Citace článku, souhrn - bibliografické údaje o článku, resp. metadata s odkazy
pro další hledání
SOUBORNÁ DATABÁZE KOOPERAČNÍHO SYSTÉMU ČLÁNKOVÉ BIBLIOGRAFIE – OPTIMALIZACE INTEGRACE A SPRÁVY HETEROGENNÍCH DAT
Závěrečná zpráva za rok 2000-2004
Předkládá: Mgr. Vlastimil Ježek, ředitel NK
Zpracovala: PhDr. Ivana Anděrová, hlavní řešitelka
(graficky upraveno, aktualizace některých odkazů)
Praha, leden 2005
OBSAH
A Konstatační část
A.1 Rešerše 4
A.2 Současný stav ve světe a v ČR 13
A.3 Cíl, vstupní data 30
B Analytická část
B.1 Vlastní řešení 31
B.2 Přínos řešitele 78
B.3 Posun znalostí 79
C Návrhová část
C.1 Výsledky řešení 81
C.2 Závěr 81
C.3 Návrhy opatření 81
D Použití finančních prostředků - institucionální podpory 83
(tabulky, komentář)
E Resumé a klíčová slova
E.1 Resumé a klíčová slova v češtině 104
E.2 Abstract and key words in English 105
A Konstatační část
A.1 Rešerše
Poznámka:
V r. 2005 má dojít k rekonstrukci www stránek NKČR. Uvádíme současné adresy na serveru www.nkp.cz
Literatura (chronologicky):
CÍGLER, I., Königová, M., Lukavec, P., Vacek, V. Hodnocení efektivnosti informačních systémů. Systémová analýza v informatice. ČVTS, 1974. S. 98-115.
saracevic, T. The concept of relevance in information science : a historical review. Introduction to Information Science. New York : Academic Press, 1976. S. 79-137.
zemanová, I. Problematika relevance a pertinence. Vývoj a současný stav. Diplomová práce. Praha. FFUK , 1977. 164 s.
Analytický popis. Praha : Národní knihovna v Praze, 1991. 2 sv. + disketa. ( MAKS)
KOUDELKOVÁ, L. nádvorníková, m. baják, m. Návod pro tvorbu a využívání báze záznamů dokumentů. Verze 1. Praha : Národní knihovna v Praze, 1991. 71 s. (MAKS)
stoklasová, b., anděrová, i., kremerová, j. Specifikace údajů pro bázi záznamů dokumentů. Verze 1. Praha : Národní knihovna v Praze, 1991. nestr. (MAKS)
anděrová, i. Pravidla zápisu údajů pro analytický popis. Praha : Národní knihovna v Praze,
1992. 217 s. + příl.
ANDĚROVÁ, I. [et al.]. Národní bibliografie - analytický popis : příručka pro zpracovatele. Praha : Národní knihovna, 1993. 412 s. Revize 1, 1993; Revize 2, 1997.
bínová, j.Regionální bibliografická činnost v SVK - možnosti spolupráce s okresními knihovnami. PRIVATE "TYPE=PICT;ALT=Link" Čtenář, roč. 46, č. 2,1994, s. 45-48.
nádvorníková, m. Spolupráce na úplnosti národní bibliografie z pohledu regionálních vědeckých knihoven.PRIVATE "TYPE=PICT;ALT=Link" Knihovny současnosti '96.1. vyd. Brno : Sdružení knihoven, 1996, s. 134-139.
1996 Glenda Browne. To be published in Online Currents, the AusSI Newsletter 20(6):4-9, July 1996 and LASIE 27(3):58-65
Doporučení pro popis částí dokumentu na základě mezinárodního standardního bibliografického popisu (ISBD). 1. vyd. Praha: Národní knihovna ČR, 1997. 32 s.
Cobra+ : Computerised Bibliographic Record Actions [online]. Boston Spa (Velká Británie) : COBRA+, 1997. Dostupný z: <http://www.ddb.de/gabriel/cobra/ >.
KOCH, T. and BORELL, M. Dublin Core Metadata Template [online]. Lund (Švédsko) : Lund universitetsbibliotek, 1997, last update 1997-08-20. Dostupný z: <http://www.lub.lu.se/metadata/DC_creator.htm >.
Nordic Countries URN-generator : provided by the Nordic Libraries [online]. Lund (Švédsko) : Lund universitetsbibliotek, 1997. Dostupný z:
< http://www.lub.lu.se/cgi-bin/nmurn.pl >.
OLSON, N. B. Cataloging Internet Resources [online]. Dublin (Ohio, USA) : OCLC, 1997. Dostupný z: <http://www.oclc.org/support/documentation/worldcat/cataloging/internetguide/ >.
BRATKOVÁ, E. Bibliografické a plnotextové báze dat americké firmy H.W.Wilson pro společenské a humanitní obory: vyhledávání informací v systému WilsonWeb. Infomedia [online], 1998. Dostupný z: <http://www.inforum.cz/infomedia98/pdf/wilson.htm >.
BRATKOVÁ, E. K otázkám pojmu, třídění a typologie internetových a webovských informačních zdrojů. Národní knihovna : knihovnická revue, 1998, roč. 9, č. 5, s. 262-276. Dostupný též z: <http://full.nkp.cz >.
JONÁK, Z. Inteligentní nástroje pro práci s texty na Internetu. Ikaros [online]. 1998, č. 09 [cit. 1998-09-01].Dostupný z: < http://www.ikaros.cz/Clanek.asp?ID=200208003 >. ISSN 1212-5075.
BRATKOVÁ, E. Metadata jako nový nástroj pro komunikaci webovských informačních zdrojů. Národní knihovna : knihovnická revue, 1999, roč. 10, č. 4, s. 178-195. Dostupný též z: <http://full.nkp.cz/nkkr/Nkkr9904/9904178.html >.
ČERVENÝ, V. Vyhledávání v databázích plných textů. Národní knihovna : knihovnická revue, 1999, roč. 10, č. 1, s. 6-12. Dostupný též z: <http://full.nkp.cz/nkkr/Nkkr9901/9901006.html >.
BARTOŠEK, M. Vyhledávání v Internetu a DUBLIN CORE. Zpravodaj ÚVT MU.
ISSN 1212-0901, 1999, roč. 9, č. 4, s. 1-4.
Záznam pro soubornou databázi : UNIMARC. Fyzicky nesamostatné části dokumentů. Tištěné monografie a seriály. Pracovní skupina pro analytické zpracování, Rada pro katalogizační politiku. 1. vyd. Praha : Národní knihovna České republiky,1999. 45 s. (Standardizace ; č. 19). Určeno k připomínkám. Dostupný též z:
< http://www.nkp.cz/pages/page.php3?page=fond_anal_unim_opr.htm>.
Záznam pro soubornou databázi : Výměnný formát. Fyzicky nesamostatné části dokumentů. Tištěné monografie a seriály. Pracovní skupina pro analytické zpracování, Rada pro katalogizační politiku. 1. vyd. Praha : Národní knihovna České republiky,1999. 39 s. (Standardizace ; č. 20). Určeno k připomínkám. . Dostupný též z: < http://www.nkp.cz/pages/page.php3?page=fond_ann_vf_opr.htm >
JONÁK,
Z. Krize mezilidské komunikace v období komunikační a informační exploze. Ikaros
[online]. 1999, č. 05 [cit. 1999-05-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200205066 . ISSN 1212-5075.
PAPÍK,
R. Trendy v rozvoji informačních služeb. Ikaros [online]. 1999, č. 08
[cit. 1999-08-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200208571 >. ISSN 1212-5075.
OPPENHEIM, Ch.; SMITHSON, D. What is the hybrid library? Journal of Information Science, 1999, vol. 25, no. 2, s. 97-112.
BURGETOVÁ, J. Právní aspekty poskytování knihovních elektronických a reprografických služeb. Ikaros [online], 1999, č. 06.Dostupný z: <http://www.ikaros.cz/Clanek.asp?ID=200205087 >.
HEIJTING, I. Interconnectivity and the Hybrid Library. Ikaros [online], 1999, č. 10. Dostupný z:
<http://www.ikaros.cz/Clanek.asp?ID=200205142 >.
Projects at the Royal Library in Stockholm, Sweden [online]. Stockholm : Royal Library, updated July 1, 1999. Dostupný z:
< http://www.kb.se/ENG/projekt.htm>.
Sborník příspěvků ze semináře CASLIN ´99 - Souborné katalogy:organizace a služby. Dostupný z:
< http://www.caslin.cz:7777/caslin99/prispevky.html >.
TKAČÍKOVÁ, D. Když se řekne digitální knihovna ... Ikaros [online], 1999, č. 8. Dostupný z:
< http://www.ikaros.cz/Clanek.asp?ID=200208578 >.
Topic : systém pro inteligentní vyhledávání dokumentů. Praha : Tovek, 19?.
The Nordic Metadata projects [online]. Helsinki (Finsko) : Helsinki University, 1996, last updated 21 February 2000. Dostupný z: < http://www.lib.helsinki.fi/meta/ >.
Uniform Resource Names (urn) Charter [online]. Reston (VA, USA) : IETF, last modified 2001-07-31. Dostupný z:
< http://www.ietf.org/html.charters/OLD/urn-charter.html >.
MOENS, M.F. Automatic indexing and abstracting of document texts. Boston : Kluwer Academic Publishers, 2000. 265 s.
PAPÍK,
R. Competitive Intelligence, informační služby, Internet a informační profese.
Ikaros [online]. 2001, č. 04 [cit. 2001-04-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200208281 >. ISSN 1212-5075.
JONÁK, Z. Inteligence systémů zpracování textů. Ikaros [online]. 2000, č. 1 [ cit. 2000-01-05]. Dostupný z: <http://ikaros.ff.cuni.cz/ikaros/2000/c01/isko/zjonak.htm>. Pozn.: nepřístupný
ANDĚROVÁ, I. Programový projekt MK ČR : Souhrnná zpráva za rok 2000 (upraveno).
Ikaros [online]. 2000, č. 08 [cit. 2000-08-01].
Dostupný na World Wide Web: <
http://www.ikaros.cz/Clanek.asp?ID=200301003 >. ISSN 1212-5075.
Biblink [online]. Bath (Anglie) : UKOLN, last updated 12-Jul-2000 [cit. 14. 3. 2001]. Dostupné na World Wide Web: <http://hosted.ukoln.ac.uk/biblink/>.
CELBOVÁ,
L. Elektronické zdroje publikované v síti Internet jako součást České národní
bibliografie. Ikaros [online]. 2000, č. 06 [cit. 2000-06-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200208144 >. ISSN 1212-5075
DOI, the Digital Object Identifier System [online]. Kidlington (Oxford, Velká Británie) : International DOI Foundation, 1998, updated 4 April 2000. Dostupný z: < http://www.doi.org/>.
Dublin Core Metadata Initiative [online]. Dublin (Ohio, USA) : OCLC, 2000. Dostupný z: < http://purl.org/dc/>.
VOJTÁŠEK, F.; CELBOVÁ, I. Helsinská univerzitní knihovna přívětivá vůči každému. Ikaros [online], 2000, č. 9. Dostupný z: < < http://www.ikaros.cz/Clanek.asp?ID=200208199 >.
ŽABIČKA, P. Dublin Core - metadata pro popis elektronických dokumentů. Předneseno na konferenci DATASEM 2000, konané 21. až 24. října 2000 v Brně. Dostupný z: <http://webarchiv.nkp.cz/datasem2000.pdf >.
STOKLASOVÁ, B.:Budování a zpřístupnění fondů. Daidalos 2000. Dostupný z: http://daidalos.ff.cuni.cz/2000/prosinec/bs_ifla02.php. . Pozn.: nepřístupný
NEDLIB : Networked European Deposit Library [online]. Hague (Nizozemí) : Koninklijke Bibliotheek, c1998, last updated 11-March-2001 [cit. 28. 4. 2001]. Dostupný z: < http://www.kb.nl/nedlib >.
Networked European Deposit Library [online]. Hague (Nizozemí) : Koninklijke Bibliotheek, last upd. 11-March-2001 [cit. 14. 3. 2001]. Dostupný z:
vejlupek, t. SPEIS - koncept jednotného využívání a jednotné nabídky informačních zdrojů a informačních služeb od různých poskytovatelů. Praha , 2001. 18 s.
Anděrová, I. Propojení analytických záznamů s plnými texty a optimalizace zpřístupnění plných textů. Souhrnná zpráva za rok ... [online]. Dostupný z:
< http://www.nkp.cz/pages/page.php3?page=oazp_propoj04.htm >.
ANDĚROVÁ, I. Souborná databáze Kooperačního systému článkové bibliografie - optimalizace integrace a správy heterogenních dat. Souhrnná zpráva za rok … [online]. Dostupný z: < http://full.nkp.cz/nkdb/docs/dok.htm >.
ANDĚROVÁ, I. Kooperační sytém článkové bibliografie a propojení analytických záznamů s plnými texty - východiska a současný stav. Národní knihovna : knihovnická revue. 2001, roč. 12, č. 1, s. 26-37. Dostupný též z: <http://full.nkp.cz/nkkr/NKKR0101/0101026.html >.
PAPÍK, R. Competitive Intelligence, informační služby, Internet a informační
profese. Ikaros [online]. 2001, č. 04 [cit. 2001-04-01].
Dostupný z: <http://www.ikaros.cz/Clanek.asp?ID=200208281>.
ISSN 1212-5075.
ANDĚROVÁ, I. Metodika popisu článků ve formátu UNIMARC [online]. 2001. Dostupný z: < http://www.nkp.cz/pages/page.php3?page=oazp_metodika.htm >.
CASLIN 2001. Popis a zpřístupnění dokumentů : nová výzva. Beroun, 27.-31. května 2001 [online]. Dostupný z:<http://www.caslin.cz:7777/caslin01/index.htm >.
CELBOVÁ, L.
Informace o projektu registrace domácích internetových zdrojů nově na serveru
WebArchiv. Ikaros [online]. 2001, č. 5 [cit. 2001-05-01].
Dostupný též z:: <http://www.ikaros.cz/Clanek.asp?ID=200208297
>. ISSN 1212-5075.
CVRČKOVÁ, R. Služba GILS jako nástroj pro řízení informačních zdrojů z oblasti řízení státní správy USA. Národní knihovna : knihovnická revue. 2001, roč. 12, č.2, s. 99-113. Dostupný též z: < http://full.nkp.cz/nkkr/NKKR0102/0102099.html >.
SCHWARZ, J. Praktické aspekty hodnocení kvality a konzistence indexace. Ikaros [online]. 2001, č. 2 [cit. 2001-02-01]. Dostupný z: <http://www.ikaros.cz/Clanek.asp?ID=200303002 >.
H.W. Wilson Company Selects Verity to Power the New WilsonWeb Site - the Premier Reference Resource for Librarians and Researchers [online]. Dostupný z:
< http://www.verity.com/company/press/releases/release.jsp?pressID=723>.
Integration Heterogeneous Resources : 25 Library Seminar, Prague 6-8 June 2001 [online]. Dostupný z: <URL : http://www.stk.cz/elag2001/ELAG2001.html >.
anděrová, i. Báze ANL FULL v systému TOPIC. Textová verze. Inforum 2002. Dostupný z: <http://full.nkp.cz/nkdb/docs/dok.htm >.
Anděrová, I. Báze ANL FULL v systému TOPIC. Prezentace PPT. Inforum 2002. Dostupný z: < http://full.nkp.cz/nkdb/docs/dok.htm>.
Knihovny současnosti 2002. Sborník z 10. konference, konané ve dnech 24.-26.září 2002 v Seči u Chrudimi. Brno : Sdružení knihoven ČR, 2002. 401 s.
Anděrová, I. Kooperační systém článkové bibliografie – KOSABI. (Vývoj a současný stav metodiky zpracování, zpřístupnění, organizace kooperace, perspektivy ). Prezentace PPT na konferenci Knihovny současnosti 2002, Seč 24.-26.9.2002. Dostupný z: < http://full.nkp.cz/nkdb/docs/dok.htm>.
BÍNOVÁ, J.: Bibliografická sekce sdružení knihoven České republiky v letech 1995-2002. Knihovny současnosti 2002. Sborník z 10. konference, konané ve dnech 24.-26.září 2002 v Seči u Chrudimi. 2002, s. 182-183.
Nádvorníková, M. Nové formy a metody práce při poskytování regionálních bibliografických informací. Knihovny současnosti 2002. Sborník z 10. konference, konané ve dnech 24.-26.září 2002 v Seči u Chrudimi. 2002, s. 186-189.
Mika, J. Regionální bibliografie a faktografie – příklad spojení tradičního a moderního přístupu ke knihovnické práci. Knihovny současnosti 2002. Sborník z 10. konference, konané ve dnech 24.-26.září 2002 v Seči u Chrudimi. 2002, s. 195-200.
KAŇKA, J.Koncepce krajského bibliografického systému. Knihovny současnosti 2002. Sborník z 10. konference, konané ve dnech 24.-26.září 2002 v Seči u Chrudimi. 2002, s. 195-201-205.
HRAZDILOVÁ, A. Analytické zpracování v systému T-Series v Krajské moravskoslezské knihovně v Ostravě : Výsledky řešení programového projektu Ministerstva kultury ČR. Čtenář, roč. 54, č. 4, 2002, s. 116-117
68th IFLA Council and General Konference, August 18-24, 2002. Glasgow. Dostupný z:< http://www.ifla.org >.
Haddad, P.,Gatenby, P.Providing bibliographic access to archived online resources: the National Library of Australia´s approach. 68th IFLA Council and General Konference, August 18-24, 2002. Glasgow. Dostupný z: < http://www.nla.gov.au/nla/staffpaper/2002/gatenby.html >.
Dagerstedt, S.: Cataloguing and organizing library workflow – New wals. 68th IFLA Council and General Konference, August 18-24, 2002. Glasgow. Dostupný z http://www.ifla.org >. Pozn.: nepřístupný
Smith, R. The European Library Project: managing bibliographic standards at the European level. 68th IFLA Council and General Konference, August 18-24, 2002. Glasgow.
Edvardsen, Jonny. Newspapers at the National Library of Norway. News from the IFLA Round tabel of Newspapers. 2002, No. 10. Dostupný z: < http://www.ifla.org/VII/s39/broch/no10.pdf >.
SCHWARZ, P: Současný stav a trendy automatické indexace dokumentů. Přehledová studie. 2002. Dostupný z: < http://full.nkp.cz/doc/dok.htm .
RICHTER, V.Návrh nové „Strategie rozvoje knihoven 2003-2005“ Knihovny současnosti 2002. Sborník z 10. konference, konané ve dnech 24.-26.září 2002 v Seči u Chrudimi. 2002, s. 259-265.
SVOBODA, M.Knihovny v elektronické záplavě. Automatizace knihovnických procesů . 9. ročník. Liberec.2003. Dostupný z: < http://knihovny.cvut.cz/akp2003/ >.
SKLENÁK, V. Sémantický web. Knihovny v elektronické záplavě. Automatizace knihovnických procesů .9. ročník. Liberec. 2003. Dostupný z:
< http://knihovny.cvut.cz/akp2003/ >.
ŽABIČKA, P. OAI-PMH: Protokol pro metadatovou interoperabilitu. Automatizace knihovnických procesů . 9. ročník. Liberec. 2003. Dostupný z: < http://knihovny.cvut.cz/akp2003/ >.
ANDĚROVÁ, I.. Kooperační systém článkové bibliografie a báze ANL, ANL FULL. Infos 2003: zborník z 32. medzinárodného informatického sympózia, ktoré se konalo v dňoch 7.-10. apríla 2003 v Starej Lesnej. Sest. Alojz Androvič, Judita Kopáčiková. Bratislava : Centrum VTISR, 2003, S. 149-161.
KOVAČKA, M. Prvé výsledky a najbližšie perspektivy národného programu retrokonverze a konverze bibliografických databáz a knižničných katalogov Slovenskej republiky. Infos 2003: zborník z 32. medzinárodného informatického sympózia, ktoré se konalo v dňoch 7.-10 apríla 2003 v Starej Lesnej. Sest. Alojz Androvič, Judita Kopáčiková. Bratislava, Centrum VTISR 2003. S. 135-140.
BARTOŠEK, M. Aktuální oblasti výzkumu digitálních knihoven Infos 2003: zborník z 32. medzinárodného informatického sympózia, ktoré se konalo v dňoch 7.-10 apríla 2003 v Starej Lesnej. Sest. Alojz Androvič, Judita Kopáčiková. Bratislava, Centrum VTISR 2003. S. 84-90.
Congress: 69th IFLA General Conference and Council. Access Point Library:
Media - Information – Culture.1 - 9 August 2003, Berlin, Germany. Dostupný z: <
http://www.ifla.org/IV/ifla69/index.htm >.
BARTOŠEK, M. Digitální knihovny. Dostupný z: < http://www.ics.muni.cz/mba/dl-fi03/dlfi03-1.pdf >. Nepřístupný.
ANDĚROVÁ, I. Problematika novin a World Library and Information Congress : 69th
IFLA General Conference and Council. Media - Information - Culture . Ikaros
[online]. 2003, č. 11 [cit. 2003-11-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200311005 >. ISSN 1212-5075.
Ikaros, redakce. Program LI znamenal průlom ve financování informačních zdrojů.
Ikaros [online]. 2003, č. 08 [cit. 2003-08-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200307009 >. ISSN 1212-5075.
SCHWARZ, J. Současný stav a trendy automatické indexace dokumentů : přehledová
studie. Ikaros [online]. 2003, č. 03 [cit. 2003-03-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200303002 .>. ISSN 1212-5075. Pozn.:
Originální verze studie je zveřejněna na adrese
http://full.nkp.cz/nkdb/docs/studie/MAIobsah.html, zkrácená a upravená verze studie byla prezentována na konferenci Znalosti 2003 (viz Schwarz, J. Současný stav a trendy automatické indexace dokumentů. In Svátek, V. (ed.). Znalosti 2003 : 2. ročník konference, Ostrava, 19.-21. únor 2003. Sborník příspěvků. Ostrava : VŠB-Technická univerzita Ostrava, 2003, s. 212-221.
HARTMANOVÁ, D. Knihovna on-line a autorské právo. Národní knihovna : knihovnická revue, 2003, roč. 14, č. 2, s. 100-105. Dostupný též z:
< http://full.nkp.cz/nkkr/NKKR0302/0302100.html >.
BROŽEK, I.; PĚNKAVOVÁ, P.; ŠTĚRBOVÁ, J.; HOREJSKOVÁ, M. Knihovny současnosti
2003. Ikaros [online]. 2003, č. 10 [cit. 2003-10-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200309009 >. ISSN 1212-5075.
SVOBODA, M. PQNext: Nová verze vyhledávacího prostředí služby ProQuest 5000.
Ikaros [online]. 2003, č. 08 [cit. 2003-08-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200308004 >. ISSN 1212-5075.
CELBOVÁ, L. Automatizace knihovnických procesů podeváté. Ikaros [online].
2003, č. 06 [cit. 2003-06-01].
Dostupný z: <http://www.ikaros.cz/Clanek.asp?ID=200305005>. ISSN 1212-5075.
SVOBODA, M. Zpráva z
cesty na seminář ELAG 2003. Ikaros [online]. 2003, č. 08 [cit.
2003-08-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200308001 >. ISSN 1212-5075.
MACHONSKÁ, J. Cenová politika databázových center. Historie a současnost. Národní knihovna : knihovnická revue, 2002, roč. 13, č. 3, s. 177-195. Dostupný z: < http://full.nkp.cz/nkkr/NKKR0302/0302100.html >.
BRATKOVÁ, E. Citace odborné literatury jako nástroj rozvoje služeb a integrace digitálních knihoven. Dostupný z: < http://platan.vc.cvut.cz/akp/clanky/12.pdf >.
Van de SOMPEL, H.- HOCHSTENBACH, P. Reference Linking in a Hybrid Library Environment. Part 1-3. D-Lib Magazine [online]. 2000, vol 5, no. 4, no. 10. Dostupný z: < http://www.dlib.org >.
PAVLÍK, J. Linkování na relevantní přidané služby v rámci Jednotné informační brány. Knihovny současnosti 2003. 11. konference konaná ve dnech 16.-18.září 2003 v Seči u Chrudimi. Dostupný z: < http://jib-info.cuni.cz/dokumenty/sec2003/sec2003_sfx.doc >.
SKLENÁK, V. Vyhledávací stroje v prostředí Internetu – a co bude dál? Dostupný z: < http://platan.vc.cvut.cz/akp2003/sbornik/03_sklenak.pdf >.
ANDĚROVÁ,
I. Aktuální informace o Kooperačním systému článkové bibliografie
SDRUK , 13. zasedání Sekce pro bibliografii. Hradec Králové, 5.-6.5. 2003.
Dostupný z: <
http://full.nkp.cz/nkdb/docs/dok.htm >, Rubrika Co je nového … .
ANDĚROVÁ,
I.Problematika novin a World Library and Information Congress : 69th IFLA
General Conference and Council. Media - Information - Culture . Ikaros [online].
2003, č. 11 [cit. 2003-11-01].
Dostupný z: <
http://www.ikaros.cz/Clanek.asp?ID=200311005 >. ISSN 1212-5075.
BULÍNOVÁ, E. Souborné katalogy Ruska, Běloruska, Ukrajiny a pobaltských zemí. Ikaros [online]. 2004, č. 01 [cit. 2004-01-01]. Dostupný z <http://www.ikaros.cz/Clanek.asp?ID=200401008>. ISSN 1212-5075.
JEDLIČKOVÁ, P. Tvořivé propojení technické inteligence a zájmu o humanitní disciplíny : rozhovor s Prof. PhDr. Marií Königovou, CSc. Ikaros [on line]. 2004, č. 01 [cit. 2004-01-01]. Dostupný z: <http://www.ikaros.cz/Clanek.asp?ID=200311018>. ISSN 1212-5075.
SKOLKOVÁ, L. OCLC
láká prostřednictvím Google nové uživatele do knihoven. Ikaros
[online].2003,č.12[cit.2003-12-01].
Dostupný z: <http://www.ikaros.cz/Clanek.asp?ID=200312002>.
ISSN 1212-5075.
BALÍKOVÁ, Marie: Harmonizace věcní katalogizace v Česku, sen či realita. Knihovny současnosti 2004 : sborník z 12. konference (Seč u Chrudimi : 14.-16. září 2004).- Brno : Sdružení knihoven ČR, 2004, s. 307-322.
ANDĚROVÁ, Ivana. Aplikace konspektu v článkové bibliografii. [Online]. Praha, Národní knihovna ČR, posl. aktual. 10. 11.2004 [cit. 2004-12-10]. Dostupný z: <http://www.nkp.cz/pages/page.php3?page=oazp_metodika.htm>.
ANDĚROVÁ, Ivana. Kooperační systém článkové bibliografie a excerpční základna. [Online]. Praha, Národní knihovna ČR, posl. aktual. 10. 11.2004 [cit. 2004-12-10]. Přístup z: http://www.nkp.cz/pages/page.php3?page=oazp_kooperace.htm
Záznam pro soubornou databázi: MARC 21. Fyzicky nesamostatné části dokumentu. Tištěné monografie a seriály. [Online]. Praha : Národní knihovna ČR, duben 2004 [cit. 2004-12-10]. Přístup z: http://full.nkp.cz/nkdb/docs/mini2_ANL_M21.htm
Definition of Data Elements for Article Level Description. Proposal No: 2003-03. California Digital Library. [Online]. Berkeley : University of California Berkeley Library, April 1994 [cit. 2004-12-10]. Přístup z: http://www.loc.gov/marc/marbi/2003/2003-03.html
SICI : Serial Item and Contribution Identifier Standard. ANSI/NISO Z39.56-1996 Version 2. [Online]. Berkeley : University of California Berkeley Library, April 1994 [cit. 2004-12-10]. Přístup z: http://sunsite.berkeley.edu/SICI
ČERMÁK, F., SCHMIEDTOVÁ, V. Ústav českého národního korpusu FF UK. Národní knihovna : knihovnická revue, 2004, roč. 15, č. 3, s. 152-158. dostupný z: < http://full.nkp.cz/nkkr/nkkr0403/0403152.html >.
IFLA. Dostupný z:< http://www.ifla.org/>.
http://www.nkp.cz (katalogizační politika)
Statement of International Cataloguing Principles
OAI
http://www.oaforum.org/tutorial/
Články:
Báze ANL, Kooperační systém článkové bibliografie, metodika popisu článků ....
