejní, nekrology, rozhovory, profily osobností, vzpomínky).

• Literární texty (básně, povídky aj. ještě nepublikované, nové překlady), fejetony, sloupky, úvodníky (pouze hodnotné).

• Recenze publikací různého zaměření, gramofonových desek, kompaktních desek, filmů apod.

Profil ANL a ANL FULL

• Výběrové článkové databáze.

• Obory: všechny (lékařství a sport okrajově, technika posílila).

• Typy seriálů: ANL – kategorie A,B,C,D (omezeně); ANL FULL zatím převažuje kategorie C .

• Úplnost excerpce (výběr článků vzhledem k typům seriálů).

• Popis a formáty: ANL a ANL FULL - UNIMARC, AACR2, MDT-MRF, předmětové kategorie, hesla, klíčová slova; ANL FULL navíc DC, XHTML, XML.

• ANL/ALEPH (cca 765 000 záznamů, 537 titulů, r. 1991-).

• ANL FULL/linka zpracování bibliografických záznamů z plných textu/TOPIC (107 000 plných textů s metadaty, 16 titulů, r. 1997-).

• Aplikace pro periodikum Národní knihovna (r. 1999-), do r. 2001 v bázi ANL FULL, v budoucnu společné interface.

Management báze ANL

• V současné době v řešení aplikace pro příjem a automatizované zpracování dat od kooperujících institucí (konverze, globální úpravy, formálně logické kontorly - test na UNIMARC, test na duplicitu záznamů, aplikace pro evidenci excerpční základny) - dílčí aplikace:

• upload předávání dat od kooperujících institucí do KOSABI;

• import dat na server ANL, export dat do báze ANL- ALEPH);

• kontrola na duplicity vně ALEPHu - klíče;

• báze titulů.

Management KOSABI (server ANL)

Zatím testováno v NKČR

Přístup pro spolupracující instituce přes http://full.nkp.cz

Upload předávání dat do KOSABI – určení formátu dat

Upload předávání dat do KOSABI – určení kódu dat

Konvence

Jména vstupních souborů pro jednotlivé dodavatele dat dle názvových konvencí. Rozhodující / důležité je pouze prvních 12 znaků, ostatní jsou doplňující.

Struktura: ssssssKK.FFF ssssss sigla KK kódování FFF formát vstup. souboru

aba009kg.vfi.iso

aba012lg.vfi

aba013kg.vfi.iso

cba001lg.uis.mrc

hka001lg.vfi.iso

klg001lg.vfi.uis.iso

lia001lg.uis.iso

ola001uc.dtt

osa001lg.uis.ost

ulg001lg.uis.uis

kvg001lg.uis

hvg001lg.uis

pag001lg.rum

zlg001lg.uis

Zkratky pro kódování

*/ UM /* ISO 646 nebo ISO 5426

*/ GI /* GIZMO

*/ LG /* PC Latin 2 + GIZMO

*/ KG /* kod Kamen + GIZMO

*/ UC /* UNICODE UTF 8

*/ SG /* ISO 8859-2 + GIZMO

*/ KA /* kod Kamen

*/ AN /* ANSEL

Formát vstupního souboru

*/ DAT /* export ALEPH 300

*/ RUM /* řádkový UNIMARC

*/ UIS /* UNIMARC ISO 2709

*/ VFO /* vým.formát ISO 2709

*/ VFI /* vým.formát export soubor CDS/ISIS

*/ DTT /* export ALEPH 500 */

Analytický popis, autority

• UNIMARC, AACR2R, ISBD – sledovat Katalogizační politiku a stránky týkající se KOSABI (především Metodiku popisu článků v UNIMARCu).

• Věcný popis v KOSABI v závislosti na používaném systému - UNIMARC:

• předmětové kategorie (615: konverzí ISIS, Aleph, Rapid);

• předmětová hesla (600, 601, 602, 604, 606 : ISIS - konverzí 600,.601,602,606, 607 Aleph všechna (Praha, Brno,Olomouc) , Tinlib - 600, 601, 607, Rapid - 600, 601,602, 607);

• klíčová slova (610: konverzí ISIS, Tinlib, Rapid, Aleph – Olomouc, Praha -, často se neužívají) - s plněním souborů autorit v bázi AUJ postupně eliminovat;

• geografické kódy (660), MDT (675): (konverzí z ISIS, Aleph, Rapid, Tinlib - 675); chronologické vymezení (661) – Aleph (Olomouc).

