6

6. Dílčí koncepční řešení a dílčí praktické aplikace a realizace, které doplňují programový projekt Souborná databáze kooperačního systému článkové bibliografie – optimalizace integrace a správy heterogenních dat

Dílčí koncepční práce se týkaly několika základních oblastí:

· koncepce spolupráce s producenty elektronických zdrojů na internetu (Anopress, Newton, Economia on line, AV ČR, potenciálně UK

Jak již bylo předesláno, ochota firmy Anopress spolupracovat a dát své know how částečně k dispozici a hlavně existence metadat v plných textech vedla k výběru databáze TamTam jako vhodného zdroje pro zamýšlenou linku zpracování plných textů a bázi ANL FULL prakticky vyvíjenou především v projektu Souborná databáze odstartovaného v r. 2000. Možnosti spolupráce se společností Newton a Economia On Line v byly nastíněny výše.

Na UK nebyly v době zahájení projektu plné texty akademické provenience přístupné ani nebyla naděje, že brzké době dojde ke koncensu mezi akademickými subjekty plné texty zpřístupňovat. ÚVT UK byl poskytnut základní souvis metadat DC pro plné texty vhodný pro vkládání autory do svých plných textů a základní metoda.

1. Název (title

2. Tvůrce (creator) , ve formě Příjmení, Jméno

3. Předmět (subject) ve formě klíčových slov

4. Popis(description) ve formě abstraktu

5. Nakladatel (publisher)

6. Práva (rights)

Pro konverzi údajů obsažených v hlavičce textu dokumentu je možno použít schéma definované na základě pokynů pro přispěvatele do časopisů:

Např.ve Wordu

Nz: Název nebo Nz#Název (jakýkoli jiný znak určující následující řetězec, jehož znaky budou předmětem konverze do metadat Dublin Coru)

Podobně u ostatních údajů.

V rámci linky zpracování se potom údaje mohou dále editovat a následně konvertovat do html podoby nebo konvertovat do html podoby a následně editovat.

Postupem doby byly stanoveny tituly vydávané AV ČR ke statickému propojení s bází ANL.

· autorská práva, posouzení možností získat plné texty přímo od nakladatele/vydavatele a práva s nimi disponovat nebo zhotovovat elektronické kopie a práva s nimi disponovat

Autorskoprávní a legislativně právní problematika zpřístupňování elektronických dokumentů velmi nepokročila. V ČR je třeba aktualizovat zákon č. 37/1995 Sb. O neperiodických publikacích, zákon č. 46/2000 Sb. Tiskový zákon, zákon č. 121/2000 Sb. Autorský zákon. První lze aplikovat pro elektronické publikace. Tiskový zákon se elektronických publikací netýká. Autorský zákon umožňuje knihovně vytvořit rozmnoženinu díla pro konzervační a archivní účely, neumožňuje veřejné zpřístupnění.

Elektronické dodávání dokumentů je řešeno v některých systémech příslušných knihoven. Je třeba ho zákonně legalizovat.

Povinný výtisk elektronických publikací je předpokladem jejich uchovávání a zpřístupnění. Prozatím je třeba v budoucnu uzavírat dohody mezi knihovnami a příslušnými nakladateli a vydavateli, které se týkají jednak zpřístupnění elektronických dokumentů, jednak spolupráce. Některé dohody byly uzavřeny v rámci projektu Webarchiv (viz výše). Pro projekt Souborná databáze a pro tento záměr bylo schůdnější jít cestou přes Anopress a být v pozici koncového uživatele (i když ne bez problémů). V projektu Souborná databáze v rámci Smlouvy o dílo je třeba v r. 2004 doplnit dodatek přesně specifikující podmínky poskytování plných texty z báze ANL FULL interním uživatelům a externím uživatelů v závislosti na účelu a formě (nebo alespoň návrh, pokud se vyskytnou komplikace). V rámci uvedené smlouvy jsme plné texty zakoupily v rámci speciálního přístupu do databanky TamTam nebo zakoupily v rámci off line doplňování.V roce 2003 mělo konsorcium Anopress kolem 60-70 členů.