Server FULL.NKP.CZ . Dostupný z: < http://full.nkp.cz >
Báze ANL FULL .Dostupný z: < http://full.nkp.cz >
Management Kooperačního systému článkové bibliografie - MNG KOSABI. Dostupný z: < http://full.nkp.cz>
Výsledky práce společnosti ANOPRESS IT. Dostupný z: < http:/www.anopress.cz >
Báze ANL [online]. Dostupný z: < http://sigma.nkp.cz/F/?func=file&file_name=base-list >
Národní knihovna. Knihovnická revue [online]. Dostupný z: <http://full.nkp.cz/nkkr/NKKR.html>
Excerpční základna: Báze Titulů; Krajské knihovny a MZK; Národní knihovna; Specializované – odborné knihovny ; Instituce přistupující do kooperace
Zahraniční reference
General information about ANL - Articles in Czech newspapers, magazines and collections of works.Login procedures to ANL [FULL] - Articles published in Czech journals and newspapers (full texts). Gabriel. Dostupný z:< http://portico.bl.uk/gabriel/index.html>.
ANL FULL. Dubline Core Metadata Initiative. Dostupný z:< http://dublincore.org/projects/europe.shtml#denmark>.
Tell Digital deposits state of the art review. Marco de Niet, Koninklijke Bibliothek. With contribution form Liesbeth Pskamp, Koninklijke Bibliotheek. 18 December 2001. 0.2 (Second draft version).D1.1/R/Report. DEL/007. Hague, Koninklijke Bibliotheek 2001. 84 p. Dostupný z: <http://www.europeanlibrary.org/doc/tel_results_d11_v02.doc>. Poznámka: na této adrese nyní přístupná The European Library
IFLA-Directory of Serials Content Databases and Current-Awareness Services for Serials Content. [V přípravě]. IFLANET. Dostupný z: < http://www.ifla.org/I/whatsnew/new2002.htm >.
A.2 Současný stav ve světě a v ČR
A.2.1 Obecně
V současné době vznikají nové modely získávání, zpracování a zpřístupňování bibliografických informací v návaznosti na elektronické publikování na základě přehodnocení klasických knihovnických postupů s ohledem na budování digitální knihovny ( interoperabilita jednotlivých komponent z hlediska technického, strukturálního, syntaktického a sémantického). Propojují se různé informace z hlediska formy, druhu a obsahu, strukturované a nestrukturované fulltextové báze, elektronické archívy. Propojují se katalogy knihoven, záznamy s plnými texty dokumentů, "síťové dokumenty", je podporována spolupráce s archívy apod. Hovoří se o popisu dokumentu v hierarchii jako manifestace díla (čtyřúrovňový model manifestace díla FRBR) - vztahy mezi dílem, jeho vyjádřením, projevem a exemplářem.
Elektronické dokumenty jsou zpřístupňovány prostřednictvím nakladatelství, distributorských firem, informačních institucí či služeb a jejich produktů, dále pak prostřednictvím digitálních knihoven a služeb vznikajících na základě projektů, konzorcií a licencí. Při zpřístupňování elektronických informací se stále více prohlubuje spolupráce mezi státním a soukromým sektorem.
Předpokladem plnohodnotného zpřístupnění plných textů je implementace metadat do plných textů. Tato metadata (Dublin Core, MARC) mohou může být vytvářena autorem, vydavatelem, distributorem, knihovníkem a zpřístupňována na webu pomocí XML/RDF s definovanou standardní strukturou DTD. Existují iniciativy, které se zabývají konverzemi mezi DC, MARC a XML. DC je určen primárně pro otevřený web, lze ho užít i pro databáze tzv. hlubokého webu. Významný je OAI-PHP - protokol pro metadatovou interoperabilitu, umožňující automatizované získávání metadat a vzájemnou komunikaci archivů, digitálních knihoven, je založený na DC a XML. V současné době se velká pozornost věnuje protokolům pro komunikaci a sdílení dat - Z39.50 a Bath Profile a tzv. otevřenému nebo dynamickému propojováni pomocí tzv. OpenURL.
Jednoznačná indentifikace plných textů je jednou z podmínek zpřístupnění plných textů. K identifikaci služeb, zdrojů a objektů na internetu slouží nestabilní URL (Uniform Resource Locator), PURL (Persistent URL), Uniform Resource Name URN (Uniform Resource Name), DOI (Document Object Identifier), SICI (Seriál Item and Contribution Identifier) aj.
Informační brány a portály usnadňují přístup k heterogenním informačním zdrojům. Předpokladem plnohodnotného zpřístupnění dokumentů je standardizace a cílem je sémantický web.
Současným trendem, je extrahování, automatizované zpracování metadat, otevřené propojování informací, pojmové vyhledávání v plnotextových databázích a interoperabilita systémů založených na různých platformách.
Předkládaná zpráva je poměrně podrobná vzhledem k rozsáhlé výzkumné problematice. Jsou v ní použity některé pasáže z projetu Propojení analytických záznamů s plnými texty a optimalizace zpřístupnění plných textů, se kterým bezprostředně souvisí. V některých charakteristikách odborných pojmů vychází z termiologie uvedené v databázi knihovnictví a informační vědy – TKDIV). Kapitola
A.2.2 Současný stav v zahraničí
A.2.2.1 Některé trendy a nástroje v zahraničí
Dochází tak ke kombinaci tradičně katalogizovaných dat s katalogizací vzdálených zdrojů, s dodáváním metadat od autora, vydavatele/nakladatele/distributora i dat získaných na základě automatizovaného sběru.
Mění způsoby informačního chování uživatele při vyhledávání, ve středu zájmu je komunikace člověk - počítač (human-computer interaction). Na základě zpětné vazby relevance (relevance feedback) může uživatel zpřesňovat svůj dotaz a spolupracovat se systémem.
Kombinace bibliografických a plnotextových databází představuje efektivní přístup k plnému textu. Vyhledávání s přidanou hodnotou a intelektuální indexace věcná zvyšují možnost získání relevantních informací.
Zdroje se integrují do informačních bran, portálů, virtuálních, digitálních či elektronických knihoven.
Informační brány a portály usnadňují přístup k heterogenním informačním zdrojům. Předpokladem plnohodnotného zpřístupnění dokumentů je standardizace a cílem je sémantický web.
Základní trend: kooperace v rámci interoperability.
Interoperabilita je schopnost dynamické spolupráce mezi technicky různorodými a nezávislými komponentami z hlediska syntaktického, strukturálního a sémantického. Interoperabilitu kromě jiných umožňují i zde jmenované nástroje. Různé úrovně interoperability z hlediska použitých prostředků: webové vyhledávače, silné standardy – MARC, Z39.50; metada, jejich sklízení a otevřené standardy; zdroje s metadaty volně zapojené do kooperace – DC, XML, RDF; interoperabilita v oblasti propojování zdrojů např. OpenURL, ERL, dále pak propojení citlivé na kontext uživatele (open context-sensitive linking) - UpenURL a SFX. Významné jsou aktivity v oblasti ontologií (systém konceptů a vztahů mezi nimi).
Ontologie – metoda získávání znalostí. Dílčí ontologie souvisí s konceptualizací jednotlivých oblastí.
Ontologie, resp. tzv. topikové mapy umožňují členit textové univerzum z hlediska sémantiky. Kategorie je třeba propojit s koncepty.
Na základě interoperability mohou vznikat snadněji elektronické archívy, souborné katalogy virtuální i reálné, brány a portály.
Cílem je propojování informací, distribuované vyhledávání, relevantní (pertinentní) informace pro uživatele a sémantický web. Tzv. sémantický web předpokládá postupnou transformaci současného WWW srozumitelného pro lidi na WWW srozumitelného pro počítače (znalosti označené značkovacími jazyky nebo extrahované z textu).
Reálný souborný katalog
Souborný katalog ve formě fyzicky existující databáze, do které jsou dodávány záznamy dokumentů jednotlivých účastnických knihoven.
Virtuální souborný katalog
„Technologie propojení nezávislých knihovních katalogů pomocí jednotného uživatelského rozhraní, které umožňuje paralelní prohledávání jednotlivých katalogů a vytváří virtuální (reálně neexistující) souborný katalog. Základním předpokladem funkce virtuálního souborného katalogu je standardní vyhledávací protokol, jenž podporuje formulaci rešeršního dotazu a zpřístupnění záznamů (např. komunikační protokol Z39.50).“
Informační brána
„Služba v síťovém prostředí určená pro zprostředkování přístupu k vybraným online informačním zdrojům určitého oborového nebo tematického zaměření. Zpřístupňované informační zdroje procházejí procesem intelektuálního nebo automatického výběru a zpracování na základě definovaných formálních a kvalitativních kritérií. Součástí předmětové brány je obvykle klasifikační systém členící informační zdroje podle oborů“.
Informační brány řeší přístup k různým zdrojům z jednotného prostředí. Nejpoužívanějším standardem pro tvorbu metadat je Dublin Core (DC). Jejich fungování závisí na existenci pokud možno homogenního nástroje pro věcnou indexaci harmonizací řízených slovníků a tezaurů a hledají se cesty k řešení vícejazyčnosti. Jednou z řešených metod pro zpřístupnění elektronických informačních zdrojů je metoda konspektu, předmětová kategorizace pro popis informačních zdrojů. Spočívá hierarchickém uspořádání předmětových kategorií, na nejvyšší úrovni není propojena se systematickou klasifikací. Cílem je jednotný tematicky strukturovaný popis heterogenních informačních zdrojů pro potřeby koordinovaného budování knihovních sbírek a knihovních fondů a pro tvorbu nástroje určeného ke zpřístupnění kvalitních (zhodnocených) heterogenních informačních zdrojů v síťovém prostředí, tj. tematických bran. Slouží k tomu údaj o předmětové kategorii spolu s vybraným znakem MDT . Pro mezinárodní srozumitelnost je potřebná konkordance MDT a DDC.
Portál
Webové sídlo, které poskytuje širokou škálu služeb a informací, často s možností jejich přizpůsobení uživateli podle osobních potřeb a zájmů.
Specializovaný portál zpřístupňující informační zdroje zaměřené na určitou cílovou skupinu uživatelů, která může být vymezena např. geograficky nebo tematicky.
Standardy a některé nástroje interoperability
Jmenný popis
Na mezinárodní úrovni se mění tradiční pojetí seriálů, které bude mít vliv i na naší katalogizační praxi v této oblasti. Termín seriál je revidován. V současné době již existuje revidovaný standard International Standard Bibliographic Description for Serial and other Continuing Resources ISBD (CR). Revize je ovlivněna novou kategorií tzv. pokračujících zdrojů (bibliografický zdroj, který je vydáván v čase s předem neurčenou dobou ukončení, zahrnuje integrující zdroje a seriály, povaha pokračujících zdrojů je dynamická, pokračující a měnitelná.). Integrující zdroje jsou zdroje, které jsou aktualizovány a tyto aktualizace nemohou existovat samostatně. Dochází k harmonizaci Angloamerických pravidel AACR2R, mezinárodního bibliografického popisu ISBD a mezinárodního registračního systému mezinárodního čísla seriálových publikací ISSN. Do kategorie pokračujících zdrojů patří též ukončené pokračující zdroje – vycházejí po částech, periodicky a jsou číslovány, ale jejich trvání je ohraničeno, dále reprinty seriálů. Pro praktické potřeby je navržena definice seriálů: seriál je pokračující zdroj, který je vydáván po oddělených částech, obvykle je číslován, nemá předem určenou dobu ukončení. Definice zahrnuje časopisy, magazíny, elektronické časopisy, pokračující adresáře, roční zprávy, noviny a monografické edice (těmito kategoriemi se zabývá kapitola 12 AACR2R). Pro popisu elektronických zdrojů je určen standard ISBD (ER) a kapitola 9 AACR2R. Functional Requirements for Bibliographic records (FRBR) e uvádí čtyřúrovňový popis, orientuje se na obsah dokumentu, nikoli na nosič, umožňuje integrovat elektronické dokumenty mezi dokumenty tradiční. Účelem studie je definovat funkce bibliografického záznamu určeného pro různé typy dokumentů, způsoby využití, pro různé uživatelské potřeby. V současné době probíhají aktivity, které zkoumají použitelnost pravidel AACR2 i formátu MARC vzhledem k FRBR a aktivity v oblasti přípravy mezinárodních katalogizačních pravidel.
V oblasti věcného zpracování: zjednodušení syntaxe LCSH za současného zachování lexiky, věcná kategorizace informací do určitého počtu skupin na několika úrovních (např. metoda konspektu), důraz na autority a jejich mezinárodní srozumitelnost (projekty projekt MACS a LEAF).
Dublin Core (DC) je standardizované metadatové schéma pro popis informačních zdrojů zejména na internetu. Dublin Core je tvořen souborem patnácti základních prvků (jednoduchý Dublin Core), které lze specifikovat kvalifikátorem prvku a hodnoty (kvalifikovaný Dublin Core). Dublin Core nepředepisuje závaznou syntaxi (jedná se o sémantický standard), je základem dalších metadatových standardů.
Každý prvek je volitelný a opakovatelný, nezáleží na jejich pořadí. Důležitou podmínkou interoperability je používání hodnot prvku z dohodnutých souborů autorit.
Vazba mezi metadatovým záznamem a zdrojem, resp. plným textem, který popisují, může být dvojí: metadatový záznam je uložen samostatně a odděleně od zdroje nebo metadata jsou vnořena (embedded) přímo do samotného zdroje (pomocí značek u dokumentů v jazyce SGML, HTML aj.)
Z DC vychází např. metadatový standard OAI (Open Archives Initiative) primárně vyvinutý pro vědecké a akademické komunity. Projekty, které využívají DC, je možno najít na adrese http://dublincore.org/projects. V budoucnu by mělo dojít k možnosti konverze mezi národními metadatovými záznamy.
(DC se v České republice zabývají pracovníci ÚVT MU, materiály týkající se DC jsou prezentovány na http://www.ics.muni.cz/dublin_core/index.html , projekt Webarchiv, JIB, projekty týkající se článkových informací).
RDF (Resource Description Framework)
Poskytuje základ pro popis v různých aplikačních doménách. Jako modelovací jazyk používá entity, atributy, vztahy.
XML (eXtensible Markup Language)
Jazyk XML je, podobně jako jazyk HTML, prostředek sloužící k zapsání strukturovaného textu, zvláště pak textu určeného k šíření v prostoru www. XML odděluje popis struktury dat od jejich prezentace (pomocí tzv. style sheetů). To umožňuje snadnou konverzi do jiných formátů, možnost prezentace dat různými způsoby (HTML, postcript, UNIMARC apod. textový formát). Každý dokument má definovanou svoji strukturu prostřednictvím tzv. DTD (Document Type Definition).
V současnosti probíhají aktivity v oblasti mapování formátu DC do MARC a opačně a převodu do XML.
OAI-PHP je protokol pro metadatovou inteoperabilitu, umožňuje automatizované získávání metadat a vzájemnou komunikaci archivů, digitálních knihoven – otevřené technické řešení., dostupnost SW komponent. Založen na použití jednozačných idnetifikátorů, metadatový standard je nekvalifikovaný DC, komunikace přes HTTP a využití formátu XML. Protokol aplikují souborné databáze, archivy volně dostupných vědeckých prací (arXiv.org) a výzkumných institucí (CERN), knihovny (Library of Congress). Služba DP9 – umožní indexaci metadat webovými roboty,funkce pro indexaci fulltextů. Další aplikací je projekt Open Citation – automatická tvorba citačních resjtříků. Protokol vyvinut primárně pro potřeby akademické komunity pro zvěřejnění informací. Možno využít při importech d souborných katalogů. Lze použít na bibliografické databáze i souborné katalogy díky schématu MARCXML zveřejněném Library of Congress.
Připravují se nástroje pro převod dat Dublin Core/MARC Library of Congress: Dublin Core/MARC/GILS Crosswalk, které využívají prvky DC v katalogizaci.
Propojení může být statické a dynamické, otevřené a uzavřené.
K identifikaci, propojení a zpřístupnění elektronických objektů, resp. plných textů na internetu tedy slouží: URL, PURL, URN a DOI, SICI a klasické identifikátory jako je ISSN, ISBN. Některé z nich mohou být součástí OpenURL.
Integrace strukturovaných a nestrukturovaných bází dat, inteligentní vyhledávací systémy, management znalostí, poloautomatické zpracování textu a extrakce dat, expertní systémy, znalostní systémy
Problematika získávání, zpracování, zpřístupňování a využívání znalostí je velmi aktuální v oblasti výzkumu informačních technologií. Významný zdroj znalostí jsou relační databáze. Dále jsou významné techniky tvorby bází formalizovaných znalostí na základě spolupráce znalostního inženýra s lidským expertem. Dalším zdrojem znalostí jsou (vedle databází a expertů) textové dokumenty. Jejich indexace a vyhledávání je založeno na statistických a lingvistických charakteristikách (extrakci informací z volného textu). Systémy využívající formalizované znalostní báze směřují k aplikacím složeným ze samostatných komponent - agentů - s vlastním mechanismem řízení a založené na možnosti sdílet a znovu používat znalosti založené na syntaktické a sémantické standardizaci (značkovací jazyky a znalostní ontologie tj. konceptualizace určité oblasti). Hlavním cílem těchto technologií je zdokonalení znalostního managementu v institucích, firmách V důsledku je efektivní vazba tzv. knowledge managementu na rozhodovací a plánovací procesy.
Mezi renomované znalostní systémy patří systém TOPIC (concept based system) a jeho nová verze Portal One, resp. K2 americké firmy Verity. Informace o systému a reference jsou na adrese společnosti TOVEK. Dalším z těchto systémů je systém Convera Retrieval Ware společnosti Excalibur Technologies. Informace o systému jsou na adrese společnosti INCAD. Předností TOPICu je především pojmové vyhledávání a vysoké interaktivní schopnosti, předností Convery vysoká tolerance chyb při vyhledávání bez ohledu na chyby. Oba systémy umožňují fuzzy vyhledávání.
Pro dnešní dobu je charakteristický trend propojování technologií zpřístupňujících strukturovaná data (relační databáze) s fulltextovými databázemi s nástroji podporujícími zpřístupnění semistrukturovaných dat.
Vyhledávání (cit. Červený, 1999)
Pro vyhledávání je charakteristický nepoměr mezi úplností a přesností vyhledávání. Úplností vyhledávání rozumíme kvantitativní údaj udávající poměr vyhledaných relevantních a všech vyhledaných textů. Přesností vyhledávání rozumíme poměr vyhledaných relevantních a všech relevantních textů. Ideálně je hodnota koeficientu úplnosti i přesnosti rovna 1.
Inteligence informačních systémů je schopnost nalézt shodné modely i v případě textů s vysokým počtem rozdílných prvků a naopak eliminovat texty zdánlivě shodné, obsahující vysoké procento pouze formálně, nikoliv obsahově shodných prvků. Inteligentní systémy využívající poznatky z lingvistiky či kognitivní vědy.
Interaktivní pojetí vyhledávání
Teoretický výzkum interaktivního vyhledávání se soustředí většinou na možnosti zjišťování informací o kognitivním stavu uživatele a jejich použití při konstrukci dotazu. Objevují se však pokusy přímo kognitivní stav uživatelů ovlivňovat. Oblast interaktivního vyhledávání informací je interdisciplinární povahy.
Z hlediska databáze plných textů je z moderní lingvistiky velice zajímavý směr, který se nazývá „textová lingvistika“. Jedná se o lingvistickou disciplínu, která považuje za základní jednotku jazyka text. Na vývoji moderní lingvistiky je zajímavé, jak se postupně přenáší zájem jazykovědců ke zkoumání stále větších celků, od hlásek, přes věty až k celým textům (další pravděpodobný krok bude zřejmě od textu k hypertextu). Textová lingvistika již definuje některé pojmy sloužící k popisu textu jako celku. Některé z nich (Makrostruktura, Témata) do jisté míry korespondují s definicí topiku v systému TOPIC. Dalším směrem ve vývoji těchto systémů je aplikace umělé inteligence, zejména pak systému na porozumění přirozenému jazyku. Informační systém, který by byl založen na tomto principu, by nepotřeboval selekční jazyk a vyhledávání dokumentů by probíhalo dotazováním se systému v přirozeném jazyce.
Poloautomatická indexace textu ( cit. J. Schwarz, 2002)
Většina současných systémů (vč. komerčních) určených pro automatickou indexaci či poloautomatickou indexaci (machine-aided indexing) (vč. komerčních) nepracuje plně automaticky, nýbrž funguje jako automatizovaná podpora intelektuální indexace.
Zpřístupňované plné texty mohou mít v zásadě dvojí podobu: mohou existovat volně, nebo jsou licencované (přístup formou licencí). Výhodné je zpřístupňovat plné texty v rámci konzorcií.
Legislativa zatím ve většině zemí neumožňuje dostatečně bezproblémově zpřístupňovat elektronické zdroje, které nejsou volné - zákon o povinném výtisku ve většině zemí nezahrnuje elektronické publikace on line, většinou se poskytují tyto zdroje na principu dobrovolnosti a na základě individuálních smluv.
Někde jsou zahrnuty pouze off-line zdroje (USA, Rakousko, Německo, Francie, ČR, Švédsko. V Kanadě, JAR, Dánsko, Švédsko, Norsko, jsou do zákona o povinném výtisku zahrnuty i elektronické zdroje. Příprava pozměňovacích návrhů: Austrálie, Japonsko, Rakousko, Německo, Francie, Švédsko, VB (návrh nového zákona prošel v parlamentu), ČR. Existuje dokument CENL/FEP (Conference of European National Libraries/Federation of European Publishers) – Mezinárodní deklarace k odevzdávání elektronických dokumentů do konzervačních fondů). Se zpřístupňování plných textů souvisí i problematika autorských práv.
Problematikou autorských práv se zabývá EBLIDA (European
Bureau of Library,
Information and Documentation Associations) a WIPO.
A.2.2.2 Některé služby a systémy zpřístupňující a zpracovávající články v zahraničí
Články jsou zpřístupňovány zejména v severských zemích (Švédsko-Libris, Dánsko - Basis, Norsko-Bibsys, Finsko – Arto). Velké článkové databáze se budují v Holandsku, Španělsku, Německu, Gruzii, Litvě, Rusku, Slovinsku, Makedonii, zemích bývalé Jugoslávie, Lucembursku, aj. v zemích bývalého východního bloku. Jsou budovány katalogy virtuální i reálné založené na kooperaci, jenooborové i univerzální, v rámci jednoho státu i mezinárodní (Eesti raamatukogude elektronkataloog, Consensus Omnium: Корпоративная сеть библиотек Урала, Ярославская корпоративная библиотечная сеть (OPAC), Открытая корпоративная библиотечная система Челябинского региона, Catalogue collectif des bibliotheques luxembourgeoises, LIBRIS, Gegnir, COBIB.SR, COBIB.CG, COBIB.BH, COBIB.SI, REBECA, PORBASE , REBIUN, Virtueller Katalog Kunstgeschichte aj.).
Poměrně kompletní přístup k elektronických časopisům nabízí OCLC First Search Electronic Collection Online. Kvalitně zpřístupňují plné texty Ingenta, ProQuest, EBSCO, Wilson Web aj. K dispozici jsou časopisecké zdroje na nakladatelských serverech, tituly vědeckých časopisů s volným přístupem k obsahům a abstraktům, někde i k plným textům, denní tisk a časopisy populární, popularizační i odborné včetně jednotlivých článků. Plné texty jsou zpřístupňovány jak soukromými společnostmi, tak knihovnami v rámci portálů, digitálních knihoven, archívů, multioborových i oborových databází. Jde o databáze konkrétních vydavatelů, agregátorů nebo servery konkrétních titulů.
Uživatelé v České republice mají dnes přístup k zahraničním informacím o článcích různého typu z hlediska formy i obsahu zejména díky programu MŠMT "Informační zdroje pro výzkum a vývoj" (LI) a programu 1N.. Infozdroje.cz obsahují informace o všech produktech a službách dostupných díky financování v rámci těchto programů.
Společnost Ovid uvedla službu Ovid OpenLinks („universal link resolver“) - službu, která umožňuje generovat propojení mezi informačními zdroji a službami podporujícími standard .
Bibliografické záznamy přístupné v databázích od firmy H.W.Wilson jsou propojeny pomocí funkce WilsonLink (OpenURL) s plnými texty článků v elektronické knihovně JSTOR, která obsahuje více než 320 časopisů zaměřených na humanitní a společenské obory. Firma aplikovala též vyhledávací technologii Verity.
JSTOR – Journal Storage
Mezinárodní nevýdělečné konsorcium zaměřené na digitalizaci a zpřístupnění klíčových amerických humanitních vědeckých časopisů (v současnosti je k dispozici databáze 117 časopisů z Arts & Science Collection, obsahující všechny články od prvního čísla časopisu, s retrospektivou do minulého století, až po současnost).
IBZ - Internationale Bibliographie der Zeitschriftenliteratur
EIFL-Direct, EBSCO
Zpřístupnění plnotextových databází odborných zahraničních periodik na základě
programu
Open Society Institute EIFL-Direct -
plošná
multilicence.
Plné
texty celkem cca 3300 časopisů od r. 1990 a další inf. zdroje (abstrakty,
zpravodajství, příručky) především z oblasti sociálních a humanitních věd od
EBSCO
Publishing, jednoho z předních světových dodavatelů el. a tištěných časopisů,
Další některé dílčí databáze
ERIC, MEDLINE, Academic Search Premier, Regional Business News, Newspaper Source, Business Source Premier, MasterFILE Premier.
Služba OCLC CORC Cooperative Resource Catalog poskytuje nástroj pro automatickou katalogizaci elektronických zdrojů přímo na webu (vyhledávání, vytváření a editace záznamů) ve formátech MARC a DC. Na jeho testování se podílelo více než 450 knihoven z celého světa. Databáze vznikla ze záznamů původně uložených v bázích OCLC InterCat a NetFirst.
V rámci služby kooperují kromě jiných institucí knihovny v jednotlivých státech USA. Tzv. lokátorové záznamy odkazují na zdroje, které uchovávají úřady státní a místní správy nebo státní instituce. Pomocí lokátoru se zjišťují, popisují a zpřístupňují informace o zdroji.
V rámci systému GILS existuje trojí způsob tvorby záznamů: klasický způsob (ruční), konverze (převod záznamů z jiných bází dat), automatizovaný způsob (extrahování metadat). Posledně jmenovaný způsob spočívá v automatizovaném vytváření záznamů při prohledávání a indexaci zdrojů (metadat a samotného textu). Z tohoto důvodu je nutné, aby se metadata stala součástí www dokumentů. Dosavadní editory pro tvorbu webovských dokumentů neumožňují vytvářet a automaticky začlenit prvky metadat, je nutné formát pro metadata ručně vložit do zdrojového dokumentu. Předpokládá se, že formuláře nahradí efektivnější software pro generování metadat.
V rámci projektu Nordic Metadata byl vytvořen konvertor dat, který je schopen generovat záznamy ve formátech MARC severských zemí a USMARC ze zdrojových údajů DC.
Projekt Renardus: Akademický tematický portál konsorcia 12-ti institucí. Řešen v rámci pětiletého rámcového programu EU "Technologie pro informační společnost". Renardus má umožňovat paralelní pohyb uživatele po tematických portálech (metadata DC, Z39.50, DDC).
DNER – Velká Británie (Distributed National Electronic Resource). Cíl: Národní digitální knihovna pro vyšší a další vzdělávání, distribuovaný zdroj informací pro vzdělávání a výzkum, řízený soubor zdrojů, heterogenní povahy, bibliografická data, obrázky, texty, video, dostupnost místní i dálková. Fondy jsou typicky ve formě sbírek: primárních dat, sekundárních dat (tématické portály, knihovní katalogy, databáze) (Z39.5, portály, Bath profil, XML).
Program Cobra a CoBRA+ v rámci EC se zaměřují na problematiku elektronických publikací a sdílení dokumentů v sítích - protokoly, standardy, uživatelské rozhraní, elektronické publikování, dostupnost a dlouhodobé uchování elektronických zdrojů, vícejazyčné indexování. Jedním z projektu je projekt Biblink , který se zabývá vybudování vazeb mezi národními bibliografickými agenturami a vydavateli elektronických zdrojů s cílem společně vytvořit informace o těchto dokumentech využitelné v obou oblastech.
Media On Line Projekt byl realizován v letech 1996-1999 v Belgii, jeho financování bylo zajištěno v rámci programu Vlaams Actieprogramma Informatietechnologie, řešitelem bylo ICRI-Interdisciplinary Centre for Law and Information Technology na Katolické univerzitě v Lovani (Katholieke universiteit Leuven) ve spolupráci s dalšími institucemi. Projekt byl zaměřen na online publikaci článků z různých oborů (politika, ekonomika, finance, životní styl, umění, sport atd.), které bylo třeba z důvodu průběžného dodávání uživatelům rychle a efektivně indexovat. Vzhledem k tomu, že pro indexaci byly používány maximálně tři obecné deskriptory na každý článek, jednalo se spíše o klasifikaci. Kromě automatické indexace bylo řešeno i automatické abstrahování. Souhrnem lze říci, že testování automatické indexace proběhlo v tomto projektu úspěšně, většina použitých metod byla ověřena jako účinná. Pro zvýšení efektivity systému by bylo ještě možné v první fázi aplikovat lematizaci.
