8. Návrhy optimalizace zpřístupnění plných textů v ČR

8.1 Některé zásadní poznatky ze studií v rámci projektu, které mohou sloužit pro další optimalizaci systému (J. Schwarz, 2002-2003)

· struktura a definice topiků je v zásadě adekvátní, i když v některých případech není pomocí topiků dosaženo relevantních výsledků vyhledávání

· topiky v některých případech negativně ovlivňují úplnost vyhledávání, což je způsobeno mj. faktory souvisejícími nejen s definicí, ale i základní funkčností topiků, která bude dále optimalizována

· současná implementace topiků není z hlediska uživatele zcela optimální, protože neumožňuje důsledně interaktivní a zpětnovazební využití topiků při vyhledávání; interaktivní vlastnosti systému budou rozvíjeny na základě implementace nových nástrojů

8.2 Naznačení optimalizace zpřístupnění plných textů – pohled z hlediska vyhledávání a dalšího možného vývoje (Anděrová 1999-2003)

8.2.1 Služby SFX. Propojování na zdrojové dokumenty přes SFX, permutované vyhledávání.

8.2.2 Ukázka hypotetické vazby předmětových kategorií konspektu přes hesla a analytické předmětové kategorie na topik. Výhody vyhledávání podle řízených slovníků a pojmů. Ukázka topiku v textu

Předmětová kategorie (konspekt) - analytické předmětové kategorie (ANL)

V tomto textu používány předmětové kategorie - konspekt v poli 615 UNIMARC pro bázi NKC.

Analytické předmětové kategorie jsou používány v Kooperačním systému článkové bibliografie dosud také v poli 615 UNIMARC, mají však jiný charakter. V článcích se zatím konspekt nepoužívá. V budoucnu budou oba typy převedeny do oddělených polí M21.

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).

8.2.1 Služby SFX. Propojování na zdrojové dokumenty přes SFX, permutované vyhledávání

4. Ekonomické vědy, obchod - Busines and economics

Autoritní záznam skupiny konspektu

Záznam se skupinou konspektu z báze NKC

Záznam s analytickou předmětovou kategorií v bázi ANL

Zpřístupnění plného textu v bázi ANL, resp. JIB přes link generovaný dynamicky v lince TamTam Data Extraktor a staticky umístěný do pole 856 (dříve pole EXT) v bázi ANL

SFX služby v JIB

Vyhledání z Mého seznamu zdrojů v JIB

Propojení na zdrojový dokument přes SFX

8.2.2 Ukázka hypotetické vazby předmětových kategorií konspektu přes hesla a analytické předmětové kategorie na topik.Výhody vyhledávání podle řízených slovníků a pojmů. Ukázka topiku v textu.

V příkladech použito:

Předmětové heslo – burzy

Analytické předmětové kategorie – kapitálový trh

Klíčové slovo – burzy, kapitálový trh

Topik – zvolena tematická oblast: ekonomika, obchod, finance

skupina témat : finance

detailní téma: kapitálový trh

Pozn.: zatím neužíván konspekt

Formulace dotazu:

vyhledej všechny texty týkající se burzy a kapitálového trhu

Zobrazení záznamu s metadaty v bázi ANL FULL, klíčového slova (z názvu), předmětové kategorie, hesla a topiku, v textu červeně struktura topiku

Vyhledávání podle klíčových slov – vysoká úplnost, nízká přesnost vyhledaných článků (136)

Vyhledání podle klíčových slov, předmětových kategorií a hesel – vysoká přesnost, malá plnost vyhledaných článků (8)

Vyhledání podle analytických předmětových kategorií a hesel – vysoká přesnost malá úplnost (10)

Vyhledání podle analytických předmětových kategorií, hesel a topiku – vysoká přesnost, malá úplnost (10). V tomto případě jsou dobře použitá hesla, kategorie i dobře nadefinovaný topik

Vyhledání podle klíčových slov a topiku – velmi vysoká úplnost, měla by být i vysoká přesnost (605)

Vyhledání podle předmětového hesla a topiku – vysoká přesnost, poměrně malá úplnost vyhledaných článků (21)

Vyhledání podle klíčového slova, předmětového hesla a topiku – velmi vysoká přesnost a relativně vysoká úplnost vyhledaných článků (50) – optimální výsledek. Analytická předmětová kategorie „kapitálový trh“ má podobu topiku.

8.2.3 Závěr

Domnívám se, že propojování přes OpenURL a SFX je dobře funkční v případě, zná-li uživatel jméno autora a název článku a časopisu aj. formální údaje. Jediné, i když podstatné riziko„nepropojení“ je v případě , jsou-li údaje zapsány nejednotně nebo nepřesně.

Z hlediska věcné problematiky je otázka propojení složitější.

K dispozici je selekční (autoritní termín použitý katalogizátorem při indexaci) , ať už je na úrovni skupiny konspektu, předmětové kategorie nebo předmětového hesla (používaný v  hierarchii) nebo klíčového slova.

„Podle stupně dokonalosti těchto rešeršních prostředků se systémy dělí do tří kategorií, tzv. generací (1. generace: jednoduché vyhledávání slov, jednoduché maskování, pravostranné rozšíření, 2. generace: booleovské a proximitní operátory, maskování, pravo-levostranné rozšiřování slov, vyhledávání podle pole, ostré vyhodnocování dotazů, 3. generace: pojmově orientované vyhledávání, rozklad pojmu na podpojmy, vážení pojmů, neostré vyhodnocování dotazů) . Tyto systémové rešeršní nástroje, tedy prostředky informační technologie, ovlivňovaly rešeršní strategie, které měly zásadní vliv na vývoj věcných selekčních jazyků (viz dramatický odklon od jazyků prekoordinovaného typu v souvislosti s nástupem systémů druhé generace).