• Nové krajské knihovny: Lanius - pouze klíčová slova, Clavius – předmětová hesla, KP-sys – částečně předmětová hesla .

Věcný popis vázaný na MDT

• Pořadí kategoríí, předmětových hesel odpovídá pořadí MDT. MDT vztahující se k osobám a formě článku se uvádí nakonec věcného popisu (osoby, forma). Jednotlivé výrazy se neduplikují.

• Předmětové kategorie: obecné zařazení tématiky dokumentu pod obecné hlavní téma (615a) a zpřesnění (615x). V budoucnu potřebná redakce a jejich sjednocení v rámci KOSABI (někde užíván starší materiál pro řízená klíčová slova, v NKČR je užívána aktualizace pro řízemé předmětové termíny, často vzniká z praxe, další vývoj v budoucnu – podle situace s ohledem na konspekt).

• Předmětové heslo (600,601,602,604,606): vystihuje hlavní téma dokumentu . V 606x uvádíme pouze vlastnost, atribut k 606a. V 606a se vyhýbat genitivním vazbám kromě odborných termínů. Stručná hesla, vázaná na autority (báze AUT NKČR), podpole zpřesnění v heslech užívat zřídka.

• U článků propojovaných na plné texty šetřit klíčovými slovy.

• Aktualizované vybrané znaky MDT (Katalogizační politika - NKČR, označeny kurzívou).

• V budoucnu budeme patrně aplikovat metodu konspektu – aplikace skupin konspektu.

• V systému TOPIC užívány navíc topiky (předem definovaná témata - obory).

Autority – báze AUT

• Autority v podobě rejstříků, slov - báze AUT (NKČR)

• Obecně: používat výraz v 2xx autoritního záznamu = záhlaví.

• Osobní jméno – nepoužívat v 70X , 600 jméno s písmenem o (je to odkaz viz, UNIMARC/Autority, pole 400).

• Korporace, konference – nepoužívat v 71x , 601 název s písmenem o (je to odkaz viz, UNIMARC/Autority, pole 410).

• Téma – nepoužívat v poli 606 výrazy s písmenem o ( znamenají odkaz viz, UNIMARC/Autority pole 450); používat výrazy s písmenem g (znamenají nadřazený termín BT, odkaz viz též, UNIMARC/Autority pole 550) ; používat výrazy s písmenem h , podřazený termín NT, odkaz viz též, UNIMARC/Autority pole 550); používat výrazy s písmenem z, asociovaný termín RT, odkaz viz též, UNIMARC/Autority pole 550).

• Geografický termín - nepoužívat v poli 607 výrazy s o ( znamenají odkaz viz, UNIMARC/Autority pole 415); používat výrazy s písmenem z, asociovaný termín RT (znamenají odkaz viz též, UNIMARC/Autority pole 515); používat výrazy s písmenem h, podřazený termín NT (znamenají odkaz viz též, UNIMARC/Autority pole 515); používat výrazy s g, nadřazený termín BT(znamenají odkaz viz též, UNIMARC/AUTORITY pole 515);

• Formální deskriptor – používat příslušné výrazy.

• MDT - u MDT uvedena slovní vyjádření.

• V katalogizačních záznamech dodržovat interpunkci, která je použita v autoritách .

• Autority lze využívat přes Z39.50 a http.

Management ANL FULL

• Linka zpracování bibliografických záznamů z plných textů - linka automatické indexace/extrakce ve spolupráci s Anopressem (akvizice plných textů z báze TamTam). Dodržování standardů jako v bázi ANL.

• Báze ANL FULL v systému TOPIC.

• Strukturovaný portál Periodika na WWW.

Linka zpracování bibliografických záznamů z plných textů - lokální stanice

Vyhledání příslušného zdroje

Označení článků a jejich stáhnutí

Doplnění dat do formuláře – 1. strana ze 3. Po doplnění dat odeslání dat do ANL a ANL FULL

Zobrazení plného textu přes bibliografický záznam ANL

Plnotextová báze ANL FULL. Systém TOPIC – principy

• Fulltextový pojmově orientovaný vyhledávací systém, pojmové vyhledávání (concept retrieval) pomocí strukturovaných dotazů (topiků), využívá poznatků z oboru sémiotiky.

• Hodnocení důležitosti, relevance vyhledaných dokumentů vzhledem k dotazu (relevance ranking), váhy.

• Kvantifikace obsahu dokumentů.

• Shlukování dokumentů podle společného kontextu (clustering) a možnost vytváření automatické anotace - sumarizace (summarization).