Center for AeroSpace Information (CASI) spadající pod americkou vládní organizaci NASA už od konce 70. let 20. století vyvíjí a rutinně používá MAI Tool (Machine-Aided Indexing Tool) pro automatickou indexaci technických zpráv a dalších dokumentů. Tento systém je typický příklad jednoduchého, ale robustního a účinného nástroje, který slouží jako automatická podpora intelektuální činnosti indexátora. Systém na základě termínů z přirozeného jazyka vybírá za pomoci znalostní báze (knowledge base) deskriptory NASA tezauru (NASA thesaurus) a předkládá je k posouzení indexátorům, kteří provedou výsledný výběr a přiřazení deskriptorů k záznamům. V rámci statistické analýzy jsou jedno- a víceslovná spojení převzatá z textu dokumentu porovnávána s obsahem znalostní báze a na základě jednoduchých pravidel jsou navrhovány kandidáti na indexační termíny (deskriptory NASA tezauru).
Ve Francii aplikuje systém Verity Institut de l´Information Scientifique et Technique.
Mezidnárodní akce a související problematika s projektem
IFLA 2003
Problematika bibliografie, zpřístupnění elektronických zdrojů, informačních technologií se řeší v příslušných sekcích a skupinách. Zpřístupněním seriálových publikací se zabývá Serial Publications Section (standardy, kooperace, dostupnost a akvizice, copyright, archivace, rozvoj a management sbírek, vztah s nakladateli a dalšími organizacemi zabývajícími se vydáváním, zpřístupňováním, distribucí seriálů, reprezentace knihoven na „technological marketplace
Jednou z aktivit IFLA je zmapovat situaci týkající se zpracování a zpřístupnění seriálových publikací pomocí IFLA-Directory of Serial Content Databases and Awareness Services for Seriále Content. V rámci tohoto průzkumu byly poskytnuty informace o zpracování článků v ČR.
Austrálie
Australské zkušenosti prezentované na konferenci: National Bibliographic Database, de facto australská národní bibliografie, přistupuje k novému modelu bibliografické služby, která kombinuje tradičně produkovaná bibliografická data s dodáváním metadat od autora či vydavatele. Koncept předpokládá získávat data z těchto zdrojů: National Bibliographic Database, National Discovery Service, národního repozitáře metadat. National Bibliographic Database obsahuje: katalogizovaná data, katalogizační záznamy vzdálených zdrojů archivované v National Library, digitalizované dizertace, katalogizační záznamy od prodejců („vendors“, kteří mohou stát mezi producentem a kupujícím) elektronických zdrojů a služeb. The Rource Discovery Service obsahuje: metadata z elektronických archivů, metadata ze „subjekt gateways“, metadata elektronických služeb – výchova a vzdělání, kultura. Uživatel se tak bude moci vybrat tištěnou i elektronickou formu dokumentů.
Švédsko
Inspirativní je model aplikovaný v The Royal Library – National Library of Sweden. Národní bibliografie ve Švédsku je částí LIBRIS. Model je zatím aplikován u elektronických forem knih, předpokládá se i pro periodika a noviny. Metadata vyplňovaná do formuláře jsou posílána vydavateli do LIBRIS, konvertována do XML databáze a MRAC 21 (LIBRIS). Textový soubor je dále přes FTP posílán do Royal Library´s digital archive. V Royal Library jsou záznamy z LIBRIS doplněny předmětovým popisem. V příspěvku se konstatuje, že efektivnější by bylo obdržet metadata přímo od distributorů bez dlouhého vyplňování www formuláře. Údaje od vydavatelů již existují v určité podobě a vyplňování formuláře je nadbytečné.
Zpracovaná data je možno opět poslat vydavateli. Formáty dat: MARC, ONIX, Dublin Core.
Slovensko
Na Slovensku vychází Slovenská národná bibliografia. Slovenské články 1978 - 1997 (cit: Rozpisový rad článkov popisuje články a state z vybratých periodík a zborníkov slovacikálneho charakteru. Databáza obsahuje záznamy od roku 1978 a jej súčasťou od roku 1981 je aj rozpis článkov zo sérií C (mapy), H (hudobniny) a J (audiovizuálne dokumenty). Slovenské články od roku 1998 (cit: Naväzujú na predošlú databázu a obsahujú záznamy o článkoch zo slovenských novín, časopisov a zborníkov od roku 1998 do súčasnosti).
The European Library Project (TEL) je zaměřen na národní knihovny a CENL (Conference of European National Libraries), na přístup k sbírkám dokumentů na základě kooperace (spolupráce s nakladateli, povinný výtisk, business modeling, metadata, Z.39.50 a XML, standardy, služby). V r. 2001 řešitelka projektu dodala údaje pro Qustionnaire for the European national libraries to determine the current status of digital deposits. Výsledkem dotazníkové akce je publikace TEL Digital deposits state of the art review. Dotazník mapuje situaci kolem povinného výtisku, spolupráce s vydavateli/nakladateli, zpracování el. dokumentů, zpřístupnění a archivace.
Z dotazníku: pouze 5 národních knihoven denně aktualizuje dokumenty pro digitální knihovnu on-line (Čeká republika, Dánsko, Německo, Nizozemí, Velká Británie). Pracovní linky jsou v ČR, Německu, Lotyšsku, Nizozemí, Švédsku. 3 knihovny jsou v kontaktu s IT společnostmi. 4 knihovny automaticky konvertují dodaná data (ČR, Německo, Makedonie, Nizozemí). Většina knihoven používá deskriptivní/bibliografická metadata.
V č. 10 /2002 News form the IFLA Round Tabel of Newspapers jsou publikované články o některých projektech týkajících se digitalizace a zpřístupnění novin. Národní knihovna v Norsku se zúčastní integrovaného projektu LAURIN pro digitalizaci a indexaci novinových výstřižků (Norsko, Austrálie, Itálie, Španělsko, Švédsko, Německo).
Projekt TIDEN (Norsko, Švédsko, Grónsko, Dánsko) - Newspaper Library on the Net.
K těmto informacím připojuji informaci o zpřístupňování novin (cit Anděrová, 2003), která byla předmětem semináře Newspapers for Libraries. Newspapers and the press in Central and Eastern Europe: access and preservation (Berlin-Brandenburgische Akademie der Wissenschaften, 9.-10. 8. 2003), kterého jsem se zúčastnila. V řadě zemí střední a východní Evropy existují specializovaná pracoviště zabývající se uchováváním a zpřístupněním novin (tj. deníků, týdeníků a čtrnáctideníků) v návaznosti na projekty týkající se digitalizace a zpřístupnění těchto materiálů v celé šíři problematiky (technika pro převod tištěných dokumentů na různá média včetně automatické strukturace textu a automatického zpracování metadat). Na mnoha serverech je možno najít portály, které zpřístupňují tyto dokumenty často podle regionálního hlediska ze všech konců světa. V současné době se věnuje velká pozornost samizdatové a exilové literatuře, jejímu shromažďování, uchovávání a zpřístupnění. Stále potřebnější je kooperace na národní i mezinárodní úrovni. Noviny jsou zpřístupňovány v samostatných sbírkách nebo spolu se seriály, v rámci portálů a virtuálních knihoven, jsou budovány jejich rozsáhlé archívy. V některých zemích existuje stanovená strategie budování sbírek těchto informačních zdrojů.
Newspapers Section - sekce se zabývá strategií, popisem, digitalizací, novými technologiemi pro zpracování a zpřístupnění novin. Na stránkách IFLY je vystavena doporučení pro popis novin International Guidelines for the Cataloguing of Newspapers .
Příspěvky podrobně zmapovaly situaci z globálního pohledu s ohledem na specifika v angloamerické oblasti, ve východní Evropě a částečně střední Evropě. V angloamerické oblasti se věnuje velká pozornost budování sbírek těchto dokumentů. např. National Library of Australia vystavuje na svých stránkách Australian Newspapers on line. Pozornost též zaslouží australská strategie budování sbírek Collection Development Policy. Podobně buduje sbírku novin National Library of Canada. Strategie budování sbírek v rámci veřejných, universitních, akademických knihoven, školních, národních a státních knihovnách v rámci USA je veřejně přístupná. Strategii sleduje i British Library. V rámci projektu COSEELIS se zpracovává UNION list of Slavonic and East European Newspapers in British Libraries. Významné jsou i aktivity týkající se rozšíření práva povinného výtisku na elektronické publikace v rámci britského parlamentu. V Německu je budovaná Zeitschriftendatenbank ZDB.
IFLA 2004
Libraries: Tools for Education and Development. August 22th - 27th 2004, Buenos Aires, Argentina.
V r. 2004 se objevila na zasedání IFLY i problematika Knowledge Managemetn. Zajímavý byl příspěvek Knowledge Management in an Academic Library
INFOS
V r. 2003 jsem se také zúčastnila sympózia Infos 2003. Zaujal mne fakt, kolik úsilí se na Slovensku
věnuje retrokonverzi článků.
ELAG
Aktuálním trendům v informační vědě se věnují tradičně konference ELAG.
25th Library Systems Seminar
Prague
(Czech Republic) 6-8 june 2001
Integrating heterogeneous Resources
27th Library Systems Seminar
Bern
(Switzerland) 2-4 April 2003
Cross
language applications and the web
26th Library Systems Seminar
Rome
(Italy) 17-19 April 2002
Semantic
Web and Libraries
28th
Library Systems Seminar
Trondheim (Norway) 9-11 June 2004
Interoperability: new challenges and solutions
V r. 2004 pořádal ÚISK FFUK minikonferenci Odborné knihovny a informační střediska ve službách vědy, průmyslu a obchodu. Byly zde nastíněny některé možnosti spolupráce v těchto oblastech a možnosti transformace dostupných informací ve využitelné znalosti.
A.2.3 Současný stav v ČR
Viz též B Analytická část
A.2.3.1 Trendy
Trendy v ČR jsou v souladu s těmi, zmíněnými v kapitole A.2.2.1.
A.2.3.2 Přehled organizace a kooperace při zpracování článků s perspektivou do budoucna
Následující materiál poskytuje přehled organizace a kooperace při zpracování a zpřístupňování informací o článcích, které jsou zpracovávány nebo perspektivně mou být zpracovávány v kooperaci se zaměřením na českou provenienci a české plnotextové zdroje.
Zdroje z hlediska:
Organizace
A) Plnotextové zdroje zpřístupňované v rámci Jednotné informační brány
B) Zdroje zpřístupňované v rámci dalších informačních bran, portálů, dalších systémů
Provenience
A)České
B) Zahraniční
Přístupu
A)Licencované
B)Volné
A) Zdroje článků zpřístupňované v rámci Jednotné informační brány
Kooperační systém článkové bibliografie a jeho výstupy v JIB
Zdroje:
Krajská knihovna v Pardubicích*
NKČR - Články v českých novinách, časopisech a sbornících (NKČR-ANL)
Uměleckoprůmyslové museum-katalog
Severočeská vědecká knihovna v Ústí nad Labem
Databáze knihovnické literatury
Odkazy:
Bibliografia Medica Čechoslovaca**
Krajská vědecká knihovna Liberec
Středočeská vědecká knihovna v Kladně
UZPI - Zemědělská bibliografie
* nově přistupující instituce, ladění importů do báze ANL
** není součástí báze ANL, je součástí KOSABI
Předpokládaná možná kooperace v budoucnu
AVČR
AVČR - Ústav pro českou literaturu - Bibliografie české literární vědy (od 1965)
AVČR - Ústav pro českou literaturu - Bibliografie české literární vědy (do 1945)
Divadelní ústav - Bibliografie článků o divadle
AVČR - Ústav pro soudobé dějiny
AVČR - Knihovna historického ústavu - Český časopis historický
UK
Adresář vysokoškolských knihoven
Uměleckoprůmyslové museum-katalog
aj.
B) Zdroje zpřístupňované v rámci dalších informačních bran, portálů, dalších systémů (některé z nich též zahrnuté v bodě A)
Kooperační systémy
Souborné katalogy a databáze článkové (zdroje české provenience) - kooperace
Souborná databáze Kooperačního systému článkové bibliografie ANL
SKAT článků – Kooperace Lanius
Kooperační systém článkové bibliografie
Znakem * jsou označeny instituce spolupracující v kooperačním systému,** nově přistupující instituce do kooperace, *** kooperující instituce nepřispívající do báze ANL. Výsledkem spolupráce je báze ANL a ČNB.
Krajské knihovny
Jihočeská vědecká knihovna v Českých Budějovicích*
Krajská knihovna F. Bartoše ve Zlíně**
Krajská knihovna Karlovy Vary**
Krajská vědecká knihovna v Liberci*
Krajská knihovna v Pardubicích**
Moravskoslezská knihovna v Ostravě*
Studijní a vědecká knihovna v Ústí nad Labem*
Studijní a vědecká knihovna Plzeňského kraje*
Studijní a vědecká knihovna v Hradci Králové*
Středočeská vědecká krajská knihovna v Kladně*
Specializované knihovny a instituce
Národní pedagogická knihovna Komenského - Ústav pro informace ve vzdělávání*
Ústav zemědělských a potravinářských informací*
Národní filmový archiv (přistupující nově do kooperace, experiment) **
Divadelní ústav (přistupuje nově do kooperace) **
Plné texty v českých novinách a časopisech (báze ANL a ANL FULL - NKČR, ANOPRESS, WWW) zpřístupňované v rámci Kooperačního systému článkové bibliografie (výsledek řešeného projeku)
ANL FULL, ANL Statistika 1 – linky
ANOPRESS
WWW
WWW
Regionální periodika (volně na www)
Oborová periodika (volně na www)
Další zdroje (obsahují též zdroje zahraniční provenience a nejenom články)
Další souborné katalogy a databáze
Centrální evidence zahraniční literatury (CEZL)
http://www.caslin.cz/Souborný katalog Univerzity Karlovy
Souborný katalog Univerzity Palackého
Souborný katalog odborné literatury veřejných knihoven (SKAT)
Informační agentury
Newton IT (i) (i)
Anopress IT (i) (i) (i)
ČTK (i) (i)
Parlament, Senát
Zpravodajské servery
Obory, specializované knihovny a instituce
Automatizovaný systém právních informací (ASPI)
Knihovna uměleckoprůmyslového muzea
Archiv literárních časopisů (AVČR)
České vysoké školy
Adresář vysokoškolských knihoven
Akademie věd ČR
Církevní knihovny
Podnikové knihovny ?
Muzea, archivy
Databáze autorit
Databáze Národních autorit NKČR
Databáze REGO
Databáze REOS
Databáze autorit Centrální katolické knihovny
Digitální knihovny
Digitální knihovna (VK v Olomouci)
Nakladatelství, vydavatelství, archiv webu
Brány a portály aj.
Elektronické informační zdroje na vysokých školách ČR (AKVŠ)
Elektronické dodávání dokumentů (není úplné)
Virtuální polytechnická knihovna (STK)
Econlib (CIKS -VŠE, CERGE-EI)
Virtuální medicínská knihovna MEDVIK
Národní knihovna ČR (DoDo)
Národní pedagogická knihovna J.A. Komenského
Internetové vyhledávače
Zpravodajské servery
A.2.3.3 Akce
Nejnovější informace jsou tradičně prezentované na konferenci Inforum, Knihovny současnosti, Automatizace knihoven, Celostátních poradách vysokoškolských knihoven aj.
Některé důležité prezentace na těchto konferencích vzhledem k projektu:
Realizace Koncepce rozvoje knihoven (Vít Richter)
Knihovny Akademie věd ČR
Vztah vysokoškolských knihoven ke knihovnímu zákonu a jejich role v systému
českých knihoven
Zdravotnické knihovny v České republice
Dobré a špatné zkušenosti se stahováním záznamů v českých knihovnách
Bibliografické citace snadno a rychle prostřednictvím internetu
Harmonizace věcné katalogizace v Česku: sen či realita?
Bibliometrické indikátory SCI-ISI jako míra kvality vědecké práce a jejich
alternativy pro evaluaci v českém prostředí – výhody a úskalí
Citační analýzy jako nástroj hodnocení národů v kontextu světové a evropské vědy .
V rámci AKVŠ rozvíjejí činnost tři odborné komise - OK pro informační výchovu a informační gramotnost na VŠ, OK pro elektronické informační zdroje, OK pro spolupráci s Radou vysokých škol.
V r. 2004 pořádal ÚISK FFUK minikonferenci Odborné knihovny a informační střediska ve službách vědy, průmyslu a obchodu. Byly zde nastíněny některé možnosti spolupráce v těchto oblastech a možnosti transformace dostupných informací ve využitelné znalosti.
A.3 Cíl, vstupní data
Náplní projektu je optimalizace integrace a správy heterogenních dat souborné databáze Kooperačního systému článkové bibliografie. Bibliografické
záznamy článků, publikovaných v českém periodickém tisku a zpracovávané spolupracujícími knihovnami, budou postupně propojované s elektronickou podobou článku a takto prezentované na Internetu.
Obě části souborné databáze - vznikající databáze plných textů a báze bibliografických záznamů ve formátu UNIMARC (přes 510000 záznamů) - vyžadují permanentní kvalitní SW a HW podporu. Budování, doplňování, správu a údržbu plnotextové databáze s možností vyhledávání zajistí informační agentura ANOPRESS (systém TOPIC). Zároveň půjde o vývoj manažerského systému pro příjem a správu dat kooperačního systému. Hlavním cílem projektu je zkvalitnění bibliograficko-informačních služeb.
Vstupní data
B Analytická část
B.1.1 Vlastní řešení - základní linie
Cíle projektu byly realizovány ve třech základních liniích:
a) Analýza základních trendů v oblasti integrace heterogenních dat, koncepčně teoretické práce
b) Nástroje pro optimalizaci integrace a správy heterogenních dat Kooperačního systému článkové bibliografie s ohledem na integraci plných textů do systému – jejich vývoj a uvedení do provozu
c) Kooperační systém článkové bibliografie – organizace, metodika, kooperace a jeho vymezení k ostatním systémům
Linie se navzájem prolínají.
Oblasti či rámce projektu byly koncepčně řešeny v souvisejícím projektu – výzkumnému záměru Propojení analytických záznamů s plnými texty a optimalizace zpřístupnění plných textů (závěrečná zpráva za r. 1999-2003).
Základní teze výzkumného záměru: optimalizovat zpřístupnění plných textů znamená je propojovat s ostatními zdroji a službami. Úspěch propojení závisí na standardech a nástrojích používaných ve všech fázích informačního procesu. Týká se organizace informačního systému a legislativně právních otázek 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 a knihovníků.
• 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 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 poloautomatické extrakce/indexace bibliografických záznamů z plných textů, které obsahují metadata za současného generování URL a metadat ve formě UNIMARC (perspektivně MARC 21), DC, XHTML, XML/RDF; formulář pro generování DC, XML/RDF
• 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 a seálů: URL , PURL (databáze, PURL je přiřazeno danému URL), URN , SICI (pro tištěné i elektronické seriály, články), DOI (ochrana autorských práv), systém ISSN.
• Propojení: ruční/automatické, on-line/off-line, statické/dynamické, uzavřené/otevřené; statická adresa, dynamicky generovaná adresa a OpenURL, SFX.
• Vyhledání a zpřístupnění plných textů: internetové vyhledávače, protokol HTTP, XML, Z 39.50, SFX; OAI, brány a portály; "subjects gateways", konspekt, předmětové kategorie, témata; OPAC - bibliografické záznamy (UNIMARC/MARC 21) s URL adresou nebo dynamicky a SFX, pojmové vyhledávání a fulltextové vyhledávání (např.TOPIC, Excalibur) 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.
• Zpřístupnění plných textů z hlediska formy: přes bibliografie a soupisy, obsahy časopisů, plnotextové databáze, digitální knihovny.
• Zpřístupnění plných textů z hlediska institucionálního (zdroje): autoři, prostřednictvím nakladatelství/vydavatelství, distributorský firem, knihoven/informačních institucí.
• 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, proxy server, volně, brány, portály, kooperační systémy, souborné katalogy a databáze, univerzální bibliografie i jednotlové kolekce dle oborů
• Standardy: Metodika popisu článků ve formátu UNIMARC - vychází z AACR2R, ISBD /CP; 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, nutnost existence mezinárodních katalogizačních pravidel a eventuelní participace na jejich vzniku), norma pro citování dokumentů ČSN Bibliografické citace, věcný popis - autority, předmětová kategorizace, konspekt.
• Zákony: nutná změna autorského zákona, zákona o povinném výtisku aj.
B. 1.2 Analýza zpřístupnění plných textů v ČR a Kooperační systém článkové bibliografie
Během pětiletého řešení projektu nastal poměrně rychlý vývoj ve zpřístupnění plných textů na českém internetu co do forem a organizace.
Plné texty jsou organizovány na Internetu do tematicky, regionálně nebo jinak utříděných služeb. Jsou přístupné přes vyhledávače, jsou utříděny do kategorií, zpřístupněny na různých portálech a zpravodajských serverech, v informačních branách, digitálních a virtuálních knihovnách v rámci kooperace příslušných institucí. Některé knihovny a instituce vytvářejí soupisy volných českých zdrojů plných textů na Internetu a zdrojů, které vydávají. Jsou zpřístupněny licencované zdroje zahraničních plnotextových databáz a je založeno konsorcium Anopress pro multilicenční přístup k českým plným textům. V ČR jsou přístupné i zahraniční tzv. alerting services. V řadě knihoven je funkční elektronické dodávání dokumentů.
Nabídka českých novinových a časopiseckých elektronických zdrojů je relativně velká - jsou vystaveny deníky, týdeníky a časopisy . Vystavené texty jsou zachyceny s různou hloubkou retrospektivity (aktuální číslo, poslední čísla či roky), objevují se archivy volně dostupné či pouze registrovaným uživatelům. Některé zdroje obsahují citaci , abstrakt, objevují se current contents. Někdy lze vyhledávat podle základních formálních údajů, kombinovat dotazy pomocí logických operátorů, vyhledávat plnotextově (České noviny , IDNES , Lidové noviny, iHNed, Právo, Mojenoviny).
Na české Internetu se objevují nakladatelské elektronické zdroje Vztahy mezi uživateli, knihovnami a vydavateli/nakladateli a knihovnami či bibliografickými agenturami nejsou dosud jasné z hlediska právního i obchodního, v budoucnu lze předpokládat v tomto směru vznik nových iniciativ (Vydavatelství Economia , Sagit, Tigis, Nakladatelství Muzikus, Nakladatelství Portál
Albertina icome (projekt Infozdroje.cz ), ČTK , Newton I.T., Anopress IT, a.s.
Anopress v současnosti poskytuje následující služby: On-line monitoring vyhledávání na Internetu (on-line fulltextové prohledávání obsáhlé mediální a vědomostní databáze), Off-line monitoring elektronická výstřižková služby (pravidelná dodávka monitoringu médií podle individuálních požadavků), Informační servis Anopress (ISA) (vyhodnocovací software pro další práci s dodanými nebo vyhledanými daty), Quick monitoring (jednoduchá on-line služba umožňující fulltextové vyhledávání v médiích pomocí více jak 200 předdefinovaných témat, Mediální analýzy, Archívy zdrojů , Archívy zdrojů (dodávka nebo přístup do kompletních zdrojů), E-noviny informace na míru do vašeho mobilu (vyhledávání v celostátním a regionálním denním tisku z Vašeho mobilu – realizovaná v r. 2003), Sbírka zákonů ČR on-line . V roce 2003 je také zpřístupněna služba významná hlavně pro střední školy Brána vědění.
Hlavním produkty jsou: on-line databanka novin a časopisů celostátních a regionálních, monitoring na zakázku, vědomostní databáze, archívy zdrojů. Anopress IT, a.s. umožňuje on-line přístup do databanky plných textů TamTam, na jejíž bázi poskytuje následné služby. Společnost Anopress je výhradním zpracovatelem elektronické podoby většiny českých regionálních titulů (nakladatelství Bohemia). Pro zpřístupnění plných textů ve veřejných knihovnách bylo založeno v r. 2000 Konzorcium Anopress. Společnost je výhradním zástupcem slovenské firmy SLOVAKIA ONLINE v ČR, která zpracovává elektronickou podobu slovenských tištěných médii. Kromě mediální části obsahuje databanka TAMTAM i část vědomostní, v níž jsou k dispozici pro fulltextové vyhledávání různé encyklopedie, příručky a další knihy referenčního charakteru. Databanka v současné době obsahuje texty článků a zpráv všech celostátních deníků, dále pak regionální deníky, celostátní a regionální časopisy, dále i textové záznamy zpravodajských, publicistických a diskusních pořadů rozhlasu a televize. V roce 2002 byly zpřístupněny archívy zdrojů od r 1996.
Společnost vyvinula vlastní software ISA, který umožňuje všechna data dále analyticky zpracovávat, exportovat je v několika formátech, včetně HTML a XML, pro Internet či Intranet.
Vyhledávací systém TOPIC, který Anopress používá k monitoringu a analýze informačních zdrojů, je v současnosti jediným interaktivním systémem na českém trhu. V únoru 2002 byla agentura vydražena v dobrovolné dražbě, v dubnu 2002 zaregistrována jako nový podnikatelský subjekt s názvem Anopress IT, a.s. Zpráva o Anopressu byla dle dohody podána řešitelkou předkládaného projektu na MKČR koncem května 2002. Báze TamTam je zpřístupňována v rámci programu VISK v rámci konsorcia knihoven, probíhají práce na jejím zapojování do JIB.
Automatická či poloautomatická indexace (J. Schwarz, 2002)
V bývalém Československu začal rozvíjet výzkum a vývoj v oblasti automatizovaného zpracování textu až od konce 60. a začátku 70. let 20. století.Vznikla řada nejen regionálně, ale i mezinárodně jedinečných systémů, které byly určeny k automatizovanému zpracování textu především v oblasti automatické indexace, automatické tvorby tezauru a automatického překladu. Na světové úrovni, zejména zásluhou P. Sgalla, se v Česku rozvinula také matematická lingvistika, označovaná také jako komputační lingvistika, a zejména v druhé polovině 90. let 20. století rovněž i korpusová lingvistika. Většina uvedených systémů dnes slouží k výzkumných účelům, ale některé z nich jsou částečně dostupné i komerčně (týká se to např. systému LEGSYS).
Již od začátku 70. let byly vyvíjeny i systémy SEMAN (V. Smetáček) a MOZAIKA (Z. Kirschner). 70. a 80. léta představovala také období rozvoje matematické, komputační a korpusové lingvistiky pod vedením P. Sgalla; vzniklo specializované pracoviště (dnes Ústav formální a aplikované lingvistiky/Centrum komputační lingvistiky na MFF UK), znalosti a zkušenosti jeho pracovníků byly zúročeny i v současném projektu Pražského závislostního korpusu, resp. Českého národního korpusu.
Texty pro Český národní korpus jsou získávány několika způsoby. Smlouvy zavazují ČNK k užití textů pouze pro budování ČNK a pro jejich nekomerční využívání. Je to unikátní banka plných textů zpracovaných a konvertovaných do jednotné podoby. Užívá se především k lingvistickým analýzám, jeho použití by jistě bylo zajímavé i v aplikacích informačních.
Parlamentní knihovna jako odbor Kanceláře Poslanecké sněmovny Parlamentu ČR od r. 2000 indexuje sněmovní tisky.
Znalostní systémy – v ČR distrubované společností TOVEK (fulltextová technologie Verity – TOPIC, Verity Portal ONE, Verity K2 katalog) a INCAD (systém Convera RetrievalWare). Problematikou znalostních systémů a vytěžováním informací, vyhledáváním v plnotextových databázích aj. se zabývají projekty a renomované konference jako je Datakon a Znalosti .
Systém TOPIC je distribuován firmou TOVEK. Jedním z projektů je projekt tzv. konkurenčního zpravodajství. Konkurenční zpravodajství je důležitý faktor konkurenceschopnosti firem a ozdravění nejen podnikatelského prostředí. Vazba na knihovnicko-informační sféru a akademickou sféru je potřebná. Projekt by pomohl přiblížit sféru knihoven, vědeckovýzkumnou sféru jak na vysokých školách tak v Akademii věd se sférou knihoven a umožnit koloběh informací mezi těmito oblastmi.
Souborný katalog CASLIN se v počátcích řešení vyvíjel na základě vlastní aplikace s využitím databázového systému ORACLE. Bylo rozhodnuto o jeho přechodu pod systém ALEPH.
Jeho cílem je připravit podmínky pro zpracování české národní bibliografie elektronických zdrojů, se zaměřením zejména na zdroje dálkově přístupné a zajistit dlouhodobé uchování domácích elektronických zdrojů. Dublin Core Metadata Generator je nástroj umožňující autorům webových stránek poloautomaticky nebo ručně vytvořit, editovat, konvertovat a ve zvolené syntaxi uložit metadata respektující pravidla kvalifikovaného Dublin Core. Protože platná česká legislativa neumožňuje v současné době zdroje zpřístupňovat, řeší se situace uzavíráním smluv s autory/vydavateli internetových zdrojů. Zpřístupnění archivu se má realizovat pomocí technologie fulltextového indexování a automatizované extrakce autorem vytvořených metadat. V rámci projektu byl lokalizován nástroj Harvester z projektu NEDLIB, v budoucnu budou probíhat sklizně pomocí systému Heritrix.