· stanovení titulů, jejichž plné texty budou umístěné na interním serveru NK – v bázi ANL FULL; stanovení volně dostupných titulů, na které se budou bibliografické záznamy odkazovat z báze ANL; doplnění obého ve strukturovaném portálku dle oborů a regionů; vztah báze ANL ANL FULL a ostatních databází v kooperačním systému s výhledem

Vztah bází v kooperačním systému s výhledem na spolupráci

Důvody pro budování báze ANL FULL přímo v NK

Texty je třeba zpracovávat co nejrychleji, deníky v den vydání – aktuální texty jsou v Anopressu po zhruba po 14 dnech přesouvány na jiné místo databáze.

Napojovat bibliografické záznamy na index databáze není možné z důvodu autorských práv - vzhledem ke smlouvám Anopressu s vydavateli.

Důvod pro budování databáze jsou samotné typy dokumentů – deníky a některé časopisy. Excerpce článků z deníků je velmi výběrová vzhledem k efemérnosti některých článků publikovaných v těchto dokumentech. V databázi Anopress je velké množství plných textů, v databázi ANL FULL je články s trvalou hodnotou.

Vyhledávání v plnotextové databázi Anopress je efektivní, zná-li uživatel název a autora. Hledá-li podle klíčového slova v plných textech, je nepřesné. Řešením je integrace řízených slovníků do pojmového vyhledávání.

Stanovení titulů a různé způsoby propojení metadat s plnými texty - viz dříve.

· propojování bibliografických záznamů s plnými texty on-line, off line, staticky a dynamicky, SFX, propojení na volně přístupné zdroje z CD-ROM ČNB (vývoj plnotextového CD ROM během projektu nepřicházel v úvahu vzhledem ke komplikovanému řešení zejména z hlediska autorskoprávního a ekonomického)

Propojení metadat s plnými texty je v zásadě dvojím způsobem: uložení metadat v plných textech nebo propojení metadat s plným textem, který existuje separátně.

V lince poloautomatické indexace je generován link, který je v podobě statického linku ukládán do metadat a takto veden v databázi ANL. Pokud uživatel přistupuje k plným textů z databáze ANL FULL, tvoří se dynamická URL adresa na plné texty.

Důvody pro budování databáze ANL FULL jsou uvedeny výše. ANL FULL tvoří velmi malou část databáze ANOPRESS.

Lze předpokládat integraci databází Anopress do JIB. Možností, jak zpřístupnit TamTam v JIB je několik. Jistě i přes SFX a metadata v plných textech Anopressu. To však nebude jednoduchá cesta vzhledem k autorskoprávním otázkám. V budoucnu lze předpokládat zapojení báze TamTam do JIB pro vyhledávání v plných textech na základě dotazu vyjádřeného v Open URL, pravděpodobně též báze ANL FULL (předpoklad: další projekt). Pro bázi ANL FULL též aplikace protokolu Z39.50.

Vyhledávání a propojování přes SFX by zkvalitnila aplikace lematizátoru v těchto bázích. Předpokládá to však jednání s Anopressem a s vydavateli. Dá se předpokládat, že propojování na bázi Anopress bude efektivní, zná-li uživatel název a autora, propojení na hledání v plných textech přes klíčová slova je nepřesné. Propojení by zpřesnil již zmíněný lematizáor a aplikace topiků ve větší míře.

Lze hypoteticky předpokládat i propojení na topiky.

Dosud statické linkování na volně přístupné texty na internetu (ne těch zpracovávaných v lince TTDE) lze postupně nahradit linkováním přes SFX. Rovněž tak lze jednat s nakladateli/vydavateli o přístupu do archívu a napojovat plné texty na bibliografické záznamy přes SFX. Jednání však vyžaduje poměrně velké časové kapacity

· propojení na zdrojový dokument v bázi NKC event. Souborný katalog seriálů

Propojení na zdrojový dokument bylo v době neexistence propojení přes SFX řešeno přes propojovací pole LKR v ALEPHu. Toto pole je automaticky generované u některých titulů zpracovávaných v lince. Propojení na zdrojový dokument v příslušných bázích, katalozích aj. zdrojích na www umožňuje SFX.

Propojení lze realizovat přes číslo záznamu nebo přes ISSN/ISBN, eventuelně název.