Dá se předpokládat, že plný rozvoj systémů třetí generace (pojmově orientovaných) a nástup systémů umělé inteligence, případně systémů založených na porozumění přirozenému jazyku, vyvolá neméně dramatickou, ne-li ještě dramatičtější proměnu této oblasti.“ (Cit. Balíková, 20002)

Propojení může jít až na úroveň fulltextu. Indexace a vyhledávání v klíčových slovech plných textů je velmi nepřesné a zavádějící. U běžných plnotextových systémů nepostihuje pojmy,koncepty.

Pravděpodobně řešením je integrace řízených slovníků do pojmového vyhledávání podpořená lematizátorem nebo analyzátorem pro český jazyk, kategorizací a automatickou kategorizací textu a tvorbou ontologií, aplikace XML a pokročilých způsobů vyhledávání. Tyto nástroje aplikovat jak v otevřeném tak uzavřeném webu.

V našem případě to konkrétně znamená připojit server http://full.nkp.cz a bázi ANL FULL do Metalibu pro vyhledávání přes Z39.50. Především však připojit ANL FULL a server full.nkp.cz do SFX a naopak - zdroj a cíl SFX může být i fulltext.

Extrahováním metadat z plných textů se zrychlí zpracování článkových informací a jejich zpřístupnění v podobě metadat DC , XML/RDF aj. tyto nástroje budou hrát důležitou roli při zpřístupnění informací na webu, při propojení otevřeného a uzavřeného webu a v mezinárodní spolupráci.

Budoucnost ukáže, jde-li a jak propojit projekt Webarchiv, virtuální a digitální knihovny, oborové brány se zpracováním článků v kooperačním sytému článkové bibliografie. Je to dlouhodobá záležitost. Je však mít na zřeteli, že je nejdříve nutné implementovat, otestovat a vyvinout nové spolehlivé v poměru vzájemné interoperability. Je důležité zachovat konzistenci a návaznost zpracování.

Optimalizovat zpřístupnění plných textů znamená též legalizovat jejich pravidla zpřístupňování v příslušných zákonech (autorský zákon, zákon o povinném výtisku, vysokoškolský zákon aj.).

V budoucnu je třeba se soustředit především na zpřístupnění textů odborné povahy.

V budoucnu lze očekávat spolupráci v rámci některých agent NKČR, které se zabývají zpřístupněním elektronických dokumentů a oddělení článkové bibliografie, resp. Kooperačním systémem, stejně tak spolupráci mezi dalšími institucemi na základě otevřených standardů.

Propojovat bibliografické záznamy lze staticky i dynamicky, jasná tendence je k otevřenému propojení a k interaktivním pružným službám.

Optimalizovat zpřístupnění plných textů znamená je propojovat s ostatními zdroji a službami. Úspěch propojení závisí na standardech, nástrojích a technologiích používaných ve všech fázích informačního procesu. Závisí i na organizaci informačního systému a legislativně právních otázkách zpřístupnění elektronických zdrojů.

Základním předpokladem optimalizace zpřístupnění plných textů je nutnost nových modelů získávání, zpracování a zpřístupňování bibliografických informací a nutnost změn v chování uživatele (human computer interaction) s rozvojem elektronického publikování , které se týká autorů, nakladatelů, vydavatelů, knihovníků a uživatelů.

Optimalizovat zpřístupnění plných textů také znamená jejich zpřístupnění ve všech složkách struktury společnosti, ve všech druzích knihoven a informačních systémů, které jsou vzájemně interoperabilní.

Předpokladem optimalizace zpřístupnění plných textů je jejich propojování (odkazování, linking) s ostatními zdroji,  metadaty a službami založené na interoperabilitě systémů ve všech fázích informačního procesu, jednoznačná identifikace objektů na internetu (identifikátory) a relevantním zpřístupněním plných textů po stránce obsahové, založené na integraci řízených slovníků do pojmového vyhledávání a tvorbě ontologií (systému konceptů a vztahů mezi nimi).

Na základě analýzy titulů zpracovávaných v NKČR v rámci Kooperačního systému článkové bibliografie stanoveny způsoby optimalizace zpřístupnění plných textů:

· Zpracování deníků a časopisů získaných z báze TamTam (Anopress) v lince poloautomatické indexace/extrakce s generováním metadat DC, UNIMARC, URL, SICI,  import metadat UNIMARC do souborné báze ANL a plných textů s metadaty DC do báze ANL FULL (DC v HTML,XHTML,XML). Propojení báze ANL statickou URL s plnými texty báze ANL FULL, dynamická URL v bázi ANL FULL.

· Statické propojování metadat báze ANL na volné www plné texty.

· Portál Periodika na WWW.

· Vyhledání Plných textů báze ANL FULL přes metadata ANL v JIB. Statické linkování a linkování přes OpenUrl (SFX).

· Propojení na zdrojový dokument v JIB (SFX).

· WWW licence systému TOPIC, integrace řízených slovníků do pojmového vyhledávání, ontologie.

· Konsorcium Anopress.

· Kontrola URL (v rámci managementu systému).

· Elektronický povinný výtisk, novela autorského zákona.