V rámci popisu elektronických zdrojů NK se zatím popisují vybrané servery „národní produkce“ (doména cz), výběr zdrojů je podle obsahu (odborné, umělecké), typu (seriály, konferenční příspěvky, výzkumné zprávy, dokumenty veřejné správy, formy (pouze elektronická forma), přístupu, formátů (všeobecně podporované) s ohledem na automatické získávání elektronických zdrojů (volně přístupné zdroje). V ALEPHu by měly být záznamy ukládány ve formátech MARC a DC (konverze generátor DC). Uložení v digitálním archivu.Počítá se s popisem seriálových zdrojů (periodika publikovaná v elektronické formě, webové stránky) a jejich zpřístupněním v JIB. Předpokládá se spolupráce s knihovnami v JIB. V roce 2003 byla zpřístupněna báze bibliografická WEB, obsahující některé on line elektronické zdroje. Cílem je, aby ze záznamů v databázi byl současně umožňován přístup do digitálního archivu (WebArchiv).
V budoucnu dojde patrně ke spolupráci mezi článkovou bibliografií a projektem Webarchiv.
Projekty JIB:
Součástí projektu JIB je:
Portál STM
Jednotná informační brána
Česko - slovenský virtuální katalog Caslin.
JIB umožňuje základní prohledávání informačních zdrojů, jejich tematický výběr, stahování záznamů.
Zdroje jsou volně přístupné a licencované, jsou zpřístupněné v JIB k vyhledávání nebo jako odkazy.
Základním nástrojem JIB je Metalib a SFX. Metalib je paralelní prohledávač heterogenních zdrojů (plné texty, databáze, archivy, katalogy aj.), komunikuje především prostřednictvím protokolu Z39.50 nebo HTTP. Služby jsou personifikované (autorizace a autentifikace uživatele je předpokladem pro přihlášení a nastávaní práv uživatele). Zpřístupňované zdroje jsou volné a licencované/placené. Přístup: pro registrované a neregistrované uživatele. Vyhledávání je možné podle autor, názvu, předmětu, roku vydání, ISBN/ISSN. Metalib má znalostní bázi (informace o zdrojích a uživatelích). Pro zpřístupnění článků je třeba umožnit detailnější vyhledávání podle data vydání. V budoucnu se plánuje implementace OIP. SFX je standard pro propojení dokumentů a je využíván v Metalib k vytváření vazeb. SFX je nástroj k nabízení přidaných služeb a je aplikací OpenURL. Propojuje informace.
Předpoklady pro fungování JIB: jednotné věcné zpracování (překlad změn MDT, tvorba záznamů věcných autorit, aktualizace notací MDT v záznamech věcných autorit, příprava harmonizace věcných autorit a Polytematický strukturovaný heslář, konkordance MDT s DDC. Soubor věcných autorit obsahuje tematické termíny, geografické a formální. Věcné termíny jsou propojeny s notacemi MDT a anglickými ekvivalenty a vazbou na konspekt. Skupiny konspektu obsahují název skupiny a přidělený znak MDT plus anglický ekvivalent. Soubory autorit jsou přístupné na adrese http://www.nkp.cz (nabídky Katalogy a databáze). Na adrese http://aip.nkp.cz/mdt/ je publikován překlad UDC MRF. Přehled předmětových kategorií je aplikován v JIB jako základní tematické rozcestí (1. úroveň třídění), skupiny konspektu jsou obsaženy v bázi AUT.
Pro JIB byl vypracován Návrh požadavků na metadata používaná pro provoz oborových informačních bran v České republice. Standardy používané v JIB jsou užívány nebo se aplikují postupně v ČR. Aplikace metody pro popis zdrojů umožňuje paralelní vyhledávání záznamů o dokumentech i na úrovni sbírek, integrovaný přístup k heterogenním zdrojům ve vícejazyčném prostředí. Metalib a SFX je produktem fy Exlibris. V České republice bylo založeno konsorcium knihoven, které ALEPH používají. Dalšími produkty této firmy kromě ALEPHU je nástroj pro zpracování, archivaci a zpřístupnění elektronických sbírek DigiTool. Umožňuje i fulltextové vyhledávání.
Kooperační systém článkové bibliografie, plné texty a JIB
Článkové databáze přístupné v JIB viz kapitola A.2.3.
Zpřístupnění plných textů v JIB v rámci Kooperačního systému článkové bibliografie je v letech 2000-2004 jednak přes statické linky z báze ANL na volná www periodika, jednak přes statický link v bázi ANL do báze ANL FULL. Je možné přímo vstoupit do odkazovaného zdroje - báze ANL FULL. Plné texty v ANL a ANL FULL jsou v letech 2000-2004 zpracovávány v lince poloautomatické extrakce/indexace TTDE, koncem roku v NKČR rozhodnuto zpracovávat texty přímo v ALEPHu. Zpracování v rámci ALEPHu se patrně bude vyvíjet, podobně, jako se vyvíjelo zpracování v lince TTDE. Rozdíl: propojovat se bude přímo v JIB na bázi Anopress, která má být zde zpřístupněna (zpočátku přes ID, postupně přes SFX.)
Koncem roku 2004 bylo vypracováno doporuční pro aplikaci metody konspektu v článkové bibliografii a v NKČR se začal konspekt experimentálně používat. Analytické předmětové kategorie dosud používané v systému se používají dál, někde konspekt vhodně doplňují. Jsou však zatím většinou neřízené a o jejich další aplikaci či neaplikaci se rozhodne v budoucnu. Aplikace konspektu umožní článkům se zapojit do tematických oborových bran.
Bibliografické zpracování článků v ČR - Kooperační systém článkové bibliografie – http://full.nkp.cz/nkdb/docs/vstup.htm, http://www.nkp.cz/pages/page.php3?page=oazp_OZFanal.htm
O kooperačním systému viz též dále v rámci bodu B, Příloha F 5, F6, F7.
V posledních letech vzniklo několik projektů, zabývajících se zpřístupněním analytických záznamů v kooperaci s ostatními knihovnami. Na výsledky některých z nich navazuje předkládaný projekt.
Zpřístupnění výsledků analytického zpracování prostřednictvím Internetu (r. 1998) - projekt řešil zejména konverzi článků do UNIMARCu.V rámci průzkumu Internetu se ukázalo že statické propojování na www zdroje je krajně nespolehlivé. Výběr relativně spolehlivých zdrojů plných textů je možné řešení.
Výzkumný záměr NK Propojení analytických záznamů s plnými texty a optimalizace zpřístupnění plných textů (VaV, r. 1999-2003) - projekt analyticko-koncepční, připravil půdu pro praktickou realizaci programového projektu týkající se kooperačního systému a integrace dat. Cílem výzkumného záměru je optimalizace přístupu uživatelů k plným textům dokumentů domácí provenience (nikoli zahraniční).V rámci projektu v r. 1999 proběhlo v NK výběrové řízení a na základě výše uvedených faktů byla vypracována výzva k podání nabídky pro společnost Anopress. V rámci projektu bylo vyvinuta iniciativa k vytvoření Konzorcia Anopress, která byla podepsána mezi SKIP a Anopressem v r. 2000. V rámci projektu bylo zpřístupněné periodikum Národní knihovna .
Projekt Západočeský ANAL - Kooperativní zpracování periodické produkce západních Čech se zabýval odstraněním duplicit při zpracování, metodikou excerpce titulů a zpracování záznamů v jednotlivých okresech západočeského regionu.
Projekt Zavedení automatizovaného zpracování článkové bibliografie v systému T-Series řešený v r. 2000-2001 se zabýval řešil problematikou bibliografického zpracování článků v tomto systému.
Velmi významný je z hlediska tvorby a rozvoje regionálních faktografických databází a souborů autorit je projekt Rozvoj regionálních databází na základě retrospektivní konverze článkové bibliografie řešený v letech 2000-2002 v SVK Kladno.
Bibliografické zpracování článků v ČR je poměrně rozsáhlé co do zdrojů, které se analyticky zpracovávají, tak co do typů institucí, které tuto činnost provozují.
Národní knihovna ČR zpracovává výběrově bibliografické záznamy článků ze všech druhů seriálů (noviny, časopisy, odborná periodika, sborníky) v rámci Kooperačního systému článkové bibliografie (KOSABI), ve kterém spolupracuje v současnosti 8 krajských knihoven a MZK, specializované odborné knihovny (STK, ÚZPI, NPKK-ÚIV).
V r. 2004 byl proveden úspěšně experiment s Národním filmovým archivem a čtyřmi novými krajskými knihovnami týkající se importu a následně uploadu dat do kooperačního systému jako předpoklad pro zahájení reálné spolupráce v r. 2005.
Nově přistupující knihovny stanovily předběžně tituly k excerpci pro budoucí spolupráci v rámci systému. Přistupující knihovny byly vedeny také po stránce metodické.
V systému LANIUS, resp. Clavius se zpracovávají bibliografické záznamy článků v knihovnách veřejných knihoven. V rámci aplikace pro management KOSABI byl vytvořen speciální formát pro příjem dat ze systému Clavius ( krajská knihovna v Havlíčkově Brodě), Clavius používá techniku standardních polí UNIMARC, nikoli vazebních. Byla analyzována excerpční základna LANIA a KOSABI - v budoucnu by se měly, pokud k tomu budou vhodné podmínky a bude to mít pro oba systémy význam, omezit duplicity ve zpracování mezi těmito systémy.
Některé instituce spolupracující v rámci KOSABI přecházejí na nové SW. V krajských knihovnách v Kladně a Liberci se články popisují v systému RAPID, resp. ARL, v MZK v Brně v ALEPH, v Olomouci též. V Ostravě, v Českých Budějovicích a Ústí nad Labem v systému T-Series. V Hradci Králové, ÚZPI, STK a NPKK je v r. 2004 je užíván ISIS. NPKK přechází konce r. 2004 na KP-Win, v ÚZPI bude patrně v budoucnu implementován systém ALEPH. V krajské knihovně v Plzni se přechází na ALEPH. V nově konstituovaných krajských knihovnách v Pardubicích a Zlíně se používá KP-Sys, resp. KP-Win, v Karlových Varech se přechází na ALEPH.
Spolupracující odborné instituce
V ÚZPI ze zpracovává Zemědělská a potravinářská bibliografie. V budoucnu je třeba převést také zde zpracování článků do formátu UNIMARC/M21. Má být umožněno propojení záznamů na plný text v rámci technologické linky zpracování bibliografických záznamů z plných textů přes formát XML v návaznosti na existující redakční systém za účelem importu do bibliografické báze. Agronavigator je moderní technologie zpřístupnění zemědělských informací aplikovaná na webu UZPI.
V ČGs je zpracovávaná Česká geologická bibliografie. V současné době knihovna přechází na Clavius.
V ÚIV – NPKK jsou články zpracovávané v systému CDS ISIS. V současné době knihovna přechází na KP-Sys, resp. KP-Win. Na internetu je vystavována Pedagogická bibliografická databáze.
Ve STK jsou články zatím zpracovávané v systému CDS ISIS. Provozuje Portál STM . Elektronické dodávání dokumentů se realizuje prostřednictvím VPK . STK Provozuje Českou národní databázi ISSN.
Knihovny pracující v ALEPHu (Praha, Brno, Olomouc) přešly v polovině roku 2004 na ukládání v MARCu 21. Pro obousměrnou konverzi UNIMARC MARC 21 byly v NKČR vypracovány tabulky a probíhali testy na malém vzorku záznamů. V r. 2005 je ještě třeba doladit experimentální pole 773q určené pro propojení přes Open URL.
Pro automatizovaný upload dat do systému byla vypracována nápověda. Upload odzkoušen všemi institucemi a zprovozněn a koncem r. 2004.
Zpracování článků v budoucnu je třeba koordinovat s AVČR, vysokými školami aj. institucemi, jejichž seznam je v kapitole A.2.3.
Metodika
Data jsou zpracovávána ve nebo konvertována do formátu UNIMARC/M21, respektují se pravidla popisu AACR2, ISBDs, Guidelines for the application of the ISBDs to the description of Component Parts s respektováním mezinárodních standardů věcného popisu - MDT-MRF pro oblast systematické indexace.
V r. 2004 byla vypracovány pravidla pro popis dat v MARCu 21, pracovní skupinou pro analytický popis byl schválen minimální záznam pro soubornou databázi v MARcu 21.
V oblasti verbální věcné indexace se kombinují klíčová slova, věcné obecné kategorie a předmětová hesla a kontrolují se proti souborům autorit (kromě knihoven pracujících v ISIS) . Vyváženost vazby mezi jednotlivými vrstvami popisu je klíčovým momentem. V r. 2004 bylo vypracováno doporučení pro aplikaci konspektu v kooperačním systému (v NK se začal užívat koncem roku).
Kromě knihoven pracujících v Tinlibu resp. T-Series s používají ještě analytické předmětové kategorie, které je třeba sjednotit.
Knihovny pracující v ALEPHu (Praha, Brno, Olomouc) přešly v polovině roku 2004 na ukládání v MARCu 21. Pro obousměrnou konverzi UNIMARC MARC 21 byly v NKČR vypracovány tabulky a probíhali testy na malém vzorku záznamů. V r. 2005 je ještě třeba doladit experimentální pole 773q určené pro propojení přes Open URL.
Pro automatizovaný upload dat do systému byla vypracována nápověda. Upload odzkoušen všemi institucemi a zprovozněn koncem r. 2004.
Excerpční základna a vývoj propojování
Excerpční základna
http://full.nkp.cz/nkdb/docs/tituly_napoveda.htm
http://anl.nkp.cz:2100/r/SKK/p210/p10Init
V rámci kooperačního systému byla stanovena pravidla pro výběr titulů k popisu (na základě územní gesce - tituly regionální a celostátní provenience a dále pak na základě odborného zaměření). V rámci KOSABI jsou stanoveny zásady výběru článků co do úplnosti i co typů.
Zpracovávané typy titulů a výběr článků z hlediska úplnosti: v kooperačním systému jsou zpracovávány články a statě české novinové, časopisecké a periodické sborníkové produkce (sborníky vysokých škol, muzeí, archivů, materiály z konferencí, ročenky, odborné i polytematické časopisy, kulturně-politické časopisy a populárně-naučné časopisy). Jsou určeny kategorie A-D zdrojů z hlediska obsahu a formy vydávání a těmto kategoriím je stanovena úplnost excerpce .
Kategorie titulů
A: Seriály vydávané AVČR a vysokými školami v ČR (časopisy, sborníky, ročenky)
B: Seriály (časopisy, sborníky, ročenky) vydávané ostatními institucemi v ČR
C: Noviny (ústřední i regionální) a kulturně-polické časopisy
D: Populárně-naučné časopisy
1=excerpce je prováděna v úplnosti (100-80% počtu článků)
2=excerpce je prováděna částečně (80-25% počtu článků)
3=excerpce je prováděna výběrově (25%- počtu článků)
A: 1
B: 1 (sborníky ročenky), 1-2 (odborné časopisy)
C: 2,3
D: 3
Báze ANL - obsahuje kategorie A-D, báze ANL FULL zatím kategorie C, z kategorie B periodikum Národní knihovna (též samostatná aplikace ve formátech HTML, PDF). O kategoriích titulů viz Příloha F6.
Typy 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. Dále jsou zachyceny 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. Obě báze jsou výběrové.
V současné době se objevují ve větší míře odborné tituly. Dá se předpokládat rozvoj a nárůst elektronického publikování na vysokých školách a v jiných odborných institucích, tituly vydávané AV jsou již poměrně dobře vystaveny v plnotextové formě. V budoucnu lze předpokládat poměrně velkou možnost propojení s těmito tituly pomocí SFX.
Propojování na plné texty
Po analýze titulové základny a zdrojů na WWW bylo rozhodnuto:
Spolupráce s Anopressem
V letech 2000-2001, 1. pololetí byly bibliografické záznamy zpracované v systému ALEPH doplňovány číslem ID jako parametrem URL adresy příslušných plných textů v poli 856, které se zároveň ukládaly na lokální počítač, následně byla doplněna do záznamu do pole 856 globálně základní adresa plného textu na serveru full.nkp.cz a plné texty získané z Anopressu se naimportovaly do báze ANL FULL.
Od poloviny r. 2001 do r. 2004 listopad byly plné texty Anopress zpracovávány v on-lince poloautomatické extrakce/indexace umístěné na lokálních počítačích – Windows TTDE.
V prosinci r. 2004 bylo zahájeno zpracování v internetové verzi linky – WWW TTDE.
Důvod pro budování báze ANL FULL: identifikační číslo článků se mění po 14 dnech po přesunu do archivu. Přímé, aktuální a stabilní propojení článků zpracovaných lince na plné texty do báze TamTam nebylo tak možné.
Koncem roku 2004 rozhodlo vedení NKČR zpracování textů Anopress opět převést pod ALEPH, probíhají práce na zpřístupnění báze TamTam v rámci JIB. Pracovníci oddělení kopírují do pole 856 základní společnou adresu plných textů do báze TamTam, pracovníci v referenčním centru doplňují po 14 dnech ID plného textu jako parametr. Jako parametr je v adrese také identifikace knihovny, přes kterou se uživatel může připojit na plný text v rámci konsorcia. ID je jeden z údajů pro propojení přes SFX v rámci JIB.
Kromě zpracování on-line v lince, byly retrospektivně v r. 2002-2001 doplňovány plné texty do báze ANL FULL off-line dle zpracovaných bibliografických záznamů v báze ANL. Adresa byla do bibliografických záznamů doplněna ex post.
Tituly a statistiky propojení vzniklých v rámci linky TTDE a staticky – Příloha F7.
B.1.3. Dílčí cíle, nástroje a metody optimalizace integrace a správy heterogenních dat v rámci Kooperačního systému článkové bibliografie s ohledem na integraci dat a plných textů
Cíle v zadání z r. 1999
„Cílem projektu je integrace heterogenních dat - plných textů článků a bibliografických záznamů, zpracovaných Kooperačního systému článkové bibliografie - v rámci souborné databáze. Základním předpokladem je vývoj aplikace na budování, doplňování, správu a údržbu plnotextové databáze s možností vyhledávání. Dalším cílem je vývoj aplikace pro management Kooperačního systému článkové bibliografie. Dalším cílem je zavedení nových metod v rámci získávání informací (možnost konzorciálního nákupu), zpracování bibliografických záznamů (přebírání metadat) a zpřístupňování informací (propojení záznamů s plnými texty a vyhledávání v plných textech). Pro existenci a vývoj kooperačního systému a souborné databáze je nezbytná spolehlivá
HW a SW podpora. “
1. Získávání a zpracování plných textů v rámci Kooperačního systému článkové bibliografie
Zajistit plné texty ke zpřístupnění v rámci vyvíjených aplikací (nákup plných textů,
licence - přístup do databáze Anopress):
zajistit plné texty k propojování;
propojovat data o článcích s plnými texty - propojování off-line (program pro identifikaci
plných textů v databázi TamTam určených k propojení bibliografických záznamů s plným
textem a samotné programové propojení);
zajistit statické propojování bibliografických záznamů článků báze ANL na vytipováná
„stabilní“ www periodika/články (realizováno zejména v souvisejících projektech VaV
Propojení analytických záznamů s plnými texty … a Budování vzájemně kompatibilních
Informačních systémů …);
zajistit vývoj aplikace pro získávání, zpracování plných textů on-line a zpřístupnění plných
textů v plnotextové databázi ANL FULL (linka poloautomatické extrakce/indexace - TTDE);
umístění metadat - metadata uvnitř plného textu, metadata vně plného textu;
charakter URL adresy k propojení: statická (pevná URL), dynamicky tvořená (v aplikaci
TOPIC), SFX – vytvoření předpokladů pro propojování přes( reálně ale ne v tomto
projektu).
Vývoj linky TTDE na zpracování bibliografických záznamů z plných textů, resp. linky poloautomatické extrakce z plných textů
Anopress (případně i jiných textů) TTDE (TamTam Data Extractor),
a to ve dvou podobách:
Windows linka lokální, tj. linka umístěná na lokálních počítačích bez napojení na autority
(použitelná pro texty z Anopressu - vstup .txt forma);
WWW linka, tj. linka s možností stahování z báze národních autorit přes Z39.50
Toolkit Klienta (použitelná pro texty z Anopressu – vstup .txt forma a pro libovolné html
WWW texty) ;
editace a doplňování dat v lince TTDE zejména dat věcného popisu včetně napojení na národní
autority ve formuláři pro editaci (struktura formuláře navržena dle struktury UNIMARC),
identifikace článků pomocí automaticky generovaného identifikátoru SICI, automaticky
generovaná URL pro statické propojení bibliografických záznamů ANL na plné texty báze
ANL FULL, automaticky generovaný Dublin Core, formát UNIMARC/M21
2.Vývoj dílčí aplikace pro import bibliografických záznamů (UNIMARC/MARC21) zpracovaných v lince TTDE do ALEPHu (báze ANL) a plných textů s metadaty DC a UNIMARC do báze ANK FULL (TOPIC)
3. Vyhledávání a zpřístupnění plných textů v systému TOPIC a na serveru full.nkp.cz
s těmito možnostmi:
integrace vyhledávání pomocí řízených termínů, pojmového vyhledávání a neostrého
vyhledávání:
3 typy vyhledávacích formulářů podle pokročilosti vyhledávání;
zobrazení metadat a plných textů v několik formátech včetně zpřístupnění DC v XHTML
a XML;
aplikace pro stahování a export plných textů a metadat v několika formátech;
aplikace Periodika na www včetně portálu volných textů na Internetu ve struktuře regionální
a oborové a přehledu Zdroje informací o článcích, plných textech a související zdroje na
WWW v ČR s důrazem na české plnotextové zdroje;
aplikace pro administraci databáze ANL FULL a portálu volných textů na Internetu,
vedení účtů, statistiky, opravy metadat v plných textech, opravy rejstříků aj.
4. Vývoj aplikace pro management Kooperačního systému článkové bibliografie, tj. aplikace pro příjem, kontrolu, správu a export dat do ANL a aplikace pro kontrolu URL.
V rámci aplikace MNG:
zajistit koordinovanou excerpční základnu systému s omezením duplicit ve zpracování ;
zkvalitnit výběru titulů s ohledem na seriály odborného charakteru;
budovat Soubornou bibliografickou databázi ANL s ohledem na různé SW vybavení spolupracujících knihoven;
zajistit průběžnou integraci dat knihoven s různým SW (KP-Sys, KP-Win, Tinlib resp. T-Series,
Rapid resp. AREV, Lanius), formáty (iso, řádkový, UNIMARC, MARC 21, Výměnný
Formát, Lanius aj.) a různých kódech (ISO 646 nebo ISO 5426, PC Latin 2, kód Kamenických,
UNICODE UTF -8, ISO 8859-2, Ansel) automatizovaným způsobem;
zajistit kontrolu aktuálních platných URL adres.
Jednotlivé části aplikace pro MNG KOSABI:
aplikace pro administraci a zobrazení Báze titulů (zobrazení dle zpracovávající instituce,
kategorie titulů, dle napojení na plný text , též detail záznamu titulu;
aplikace pro upload záznamů z kooperačního systému (v několika formátech a kódech,
login a heslo pro každou instituci);
aplikace pro zpracování a kontrolu záznamů (formálně logické chyby, kontroly na
UNIMARC/M21, statistiky chyb) a export dat pro bázi ANL (s ohledem na kritické chyby
a chyby UNIMARC);
aplikace pro kontrolu aktuálních platných URL adres (adresy na full.nkp.cz a adresy
na volné www články);
dokumentace k aplikaci pro management kooperačního systému (popis).
5. Podrobná dokumentace (charakteristika) vyhledávání v bázi ANL FULL
6. HW a SW podpora (též z projektu Propojení analytických záznamů s plnými texty … )
Dosavadní vybavení fulltextového zpřístupněn článků v NKČR - báze ANL FULL (server FULL, WIN NT, TOPIC-Portal One-VIS)
Power Edge 6300 – Pentium III Xeon, 500 Mhz/512
RAM 1 GB
SCSI
disky – 5x18 GB SCSI LVD 7200
Řadič pole RAID 5 – řadič PERC2/SC, 1xLVD, 16MB cache
Síťová karta Intel Pro 100+RJ45
Zálohovací zařízení DAR 12/24 GB SCSI DDS
Search Verity Information Server (TOPIC) v. 3.7 – Portal One, neomezená licence
Windows 2000, Windows NT (30 licencí)
ScanJet+OCR
VIS – internetová a intranetová licence
Pro management Kooperačního systému článkové bibliografie MNG KOSABI – báze ANL KOSABI (server ANL, Oracle, Linux)
PC Pentium III – 700 Mhz
RAM 512 MB
HDD 27 GB
VGA S3 Trio 3D 4 MB
Siťová karta 10/100
APC Smart UPS 420i NET
ORACLE 9.2,Linux SuSE 7.3, Windows 98
(5 licencí)
Jdeveloper 1 licence
7. Vytvoření předpokladů pro integraci dat zpracovávaných v Kooperačním systému
článkové bibliografie do JIB a zpřístupnění plných textů
B.1.4 Popis oblastí řešení a aplikací (linky TTDE, TOPIC, Aplikace pro MNG Kooperačního systému článkové bibliografie)
Názorná dokumentace řešení a praktických výsledků - Přílohy F1-F9
B.1.4.0 Analýza problematiky automatické či poloautomatické indexace a selekční úplnost topiků
Analýza problematiky automatické či poloautomatické indexace v bázi ANL FULL (cit. J. Schwarz, 2002) - teoretická analýza s praktickým doporučením je velmi významná pro vývoj projektu (dále jsou uvedeny citace z práce mírně modifikované).
Někteří autoři např. považují vyhledávání v plném textu dokumentu za nejjednodušší formu automatické indexace.
Trend do budoucna směřuje k vývoji takových vyhledávacích metod, které budou za pomoci technologií umělé inteligence pracovat přímo s plným textem a k automatické indexaci v původním slova smyslu nebude vůbec docházet; dojde k posunu od systémů založených na externí bázi pojmů či znalostí (knowledge-based systems) k systémům založených přímo na zpracování plného textu dokumentů (text-based systems).
Automatická indexace má těsnou vazbu na automatickou klasifikaci, automatické shlukování (clustering) a automatické abstrahování (abstracting) dokumentů.. Automatická indexace také souvisí s automatickou tvorbou tezauru, příp. vytvářením sémantických sítí nebo znalostních bází, které jsou nezbytným předpokladem pro odpovídající funkčnost metod založených na automatickém přiřazování .
Automatická indexace se podle standardních koncepcí běžně rozděluje na dva základní typy:
Automatická extrakce je jednodušší a snáze programovatelnou metodou, v současnosti na jejím základě pracuje většina funkčních systémů automatické indexace.
Automatická extrakce
Pokud je při extrakci termínů zohledněna jejich pozice ve specifické části textu (např. nadpis, abstrakt, první a poslední odstavec apod.), promítá se tato skutečnost i do výpočtu váhy, nejčastěji tím způsobem, že váha termínu, který se vyskytuje v obsahově nejdůležitější části textu (např. název) je násobena koeficientem o zvolené velikosti, a váhy termínu nacházejících se v obsahově méně signifikantních částech dokumentu jsou násobeny koeficienty o nižších hodnotách. Tak se dosáhne toho, že termín z obsahově důležité části dokumentu získá relativně nejvyšší váhu.
Ve srovnání s intelektuální indexací, je automatická extrakce absolutně konzistentní.
Jako podstatné omezení automatická extrakce lze chápat skutečnost, že použité metody neodpovídají postupu, jakým probíhá intelektuální indexace, která není většinou realizována jako extrakce, nýbrž jako přiřazování. Z toho důvodu automatická extrakce obecně přináší horší výsledky než intelektuální indexace a přestože na základě automatické extrakce funguje většina současných systémů, řada z nich slouží z tohoto důvodu pouze jako automatizovaná podpora intelektuální indexace.
Automatické přiřazování
Předpokladem funkčnosti automatického přiřazování je existence strukturovaného řízeného slovníku, který může být implementován ve formě tezauru, sémantické sítě nebo znalostní báze. Klasické tezaury se svými jednoduchými vztahy hierarchie, asociace a ekvivalence jsou sice pro automatické přiřazování použitelné, ale často bývají pro větší efektivitu celé procedury obohaceny o další dílčí typy vztahů a forem lexikálních jednotek nebo jsou užívány společně s dalšími externími slovníky či znalostními bázemi.