· rychlé získání metadat z plných textů a propojení bibliografických záznamů z plnými texty – koncepce řešení linky poloautomatické indexace/extrakce bibliografických záznamů z plných textů a propojení metadat s plnými texty uloženými přímo v plných textech

Příklad článku z oboru literatury, stažení článku, extrakce dat do formuláře pro editaci , import do ANL a zobrazení plného textu

Vyhledání článků z ekonomických oborů v JIB a bázi ANL a NKC (příklad zpracovaných článků v lince s propojením na plný text a SFX služby, předmět - tj. heslo burzy, předmět tj. předmětové kategorie ANL kapitálový trh)

V r. 2003 byla upřesněna koncepce internetové verze linky: možnost stahovat data z plných textů z libovolných plných textů ve formátu HTML. Byla vypracován koncepce napojení linky na bázi autorit pomocí Z39.50 toolkit klienta.

· činnosti v oblasti jmenného a věcného zpracování (koncepce věcného popisu, klíčová slova předmětová hesla, kategorie, konspekt, topiky)

Byly definovány prvky pro DC s příslušnými kvalifikátory hodnoty i prvku, převod UNIMARC DC. Údaje pro DC vychází z minimálního záznamu pro soubornou databázi pro nesamostatné části dokumentů (článků) a z nutné přítomnosti prvků věcného popisu v záznamech. Pro články bylo využito zatím 14 prvků z 15 a 14 prvků ANL CORE definovaných pro vyhledávání a užívaných v popisu článku. Bylo nadefinováno 17 rejstříků. Byla vypracována konverze mezi DC UNIMARC a M21.

Pro napojení linky na autority přes Z39.50 toolkit klient byly stanoveny atributy dle instrukce pro Z39.50 pro bázi AUT zveřejněné na http://www.nkp.cz. Dále byly doplněny údaje pro analytický popis v rámci mapování atributů Bib-1 USE na pole UNIMARC pro BATH. Byl zprovozněn Z39.50 toolkit klient a rozhraní pro napojení linky zpracování na autority je realizováno, třeba ladit.

V projektu bylo částečně vypracování zadání pro konverzi UNIMARC M21, práce na aplikaci řešící konverzi budou probíhat i v r. 2004.

Byla stanovena koncepce věcného popisu: klíčová slova (velmi omezeně), předmětová hesla (konkrétní téma), předmětové kategorie (zařazení tematiky obecněji), skupina konspektu (ještě se nepoužívá), topiky. V budoucích letech je třeba definovat poměr mezi skupinami konspektu a analytickými předmětovými kategoriemi.

Při věcném popisu báze ANL se užívají analytické předmětové kategorie) určené pro zařazení článků do hrubých oborů či témat pro zpřehlednění báze. Tyto kategorie vyžadují důkladnou redakci.Jsou jsou podrobnější než skupiny konspektu. V M21 budou převedeny do jiného pole.

Přehled věcných polí UNIMARC v ANL

Pole 600 – osobní jméno použité jako předmět

Pole 601 – jméno korporace použité jako předmět

Pole 602 – jméno rodiny (rodu) použité jako předmět

Pole 604 – jméno/název použité jako předmět

Pole 605 – název použitý jako předmět

Pole 606 – věcné téma použité jako předmět

Pole 607 – geografické jméno použité jako předmět

Pole 608 – forma, žánr či fyzické vlastnosti dokumentu použité jako předmět

Pole 610 – volně tvořené předmětové termíny

Pole 615 – předmětová kategorie analytické (nikoli skupiny konspektu)

Pole 660 – geografický kód

Pole 675 – MDT

Perspektivně konspekt, DDC, anglické ekvivalenty.

Pojmové vyhledávání

Pro pojmové vyhledávání byly definovány topiky na základě lexiky MDT, nedodržují ale příslušnou statickou strukturu MDT.

Byly nadefinovány tři úrovně topiků: základní tematické oblasti (8), skupiny témat (28), detailní témata (197). Hypoteticky se mohou sbližovat s předmětovými kategoriemi konspektu (24), skupinami konspektu (500) a jednotlivými tématy (4000).

V rámci projektu byly prováděny rozsáhle komparativní analýzy vyhledávání pomocí topiků ve srovnání s předmětovými hesly cekem ve dvou etapách. Byla zjištěna zhruba 80% úplnost vyhledávání podle topiků, což je celkem přijatelný a očekávaný výsledek. Topik lze ještě více upřesňovat. Zatím byly definovány oborově, jsou všech primárně určeny na hledání podle konkrétních témat. Dále je třeba postupovat tímto směrem.