• Interaktivní vyhledávací systém - hledání dokumentů s podobným obsahem - volný dotaz (Free Text Query), dotaz příkladem (Query By Example).

Topik=dotaz

• Dotaz - výraz složený ze slov a frází, který hledáme v dané databázi.

• Topik - je předem definovaný uložený strukturovaný dotaz, resp. téma, které je tvořeno slovy, frázemi, operátory (významný fuzzy operátor ACCRUE) a modifikátory; obsahuje informace o předmětu hledání.

• Topik má podobu pojmového stromu, na jeho nižších úrovních (větvích) jsou množiny dalších pojmů, resp. témat, která jsou tvořena dále nedělitelnými klíčovými slovy (listy).

• Pojmový strom tvoří vyhledávací podmínku pro dokumenty týkající se určitého tématu.

• Topik je konceptuální popis znalosti o dané problematice ve formě znalostního stromu.

• Definice topiků tvoří tzv. znalostní bázi.

Jak vyhledávat. Druhy dotazů. Třídění a zobrazení výsledků vyhledávání

• Čtyři způsoby hledání: pole dotaz, pomocí formulářů, pomocí topiků, resp. témat (předem strukturovaných dotazů), pomocí rejstříků.

• Tři druhy dotazů: prostý dotaz, formulářový dotaz, tematický dotaz.

• Tři druhy formulářů: základní, rozšířený, rozšířený s tématy.

• Seznam výsledků: jednoduchý, se souhrnem, seskupený.

• Třídění seznamu: skóre, výsl./str., vlastní třídění.

• Zobrazení metadat: uživatelské formáty, pracovní formáty.

• Rejstříky - nadefinováno 17 rejstříků.

Budoucnost linky?

• Začlenění nových krajských knihoven v Pardubicích, Karlových Varech, Havlíčkově Brodě, Zlíně.

• KOSABI a SKAT - koordinace zpracování titulů v budoucnu.

• Spolupráce s dalšími knihovnami a informačními institucemi.

• Spolupráce se společností Anopress, event. navázání spolupráce s dalšími institucemi (nakladatelé, vydavatelé aj.).

• Zpřístupnění báze ANL FULL v rámci konzorcia zároveň s bází TamTam, podobné konzorcium pro multilicenční přítup pro linku zpracování.

• Projekt Souborná databáze kooperačního systému … končí v r. 2004 – návazný projekt kooperativní?

• Doladit převod z některých systémů do standardního UNIMARCu a báze ANL.

• Harmonizace popisu článků v rámci KOSABI se soubory autorit zejména v oblasti věcného zpracování (předmětová hesla, předmětové kategorie, metoda konspektu).

• Konverze UNIMARC-MARC 21, pravidla pro popis článků vzhledem k tomuto formátu.

• Testovat a event. postupně aplikovat linku zpracování bibliografických záznamů z plných textů (TTDE, automatická či poloautomatická extrakce a indexace dat) v rámci KOSABI.

• Napojení linky zpracování na autority

• Spolupráce s projektem Webarchiv?

MARC 21

• Sledovat záležitosti týkající se MARC 21 v Katalogizační politice (Informativní materiály)

• Plán implementace MARC 21.

• V r. 2002 příprava konverzních tabulek Unimarc Marc21 v NKČR.

• Minimální záznam UNIMARC pro soubornou databázi článkové bibliografie (schválená - tj. "zelená" verze)   "Zelená" verze již nebude vydána, postačuje a platí "oranžová" verze.

• Minimální záznam MARC21 pro soubornou databázi článkové bibliografie -  září 2003.

• V současné době se připravuje překlad MARC 21 v NKČR.

Katalogizační politika – nutné sledovat

Doporučené adresy

Katalogizační politika http://www.nkp.cz/standard/standard1.htm (schválené materiály, materiály k připomínkování, informativní materiály – např. Marc 21, vecný popis a autority, rada pracovní skupiny)

Báze dotazů http://katdotaz.nkp.cz.

Báze NKČR včetně báze AUT http://www.nkp.cz - Katalogy a databáze.

Báze ANL FULL, Management KOSABI, projekty http://full.nkp.cz.

Seriály (periodika) a analytický popis (články) v České republice, plné texty.

Propojení bibliografických záznamů s plnými texty (kooperace,excerpční základna, metodika, projekty) http://www.nkp.cz/start/knihcin/OAZ/odd_anal_zprac.htm