1. identifikace termínů v plném textu
2. srovnání termínů s relevantními profily pojmů z řízeného slovníku
3. určení indexačních termínů na základě profilu pojmů reprezentovaných termíny vybranými z textu
Hodnocení automatického přiřazování prokázala, že účinnost automatického přiřazování je na 60-67% úrovni ve srovnání s intelektuálním zpracování.
Selekční úplnost topiků v bázi ANL FULL (cit. J. Schwarz, 2002)
Základním cílem analýzy je zjistit selekční účinnost topiků, tj. předdefinovaných komplexních dotazů, zejména z hlediska úplnosti výsledků vyhledávání, a předložit případná doporučení pro jejich úpravu, popř. pro úpravu jiných selekčních prvků databáze.
Pro účely analýzy byly stanoveny dvě množiny, které se porovnávaly:
množina záznamů vyhledaných pomocí předmětových hesel (RMD) a množina záznamů vyhledaných pomocí hesel a omezená pomocí topiku (TMD).
Výsledky komparací lze vztáhnout nejen na topiky, ale i na předmětová hesla, resp. popis dokumentů předmětovými hesly.
Dokumenty z RMD (DR) byly srovnány s dokumenty z TMD (DT) pomocí koeficientu úplnosti vyjádřeném v procentech:
R=100% v případech shodnosti obou množin (RMD a TMD).
R<100% v případech, že TMD neobsahuje všechny dokumenty obsažené v TMD.
Z porovnání výsledků vyhledávání vyplynulo, že 100% úplnosti dosahuje pouze polovina TMD (26 z 50, tedy 52%). Zbylá, menší polovina TMD (24 z 50) dosahuje menší než 100% úplnosti. Lze konstatovat, že úplnost vyhledávání na základě topiků je přes 80 % (84 %).
Možné nedostatky na straně topiků a na straně na straně předmětových hesel.
Vliv topiků na úplnost vyhledávání v bázi ANL FULL (J. Schwarz, 2003)
Analýza rozšiřuje studii z r. 2002 a navazuje na analýzu provedenou v r. 2002. Z výsledků vyplynulo, že 100 % úplnosti dosahují cca 2/3 TMD. Necelá třetina dosahuje menší než 100 % úplnosti (z toho 1/3 vyšší než 80 %, necelá třetina menší než 60 %). Ve srovnání s předchozím průzkumem (Schwarz, 2002) mají všechny hladiny úplnosti v podstatě stejný podíl, TMD v hladině od 60% se pouze přeskupily ve prospěch úplnějších TMD (od 80% úplnosti).
Průměrná úplnost všech neúplných TMD je cca 68%, medián (střední hodnota) je cca 73% (obě hodnoty jsou v podstatě totožné s výsledky z r. 2002).
Průměrná úplnost všech TMD je 90% (v r. 2002 84%). Oproti výsledkům průzkumu z r. 2002 se o 16 procentních bodů zlepšil i celkový podíl úplných TMD (68,4% úplných záznamů vůči 52% v r. 2002).
Cestou ke zlepšení tohoto stavu nemůže být pouze rozšiřování topiků o nová klíčová slova, ale i redefinice funkce a významu topiků pro koncového uživatele, která zajistí skutečně efektivní využití topiků při vyhledávání v databázi ANL FULL.
Určitým řešením, jak přiblížit topiky skutečným informačním potřebám uživatelů, je dlouhodobě sledovat (např. na základě logů) uživatelské dotazy do databáze a na jejich základě vytvářet topiky, které budou odpovídat nejčastějším dotazům kladených do databáze uživateli.
Zamýšlená implementace jazykového analyzátoru v projektu pro program 1N by vyhledávání v systému zlepšila.
Analýza automatické indexace a selekční úplnosti topiků v ANL FULL a její možný dopad na další praktický vývoj projektu na základě prací J. Schwarze.
V projektu jsou dosud užívány metody související spíše s automatickou extrakcí.
B 1.4.1
Windows a WWW TTDE linka pro zpracování plných textů , zpřístupnění plných
textů v systému TOPIC – Příloha F
Společnost Anopress IT provozuje bázi TAMTAM na základě spolupráce s vydavateli novin a časopisů. Ze zdrojů této databáze jsou plné texty získávány a prostřednictvím výše popsané programové aplikace dále zpracovávány v Národní knihovně (věcně indexovány) v rámci linky a zpřístupňovány v systému TOPIC v bázi ANL FULL s ohledem na nejnovější trendy v této oblasti (plnotextové pojmové vyhledávání) pomocí tzv. topiků.
Údaje o článku jsou pomocí speciálních maker vkládány v Anopressu do hlavičky textu dokumentu a takto vybavené textové dokumenty jsou ukládány a indexovány a zpřístupňovány v databázi TamTam (TOPIC). Plné texty jsou získávány na základě speciální aplikace TTSNK z databáze TamTam.
Pro optimalizaci integrace a správy heterogenních dat souborné databáze kooperačního vyvinula česká firma Anopress na podkladě analýzy a funkčního zadání návrh speciální technologie - linky automatického získávání plných textů, zpracování bibliografických záznamů z plných textů (linka automatické či poloautomatické indexace), indexace bibliografických záznamů a plných textů, propojování záznamů na plné texty a jejich zpřístupnění. Řešení je progresivní a odpovídá nejnovějším trendům v této oblasti , je podpořeno kvalitním technickým a programovým vybavením. Jednotlivé moduly lze použít i samostatně.
B.1.4.1.1 Architektura systému zpřístupňování plných textů, funkce systému a procesy. Linka TTDE, resp. WWW TTDE. Báze ANL, ANL FULL a systém TOPIC
1.On-line získávání dokumentů z databáze TamTam přes vstupní filtr pro linku zpracování - aplikace TT Special NK (TTSNK), textové dokumenty vstupují do linky se strukturovanou hlavičkou, kde jsou dohodnutými znaky a návěštími označeny příslušné údaje .
2. Extrahování údajů do formuláře a pracování údajů v lince Windows TTDE, popř. WWW TTDE
3. Zaslání souborů v UNIMARCu/M21 do bibliografické báze ANL, zaslání plných textů s metadaty na plnotextový server - báze ANL FULL (systém TOPIC) – možnost volby formátu (UNI/M21, kód Ansel, UTF-8, UNICODE)
4. Indexace a vyhledání informací , indexace, uložení a vyhledání informací (vyhledávání pomocí textu dotazu, formulářů, topiků, rejstříků – báze Access) - aplikační a datový server: Portal One SE - fulltextový vyhledávací systém,)
· Konverze, generování dat v XHTML+-, XML+-, indexace, uložení a vyhledání informací (vyhledávání pomocí textu dotazu, formulářů, topiků, rejstříků) - aplikační a datový server: Portal One SE - fulltextový vyhledávací systém, server Dell Power Edge 6300 (1 GB RAM, 68 GB, Pentium III). MKINDEX - indexace, generování XML- a XML+, jednorázové aplikace/moduly (TTEXPORT-TamTamExport, TTXMLGen -TamTam XML generator, TTDT-TamTam Data Tester, TTDF-TamTam Data filter, TTDC- TamTam Data Convertor, MKDOC.ASP - propojení bibliografického záznamu s plným textem). Strukturované údaje jsou ukládány v Accessu, v budoucnu nutná SQL databáze pro metadata DC a XML, migrace TOPICu na platformu K2.
· Zobrazení a zpřístupnění informací - Internet Information Server Win 2000 - komunikace v síti, zobrazování dat a metadat v uživatelských formátech (citace bez/s odkazy, výsledky jednoduché, se souhrnem, seskupené) a pracovních formátech (klíčová slova, DC v HTML, XHTML+ -, XML+ -), tisk. Obecné základní informace, nápovědy, autorizace, statistika zobrazených informací přes Internet aj.
· Stažení a export záznamů - formáty a tvary: HTML, RTF, text, XML, UNICODE
· Administrace (nové v r. 2002) – úpravy a opravy textů (metadat), statistiky, údržba rejstříků, údržba portálu. V r. 2003 zabudována aplikace pro opravy a údržbu rejstříků/plných textů přímo do linky.
B.1.4.1.2 TTDE – Příloha F2 a F3
Součástí Windows linky a WWW linky je vyvinutá aplikace pro přístup do báze TamTam – TamTam Special NK (TTSNK).
Linka zpracování bibliografických záznamů z plných textů, resp. Linka poloautomatické extrakce/indexace – Windows TTDE (TamTam Data Extactor) pro lokální počítače a WWW TTDE pro použití na Interenetu
Vývoj TTDE
Windows TTDE
V rámci poloprovozu v r. 2002 byla laděna Windows TTDE linka a ověřována v poloprovozu, v. r. 2003-2004 rutinní provoz linky. Do formuláře jsou extrahována data, která se kontrolují a doplňují věcným popisem. Automaticky je generována URL adresa, SICI, "provizorní" URN, které sleduje filozofii a strukturu stanovenou pro tvorbu URN.Z uložených a editovaných dat se generuje DC, UNIMARC pro ALEPH a klasický UNIMARC, hlavička zobrazovací a indexovací.
Automaticky lze generovat klíčová slova a extrahovat do formuláře.Na výstupu procesu zpracování zabudovaná funkce kódování výsledného souboru záznamů v Ansel, UNICODu a UTF-8. Po odeslání souboru do příslušného adresáře na server full.nkp.cz je tento v UNIMARCu (aplikací vyvinutou v NK) naimportován do báze ANL (ALEPH), dále zaindexován a zpřístupněn v systému TOPIC na serveru full.nkp.cz v podobě plného textu vybaveného metadaty s generovaným UNIMARCem, DC v podobě HTML, XHTML, XML v kvalifikované a nekvalifikované formě.
Vyhledání je možno z plného textu, z metadat v něm uložených - tj. ze strukturovaných údajů (vyhledávání pomocí polí, formulářů,topiků a rejstříků). Zobrazení je možno pomocí tří uživatelských formátů. Je možno tisknou vyhledaný jak seznam článků , tak jednotlivé plné texty.
Záznamy ANL jsou propojeny s plným textem automaticky generovanou adresou v lince zpracování, která je uložena jako statický link v ANL záznamech.
Autoritní tvary se ve Windows TTDE lince se kopírují z ALEPHu, nestahují se automatizovaně.
WWW TTDE
V roce 2003 byla navržena a částečně realizována WWW TTDE linka zpracování bibliografických záznamů z plných textů TTDE (TamTam Data Extractor) pro práci na Internetu – WWW TTDE. Jsou v ní zachovány základní funkce Windows linky a je rozšířena o funkce následující: možnost zpracovávat plné texty na Internetu s uploadem metadat i bez stažení plného textu, vstupní formáty zip, txt, html, propojení linky na rejstříky báze ANL FULL a na autority (zatím ve formě komponenty OLE), zabudování funkce Opravy přímo do linky. Formulář pro editování dat byl rozšířen o další pole/podpole UNIMARCU zejména s ohledem na propojení se soubory autorit.
V r. 2004 probíhaly dále práce na vývoji WWW TTDE - zejména práce na konverzi do MARCu 21, práce na úplném zabudování funkce stahování autoritních tvarů přes Z39.50 Toolkit Klienta uzpůsobené pro asp. rozhraní. 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. Během r. 2004 probíhaly rozsáhlé testy zejména konverzí dat, v 2. pololetí praktické ověřování ukládání dat v lince a přípravné práce pro ověřovací provoz linky v rámci oddělení analytického zpracování. V prosinci 2004 byla linka odzkoušena pracovníky oddělení analytického zpracování a uvedena na praxe (licence pro přístup k plným textům TamTam v r. 2004, říjen – prosinec, tj. přístup TTSNK TamTam Special NK byly financovány z projektu Budování vzájemně kompatibilních informačních systémů …).
Dokumentace k lince TTDE (Windows i WWW) – viz Příloha F2, F3, F 8.
Koncem r. 2004 rozhodlo vedení NKČR dále nezpracovávat plné texty v lince TTDE a zpracovávat všechny dokumentu v systému ALEPH.
Katalogizace v lince TTDE
Windows TTDE
Údaje jsou extrahovány z plného textu a na jejich základě je generováno 5 hlaviček (headers). Data je možno upravovat také v hlavičce UNIMARC-A, UNIMARC. Automaticky se generují údaje v rozsahu minimálního záznamu stanoveného pro popis článků (kromě notace MDT), tj. údaje zejména jmenného popisu a kódované údaje. Automaticky se generuje souhrn článku (první věty textu). Pokud je zvolena příslušná funkce, je možno automaticky generovat do formuláře i klíčová slova z plného textu. Další údaje věcného popisu - předmětové kategorie doplněné MDT, hesla se doplňují. Automaticky se generuje URL, SICI.
Formulář má tři strany. První obsahuje jmenné a věcné údaje, druhá pouze věcné, třetí jmenné a věcné údaje. Je možno stahovat více článků najednou na základě tématu, názvu článku, názvu zdrojového dokumentu aj. údajů.Pracovník oddělení analytického zpracování NK nejprve vybere a vyhledá příslušné články ke zpracování v této databázi. Poté proběhne stažení vybraných článků na počítač příslušného pracovníka v podobě komprimovaného souboru. Po jeho dekompresi je text článku naimportován do příslušného adresáře. Po otevření formuláře ke zpracování se objeví v levém části formuláře seznam názvů článků. Po kliknutí na článku se automaticky objeví údaje o článku, které jsou obsaženy v jeho ve formuláři a příslušných hlavičkách. Po kontrole takto extrahovaných údajů z plného textu se doplňují další bibliografická metadata zejména věcné povahy, popř. kopírují autoritní tvary z báze autorit.Z extrahovaných a editovaných dat se generuje UNIMARC-A, Klasický UNIMARC, Dublin Core, indexovací a zobrazovací hlavička. Poté je soubor zpracovaných článků odeslán.
Po doplnění formuláře je po odrážce různé možno nastavit tvar výstupní hlavičky pro UNIMARC-A nebo UNIMARC a spustit ruční vstup dat, nastavit kód výstupních dat (Ansel, UNICODE, UTF-8). Standardně nastaven výstup UNIMARC-A v kódu UTF-8.
Následuje odeslání záznamů pomocí volby odeslat na dolní liště, import do ALEPHu (program vyvinutý v NK), import na server full.nkp.cz.
WWW TTDE
Linka pro zpracování na WWW zachovává základní funkce Windows linky, liší se designem, možností více typů vstupů co do formátů, většími možnostmi editace, obsahuje 13 hlaviček, její formulář pro editaci obsahuje 4 hlavičky detailně strukturované zejména s ohledem na strukturu autoritních údajů (z formuláře vyřazeno SICI, SICI se generuje a automaticky vkládá do příslušných metadat, aniž by ho katalogizátor musel vidět ve formuláři). Lze stahovat a doplňovat metadata s paralelním uložením těchto metadat do plného textu a jeho stažením na server. Lze natahovat a editovat metadata určitého plného textu bez stažení tohoto textu do báze.
Z jednotlivých údajů je možno se napojit na rejstříky báze ANL FULL a na soubory autorit přes asp rozhraní varianty Z39.50 Tollkit klienta a údaje stahovat.
V rámci linky se navíc oproti Window TTDE generuje M21. Výstup je možný v formátu UNIMARC/M21 a v kódu Ansel, UTF-8, UNICODE.
Je implementován modul pro opravy rejstříků v podobě další hlavičky.
Linka WWW TTDE – přehled funkcí:
Načíst soubory (stažené na lokální počítač):
Načíst soubory pro zpracování: pouze zip, txt, html a to: z databáze TamTam -až 10 souborů.
Poslat soubory na full.nkp.cz a spustit TTDE (otevřít formulář pro zpracování).
Načíst URL:
Stáhnout zadaná URL (přímo z WWW) – až 10 souborů.
Spustit TTDE (otevřít formulář pro zpracování).
Spustit Linku
Extrakce metadat, editace pomocí 4 hlaviček formuláře s napojením na soubory autority, hlavička pro zobrazení textu, hlavička UNIMARC - generovaný UNIMARC, hlavička UNIMARC A - generovaný UNIMARC pro ALEPH, MARC 21, zobrazovací a indexovací hlavička, hlavička Opravy, hlavička … (tj. různé)
Hlavička
Opravy:
umožňuje
opravy rejstříků ANL FULL a metadat v plných textech - komplet nová funkce
(nahrazuje opravy původně připravené v Administraci)
Po vyhledání údaje v příslušném rejstříku lze údaj zrušit, opravit nebo vypsat
všechny články databáze, které tento údaj obsahují, tj. lze opravit záznamy a
následně znovu přenést do databáze ANL FULL nebo nalezené články úplně zrušit.
Tato funkce je ve stádiu experimentu.
Hlavička … (tj. různé) - export dat v různých kódech a formátech, navíc možnost stahovat z URL.
Konečný stav a možné použití Windows TTDE a WWW TTDE
Windows TTDE je ve stádiu rutinního provozu (export dat v UNIMARCU pro bázi ANL a plné texty pro bázi ANL FULL) .
WWW TTDE je dotažena do stádia ověřovacího provozu. Ověřen je export dat v UNIMARCu (po té dochází k následné konverzi do M21 a k importu do báze ANL v M21; téměř dotažena konverze do M21 (export dat a import do ANL přímo v M21 zatím neověřen).
Linka (obě varianty) je použitelná po úpravě vstupním filtrem i na data existující v jiné databázi, event. v komunikaci mezi autorem, nakladatelstvím, bibliografickou agenturou a naopak. V případě vhodné situace je možno WWW TTDE po otestování použít v rámci kooperačního systému.
Pro data z www se předpokládá však do jisté úrovně strukturovaný vstupní text, ze kterého data mohou být extrahována.
V této struktuře mohou být zachyceny údaje nejen jmenné povahy (autor apod.), ale i povahy věcné (klíčová slova, abstrakt).Ty je potom možno převést pomocí vstupního filtru do linky automatické indexace k dalšímu zpracování. V neposlední řadě je možnost automatického zpracování závislá na způsobu organizace práce s těmito texty a jejich umístění v eventuelní databázi.
V případě neexistence těchto dat, data musí být komplet doplněna.
Linka zpracování TTDE zabudovaná do předpokládaného možného vývoje - viz Příloha F3.
B.1.4.1.3 Server full.nkp.cz a systém TOPIC – indexace, konverze do XML, XHTML, uložení, vyhledávání a zpřístupnění informací v systému TOPIC, topiky - Příloha F 4
Pro indexaci dat do fulltextové databáze (ANL FULL) v NK byl vyvinut program MKINDEX
TOPIC je produkt americké firmy Verity, v současné verzi Portal One.V ČR TOPIC a další produkty založené na stejné technologii dodává firma TOVEK, s.r.o.
Základní charakteristika systému
• Fulltextový pojmově orientovaný vyhledávací systém, pojmové vyhledávání (concept retrieval) pomocí strukturovaných dotazů (topiků)
• Hodnocení důležitosti, relevance vyhledaných dokumentů vzhledem k dotazu (relevance ranking), váhy
• Kvantifikace obsahu dokumentů
• Shlukování dokumentů podle společného kontextu (clustering) a vytváření automatické anotace - sumarizace (summarization)
• Interaktivní vyhledávací systém – hledání dokumentů s podobným obsahem - volný dotaz (Free Text Query), dotaz příkladem (Query By Example)
• Dotaz formulovaný uživatelem - 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 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 .
Konstrukce topiku
• jednotlivé větvě topiku, pojmy resp. témata, podpojmy, resp. podtémata a klíčová slova jsou připojena k vyšší úrovni operátory
• důležitost pojmů resp. témat, podpojmů resp. podtémat vzhledem k ostatním je určena váhami
• topik se vytváří speciálním editorem
• předpoklad: dobrá znalost operátorů a orientace v dané oblasti.
Nabízí se zde jistá formální analogie k hierarchickému selekčnímu jazyku systémové notace MDT.
Je však třeba zdůraznit, že topiky jsou tvořeny podle skutečnosti, MDT je víceméně taxativní systém jednotlivých oborů, nikoli témat. Proto je třeba k definici topiků přistupovat svébytně.
Operátory
listové operátory: WORD, STEM, SOUNDEX, WILDCARD, THESAURUS, SUGGEST a TYPO
proximitní operátory: PHRASE, SENTENCE a PARAGRAPH
koncepční operátory: AND, OR a ACCRUE
logické operátory: ANY a ALL a relační operátory: rovnost `=', větší než `>', větší nebo rovno `>=', menší než `<', menší nebo rovno `<=', MATCHES, SUBSTRING, CONTAINS, STARTS, ENDS
ACCRUE sbližuje operátor AND a OR: “čím více různých klíčových slov nalezeno, tím je dokument důležitější“, řeší dilema mezi přesností a úplností.
Váhy
Váhy lze použít pouze u uzlů připojených pomocí koncepčních operátorů (AND, OR a ACCRUE); pokud váhu u připojovaného uzlu neuvedeme, použije se standardní váha - pro AND a OR 1.00, pro ACCRUE 0.50.
Přiřazením váhy k určitému uzlu určujeme, jak (od 0.01 do 1.00) se určitý uzel podílí na celkovém skóre daného dokumentu při výběru; změnou vah je možno změnit pořadí dokumentů v seznamu dokumentů dle skóre relevance.
Charakteristika serveru http://full.nkp.cz a báze ANL FULL, Periodika na WWW - portál - Příloha F 4
Server full.nkp.cz je určen primárně ke zpřístupňování plnotextových dokumentů, zejména těch, které jsou obsaženy v periodicky vydávaných dokumentech české provenience.
Základní členění stránek - základní a dílčí nabídky
Stránky jsou tvořeny horním pruhem a základní částí (hlavním prostorem). Horní pruh (frame) je přístupný stále, obsahuje v horní části dynamické rozbalovací menu s jednotlivými nabídkami základních a dílčích funkcí. V základní části se zobrazují požadované funkce.
Obecné (základní) informace
Charakteristika db (projekty, charakteristika serveru, charakteristika báze ANL FULL)
Další databáze (databáze NK - charakteristika báze ANL)
Periodika na WWW (volně dostupná periodika na www)
Vstup do db (ANL FULL)
Jak se zaregistrovat (komentář)
Registrace (formulář)
Přihlášení (formulář)
Vyhledání (ANL FULL)
Jak vyhledávat (metodika)
Rejstříky (i stahování a export plných textů)
Charakteristika databáze ANL FULL (obsah, zdroje)
Databáze ANL FULL - fulltextové vyhledávání ve vybraných článcích z novin a časopisů zatím s retrospektivou od r. 1997 (periodikum Národní knihovna od r. 1990). Databáze je provozována na serveru full.nkp.cz v systému TOPIC.
Plné texty jsou vybaveny citací (bibliografický popis, resp.metadata), automaticky tvořeným souhrnem (začátek článku).
Vyhledávání je možné z každého slova z textu, pomocí slov i frází, pomocí bibliografických údajů, tj. metadat, dále pak tzv. topiků (definovaných dotazů, resp. témat v rámci jednotlivých oborů). Topiky v r. 2003: tematické oblasti (8), skupiny témat (28), detailní témata (zatím cca 197).
Báze obsahuje následující tematické oblasti (8):
- Ekonomika, obchod, finance
- Hospodářství, výroba
- Kultura a umění
- Země světa a geografie
- Humanitní a společenské vědy
- Matematika a přírodní vědy
- Lékařství, zdravotnictví, technika
- Sport volný čas
Výběr plných textů a tematický záběr koresponduje s výběrem článků ke zpracování pro bázi ANL (kategorie titulů, úplnost excerpce a typy článků, tituly viz dříve). Výběr titulů - v současné době celostátní deníky (celkem 6) a některé časopisy (Bankovnictví, Ekonom, Euro , Kapitál, Magazín Práva, Pátek Magazín LD, Profit, Respekt, Reflex, Týden, Květy - celkem 17 - viz Příloha 7.
Další databáze - ANL - Příloha F1
Periodika na WWW - portál – Příloha F4
Nabídka volně přístupných periodik na Internetu se dále bude doplňovat, event. jejich uspořádání měnit. Nejsou zde zahrnuta periodika firemní, inzertní, bulvární, propagující hnutí potlačující lidská práva, sportovní, zpravodajská (zprávy z tiskových agentur bez dalšího kontextu) aj. periodika efemérní povahy.
U každého periodika je možno uvést tyto údaje: oficiální název, www adresa, popis obsahu, vydavatel, tel., fax, e-mail, adresa, ISSN. V budoucnu bude možno podle těchto údajů vyhledávat. Nabídka není ještě zdaleka proporcionální, postupně se ladí. V roce 2004 je v portálu zahrnuto cca 90 regionálních periodik, 90 oborových periodik.
Dílčí nabídky:
· regionální periodika (uspořádaná podle krajů)
· oborová periodika (uspořádaná podle oborů)
Oborová periodika jsou členěna do skupin a v rámci nich do jednotlivých oborů a oblastí:
Kultura, umění
- film, televize
- hudba
- divadlo
- literatura
Odborná periodika
- architektura
- astronomie
- přírodní vědy
- filozofie
- psychologie
- ekonomika
- historie
- knihovnictví
- lékařství
- stavebnictví
- technika, IT
- právo
Společnost
- náboženství (církev, religionistika)
- životní styl
- politika (politická scéna, zprávy, komentáře a glosy událostí)
Zahraničí, zajímavosti, cestování
Zájmy (hobby)
Ostatní
· Zdroje v ČR
Další zdroje periodik dostupných na WWW (některé informační agentury, zpravodajské servery, nakladatelství, vyhledávače, brány a portály).
Jak se zaregistrovat (komentář k registraci v databázi ANL FULL)
Bibliografické údaje o článcích, resp. metadata a plné texty jsou k dispozici čtenářům Národní knihovny.
Pro externí uživatele jsou běžně k dispozici pouze bibliografické údaje o článcích. Zpřístupnění externím uživatelům je omezeno na jeden den. Rutinní zpřístupňování plných textů bude možné po vyřešení autorskoprávních, popř. ekonomických otázek souvisejících se zpřístupňováním plných textů.
Tito uživatelé se musí pro získání plného textu zaregistrovat pomocí formuláře v nabídce Registrace. Po vyplnění povinných údajů je těmto uživatelům zasláno e-mailem potvrzení registrace s aktivačním odkazem a heslem - po odeslání tohoto odkazu je registrace aktivována a prostřednictvím přiděleného hesla zajištěn bezplatný zkušební přístup na 1 den. Nabídka Přihlášení slouží k autentifikaci registrovaného uživatele. Ve formuláři pro přihlášení je třeba vyplnit jméno a přidělené heslo.
Plně funkční je aplikace pro hromadné stahování a export dat v několika formátech. Běžně však není využívána – dosud nevyřešené autorsko právní vztahy.
Jak vyhledávat a způsoby zobrazení (stručný přehled)
Báze ANL FULL obsahuje jak bibliografické popis v různé míře podrobnosti podle vývoje systému, tak plný text, přičemž obě tyto části jsou indexovány a lze z nich paralelně vyhledávat a docílit tím větší míru relevance výsledku vyhledávání k položenému dotazu.Vyhledávat lze též pomocí rejstříků. Systém TOPIC navíc umožňuje pojmové vyhledávání podle témat
TOPIC umožňuje velmi sofistikované kladení dotazů vyžadující určitou zkušenost. Na druhé straně je možné položit dotaz velmi jednoduchým způsobem.
Formuláře - tři základní formuláře podle pokročilosti vyhledávání - základní, rozšířený, rozšířený s tématy, resp. s topiky (viz dále).
Rejstříky - nadefinováno 17 rejstříků, podoba rejstříků se bude dále optimalizovat (viz dále).
Dotazy - druhy dotazů se liší náročností formulace a možností ovlivnit výsledek vyhledávání (viz dále) .
Prostý dotaz (odpovídá možnostem základního formuláře pro vyhledávání)
Obsahuje slova nebo fráze oddělené čárkami nebo logickými spojkami, formulace mohou obsahovat různé konvence. Při vyhledávání se všechna slova skloňují a mají stejnou váhu.
Formulářový dotaz (odpovídá možnostem rozšířeného formuláře pro vyhledávání)
Obsahuje kromě možnosti pro zadání hledaného slova nebo fráze jako u prostého dotazu i pole pro zadání podmínek pro jednotlivé položky strukturované části textové databáze. Jde o rozšíření prostého dotazu.
Tematický dotaz, resp. topik - definuje jednotlivá témata (odpovídá možnostem rozšířeného formuláře pro vyhledávání s topiky)
Topik je typ dotazu, na jehož základě se vyhledají dokumenty, které se týkají určitého tématu, oboru nebo problému.
Topiky jsou rozděleny v bázi do tří úrovní. Lze vyhledávat podle některých nadefinovaných topiků (označeny šipkou vlevo). jednotlivé je třeba ladit. Tematický dotaz je vytvořen v podobě nadefinovaného pojmového stromu v bázi. Skládá se z pojmů - slov, charakteristických pro danou oblast. Ty pak tvoří listy stromu. Témata lze samostatně zároveň používat v prostých i formulářových dotazech. Napojení listů/témat na další úroveň je zajištěno operátorem a přidělením váhy tomuto listu/tématu. Váhy ovlivňují skóre dotazu.TOPIC postupuje od listů až k vrcholu stromu a postupně vypočítává skóre. Topiky viz dále.