1. úroveň	2. úroveň	3. úroveň
Tematická oblast	Skupiny témat	Detailní témata	Poznámka

Ekonomika, obchod, finance	Ekonomika, ekonomieàààààà	ààà > Ekonomika, ekonomie > Makroekonomika > Pozemky, nemovitosti, byt > Regionální hospodářství
	Finance àààààà	> Bankovnictví
		> Daně
		> Finance
		> Investice
		> Kapitálový trh
		> Měna
	> Obchod
	> Práce
Geografie	Ostatní země světa	Filipíny
		Malajsie
		Srí Lanka
		USA
	Evropa	Albánie
		Andora
		Arménie
		Azerbajdžán
		Belgie
		Bělorusko
		další země (celkem 49)
	àààGeografie
Hospodářství, výroba	Doprava, spoje ààà	ààà>Doprava ààà>Letecká doprava ààà>MHD Pošta, filatelie Silniční doprava Taxislužba Telekomunikace Vodní doprava Železniční doprava
	Energetikaààà	ààà>Energetika ààà>Hornictví, těžební průmysl ààà>Jaderná energetika ààà>Plynárenství
	>Meteorologie, normy, standardy
	>Průmysl ààà	ààà>Automobilový ààà>Dřevozpracující ààà>Elektrotechnika ààà>Farmaceutický ààà>Hutnictví ààà>Chemický ààà>Papírenství ààà>Petrochemie ààà>Polygrafie, tiskařský ààà>Stavebnictví ààà>Strojírenství ààà>Textilní ààà>Zbrojní
	>Výpočetní technika
	Zemědělstvíààà	ààà>Lesnictví, myslivectví ààà>Mlékárenství ààà>Pivovarnictví ààà>Potravinářství ààà>Zemědělství
Kultura, umění	Kultura
	Literatura, písemnictví ààà	ààà>Písmo ààà>Literatura ààà>Tisk ààà>Vzácné tisky
	Umění ààà	ààà>Architektura ààà>Divadlo ààà>Film, kinematografie ààà>Fotografie ààà>Hudba ààà>Urbanismus ààà>Výtvarné umění
Přírodní a matematické obory	Matematika, fyzika ààà	ààà>Astronomie, astrofyzika ààà>Fyzika ààà>Kybernetika, robotika ààà>Matematika ààà>Statistika ààà Umělá inteligence
	Přírodověda ààà	ààà>Biologie ààà>Botanika ààà>Ekologie, životní prostředí ààà>Genetika ààà>Geodézie, kartografie ààà>Geografie ààà>Geologie ààà>Chemie ààà>Mykologie ààà>Příroda obecně ààà>Veterinářství ààà>Zoologie
Společenské a humanitní obory	Humanitní vědy ààà	ààà>Archeologie ààà>Demografie ààà>Etika ààà>Etnografie ààà>Filozofie ààà>Historie ààà>Jazykověda, lingvistika, filologie ààà>Psychologie ààà>Sociologie, společnost ààà>Společ. vědy obecně
	Knihovnictví a informační vědaààà	ààà>Autority ààà>Bibliografie ààà>Databáze ààà>Dokumentace ààà>Knihovnictví ààà>Knihovny ààà>Kybernetika ààà>Informační služby ààà>Jmenný popis ààà>Písmo ààà>Příručky ààà>Seriály ààà>Standardizace ààà>Věcný popis ààà>Zpracování dokumentů	Tyto topiky jsou provizorní. Pro periodikum Národní knihovna se počítá s tvorbou tezauru/řízeného hesláře
	Společnostààà	ààà>Feminismus ààà>Náboženství ààà>Politika ààà>Právo ààà>Sociální zabezpečení ààà>Školství ààà>Věda a technika ààà>Veřejná správa ààà>Vojenství, vojenská technika
Sport, volný čas	>Společenské a lidové zábavy
	Sport ààà	ààà>Atletika ààà>Basketbal ààà>Cyklistika ààà>Fotbal ààà>Gymnastika ààà>Lední hokej ààà>Motorismus ààà>Tenis ààà>Volejbal
	>Volný čas
Zdravotnictví, lékařství (bude lépe specifikováno a rozpracováno)	Zdravotnictví	Červený kříž Léčitelství Terapie Toxikologie Úrazy Vitamíny Zdravotnická zařízení Zdravotnictví	Bude rozpracováno
	Farmacie, farmakologie	Totéž
	Lékařské obory	Cestovní medicína
		Gynekologie, porodnictví
		Kardiologie
		Neurologie
		Oční
		Ortopedie
		Stomatologie
		Urologie
		Ušní, nosní, krční
	Nemoci a onemocnění	AIDS
		Alergie
		Cukrovka
		Encefalitida
		Epilepsie
		Hepatitida
		Chřipka
		Mozková mrtvice
		Pohlavní choroby
		Rakovina
		Salmonelóza
		Vzteklina