Pole
Pole dotaz, resp. text dotazu – obsaženo ve všech formulářích.
Implicitní pole - obsažena v rozšířeném formuláři a v rozšířeném formuláři s tématy .
Vazby mezi polem dotaz, dalšími poli a tématy
· vazba dotaz-pole - vztah mezi polem dotaz a dalšími poli v rozšířeném formuláři pro vyhledávání
· vazba mezi poli - vztah mezi jednotlivými dalšími poli v rozšířeném formuláři pro vyhledávání
· vazba mezi tématy - vztah mezi zaškrtnutými tématy v rozšířeném formuláři pro vyhledávání s tématy
· vazba dotaz - téma - vztah mezi polem dotaz a tématy jako celkem v rozšířeném formuláři pro vyhledávání s tématy
Způsoby zobrazení seznamu výsledků (názvů vyhledaných článků)
V záhlaví seznamu výsledků uveden počet vyhledaných článků, možnost listovat v seznamu výsledků.
Seznam výsledků (názvů vyhledaných článků):
· jednoduchý (standardní zobrazení)
· se souhrnem (standardní zobrazení plus souhrn)
· seskupený (standardní zobrazení plus články uspořádané do skupin podle shody v klíčových slovech podle společného kontextu, clustering) – ve verzi TOPIC 3.7 se tato funkce v současné době zprovozňuje
Třídění seznamu výsledků (názvů vyhledaných článků)
Názvy článků je možno zobrazit od určité hranice skóre relevance, v určitém počtu na stránku a třídit dle skóre, názvu, zdroje, data, strany, a to vzestupně či sestupně.
Zobrazení údajů o článku – viz dále.
· uživatelské formáty
· pracovní formáty
Vyhledávání – metodika – Příloha F8
Vyhledávat lze z pole dotaz (horní řádek přítomen ve všech typech formulářů, zde je také možno pomocí návěští pro jednotlivé strukturované údaje vyhledávat stejně jako podle rozšířených formulářů, dále možnosti contains, = ), z rozšířeného formuláře pro vyhledávání , z rozšířeného formuláře s topiky.
K vyhledání strukturovaných údajů lze také využít rejstříky.
Možnosti vyhledání v poli dotaz a formulářích
Vyhledání probíhá fulltextovou formou, tj. z plného znění jednotlivých dokumentů a z jejich citace, resp. metadat, resp. bibliografického popisu. Systém rozeznává pádové koncovky podstatných a přídavných jmen. Lze vyhledávat podle jednoduchého slova nebo fráze. U rozšířeného formuláře a u rozšířeného formuláře s tématy lze nastavit (ve spodní části formuláře) pro implicitní pole formuláře vyhledávání podle výskytu řetězce kdekoli v poli pomocí operátoru <contains>. Pokud je vyžadováno přesné zadání i porovnání celého řetězce použijeme =.
Tyto operátory lze zapsat také přímo do pole dotaz, resp. hledat v textu. Operátor <contains> lze v tomto případě zapsat jednoduše jako #. V tomto případě nastavení operátorů nemá vliv při hledání z polí pomocí návěští a při použití různých konvencí (savored, *, atd.). Doporučujeme však v případě nejistoty nastavení <contains>.
Základní formulář
Nabídky:
Dotaz - hledat v textu (formulace dotazu)
Období pro vyhledání od do
Typ seznamu výsledků (článků):
jednoduchý (pouze název s nabídkou zobrazovacích formátů)
se souhrnem (plus souhrn, který tvořený počátečními větami článku)
seskupený (skupiny článků uspořádané podle shody v klíčových slovech) viz též výše.
Rozšířený formulář
Nabídky:
Obsahuje stejné nabídky jako základní formulář, navíc pak vyhledávání podle implicitních polích ve struktuře formuláře. Je možno zvolit, zda vyhledávat v těchto implicitních polích způsobem <contains> nebo způsobem =. Pro seznam výsledků je možno navíc navolit oproti základnímu formuláři skóre relevance, od které zobrazovat články, zobrazit určitý počet článků na stránku, dále třídit dle skóre relevance, názvu, zdroje,data vydání, stran, a to sestupně či vzestupně.
Hledat v textu - odpovídá poli Dotaz v základní formuláři (formulace dotazu)
Období pro vyhledání od do
Implicitní pole:
název, autor (s nabídkami pro jednotlivé údaje)
číselné údaje (s nabídkami pro jednotlivé údaje)
předmět (s nabídkami pro jednotlivé údaje)
další nabídky: typ článku (s nabídkami pro jednotlivé typy článků)
zdrojový dokument (s nabídkami zdrojových dokumentů)
Způsob vyhledání řetězců (v implicitních polích):
<contains> (postačí výskyt řetězce v poli)
= je požadováno přesné zadání i porovnání řetězce
Typ seznamu výsledků (článků):
jednoduchý (pouze název s nabídkou zobrazovacích formátů)
se souhrnem (plus souhrn resp., který tvořený počátečními větami článku)
seskupený (skupiny článků uspořádané podle shody v klíčových slovech) viz též výše
Skóre (relevance, od které zobrazovat články)
Výsl./str. (počet článků na stránku)
Třídění: dle skóre (relevance)
dle názvu
zdroje
data (vydání)
stran
a to sestupně nebo vzestupně.
Rozšířený formulář s tématy
Nabídky:
Tento formulář má stejné nabídky pro vyhledávání jako rozšířený formulář, umožňuje vyhledávat navíc podle témat, resp. topiků, resp. dotazů. Pro bázi ANL FULL jsou nadefinovány některé topiky, rozdělené do tří úrovní.Topik slouží k tomu, že hledaný výraz vyplněný do textu dotazu a různě zpřesňovaný je navíc upřesněn topikem, tj. tématem. Např. hledáme-li v bázi výraz hvězdy, výsledek obsahuje několik tisíc dokumentů. Specifikujeme-li tento výraz pro vyhledávání v rámci astronomie, najdeme pouze několik set dokumentů.
Uživatel zvolí typ vyhledávacího formuláře popř. změní jeho implicitní parametry. Vlastní dotaz potom je možné zadat několika způsoby.
V poli dotaz, resp. text dotazu pomocí běžných konvencí nebo návěští pro pole (pole dotaz v základním formuláři, text dotazu v rozšířeném formuláři či text dotazu v rozšířeném formuláři s tématy). Jsou nadefinována návěští pro vyhledávání v jednotlivých polích bibliografických údajů, resp. metadat, resp. citace
V implicitních formulářových polích pomocí údajů obsažených v polích bibliografického popisu, resp. metadat, resp. citace a zadáním volby <contains> nebo = pro způsob vyhledání řetězců
Dotaz lze zadat v kombinaci s omezením období volbou pro období od do ve všech formulářích.
Pomocí témat - topiků (tématických dotazů) připravených v roletových menu v levém pruhu rozšířeného formuláře v tématy
Shrnutí základních způsobů vyhledávání pomocí typů formulářů :
Základní formulář - kombinace pole dotaz, období pro vyhledávání
Rozšířený formulář - kombinace dotazového pole, období pro vyhledávání, implicitní pole ve formuláři, nastavení <contains> (hledání po slovech) či = (hledání podle přesného řetězce - podle přesného řetězce je lépe hledat pomocí rejstříků)
Rozšířený formulář s tématy - kombinace dotazového pole, období pro vyhledávání, implicitní pole ve formuláři, nastavení <contains> či =, témata
Vyhledávat lze také podle rejstříků (17 rejstříků, obsahují metadata resp. strukturované údaje, které lze hledat také pomocí způsobů uvedených výše)
Metodika k některým způsobům vyhledávání
Pole dotaz, resp. text dotazu ( horní řádek - přítomen ve všech typech formulářů)
Nejjednodušší dotaz tvoří jediné slovo, fráze.Pro zadávání složitějších nebo víceslovných dotazů je možno použít logické operátory (and, or, not a další), případně další konvence,např. zástupné znaky (wildcards) - viz dále bod Př.1-9. Uvedením návěští se vyhledávání omezuje na příslušné pole - Př. 10-12 .
Základní operátory:
and - v poli jsou obsaženy všechny hledané výrazy
or - pole obsahuje alespoň jeden hledaný výraz
not- hledaný výraz nesmí být v poli přítomen
Konvence pro všechny formuláře - pole dotaz, resp. text dotazu
Př. 1
hvězdy
Vyhledají se dokumenty, které obsahují různé gramatické tvary zadaného slova (hvězdy, hvězdám...).
Př. 2
hvězdy, asteroidy, planetky
Vyhledá dokumenty, které obsahují různé gramatické tvary slov „hvězdy“ nebo „asteroidy“ nebo „komety“ (čárky lze nahradit operátorem or nebo <accrue>, který je přesnější).
Př.: 3
(hvězdy, asteroidy) and komety
Vyhledá dokumenty, které obsahují různé gramatické tvary slov „hvězdy“ nebo „asteroidy“ a zároveň s nimi nebo některými z nich i slovo „komety“.
Př. 4
(hvězdy and asteroidy) not komety
Vyhledá dokumenty, které obsahují různé gramatické tvary slov „hvězdy“ i „asteroidy“ a zároveň neobsahují slovo „komety“.
Př.: 5
komety <near> kolize
Vyhledá dokumenty, které zároveň obsahují různé gramatické tvary slov „komety“ i „kolize“, a seřadí je podle textové vzdálenosti mezi těmito slovy.
Př. : 6
„meteorický roj“ or „padající hvězdy“ .
Vyhledá dokumenty, které obsahují různé gramatické tvary frází „meteorický roj
nebo „padající hvězdy“.
Př.: 7
meteo*
Hvězdičková konvence: Vyhledá dokumenty, které obsahují slova začínající na „meteo“ (meteor, meteorický, apod.).
Př.: 8
*stvo
Hvězdičková konvence: Vyhledá dokumenty, které obsahují slova končící na „stvo“ (družstvo, mužstvo, apod.) .
Př.: 9
??běr
Otazníková konvence: Vyhledá dokumenty, které obsahují slova končící na „běr“ a sestávající z pěti znaků (výběr, záběr, apod.).
Návěští pro všechny formuláře (vyhledávání v polích) - Návěští zapisovaná v poli dotaz, resp. text
Př.: 10
Data
dat <contains> 8.10.2001
dat# 8.10.2001
dat=8.10.2001
Vyhledá všechny dokumenty vydané v tomto dni.
Pozn.: Datum vydání lze jednodušeji navolit v nabídce období od do ve všech formulářích. Zde je možno označit den či interval.
Vyhledá všechny dokumenty zpracované v tomto dni
Př.:11
zdr=Respekt and naz=Rafinovaný odraz skutečnosti
src=Respekt and ti=Rafinovaný odraz skutečnosti
dc.source=Respekt and dc.title=Rafinovaný odraz skutečnosti
Vyhledávání podle obsahu polí: vyhledá dokumenty názvu zdroje (Respekt) s přesným názvem článku (Rafinovaný odraz skutečnosti). Návěští jsou v češtině nebo v konvenci Dublin Core nebo v angličtině. Text dotazu lze rozšířit o vyhledávání podle dalších polí (návěští viz Tabulka návěští dále). Na tento typ dotazu nemá vliv nastavení <contains> či = ve spodní části formuláře. Pro začátečníky je tento typ dotazu komplikovaný, doporučujeme vyhledávat přímo z rozšířeného formuláře, kde jsou implicitně pole nastavena. V tomto případě je třeba označit volbu <contains> či = v nabídce formuláře v spodní části rozšířeného formuláře.
Př. 12
zdr <contains>Respekt and naz <contains>odraz
src<contains>Respekt and ti<contains>odraz
dc.source<contains>Respekt and dc.title <contains>odraz
Operátor <contains> lze nahradit #:
zdr#Respekt and naz#odraz
src#Respekt and ti#odraz
dc.source#Respekt and dc.title#odraz
Vyhledá dokumenty z názvu obsahující slovo "Respekt" a z názvu článku obsahující slovo "odraz" .
Tabulka návěští pro pole dotaz a Prvky Dublin Core a Anl Core aplikované v bázi ANL FULL - viz Příloha F9
Využito 14 prvků DC, navíc přidán DC.Subtitle (vzhledem k minimálnímu záznamu pro ANL), 14 prvků AC (ANL CORE) definovaných pro vyhledávání a užívaných v popisu článku . Vzhledem k WWW TTDE a rozšíření formuláře pro editaci o některé prvky bude zřejmě potřeba rozšířit v budoucnu ANL Core.
Rovněž nepoužívejte návěští phnk, ale jeho alternativu.
Pozn.: při kombinaci návěští nemá na vyhledávání vliv nastavení <contains> a =.
Př: zdr=Lidové noviny
Lze vyhledávat podle tečkové konvence DC za použití operátoru contains nebo jeho náhrady #.
Př.:
dc.creator#Klaus
dc.creator <contains>klaus
Podle tečkové konvence lze vzhledávat údaje: dc.source, dc.date.issued, dc.date.modified,dc.title, dc.subtitle, dc.cerator, dc.contributor, dc.publicher, dc.coverage.spacial, dc.coverage.temroral, dc.cubject
Zvýraznění vyhledaných údajů pomocí dotazového pole
Údaje, které nejsou vyhledávány pomocí strukturovaných polí jsou zvýrazněny červeně v citaci článku i v textu článku.
Údaje, které jsou vyhledávány pomocí strukturovaných polí nejsou zvýrazněny červeně, jsou obsaženy v citaci článku.
Spíše než návěští doporučujeme používat formulář s implicitně nastavenými poli.
Formulářová pole s implicitními údaji v rozšířených formulářích. Přehledná tabulka metodiky pro vyhledávání - Příloha F4, F 9
Jednotlivé údaje lze kombinovat pomocí operátorů and, or, not. Ve spodní části obrazovky je možno nastavit vyhledávání <contains> - pro vyhledání daných řetězců kdekoli v poli, tj. po slovech, nebo = vyžadujeme-li přesné znění řetězce. Pro přesná znění je lépe využívat rejstříky. Všeobecně je lépe nastavit operátor <contains>.
Údaje, které jsou vyhledávány pomocí implicitních polí, nejsou zvýrazněny v plném textu červeně.
Vyhledávání pomocí topiků - Rozšířený formulář s tématy - Příloha F4,F9
Tématem se rozumí předem připravený složitý dotaz. Jedno nebo více témat je možno vybrat označením v seznamu v pravém pruhu formuláře (maximálně 3 témata pomocí klávesy Ctrl). Témata lze kombinovat vzájemně mezi sebou i s dotazem v poli dotazu, resp. textu dotazu. Relace mezi tématy a poli je možné zaškrtnutím voleb příslušných voleb v pravé dolní části formuláře (volba and, or)
Tematický dotaz může obsahovat stovky slov. Je vytvářen speciálním editorem, který umožňuje vložit logické a další operátory dotazovacího jazyka, provádí kontrolu syntaxe a umožňuje proto plně využít výhod pokročilého vyhledávacího systému TOPIC. Pro databázi ANL FULL jsou témata strukturována do tří úrovní: první obsahuje základní tematické oblasti (8), druhá skupiny témat v těchto oblastech (28), třetí obsahuje detailní témata ve skupinách témat (zatím 197). Z první úrovně nelze zatím vyhledávat, z druhé a třetí ano - tam, kde je topik nadefinován (označeno šipkou vlevo). Tematická nabídka je postupně rozšiřována.
Topik slouží k tomu, že hledaný výraz vyplněný do textu dotazu a různě zpřesňovaný je navíc upřesněn topikem - tématem.
Přehled dosud nadefinovaných/navržených topiků strukturovaných do tří úrovní – Příloha F9
Rejstříky – Příloha F4
V rejstřících je možno listovat a vybrat výraz, podle kterého chceme vyhledávat. Tyto výrazy jsou hypertextově propojeny v citacích s metadaty, resp. údaji bibliografického popisu. Podle rejstříků doporučujeme vyhledávat údaje zejména týkající se předmětu dokumentu (předmětové kategorie, hesla - věcná a geografická, osoby, korporace, akce, klíčová slova, dokument/dílo). Vyhledané výrazy jsou v bibliografickém popisu, resp. metadatech, resp. citaci vyznačeny červeně.
Obsah rejstříku se zobrazuje v pravém okně, v levém okně se zobrazují vyhledané články.
Bylo nadefinováno 17 rejstříků:
autoři, název zdroje, zdroj ročník číslo, datum vydání, předmětové kategorie, předmět, místo, hesla (věcná a geografická), osoby, korporace, akce, klíčová slova, dokument/dílo, typ článku, MDT, geografické vymezení, časové vymezení.
Některá doporučení, jak nejlépe vyhledávat
· Nejjednodušší vyhledávání je z pole dotaz pomocí jakéhokoli slova v kombinaci datem vydání
· Údaje obsažené v polích bibliografického popisu doporučujeme vyhledávat spíše pomocí implicitních polí v rozšířených formulářů než vypisováním návěští v poli dotaz resp. text dotazu
· V implicitních polích rozšířených formulářů vyhledávat pomocí nastavení operátoru <contains> či # než pomocí =
· Přesná znění řetězců vyhledávat spíše pomocí rejstříků
· Při vyhledávání autorů doporučujeme vyhledávat z nabídky všichni autoři v rámci nabídky autor,název v rozšířeném formuláři
· Ukončovat jednotlivé akce (nenechávat více otevřených formulářů více najednou, též výsledků vyhledávání)
Výsledky vyhledávání, zobrazení, tisk (všechny formuláře) - Příloha F4
Seznam výsledků (seznam článků)
Seznam vyhledaných dokumentů uvádí v záhlaví nadpis a údaje o výsledku hledání. Počet vyhledaných dokumentů na stránku je dán volbou v poli Výsl./str. V závislosti na této volbě se potom zobrazuje počet stran s možností listování.
Druhy seznamu výsledků (seznam článků):
U jednotlivých článků zobrazeno vždy, resp. standardně (zleva): tři formáty pro zobrazení údajů o článku, skóre relevance, datum vydání, název článku, velikost plného textu.
Seznam výsledků (názvů vyhledaných článků):
· jednoduchý (standardní zobrazení)
· se souhrnem (standardní zobrazení plus souhrn)
· seskupený (standardní zobrazení plus články uspořádané do skupin podle shody v klíčových slovech podle společného kontextu, clustering) - v současné verzi TOPICu zprovozňována - viz též výše
Třídění seznamu výsledků (názvů vyhledaných článků)
Skóre (relevance, od které zobrazovat názvy článků)
Výsl./str. (počet článků na stranu)
Třídění: dle skóre (relevance)
dle názvu
zdroje
data (vydání)
stran
a to sestupně nebo vzestupně.
Zobrazení údajů o článku - Příloha F4
Formáty zobrazení
Uživatelské formáty
Každý dokument je možné zobrazit ve třech uživatelských formátech/variantách:
Citace článku, souhrn - bibliografické údaje o článku, resp. metadata s odkazy
pro další hledání
Citace článku, plný text - bibliografické údaje o článků, resp. metadata s
odkazy pro další hledání a plný text článku
DC/HTML
– Dubline Core Metadata
Název článku hypertextově aktivní – zobrazení citace a plného textu bez odkazů
Hledané výrazy se zvýrazní červeně pouze vyhledávám-li z dotazového pole, podle topiků a rejstříků, nikoli podle nadefinovaných, resp. implicitních polí.
Pracovní formáty
V záhlaví plného textu jsou navíc různé pracovní formáty - klíčová slova, UNIMARC (komunikativní formát), Dublin Core – formát pro zpřístupňování elektronických dokumentů a jeho aplikace, která obsahují metadata (DC/HTML/META, DC/XHTML kvalifikovaný a nekvalifikovaný, DC/XML kvalifikovaný a nekvalifikovaný, které nejsou určené pro běžného uživatele, ale pro budoucí vývoj systému a zpřístupnění plných textů.
Metadata - Příloha F9
Ve všech variantách zobrazení je obsažena citace, resp. biliografické údaje, resp. metadata.
Příklady uložených metadat v plném textu
Př.1:
|
Název: |
Cesta mezi hlavou a rukou |
|
|
Podnázev: |
Když některé věci nenapíšu, nikdy se je nedozvím, říká publicista a spisovatel Pavel Kosatík |
|
|
Hlavní autor: |
Pavel Kosatík |
|
|
Další autor: |
Karel Hvízdala |
|
|
Zdroj: |
Mladá fronta Dnes |
|
|
Zdroj-příl.: |
Ekonomika |
|
|
ISSN: |
1210-1168 |
|
|
Roč. |
12, č. 204 (1.9.2001), s. C/5 |
|
|
Rubrika: |
Kultura - Pohledy |
|
|
Předmět. ktg.: |
politika: politici |
|
|
|
literatura: česká literatura |
|
|
|
hromadné sdělovací prostředky: novináři |
|
|
MDT: |
323-051, 070-051, 821.162.3-051 |
|
|
Osoba jako předmět: |
Masaryk, Jan, 1886-1948 |
|
|
|
Peroutka, Ferdinand, 1895-1978 |
|
|
|
Kohout, Pavel, 1928- |
|
|
Téma jako předmět: |
politici-Československo-stol. 20. |
|
|
|
novináři-Československo-stol. 20. |
|
|
|
spisovatelé-Československo-stol. 20. |
|
|
Typ dokumentu: |
rozhovory |
|
Př. 2:
|
Název: |
Rafinovaný odraz skutečnosti |
|
|
Podnázev: |
Na pultech se objevil další titul singerovské řady |
|
|
Hlavní autor: |
Hana Ulmanová |
|
|
Zdroj: |
Respekt |
|
|
ISSN: |
0862-6545 |
|
|
Roč. |
12, č. 41 (8.10.2001), s. 23 |
|
|
Rubrika: |
KULTURA |
|
|
Předmět. ktg.: |
literatura: americká literatura
|
|
|
MDT: |
821.111(73)-31, (070.447) |
|
|
Osoba jako předmět: |
Singer, Isaac Bashevis, 1904-1991 |
|
|
Dílo jako předmět: |
Stíny nad Hudsonem (kniha) |
|
|
Téma jako předmět: |
anglicky psaná literatura |
|
|
|
americká próza |
|
|
|
spisovatelé-Spojené státy-stol. 20. |
|
|
Typ dokumentu: |
recenze |
|
Tisky
Tisk seznamu výsledků – z nabídky Tisk seznamu, tisk plného textu – z nabídky Tisk detailu.
Tisk, stahování a export plných textů a metadat - přístup z nabídky Vyhledávání - Příloha F9
Aplikace pro stahování a export metadat a plných textů, která vychází z již vyvinuté technologie v Anopressu. Aplikace umožňuje stáhnutí a export příslušných plných textů a metadat na lokální počítač v zip souboru v několika formách: HTML, RTF formát , textový tvar, UNICODE - vše se zvýrazněním klíčových slov a bez , XML formát, HTML formát se souhrnem. Je možno zobrazit detailní průběh zpracování. Exportovat plné texty a metadata mohou zatím jen registrovaní vybraní uživatelé.
Postup:
1. Vyhledané články nejprve označit v Seznamu výsledků (levé okno)
2. Odrážka „Stáhnout označené“
3. Volba formátu výstupního souboru“
4. Odrážka „Připravit texty“
5. Odrážka „Stáhnout soubor“
6. Soubor otevřít nebo uložit
Administrace - Příloha F 4
Aplikace pro administraci databáze ANL FULL a portálu.
Úpravy textů článků – aplikace umožňuje opravovat zdrojové kódy článků (tj. i metadata) na základě vyhledání podle identifikačních čísel. Umožňuje opravy rejstřík bez přímé vazby na záznamy. Opravené záznamy jsou uložené do souboru a dále naimportovány do báze a zaindexovány.
Aplikace umožňuje provádět opravy a sledovat statistiky – zahrnuje tyto úkony: úpravy textu článku (metadat aj.), údržba rejstříků, údržba portálu Periodika na WWW, údržba informačních zdrojů. Aplikace umožňuje podobně udržovat seznamy uživatelů, hesel, mailů a sledovat statistiku přístupů.
Zcela nová aplikace pro opravy hesel a metadat v plných textech, která je zabudovaná přímo do linky WWW TTDE (viz též výše). Aplikace umožňuje vyhledání plných textů z rejstříků, jejich zobrazení a zatím částečné načtení do pracovního listu k opravě. Po korekci metadat je plný text odeslán do báze, plný text je přepsán a zrušen. Aplikace je ve stádiu experimentu.
B.1.4.2 Kooperační systém článkové bibliografie standardizace, aplikace pro MNG KOSABI
B.1.4.2.1 Kooperační systém článkové bibliografie
V roce
2002 se poměrně hodně času věnovalo projektu
krajské
knihovny v Ostravě
týkající se popisu článků v systému T-Series a jejich zpřístupnění. Byly
specifikovány požadavky na konverzní program z T-Series do UNIMARCu, zejména
v intencích minimálního záznam a požadavky na věcný popis.Řešitelka vypracovala
připomínky začátkem roku
Byly řešena také problematika řízeného slovníku pro věcný popis. V kooperačním systému článkové bíbliografie se používal ještě za dob ISISu tzv. částečně řízený slovník klíčových slov, tj. byly řízeny nadřazené pojmy a většinou první podřazené slovo k nim. Kromě toho se klíčová slova vyvinula z předmětových hesel a zachovávala částečně i jejich strukturu, tj. bylo obsaženo téma, chronologický a geografický údaj.Pro osoby a akce, forma dokumentu byla zvláštní pole.
Řízená klíčová slova, tj. nadřazený a jemu podřazený pojem byly konvertovány do UNIMARCu a tvoří v UNIMARCu tzv. předmětové kategorie v poli 615.
Předmětové kategorie používají všechny knihovny kromě těch, které pracují v Tinlibu/T-Series. Slovník se musí v samotné bázi ANL zredigovat. Pro UNMARC jsou zapisovány v poli 615, k odlišení od Konspektu s 2. indikátorem 9. V budoucnu by mohly dobře konspekt doplňovat.
Poměrně problematická situace vznikla v krajské knihovně v Českých Budějovicích,
V roce 1998 jsme minulosti navrhovali v zásadě dva způsoby, jak diferencovat zápis údajů věcném popisu tak, aby byly lépe převoditelné do UNIMARCu. Zápis příslušných údajů duplicitně do polí pro konverze nebo zápis čísel polí UNIMARCu přímo k údajům v pracovním listu. Takto by byly údaje připravené pro konverze do příslušných polí v UNIMARCu. Žádný z těchto způsobů zápisu však nebyl u článků v praxi realizován.
Mezitím se věcný popis článků vyvíjel v Českých Budějovicích tak, aby byl vstřícný pro uživatele i katalogizátory. K věcnému popisu byla používána pole pracovního listu – předmětové skupiny a výrazy tezaurů, v posledním období pouze pole předmětové kategorie v terminologii Tinlibu, resp.T-Series (něco jiného jsou předmětové kategorie UNIMARCu, pole 615). V roce 2002 se přistupuje k popisu do jemněji strukturovaného formuláře, podobně jako v Ostravě.
V Ostravě je situace jednodušší – do léta 2001 byly články zpracovávané v ISISu, koncem roku 2001 přechod na jemněji strukturovaný formulář T-Series.
V roce 2002 na T-Series přešla i krajská knihovna v Ústí nad Labem.
V červnu 2002 přešlo oddělení analytického zpracování v NKČR na verzi ALEPH 14.2.4, která umožňuje vetší komfort pro opravy uložených dat. Na toto verzi přešly též v r. 2002 i knihovny v Brně a Olomouci. Pracovníci MZK ukládají záznamy přímo do báze ANL.
V r. 2003-2004 se ladila struktura záznamů vzhledem k formátu UNIMARC ve spolupráci s krajskými knihovnami v Pardubicích a Zlíně (KP-Sys), v Karlových Varech a Havlíčkově Brodě (Lanius, resp. Clavius). Zároveň byla delimitována excerpční základna vzhledem k novému státoprávnímu uspořádání a vstupu těchto knihoven do reálné kooperace. Podobně tomu tak bylo i u Národního filmového archivu. Tyto knihovny jsou de facto připraveny na reálnou spolupráci v r. 2005.
V r. 2003 záznamy ANL respektují metodický materiál Záznam pro soubornou databázi : UNIMARC a Záznam pro soubornou databázi : Výměnný formát. Dle možností je aktualizována pracovní verze příručky pro zpracování článků v UNIMARCu - Metodika popisu článků ve formátu UNIMARC a vystavena na Internetu s názornými příklady. Většina knihoven vybavuje záznamy předmětovými kategoriemi, které jsou jednotícím prvkem souborné databáze. Oddělení analytického zpracování přistupuje k intenzivnějšímu využívání souborů autorit v NK , korekturám báze ANL a připravuje data pro soubory jmenných a věcných autorit. Také kooperující instituce postupně používají národní soubory autorit.
V rámci ANL i ANL FULL jsou formulovány základní principy věcného popisu, aplikovaného při zpracování článků V NKČR. Pořadí kategorií, předmětových hesel odpovídá pořadí MDT. MDT vztahující se k osobám a formě článku se uvádí na konec věcného popisu (osoby, forma). Kategorie: obecné zařazení tématiky dokumentu pod obecné hlavní téma (615a) a zpřesnění (615x). Předmětové heslo: vystihuje hlavní téma dokumentu. Klíčová slova: variantní selekční termíny k předmětovým heslům uvádíme zatím z důvodů postupného propojování báze ANL na soubory autorit, v současné době se eliminují - s postupným provázání věcného popisu na autority i s ohledem ke zpřístupnění plných textů v bázi ANL prostřednictvím báze ANL FULL.
Ve většině kooperujících institucí se používá kombinace těchto tří prvků věcného popisu v různé míře. Předmětová hesla se aplikují pro osoby, korporace, typ dokumentu, geografické téma. Je třeba důsledněji používat pole 660 Geografický kód.
V r. 2004 probíhaly v NKČR práce na konverzi UNIMARC M21, knihovnám pracujícím v ALEPHu byly poskytnuty šablony pro katalogizaci článků. Skupina pro analytické zpracování schválila minimální záznam pro soubornou bibliografickou databázi MARC 21. V listopadu a prosinci byl odzkoušen a uveden do provozu uploud záznamů do kooperačního systému (viz dříve). Byl vypracována pravidla popisu ve formátu M21 s respektováním AACR2R. Veškeré materiály jsou vystaveny na WWW.
Předmětové kategorie používají všechny knihovny kromě těch, které pracují v Tinlibu/T-Series. Slovník se musí v samotné bázi ANL zredigovat. Pro UNMARC jsou zapisovány v poli 615, k odlišení od Konspektu s 2. indikátorem 9. V budoucnu by mohly dobře konspekt doplňovat.
Byl vypracován návrh postupné aplikace konspektu v knihovnách kooperačního systému článkové bibliografie.
Koncem r. 2004 se začal aplikovat v krajské knihovně konspekt. Při uploadu do kooperačního systému bylo zjištěno, že je třeba export pole vyladit. Konspekt se začal používat také v NKČR. Bylo
Údaje jmenného a věcného popisu jsou podle možností v bázi ANL revidovány a opravovány pomocí globálních a hromadných oprav, dále pak s využitím jmenných a věcných autorit.
B.1.4.2.2 Standardizace – shrnutí a perspektivy
V oblasti věcného popisu se používá aktualizovaná verze MDT-MRF. Verbální věcný popis obsahuje předmětové kategorie, které zasazují dokument do širších souvislostí v rámci databáze z hlediska obecných témat, jež by se měla sbližovat s tématy systému TOPIC eventuelně s automatizovanou tvorbou kategorií. Předmětové kategorie do jisté míry konvenují metodě konspektu aplikované pro popis a mapování fondů. Od konspektu jsou odlišeny identifikátorem v rámci stejného pole 615. Dále se používají klíčová slova, která jsou dále částečně řízená a předmětová hesla. V rámci linky TTDE a ALEPHu je zajištěno také propojení na soubory autorit (ne zatím zcela pro katalogizátora pohodlné, pracuje se na propojení on-line - viz dříve) Automaticky je generován souhrn článku, automaticky lze také generovat klíčová slova, která však mají v současném stádiu "počítačovou formu".
Koncem r. 2004 se začal používat v bázi ANL konspekt. Ve formuláři TTDE je pro konspekt také připraveno pole, konverze jsou ošetřeny. Není však zatím možné napojení na autority (neznámé atributy pro nastavení).
V záznamech určených k propojení s plným textem se v lince automaticky generuje dynamická URL adresa, SICI. Do zpracovávaných článků v ALEPHu jsou doplňované statické adresy volně dostupných dokumentů a WWW. Dále se automaticky generuje URN (do kterého je zabudováno identifikační číslo plného textu přidělené v Anopressu) a z velké části pole LKR určené k propojení se zdrojovým dokumentem.
Dublin Core používaný v lince TTDE obsahuje 14 z 15 definovaných údajů viz Příloha F 9. Je generován pro formát HTML, XHTML a XML ve kvalifikované i nekvalifikované formě. Do HTML je zabudován LINK tag pro potřeby odkazu na webovský zdroj, v němž se nachází specifikace daného použitého soboru metadat. Bylo nadefinováno 14 údajů Anl Core vzhledem k detailnosti popisu a vzhledem k možnostem vyhledávání v současné verzi systému TOPIC a prvky ANL Core užívané pro vyhledávání.
B.1.4.2.3 Management Kooperačního systému článkové bibliografie, aplikace MNG KOSABI - Příloha F5
Management KOSABI se dělí na správu a údržbu: bibliografické báze ANL(ALEPH) a serveru http://anl.nkp.cz (správy pomocné báze SKA pro bázi ANL, vedení koordinované excerpční základny systému - popsána dříve a metodické činnosti - popsány dříve, zálohování serveru anl.nkp.cz;serveru full.nkp.cz; plnotextové báze ANL FULL a serveru http://full.nkp.cz (popsána dříve).
Perspektivy serveru http://full.nkp.cz
Server http://full.nkp.cz je v letech 2003-2004 je ve stádiu rutinního provozu. Báze ANL FULL má být dle rozhodnutí vedení NK určena k archivním účelům. Server full.nkp.cz má být převeden pro společnou doménu s ostatními NT servery NKČR, o jeho správu se má dělit fy Comdat z hlediska systému, a ing. Mattern (Anopress) z hlediska správy aplikace.
Server byl během řešení projektu jištěn na magnetických páskách, DVD, na serveru anl.nkp.cz jako zrcadlo k serveru full.nkp.cz. Koncem r. 2004 je pravidelně zálohována na serveru NKČR.
Aplikace pro správu a údržbu báze ANL je ve stádiu provozu koncem r. 2004 vzhledem ke konverzi M21, vzhledem k náročnému ladění různých importů a uploadu do KOSABI, nutnosti vytvořit nové formáty pro příjem dat a kontroly dat exportovaných z Clavia a pro M21.
V rámci MNG KOSABI je prováděna i správa serveru anl.nkp.cz (Linux, Oracle), na kterém běží aplikace MNG KOSABI a na které je umístěna báze SKA (báze, do které se importují – uploadují data od spolupracujících institucí).
Server anl.nkp.cz (Linux, Oracle) je pravidelně zálohován a jsou zde zálohy báze ANL FULL jako zrcadlo. Data a programy umístěné na serveru pro MNG KOSABI jsou jištěny pravidelně na CD. MNG KOSABI je názorně popsán v příloze F5.
Na základě zadání pro řízení a správu kooperačního systému a za využití již vyvinutých řešení v rámci Souborného katalogu CASLIN proběhly práce na vývoji aplikace pro KOSABI na serveru ANL( systém LINUX a ORACLE).
Ve stádiu provozu je aplikace pro evidenci a aktualizaci (dialogové zpracování báze) excerpční základny systému.
Ve stádiu provozu je aplikace pro příjem, automatizované zpracování a export dat do ALEPHu (příjímání analytických záznamů, integrace stávajících programů pro konverzi analytických záznamů, globální úpravy analytických záznamů, vývoj programů na formálně logické kontroly kooperujících knihoven - test na UNIMARC a M21 pro analytické záznamy, test na kritické chyby, test na duplicitu klíčů).
Ve stádiu provozu je aplikace na kontrolu platných URL adres.
A. Báze Titulů – aplikace pro evidenci a aktualizaci excerpční základny systému - Příloha F6
Excerpční základna je evidována: v aplikaci Báze Titulů (aktuálně zpracovávané seriály), dále pak v samostatném soupisu aktuálně excerpovaných seriálů ve formátu .doc a titulů sborníkového charakteru ve formátu doc.
Aplikace pro evidenci zpracovávaných titulů – Báze Titulů (doplnění báze základními daty excerpční základny do nadefinovaných polí, které odpovídají UNIMARCu)
V bázi excerpční základny jsou obsaženy tituly všech institucí, které kooperují v systému článkové bibliografie. Tituly lze třídit podle zpracovávající instituce, podle abecedy, podle toho, zda jsou vybrané články titulů zpřístupňovány plnotextově, podle kategorie titulu. Pro jednotlivé tituly je definován krátký záznam dle polí UNIMARCu.
Formát SHORT pro bázi titulů
Název (200a)
Označení části (200h)
Název části (200i)
Obsahuje plný text (300a)
Dostupnost plného textu (310a)
Zdroj katalogizace - zpracovatelská instituce (800b)
Excerpce pro ANL (980a)
Excerpce pro vlastní potřeby (980b)
Kategorie titulu (980k)
Aplikace pro aktualizaci Báze titulů
(aplikace v Jdeveolperu, Java)
Tituly lze vyhledávat podle instituce i abecedně, aktualizovat jednotlivé záznamy ve stromové struktuře.
B. Aplikace pro příjem a zpracování dat v bázi SKA, export dat do báze ANL
1. Příjem dat pro systém
· způsoby příjmu dat upload, mail
Byla vypracována detailní nápověda pro užívání uploadu, pro každou instituci zvoleno heslo a jméno,po vyplnění se automaticky navolí nejběžněji používaný kód a formát a přístup do statistik souborů každé instituce.
Zkratky pro kódování
*/ WN/* Windows 1250
*/ M21/* MARC21
· při importu se u každého záznamu vytvoří klíč na duplicitu záznamů (dále uložení klíčů v bázi a následně zobrazení klíče s počtem záznamů) – tzv. test na duplicitu klíčů
(mezi základní klíče patří název článku, autor, název zdrojového dokumentu, datum vydání.)
2. Zpracování přijímaných dat
· přidělení identifikace pro zpracovávanou dávku ( batch_id )
· formát a kódování dle názvových konvencí
· konverze do UNIMARC ( u formátu, které to vyžadují)
· převod do interní struktury SQLLCB
· globální úpravy záznamů - 1. etapa ( chyby v datech, které lze programově ošetřit, např. tvrdé mezery, tagy ve vazebních polích )
· test UNIMARC
· test na MARC 21
· uložení do baze SKA
· statistika zpracování (test na UNIMARC a M21 doplněn o test na kritické chyby a test na UNIMARC, podrobné statistiky chyb)
3. Export dat z baze SKA do adresáře určeného k opravám nebo do adresáře určeného pro ALEPH
· záznamy pro export určeny dle batch_id
· globální úpravy záznamu Etapa II. (oprava specifických "chyb" v dávkách od jednotlivých knihoven)
·
konverze
do kódování UTF-
· uložení výstupního souboru do příslušného adresáře pro import do ALEPHu nebo do adresáře pro opravy
· statistika zpracování
K výše uvedeným funkcím slouží mj. tyto moduly:
conva - překódování
testuni - test na UNIMARC
logpst - statistiky
locvoc - modul pro práci se slovníkem
un2aleph - modul pro konverzi UNIMARCu do ALEPHu
crerr - test na kritické chyby
C. Test na kontrolu platnosti URL adres
Test se provádí na zadání adminstrátora . Testuje se na základě aktuálního souboru záznamů z báze ANL obsahujících pole 856.
Možné kombinace testu: testovat adresy vyjma báze ANL FULL nebo adresy ANL FULL, testovat ok adresy nebo testovat ERR adresy.
Na základě testu vznikají podrobné statistiky s výpisem chyb.
D. Dokumentace
Na serveru anl.nkp.cz je k jednotlivým aplikacím k dispozici dokumentace.
B.1.4.3 Česká národní bibliografie - řada Články v českých novinách, časopisech a sbornících na CD-ROM - Příloha F1
V letech roce 2000-2004 byla pravidelně poskytována data KOSABI pro měsíční aktualizace a CD-ROM ČNB - řada Články v českých novinách , časopisech a sbornících. V r. 2004 proběhly práce na konverzi dat do M21.
B.1.4.4 Akce
Kromě průběžných a pravidelných konzultací proběhly v r. 2002 tyto akce: prezentace báze ANL FULL a KOSABI na Inforu 2002, prezentace KOSABI na konferenci Knihovny současnosti 2002.
Kromě průběžných a pravidelných konzultací proběhly v r. 2003 tyto akce: prezentace báze ANL, ANL FULL a KOSABI na Infos 2003, prezentace KOSABI na zasedání SDRUK, sekce pro bibliografii v Hradci Králové. Řešitelka se pravidelně účastní bibliografických porad každoročně konaných v STK. Řešitelka se zúčastnila zasedání IFLY 2003 v Berlíně. Sekci pro noviny byly poskytnuty informace o KOSABI, ANL, ANL FULL.
B.1.4.5 HW a SW podpora pro správu KOSABI a pro bázi ANL FULL - vývoj
V r. 2000 byl management kooperačního systému zakoupen PC Pentium III, 700 MhZ, ORACLE 8i server. Release 8.1.5 (5 licencí).
Pro správu a údržbu plnotextové databáze ANL FULL byl v r. 2000 zakoupen server DELL - PowerEdge 6300 - Pentium III Xeon 500Mhz/512, Search Verity Information Server (TOPIC) v. 3.6 pro jednoprocesorový server Windows NT zatím pro ultranet (30 licencí), Windows NT v. 4.0. (server full.nkp.cz). V tomto roce byly analyzovány možnosti nové verze TOPICu - Portal ONE SE.
V r. 2002 byl proveden upgrade a update serveru ANL FULL. Instalace Windows 2000, instalace nové verze TOPICu v. 3.7 - Portal One SE. Byla zvýšena operační paměť a kapacita disku ( na 1 GB RAM, 68 GB disk rozdělený na 3).
V r. 2002 byl proveden upgrade serveru ANL: operační systém Linux SuSE 7.3, verze Oracle 9.2.
V r. 2004 byl vyměněn jeden 18 GB disk.
V návrzích projektů v rámci 1 N je uvedena migrace TOPICu na platformu K2, implementace Z39.50 a OpenUrl pro zpřístupnění v JIB aj.
B.1.4.6 Smluvní ošetření projektu
Pro automatickou indexaci, správu (údržbu) plnotextové databáze a dodávku plných textů byly uzavřeny dvě smlouvy: s ing. I. Matternem a Anopressem dne 15.6.2000. Smlouva na vývoj aplikace pro management kooperačního systému s ing. Koktanem byla uzavřena dne 26.9.2000.
Dále zůstává v platnosti v r. 2001 Dodatek č. 3 ke Smlouvě o sdružení pro Českou národní bibliografii, který zabezpečuje fungování Kooperačního systému článkové bibliografie v situaci reformy státní správy.
Anopress, v současné době Anopress IT, a.s., plní všechny své závazky vůči projektům.
Byl učiněny 3 dodatky k základní smlouvě o projektu mezi NKČR a MKČR týkající se přesunu financí.
Dále zůstává v platnosti v r. 2001 Dodatek č. 3 ke Smlouvě o sdružení pro Českou národní bibliografii, který zabezpečuje fungování Kooperačního systému článkové bibliografie v situaci reformy státní správy.
Kooperace s odbornými knihovnami probíhá na základě smluv za symbolickou 1 Kč.
Je třeba nové smluvní ošetření Kooperačního systému článkové bibliografie a jeho vymezení v JIB i vzhledem k novým podpisovým pravidlům smluv v NKČR.
B.1.4.7 Integrace heterogenních dat a perspektivy Kooperačního systému článkové bibliografie
Organizace spolupráce
· Postupně reálně začlenit nově konstituované krajské knihovny v Pardubicích, Karlových Varech, Havlíčkově Brodě a Zlíně do KOSABI.
· Postupně sladit profil zpracovávaných titulů v KOSABI se Souborným katalogem článků systému LANius, resp. Clavius v případě oboustranného zájmu.
· Spolupráce s institucemi pedagogického a vědeckého zaměření (UK, ČSAV aj.) – zjistit možnosti.
· Spolupráce se společností Anopress a event. navázání spolupráce s dalšími nakladateli/vydavateli
· V r. 2003 jednáno předběžně s nakladatelstvím Economia, v rámci excerpční základny je možno určit skupinu titulů z hlediska této spolupráce. Je možné uvažovat o spolupráci s vydavateli titulů, které jsou dotovány MKČR. Pro návrh projektu rámci 1N MŠMT byly poskytnuty některé plné texty z oblasti zemědělství, ekonomie, náboženství, lékařství.
· Začlenění článků do oborových informačních bran
Metody zpracování, standardizace
· Doladit v případě potřeby převod výstupů z některých systémů do standardního UNIMARCu a báze ANL, v r. 2004 bylo v tomto směru děláno maximum
· Další harmonizace popisu článků v rámci KOSABI se soubory autorit zejména v oblasti věcného zpracování (předmětová hesla, předmětové kategorie a metoda konspektu).
· Korektury báze ANL, zejména zdrojových dokumentů.
· MARC 21 (ladit), pravidla pro popis článků vzhledem k tomuto formátu.
· Případně otestovat linku TTDE v instituci (ích) spolupracující (ích )v KOSABI.
· V NKČR se linka TTDE pro texty Anopress dle rozhodnutí vedení dále nebude používat, linka je v r. 2005 převedena pod Aleph. Budou se pravděpodobně aplikovat metody poloautomatického zpracování v rámci ALEPH/JIB.
· V případě zájmu by bylo možné linku TTDE použít při spolupráci s nakladateli event. vydavateli v budoucnu.
· Testovat metody, popř. navázat na metody získávání a zpracování elektronických plných textů (projekt Webarchiv).
· Sledovat vývoj harmonizace AACR2R, ISBD,FRBR, aktualizované a nové standardy
· Postupně přecházet z tradičního zpracování článků obsažených v určených titulech na zpracování pomocí nových technologických metod. Přechod však musí být uvážlivý vzhledem k zachování kontinuity zpracování titulů.
Organizace zpracování článků vzhledem k excerpovaným titulům z hlediska systémového
Do budoucna je možné uvažovat o několika subsystémech zpracování z hlediska typů titulů:
I. Zpracování sborníků a nepravých periodik aj. odborných seriálových informačních zdrojů (v rámci integrovaných knihovnických systémů), které zatím nejsou dostupné na Internetu.
II. Zpracování odborných seriálových informačních zdrojů, které jsou dostupné na Internetu v lince automatické extrakce/indexace i v návaznosti na harvesting.
III. Zpracování článků ze seriálů na základě spolupráce z vydavateli, nakladateli.
IV. Zpracování plných textů volně přístupných na www na základě automatického sběru dat event. metod vyvíjených v rámci projektu Webarchiv?
Dodržování zásad výběru článků.
Organizace zpracování článků z hlediska typů institucí:
Vzájemná kooperace mezi následujícími sítěmi knihoven:
· NK, krajské knihovny, základní knihovny
· Specializované knihovny
· Vysokoškolské knihovny
· Vědecké instituce.
Legislativně právní otázky zpřístupnění plných textů
Vyřešení autorsko právních aspektů zpřístupnění plných textů s příslušnými nakladateli/vydavateli a distributory a dohody s těmito subjekty za situace, kdy neexistuje v ČR právo povinného výtisku elektronických dokumentů, je značně problematické. Koncem r. 2004 byla podepsána smlouva mezi Anopressem a NKČR týkající se zpřístupnění báze ANL FULL na tři měsíce (uživatelé NKČR mohou plné texty prohlížet, tisknout a kopírovat, nikoli hromadně stahovat, externí uživatelé mají tytéž možnosti pouze po registraci a přihlášení na 1 den). Otázky zpřístupnění ANL FULL v rámci konzorcia by mělo být předmětem jednání. Je potřeba jasně vymezit a ošetřit přístupu k plným textům, které jsou zpřístupňovány volně, přes konzorcia, interním a externím uživatelům institucí a způsob plateb (paušál, kredity, apod.).
Vzhledem k tomu, že v bázi ANL FULL jsou obsaženy články z příslušných zdrojů výběrově, domnívám se, že dohoda s příslušnými nakladateli/vydavateli by byla možná.
Dosavadní zpřístupnění báze ANL FULL – smlouva mezi NK a Anopressem je uzavřena na první tři měsíce r. 2005 (čtenáři NK k dispozici plné texty, externí uživatelé plné texty jen na 1 den).
Personální a finanční zajištění KOSABI
· KOSABI se již tradičně potýká s problémem personálního zajištění činností. Dobrá personální situace je podmínkou převedení systému do nového prostředí a pro aplikaci novým metod. Tyto metody pomohou práci zrychlit a zkvalitnit za menšího počtu pracovníků. Metody je však dobré nejdříve vyvinout a dobře otestovat při současném zachovaní kontinuity zpracování a zpřístupnění. V posledních dvou letech probíhají silné redukce oddělení analytického zpracování. V době řešení projektu, v letech 2000 – 2002 je oddělení redukováno o 5 pracovníků. Redukce byly plánovány na cílový počet 11 pracovníků v r. 2003. Zatím poslední redukce místa neproběhla, současný stav pracovníků je 12.
· Vývoj systému je po finanční stránce zajištěn do roku 2004 díky podpoře MKČR. V r. 2003 a 2004 byly podány dva projektu v rámci programu je podán návrh projektu v rámci programu 1N (neúspěšně). Analytické zpracování z pohledu ALEPHu je částečně obsaženo ve výzkumném záměru
Budování vzájemně kompatibilních informačních systémů…. . Dále jsou finančně podporovány projekty týkající se oborových informačních bran.
B.1.5 Plnění úkolů v jednotlivých letech
Plnění úkolů bylo možné vzhledem k poskytnutým finančním prostředkům jak v rámci samotného projektu Souborná databáze Kooperačního systému článkové bibliografie … , tak vzhledem k paralelně běžícímu koncepčnímu záměru Propojení analytických záznamů s plnými texty, ze kterého programový projekt vychází.
Ve všech letech byl zajištěn praktický chod Kooperačního systému článkové bibliografie a průběžné plnění báze ANL, ANL FULL bez skluzů při zavádění nových technologií. Byl průběžně aktualizována excerpční základna, portál volných www periodik a vydávána ČNB.
Ve všech letech plnění byl zajištěn přísun plných textů a jejich propojení.
V letech 2000-2001, 1. pololetí byly texty, stahovány a off-line propojovány s připravenými záznamy k propojení (do záznamů doplněno pracovník ID, společná adresa doplněna globálně - tzv. simulovaná linka.
V letech 2000-2001 dále byly plné texty nakupovány a doplňovány off-line, programově propojovány s bibliografickými záznamy.
V letech 2001, 2. pololetí – 2004 byl zajištěn přístup do databáze TamTam v rámci 6-ti licencí a propojení je tvořeno automaticky.
V r. 2004, říjen-prosinec byly tyto licence hrazeny z nově přijatého projektu VaV v rámci programu 1N Budování vzájemně kompatibilních informačních systémů pro přístup k heterogenním informačním zdrojům a jejich zastřešení prostřednictvím Jednotné informační brány (hlavní řešitel B. Stoklasová).
Dále propojovány bibliografické záznamy ANL s www texty (relativně stálými) na www – v tomto projektu malý počet - cca 3000 (zejména však v projektu Propojení analytických záznamů …. a Budování vzájemně kompatibilních informačních systémů .. .).
Báze ANL FULL byly také doplněna off-line digitalizovanými texty periodika Národní knihovna. (po r. 2001 samostatná aplikace v projektu Propojení analytických záznamů s plnými texty).
Po celou dobu projektu probíhaly práce na vývoji linky automatické extrakce/indexace TTDE, která v určitých ohledech vycházela z již vyvinutých aplikací Anopress. V počátečních stádiích (r. 2000) participace Anopressu, později linka vyvíjena ing. Matternem.
Po celou dobu řešení probíhaly práce na vývoji a správě serveru full.nkp.cz a anl.nkp.cz.
Údržba, správa, linka ze strany Anopressu spočívala v počátečních letech v poskytnutí textů off-line, převedení periodika NK do digitální podoby, od. r. 2001. 2. pololetí v poskytnutí speciálního přístupu pro NK do báze TamTam (6 licencí). Tento přístup TTSNK je součástí linky zpracování.
Statistiky propojení jsou uvedeny v bodě B.1.6.
Činnosti v jednotlivých letech detailně jsou uvedeny v kapitole D Použití finančních prostředků
Rok 2000
Zadání
V roce 2000 se bude realizovat nákup serveru DELL s příslušenstvím a dále dvou počítačů. Bude vyvinuta aplikace pro zařazování a indexaci dat do plnotextové databáze a správu plnotextové databáze. Dále bude vyvinut aplikačního software na vyhledávání v plných textech umístěných v Národní knihovně a vyhledávací internetovské prostředí. K tomuto účelu bude instalován software pro internetovský server MS IIS 4.0 (Microsoft Internet Information Server - možnost stažení z Internetu) a zakoupen Verity Information Sever (Topic). Ve čtvrtém čtvrtletí půjde o testování vyvinuté aplikace pro plnotextovou databázi. Databáze bude doplňována o další plné texty. Podle výsledků testování nové verze ALEPHu (verze 500) bude navržena a vyvinuta aplikace pro řízení a správu Kooperačního systému článkové bibliografie. Databáze bibliografických záznamů bude průběžně doplňována.
Plnění
Výsledkem řešení projektu v r. 2000 je návrh realizace modulární programové aplikace pro získávání , zpracování, indexaci a zpřístupňování plných textů (url, metadata a definice tří typů formulářů pro plnotextové vyhledávání podle pokročilosti) za současné automatické indexace bibliografických záznamů z plných textů ve formátu UNIMARC a DUBLIN CORE. V rámci linky poloautomatické extrakce/indexace TTDE (TamTam Data Extactor) tak vznikne importní souboru záznamů pro databázi bibliografických záznamů ANL a databázi plných textů ANL FULL v NK s implementací metadat v plných textech včetně automaticky generované URL adresy a SICI. Pro vyhledávání v plných textech je určen systém založený na pojmovém vyhledávání - TOPIC. Do tohoto systému jsou zatím vloženy hrubé definice topiků.
Plné texty článků byly v rámci konzorcia Anopress průběžně stahovány, připravovány k dynamickému propojení a následně propojeny s bibliografickými záznamy v 2. pololetí tohoto roku.
Plnotextová databáze byla dále průběžně doplňována off-line články z deníků časopisů vydanými v r. 2000 a 1998 z databáze TamTam.
Průběžně byly staticky propojovány záznamy a plné texty z oblasti knihovnictví aj. oborů. Další výsledkem řešení v r. 2000 je návrh programové aplikace pro správu a údržbu Kooperačního systému článkové bibliografie (MNG KOSABI), který vychází z aplikací vyvinutých v rámci SK CASLIN (přijímání záznamů, konverze, úpravy a kontrola záznamů). Pro celý systém byla zakoupena kvalitní HW a SW platforma (server Dell, TOPIC). Bylo zakoupeno 1 PC pro použití v analytickém oddělení .
Rok 2001
Zadání
V roce 2001 půjde o testování vyvinutých aplikací. Proběhne experimentální provoz systému. Dále bude posílena síť Národní knihovny, zakoupen laptop.Obě báze - báze bibliografických záznamů a báze plných textů budou průběžně doplňovány.Je plánována služební cesta.
Plnění
Výsledkem řešení projektu v r. 2001 je experimentální provoz lokální Windows linky pro získávání a poloautomatickou extrakci/indexaci bibliografických záznamů z plných textů (Windows TTDE) a následné vytvoření importního souboru záznamů pro databázi bibliografických záznamů ANL a databázi plných textů ANL FULL v NK s implementací UNIMARCu, metadat DC v plných textech včetně automaticky generovaných formátů HTML, XHTML, XML v kvalifikované i nekvalifikované formě.V r. 2001 byla navržena nová architektura a layout serveru FULL.NKP.CZ, pozornost byla věnována definici báze ANL FULL, zejména vyhledávání (prostý dotaz, formulářový dotaz, topiky, rejstříky), byl instalován formulář pro registraci a přihlášení uživatelů. Plné texty článků byly v rámci Konzorcia Anopress průběžně stahovány a připraveny k propojení off-line s bibliografickými záznamy v 1. pololetí tohoto roku.
Plnotextová databáze byla dále průběžně doplňována články z deníků časopisů vydanými v r. 1997 a 1998 . Od května 2001 jsou zpracovávány záznamy z deníků a některých časopisů v rámci linky automatické indexace TTDE.
Průběžně byly staticky propojovány záznamy a plné texty z volně dostupných stabilních titulů na Internetu.. Byl založen portál pro zpřístupnění volně dostupných textů na Internetu ve struktuře tematické a regionální s popisem zdrojů. Další výsledkem řešení v r. 2001 je experimentální aplikace pro správu a údržbu Kooperačního systému článkové bibliografie (MNG KOSABI), která je zatím přístupná pouze v NKČR pro účely ladění. Vzhledem k potřebnosti investovat finance jiným způsobem, nebyla raalizována služební cesta, nebyl zakoupen laptop, ale bylo zakoupeno jedno PC, nebyla z finančních prostředků projektu posílena počítačová síť NKČR.