· báze ANL FULL a kvalitní plnotextové zpřístupnění a kombinace pojmového vyhledávání s řízeným vyhledáváním v plných textech dle rejstříků, autorizace a autentifikace uživatelů, zpřístupnění plných textů interním a externím uživatelům, tisk stahování a export metadat a plných textů, administrace báze

Byla stanovena základní koncepce vyhledávání v bázi ANL FULL: vyhledávání pomocí klíčových slov v základním formuláři, pro rozšířený formát byly nadefinovány základní položky dle strukturovaných dat, byla stanovena koncepce rozšířeného formuláře s tématy.

Byly stanoveny tři formáty zobrazení pro uživatele: pouze citace článku, citace článku s hypertextovým propojením údajů jmenného a věcného popisu a s plným textem, zobrazení v DC. V bázi ANL FULL se generuje též formát DC/HTML, XML a XHTML v kvalifikované a nekvalifikované formě.

K vyhledávání pomocí strukturovaných dat bylo definováno 17 rejstříků.

Přístup uživatelů je definován podle login hesla, registrovaný i neregistrovaný. Interní uživatelé NK mohou plné texty prohlížet, z databáze není možno přímo povoleno kopírovat, stahovat a exportovat.

Externí uživatelé mají přístup do báze povolen po registraci a přihlášení na jeden den.

Národní knihovna je vzhledem k Anopressu v pozici koncového uživatele, od kterého koupila plné texty a může je tedy zpřístupňovat ve své instituci (smlouva mezi Anopress a NKČR v rámci řešení projektu Souborná databáze, smlouvy Anopressu s příslušnými vydavateli). Přesto jsme narazili v době řešení na určité nejasnosti. V následujícím roce a dále se budeme snažit navrhnout ošetření přístup uživatelů do databáze z hlediska formy (prohlížení textů, kopírování a stahování textů, export textů) i z hlediska ekonomického. Budeme usilovat o zpřístupnění báze ANL FULL v rámci konsorcia Anopress.

V administraci báze lze sledovat statistiky, uživatelů a přístupů, provádět úpravy záznamů a údržbu portálu WWW periodika.

Formáty

Článek vyhledaný na základě topiku s vyznačením indexů v plném textu

· portál Periodika na WWW, resp. plné texty na www se strukturou regionální a oborovou

Portál je koncipován do oborové a regionální struktury dle počtu krajů. Obory byly stanoveny na základě průzkumu na internetu: Kultura a umění (film, televize, hudba, divadlo, literatura), odborná periodika (12 oborů), společnost (náboženství, životní styl, politika), zahraniční zajímavosti a cestování, ostatní. Byly nadefinovány údaje pro popis zdrojů v tomto portálu.

· aplikace pro plnotextové zpřístupnění periodika Národní knihovna na internetu

Zpřístupnění periodika Národní knihovna na webu. Postupně vytvořen archiv textů, do r. vydání 2001 digitalizováno Anopressem a následně převedeno do báze ANL FULL. Od r. vydání 1999 je zpřístupňován s samostatné aplikaci ve formátu pdf a html, doplněn autorským a předmětovým rejstříkem, current content s abstrakty od roku 1999. Pro vyhledávání v TOPICu vypracován soubor předmětových hesel. Hodnocení je na adrese http://www.cuni.cz/ brt/dk/dkcascz.htm.

· Konsorcium Anopress

V roce 2000 byla podepsána smlouva týkající se Konzorcia Anopress mezi SKIPem. a Anopressem. Konsorcium má v současné době asi 70 knihoven. Přístup do databanky je typu Standard.

· management a aplikace pro management Kooperačního systému článkové bibliografie

V projektu byly koncipována některá dílčí řešení pro aplikaci pro management kooperačního systému

(MNG KOSABI) a navržen částečně interface pro tento systém. Hlavní vývoj této aplikace probíhá v rámci projektu souborná databáze. V tomto projektu byla vyvinuta aplikace pro evidenci a aktualizaci titulů v systému Oracle. Kromě toho je pravidelně aktualizovaná excerpční základna na stránkách http://www.nkp.cz.

Jednotné rozhraní na serveru full.nkp.cz pro přístup do aplikace pro MNG KOSABI na serveru ANL

Pro validaci URL adres byla koncipována speciální aplikace

· indexace vybraného titulu vydaného před r. 1945

Analyticky byl popsán titul Red,, ročník 1, výtisk 7-16 v rámci projektu Digitalizace Mikronésií ve formátu DOMB za účelem posouzení dosavadní metody popisu a navržení struktury dle UNIMARCu a AACR2 ((M. Balíková, I. Anděrová). Popis prováděli pracovníci oddělení.

· úpravy struktury i obsahu bibliografické báze ANL vzhledem k propojování s plnými texty

Během řešení projektu byly průběžně určovány údaje, které je třena opravit v bázi ANL vzhledem k napojování přes OpenURL (zejména zdrojový dokument, ISSN). V článkové databázi je mnoho chyb a nejednotností. Problematika napojování přes název zdrojového dokumentu je složitá zejména u nepravých periodik. V bázích, se kterými se má článková báze propojovat, nejsou jednotné názvy, rovněž tak panují neshody v ISSN mezi příslušnými bázemi (báze ISSN, ISSN v bázi NKC a Souborného katalogu).

· zálohování, jištění a archivace dat ANL FULL

Byly stanoveny de facto tři druhy jištění a archivace dat. Zrcadlení báze, magnetická páska, DVD. Aktualizace zálohy se provádí každý týden. Archivace na DVD zatím 2 krát ročně (nemáme mechaniku, je třeba řešit složitě). Záloha na magnetickou pásku jednou měsíčně.

· zahraničními plnotextovými databázemi se projekt nezabýval, vzhledem k zahájenému programu LI MŠMT, někde se jimi inspiroval

· návaznost problematiky propojení analytických záznamů s plnými texty a optimalizaci zpřístupnění na činnosti v NK a Kooperační systém článkové bibliografie

Zpřístupňováním plných textů se také zabývali částečně pracovníci referenčního centra NK – informace o zdrojích plných textů na www a spuštění aplikace document delivery v NK, napojování analytických záznamů na soubory autorit zejména věcných autorit znamenalo vypracování těchto souborů v příslušných odděleních - aplikace metody konspektu zvýší přesnost propojování záznamů s plnými texty (zde návaznost na oddělení věcného zpracování).

Poměrně rozsáhlé globální opravy databáze v oddělení automatizace zvýší šanci lépe propojovat přes OpenURL a poskytovat služby SFX. Při doplnění údajů pro popis článků je návaznost na Katalogizační pravidla elektronických zdrojů. Problematika Dublin Core byla dobře teoreticky rozpracována v rámci Webarchivu.

Hlavní řešitelka vykonávala poměrně detailní činnosti týkající se ladění výstupu v UNIMARCu v rámci systému institucí spolupracujících v kooperaci (Tinlib a nově přistupující instituce s Laniem a KPSysem resp. KPWinem). Tyto činnosti přispějí k rychlejšímu a kvalitnějšímu zapojení článkových databází do JIB a k propojení bibliografických záznamů s plnými texty přes OpenUrl a SFX.

Práce oddělení článkové bibliografie musela být reorganizována vzhledem k řešení projektu a redukcím v oddělení. Poměrně velké pracovní kapacity byly věnovány na opravy databáze ANL (ještě nutno opravovat, poměrně stále chybovost bázi – dána přechodem na ALEPH až v r. 2000, do té doby byly články ukládány v ISISu). Popis deníků je redukován na menší počet úvazků aj.

Při řešení www aplikace Národní knihovna byla úzká spolupráce s Odborem vydavatelským NKČR. Agenda kolem konsorcia Anopress je vykonávána od podpisu smlouvy v oddělení periodik.