Rok 2002
Zadání
V roce 2002 půjde o další testování a odzkoušení mechanizmu vyvinutých aplikací,
proběhne ověřovací poloprovoz systému.
Plnění
Výsledkem řešení projektu v r. 2002 je poloprovoz Windows linky pro získávání a poloautomatickou extrakci/indexaci bibliografických záznamů z plných textů (Windows TTDE).
V r. 2002 byla navržena nová architektura a layout serveru FULL.NKP.CZ, poloprovozně byla ověřena aplikace pro registraci a přihlášení uživatelů, byla vytvořena aplikace pro administraci báze ANL FULL a portálu Periodika na WWW (opravy, statistiky, evidence),byla implementována a ověřena funkce pro stahování a export záznamů v několika formátech: text, RTF, HTML, XML , též v UNICODE. V rámci linky poloautomatické indexace bylo v roce 2002 zpracováno kolem 16 000 záznamů z 15 titulů. V roce 2002 byl aktualizován portál, zejména jeho oborová část.V r. 2002 byly průběžně laděny vstupní soubory z některých systémů kooperujících institucí do KOSABI a báze ANL (T-Series, KP-Sys, KP-Sys aj.) a byl navázán kontakt s nově konstituovanými krajskými knihovnami, mezi některými knihovnami proběhla jednání o spolupráci při zpracování titulů.Další výsledkem řešení v r. 2002 je částečně poloprovozní aplikace pro pro správu a údržbu Kooperačního systému článkové bibliografie (MNG KOSABI) a vytvoření jednotného interface pro tuto aplikaci. Byla vytvořena Báze titulů, kterou lze třídit podle názvů, zpracovávajících institucí a podle toho, zda tituly obsahují zpracované články s plným textem.Bylo zjištěno, že budoucím trendem je vývoj vyhledávacích metod, které budou za pomoci technologií umělé inteligence pracovat přímo s plným textem a k automatické indexaci v původním slova smyslu nebude vůbec docházet. Analýza problematiky automatické indexace však potvrdila v současné době nutnost intelektuální indexace věcné, která je stále kvalitnější než automatické přiřazování termínů. Byla provedena důkladná analýza zpracování článků v zahraničí (metody, organizace) a ověření, že podobné a srovnatelné metody se vyvíjejí v rámci tohoto projektu a výsledky projektu byly prezentovány na konferenci Inforum 2002 a Knihovny současnosti 2002.
V r. 2002 byla provedena analýza selekční úplnosti topiků v bázi ANL FULL, která je přibližně 80 % a byly vyvozeny praktické závěry pro zkvalitnění funkce topiků (ladění a interaktivní využití topiků). V r. 2002 byla navržena a částečně vyvinuta internetová verze linky – WWW linka poloautomatické extrakce/indexace (TTDE).
V r. 2002 byl proveden upgrade a update serveru FULL.NKP.CZ - instalace Win 2000 serveru, instalace MS IIS 5, byl implementován Portal One SE - Topic verze 3.7, byly zprovozněny www stránek v novém prostředí, byl aplikován XMLHTTP a ASP skript, byly provedeny úpravy propojení do ALEPHu). V r. 2002 byl proveden upgrade serveru ANL (operační systém Linux SuSE 7.3 Oracle 9.2). Byly zakoupeny 2 upgrady PC, 1 PC, laptop, tiskárna, UPS, scanner a další SW vybavení. Báze ANL FULL byla zpřístupněna v JIB jako odkaz, báze ANL byla zpřístupněna pro vyhledávání včetně propojení na plný text v bázi ANL FULL ( dostupný pro interní uživatele NK, pro externí volně dostupná pouze metadata, plné texty na 7 dnů po registraci).
Rok 2003
Zadání
V roce 2003 bude realizován poloprovoz systému, průběžné doplňování obou bází.
Plnění
Výsledkem řešení projektu v r. 2003 je rutinní aplikace – lokální Windows linky pro získávání a poloautomatickou extrakci/indexaci bibliografických záznamů z plných textů (Windows TTDE) a následné vytvoření importního souboru záznamů pro databázi bibliografických záznamů ANL a databázi plných textů ANL FULL v NK s implementací metadat DC v plných textech včetně automaticky generovaných formátů HTML, XHTML, XML v kvalifikované i nekvalifikované formě – aplikace pro lokální stanice v NKČR. Automaticky se generuje URL.
V r. 2003 byla částečně realizována internetová aplikace – WWW linka pro získávání a poloautomatickou extrakci/indexaci bibliografických záznamů z plných textů (WWW TTDE) rozšířená o vstupní formáty HTML z libovolné URL adresy s možností ukládat metadata do báze ANL FULL (ANL) i bez uložení plných textů, dále s možností propojení na rejstříky báze ANL FULL s možností propojení linky se soubory autorit pře Z39.50 Toolkit Klienta. V této lince je zakomponován i modul pro opravy rejstříků a metadat v plných textech báze ANL FULL (částečně hrazeno z též projektu Propojení analytických záznamů).V r. 2003 je v rutinním provozu aplikace pro administraci databáze ANL FULL (statistiky, evidence uživatelů) a aplikace pro stahování a export metadat a plných textů (formát text, rdf, html, UNICODE, XML) – pouze vybraní uživatelé (problematika autorských práv). V lince zpracování bibliografických záznamů z plných textů ( Windows TTDE) bylo zpracováno cca 15 000 metadat (bibliografických záznamů) a plných textů. V roce 2003 je dále laděna aplikace pro management kooperačního systému. Byl navázán pracovní kontakt se 4 nově vzniklými krajskými knihovnami (export/import v UNIMARCu, excerpční základna).
Jednotlivé činosti podrobněji (ve vazbě na příslušné pracovníky) – viz kapitola D
Použití finančních prostředků v r. 2003.
Rok 2004
Zadání
V roce 2004 bude realizován plný provoz systému.
Plnění
V r.2004 je rutinní provoz aplikace pro získávání a poloautomatickou extrakci/indexaci bibliografických záznamů z plných textů (Windows TTDE) a následné vytvoření importního souboru záznamů pro databázi bibliografických záznamů ANL a databázi plných textů ANL FULL v NK s implementací metadat DC v plných textech včetně automaticky generovaných formátů HTML, XHTML, XML v kvalifikované i nekvalifikované formě – aplikace pro lokální stanice v NKČR. Automaticky se generuje URL
V r, 2004, říjen-prosinec bylo 6 přístupů do databáze TamTam financováno z již zmíněného projektu VaV Budování vzájemně kompatibilních informačních systémů … . Za tyto tři měsíce bylo uloženo cca 3 000 záznamů.
Koncem roku byla uvedena otestována a uvedena do provozu internetová aplikace – WWW linka pro získávání a poloautomatickou extrakci/indexaci bibliografických záznamů z plných textů (WWW TTDE) rozšířená o vstupní formáty HTML z libovolné URL adresy s možností ukládat metadata do báze ANL FULL (ANL) i bez uložení plných textů, dále s možností propojení na rejstříky báze ANL FULL s možností stahovat údaje ze souborů národních autorit přes Z39.50 Toolkit Klienta. Je v ní zabudována též konverze dat do M21 (vyžaduje ještě drobné ladění).
Aplikace, jejíž vývoj probíhal již v r.
V r. 2004 je v rutinním provozu aplikace pro administraci databáze ANL FULL (statistiky, evidence uživatelů) a aplikace pro stahování a export metadat a plných textů (formát text, rdf, html, UNICODE, XML) – pouze vybraní uživatelé (problematika autorských práv). Ve Window TTDE lince (TTDE) bylo zpracováno cca 13 000 metadat (bibliografických záznamů) a plných textů, ve WWW TTDE lince cca 900 metadat a plných textů s propojením na národní autority. V roce 2004 je dále laděna a v provozu aplikace pro management kooperačního systému (Báze Titulů, uveden do provozu upload záznamů, testy na UNIMARC/M21, statistiky, test URL adres). Byly laděny a otestovány importy dat u nově přistupujících institucí (nové krajské knihovny, Národní filmový archiv). Celkem bylo automatizovaným uploadem naimprotováno přes 4000 záznamů. V budoucnu není vyloučeno další ladění ad hoc.
Automatizovaný upload je funkční u všech spolupracujících a nově přistupujících institucí do kooperace, koncem r. 2004 patrně problém s poštou u NPKK (musí se posílat soubory v .zip formátu a administrátor báze ANL uploaduje sám). U krajské knihovny v Pardubicích problém s .iso formátem, je třeba zatím uploadovat řádkový tvar. V roce 2004 proběhly intenzivní práce oblasti metodiky analytického popisu: byl navržen minimální záznam pro soubornou databázi MARC 21, byla vypracována metodika popisu článků ve formátu MARC 21 s příklady. Koncem roku 2004 byl vypracován návrh pro aplikaci metody konspektu v kooperačním systému článkové bibliografie a konspekt se začal zkušebně uvádět nejprve v záznamech produkce NK s ohledem na jeho rozšíření do celého systému v r. 2005. Probíhaly práce na obousměrné konverzi UNIMARC a MARC21, testy konverze. Báze ANL byla v polovině r. 2004 zkonvertována do M21. Do konverze bylo experimentálně zabudováno podpole 773q určené pro číselné údaje zdrojového dokumentu, které by v budoucnu mohly sloužit k propojení přes SFX a URL. Konverzi do tohoto pole je třeba ještě v r. 2005 znovu otestovat a popř. programově dál vyladit. Jinak konverze proběhla díky dlouhodobému čištění báze celkem uspokojivě.
Koncem r 2004 bylo rozhodnuto dále texty Anopress v lince TTDE nezpracovávat a převést zpracování pod ALEPH a bázi ANL FULL dále o tyto texty nedoplňovat.
Plné texty jsou přístupné uživatelům v prostorách NKČR – lze je prohlížet, tisknout, kopírovat, nikoli však hromadně stahovat. Externím uživatelům jsou pro účely testování přístupné jen na jeden den se stejnými možnostmi. Koncem r. 2004 byla uzavřena smlouva mezi NKČR a Anopress o možnostech zpřístupnění plných textů získaných od této společnosti z databáze TamTam. Další zpřístupnění plných textů co do forem a možností bude řešeno v souladu s řešením legislativně právních otázek zpřístupňování elektornických plných textů v ČR a NKČR.
Jednotlivé činnosti podrobněji (ve vazbě na příslušné pracovníky) – viz kapitola D
Použití finančních prostředků v r. 2004.
B.1.6 Některé globální (statistické) ukazatele
Některé statistické údaje týkající se Báze ANL FULL, ANL a Kooperačního systému článkové bibliografie za r. 2000-2004
• ANL FULL - cca 130 944 plných textů s metadaty -viz tabulka Příloha F7
|
Báze ANL FULL |
Počet plných textů |
|
Texty zpracované v TTDE (2001-2004) |
53493 (licence do TamTam)* |
|
Texty připravené k propojení (2000-2001) |
11441 (zakoupené extra) a naimportované off-line, příprava k propojení v ALEPHu ** |
|
Texty naimportované off-line |
66010 (zakoupené extra) a naimportované off-line ** |
|
Celkem |
130944 |
* v r. 2004, měsíc říjen-prosince – přístup do TamTam hrazen z projektu VaV Budování vzájemně kompatibilních informačních systémů …
** v tomto projektu hrazeno cca 42 359 plných textů, hrazeno též z projektu Propojení analytických záznamů …
• Počet propojení z báze ANL do báze ANL FULL – cca 125 042
• Z báze ANL propojeno na volné plné texty cca 24 280 viz tabulka Příloha F7, z toho cca 400 nefunkčních a cca 1 500 netestovaných (též v rámci dalších dvou projektu VaV: Propojení analytických záznamů … a Budování vzájemně kompatibilních informačních systémů …)
• Z báze ANL celkem cca 149 322 linků na plné texty
• Portál Periodika na WWW obsahuje linky na cca 90 periodik oborových, cca 90 periodik regionálních.
• Počet běžně zpracovávaných titulů v lince TTDE: 17
• Propojovaných titulů v bázi ANL na www periodika: cca 44
• Počet propojovaných titulů na volné www zdroje: cca 59
V lince Windows TTDE lokální + WWW TTDE lince zpracováno a propojeno v letech 2001, 2. pololetí - 2004: cca 53496 záznamů (bez simulované linky v letech 2000, 2001 1. pololetí)
(malý rozdíl v importech dán: do báze ANL FULL se importují záznamy po 10 minutách průběžně, tj. téměř ihned po zpracování, do báze ANL dávkově jednou večer; proto je lepší výsledek u báze ANL FULL; výsledek rozdíl v importech je dán poruchami sítě v době dávkového importu do ANL a výpadky proudu, špatnou volbou kódu katalogizátorem aj.)
Tabulka zpracování záznamů v lince TTDE
|
Rok |
Počet stažených, tj.zpracovaných záznamu v lince |
Poznámka |
Průměr na den zpracovaných záznamů
|
|
2000 |
6398* |
Příprava k propojení |
50 |
|
2001 |
13657* |
Windows TTDE od poloviny r. 2001 |
53 |
|
2002 |
16005 |
|
63 |
|
2003 |
15877 |
|
62.5 |
|
2004 |
13000 ** |
Též WWW TTDE |
55.4 |
|
Celkem |
64937 |
Celkem v TTDE 53496 |
Průměrně ca 56.7 tj cca 57 |
* simulovaná linka TTDE, dále specifikováno v následující tabulce, tyto texty musely být zakoupeny extra, jinak pro texty zpracovávané v TTDE byl z projektu placen speciální přístup do TamTam
*
|
Rok |
Zpracování a příprava k propojení záznamů (ALEPH) |
|
2000 |
6398 |
|
2001 |
5043 |
|
Celkem |
11441 |
**
Počet záznamů zpracovaných v WWW TTDE v prosinci 2004. Rozdíl v importech do obou bází je dán většinou tím, že katalogizátoři nevolili správný kód exportu z linky. V době zavádění do provozu WWW linky byly také časté výpadky Internetu a sítě v NKČR. Přístupy do TamTam hrazeny v r. 2004, říjen – prosinec z projektu Budování vzájemně kompatibilních informačních systémů … (za tuto dobu popsáno cca 3000 plných textů, z toho cca 900 v WWW TTDE) .
|
Datum 2004 |
Import do ANL |
Import do ANL FULL |
|
29.11. |
46 |
69 |
|
30.11. |
42 |
91 |
|
1.12. |
87 |
92 |
|
2.12. |
57 |
59 |
|
3.12. |
17 |
29 |
|
6.12. |
82 |
88 |
|
7.12. |
92 |
92 |
|
8.12. |
89 |
89 |
|
9.12. |
31 |
31 |
|
10.12. |
44 |
45 |
|
13.12. |
49 |
54 |
|
14.1. |
53 |
66 |
|
15.1. |
32 |
46 |
|
16.1. |
49 |
49 |
|
17.1. |
21 |
22 |
|
20.1. |
56 |
58 |
|
21.1. |
37 |
38 |
|
23.1. |
23 |
23 |
|
28.1. |
38 |
39 |
|
Celkem |
945 |
1080 |
• Počet záznamů k prosinci 2004: ANL - poslední sysno v r. 2004 886 121 , v roce 1999 poslední sysno 572 904
• V kooperaci za léta 2000-2004 zpracováno a zasláno do systému cca 134 627 záznamů: počty jsou přibližné, ne vždy je možné vzhledem k vývoji báze identifikovat záznamy dle zpracovatelské provenience a adekvátně vyhledat; dále pak počet naimportovaných záznamů může být menší než zaslaných (neprošly konverzí nebo nebyly naimportovány – vyvinutá aplikace pro upload a zejména statistiky tento nedostatek předchozích let eliminuje (lze přesně vidět, co je uploadováno, lze sledovat počet importovaných záznamů a chyb). Za výchozí se bere poslední sysno v bázi v r.2004.
Tabulka stav kooperace – r. 2004
|
Knihovna |
Rok 1999-záznamy |
Rok 2004-záznamy |
Za léta 2000-2004 záznamy zasláno cca |
NKČR |
|
NKČR |
443766 |
622325 |
|
|
|
ÚZPI |
22929 |
|
||
|
NPKK |
7552 |
|
||
|
STK |
26715 |
|
||
|
MZK |
11885 |
|
||
|
Plzeň |
7498 |
|
||
|
České Budějovice |
10736 |
|
||
|
Hradec Králové |
11162 |
|
||
|
Liberec |
4276 |
|
||
|
Ústí nad Labem |
4287 |
|
||
|
Olomouc |
9746 |
|
||
|
Ostrava |
5472 |
|
||
|
Kladno |
6880 |
|
||
|
Celkem |
572904 |
886120 |
134627 |
178559* |
• * od čísla je třeba odečíst cca 5000 - nejsou zohledněny experimentující knihovny nebo nově přistupující knihovny, jejichž záznamy byly v rámci testů naimportovány do báze.
• V kooperaci zasláno uploadem v listopadu a prosinci 2004 do báze ANL cca: 4 959 záznamů
Upload
|
Datum 2004 |
Sysno event. počet |
Instituce Počet záznamů č.dávky |
||||
|
|
|
|||||
|
30.11. |
|
189+997 z.
|
OLA00 + ABA013 KLG001 OSA001 ABA009 |
|
|
|
|
1.12. |
880316-881090 |
CBA001 650 z. Dávka 624 |
ULG001 112 z. Dávka 609 |
HKA001 |
|
|
|
3.12. |
881333-881427-8 |
ABA 012 13 z. Dávka 616 |
ABA012 85 z. Dávka 618 |
|
|
|
|
6.12. |
881625-882339 |
LIA 01 521 z. Dávka 626 |
ZLG001 52 z. |
HBG001 142 z. |
|
|
|
1.12 Zkouška |
ABC135
|
835 z Dávka 622 |
|
|
|
|
|
14.12. |
OSA001 |
81 z. Dávka 653 |
|
|
|
|
|
|
CBA001 |
404 z. Dávka 654 |
|
|
|
|
|
|
KLG001 |
261z. Dávka 655 |
|
|
|
|
|
|
ABA009 |
226 z. Dávka 656 |
|
|
|
|
|
|
HKA001 |
78 z. Dávka 658 |
|
|
|
|
|
15.12. |
OLA001
|
217 z. Dávka 664 |
|
|
|
|
|
|
ABA 013
|
300 z. Dávka 665 |
|
|
|
|
|
21.12.2004 |
KLG001 |
261 z. Dávka 678 |
|
|
|
|
|
|
ULG001
|
48 z. Dávka 679 |
|
|
|
|
|
4.1.2005 |
ABC135
|
Dávka 689 673 z. |
|
|
|
|
|
Celkem upload |
|
3773 z. |
|
|
|
|
Statistiky vstupů do báze ANL (novější k dispozici řešitelka nemá):
|
Období 2003 |
ANL |
|
září |
3629 |
|
říjen |
5878 |
|
listopad |
5339 |
|
prosinec |
4042 |
|
|
|
Sumarizace přístupů na plné texty z báze ANL a ANL FULL za r. 2004, 4.12 – viz originál výpisy z administrace Příloha F7
|
Měsíc 2004 |
Počet přístupů na plné texty ANL, ANL FULL |
|
12, 4.12 |
211 |
|
11 |
2504 |
|
10 |
1781 |
|
9 |
1296 |
|
8 |
1419 |
|
7 |
935 |
|
6 |
1155 |
|
5 |
3315 |
|
4 |
3440 |
|
3 |
4155 |
|
2 |
2186 |
|
1 |
1555 |
|
Celkem |
=SUM(ABOVE) 23952 |
· Aktuální titulová základna kooperačního systému - viz Příloha F4
|
Knihovna |
Cca seriály |
Sborníky vedené extra r. 2000-2004 cca |
|
NKČR |
195 |
90 |
|
ÚZPI |
25 |
112 |
|
NPKK |
54 |
|
|
STK |
47 |
|
|
MZK |
61 |
z toho cca 10 budou zpracovávat jiné instituce (přistupující) |
|
Plzeň |
43 |
zatím přechází na ALEPH, cca 10 budou zpracovávat jiné (přistupující) instituce |
|
České Budějovice |
24 |
|
|
Hradec Králové |
21 |
z toho cca 4 budou zpracovávat jiné instituce (přistupující) |
|
Liberec |
14 |
|
|
Ústí nad Labem |
31 |
|
|
Olomouc |
23 |
|
|
Ostrava |
18 |
|
|
Kladno |
37 |
|
|
Celkem* |
=SUM(ABOVE) 593 |
|
|
|
|
|
*Nejsou započítány tituly nově přistupujících institucí, v rámci kterých jsou započítány i
tituly přecházející – cca 74 titulů
B.2 Přínos řešitele
Přínos projektu v spočívá v realizaci metod navržených v zadání projektu.
Do rutinního provozu byla uvedena Windows TTDE linka poloautomatické extrakce/indexace bibliografických záznamů z plných textů s konverzí dat do DC a UNIMARC, do stádia ověřovacím provozu byla uvedena WWW linka s napojením na soubory autorit a konverzí dat do M21.
Přínos projektu je v rutinní v aplikaci systému TOPIC (pojmové a fuzzy vyhledávání), ve zpřístupnění plných textů v plnotextové databázi ANL FULL, ve vytvoření portálu Periodika na WWW.
Do rutinního provozu byla uvedena aplikace pro MNG Kooperačního systému článkové bibliografie zahrnující aplikaci pro evidenci a aktualizaci Báze Titulů, pro automatizovaný upload, zpracování a export dat spolupracujících institucí do báze ANL, aplikaci pro kontrolu URL adres a duplicit.
Přínos v spočívá v revidování tradičních postupů při zpracování české národní bibliografie v oblasti jmenného i věcného popisu a ve funkční realizaci linky automatické indexace bibliografických záznamů. Pro popis elektronických informačních zdrojů je aplikován formát Dublin Core v jeho dosud možných aplikacích v jazyku HTML, XHTML a XML.
Přínos spočívá v experimentální aplikaci metody konspektu v NKČR a v návrhu aplikace konspektu v rámci celého systému. Vytvoření předpokladu pro zapojení systému do oborových informačních bran.
Předmětové kategorie používané v kooperačním systému budou možno po důkladné redakci a revizi doplnit metodu konspektu.
Přínos spočívá v pravidelné aktualizaci excerpční základny systému, zpřehlednění její evidence s možností aktualizace, v jejím zkvalitnění směrem k odborným zdrojům, v eliminaci duplicit.
Důležité jsou analýzy, které se týkají automatické indexace a které byly provedeny v rámci projektu Propojení analytických záznamů s plnými texty a ze kterých kooperační projekt vychází. Potvrdily nutnost doplnění autotmatizované indexace zejména intelektuální indexací věcnou.
V případě zájmu přichází v úvahu možnost aplikace linky TTDE po určitých úpravách na zpracování článků v rámci některých kooperujících institucí, dále pak, po jisté úpravě, aplikace linky zpracování bibliografických záznamů z plných textů v komunikaci mezi autorem, nakladatelem, informační institucí, bibliografickou agenturou.
V případě vhodných podmínek a zájmu přichází v úvahu možnost aplikovat systém TOPIC po jisté modifikaci na zpracování a zpřístupnění odborných zdrojů vědecko technického charakteru.
Přínos projektu spočívá v praktické integraci elektronických zdrojů do služeb NKČR pomocí technologicky nejvyspělejších nástrojů pro zpřístupnění těchto zdrojů při zachování tradičně zpřístupňovaných sekundární informací formou bibliografických záznamů.
Přínos spočívá v integraci heterogenních dat (dat různých SW a plných textů) do Kooperačního systému článkové bibliografie, v němž dochází k propojení tradičních knihovnických postupů a fondů s určitými prvky digitální knihovny.
Přínos projektu spočívá v organizačním a metodickém vedení Kooperačního systému článkové bibliografie a vytváření předpokladů pro zapojení kooperujících institucí do JIB.
Spolupráce NKČR a Anopress, IT byla oboustranně přínosná a vytvořila předpoklady pro integraci produktů Anopress do JIB.
Z analýzy zahraničních materiálů vyplývá, že články se zpracovávají jednak soukromými společnostmi, jednak národními knihovnami a jsou zpřístupňovány online, ve formě digitálních knihoven a někde jsou součástí národní bibliografie. Zpracování odpovídá současným světovým trendům, v kooperaci i metodice je do jisté míry předchází.
Přínos spočívá ve zvýšení uživatelského komfortu - v nalezení příslušného článku z novin či časopisu (v budoucnu snad i statě se sborníku) v elektronické formě Navigace k primárním dokumentům patří k základním trendům.
Výsledky projektu byly prezentovány na konferencích a seminářích.
B.3 Posun znalostí
K významnému posunu znalostí došlo především v těchto oblastech:
· Poměrně dobrá orientace v nových trendech zpracování a zpřístupňování informací.
· Praktická realizace těchto trendů na konkrétní fungující systém
· Fungující linka poloautomatické extrakce/indexace TTDE
· Propojení internetové verze linky TTDE na autority
· Propojení bibliografických záznamů s elektronickými zdroji na základě dynamických i statických URL adres, kombinace pojmového vyhledávání s metadaty
· Zpřístupnění plných textů v rámci moderně koncipované báze ANL FULL na základě vyspělých technologií pro zpřístupňování elektronických dokumentů, praktická implementace Dublin Core v rámci HTML, XHTML, XML v kvalifikované a nekvalifikované formě. Definování Anl Core pro zpřístupnění jemnějších údajů analytického popisu
· Údržba strukturovaného portálu volně dostupných zdrojů na Internetu s popisem těchto zdrojů
· Posílení vazby v rámci KOSABI a připravení podmínek pro vstup nových institucí do kooperace
· Automatizovaný management kooperačního sytému a koordinovaná excerpční základna s výraznějším směřováním k odborným informačním zdrojům
· Ověření, že podobné metody zpracování, organizace zpracování i bibliografického systému se ve světě vyvíjejí a jsou s nimi srovnatelné a do jisté míry je i předcházejí z hlediska kooperace a metodiky
· Nová forma poskytování informačních služeb za spolupráce knihovnické a moderní informační instituce. Bez kvalitního know how těchto společností není možný vývoj v oblasti knihoven
· Prezentace výsledků projektu v rámci ČR a reference v zahraničí ( řešitelce projektu nabídnuto členství v IFLA Section for Newspapers, což je určitým uznáním práce, kterou tým pracovníků, kolem projektu, vykonává)
C Navrhovaná část
C.1 Výsledky řešení
· Praktická realizace nástrojů pro optimalizaci integrace a správy heterogenních dat v rámci Kooperačního systému článkové bibliografie. Vznikl tak nástroj pro poloautomatickou přípravu dat pro bibliografickou databázi založenou na UNIMARCu/M21 a plnotextovou databázi založenou na pojmovém vyhledávání systému TOPIC a metadatech zpřítupňovaných v Dublin Core a jeho aplikacích v HTML, XHTML, XML v kvalifikované a nekvalifikované formě
· Rutinní provoz linky zpracování bibliografických záznamů z plných textů Windows TTDE pro lokální pracovní stanice (generování UNIMARCu, DC) a zavedení ověřovacího provozu WWW TTDE (navíc generování M21) s možností stahování autorit přes Z39.50 Toolkit Klienta.
· Rutinní provoz serveru full.nkp.cz, systému TOPIC, báze ANL FULL a portálu Periodika na WWW včetně administrace
· Zpřístupnění českých plných textů
· Rutinní provoz Aplikace pro Management Kooperačního systému článkové bibliografie (koordinovaná titulová základna, upload a automatizované zpracování dat systému, export dat do Alephu)
· Standardizace týkající se popisu článků v UNIMARCu a AACR2R
· Zabezpečení kooperačního systému článků po stránce metodické i organizační
· Analýza problematiky automatické či poloautomatické a selekční úplnosti aplikovaných topiků
· Důkladná analýza zpracování článků v zahraničí (metody, organizace)
· Nastínění perspektiv KOSABI a vznik jeho možných subsystémů z hlediska typu zpracovávaných titulů
· Prezentace výsledků projektu
C.2 Závěr
Zpracování českých článků prochází transformací, jde o inovaci jak po stránce technické i technologické, ale i koncepční, jde o zkvalitnění báze ANL a diferencované plné zpřístupnění plných textů. Tyto změny však musí být postupné a citlivé při zachování toho, na co je třeba navázat, pokud nechceme systém zlikvidovat. Systém zpracování a zpřístupnění článků bylo možno částečně transformovat díky finanční podpoře projektů. O důležitosti informací uveřejněných v článcích nelze pochybovat. Nemyslím tím pouze informace odborné a vědecké povahy, na které je třeba se především zaměřit v budoucnu.
Spolupráce s Anopressem mohla být navázána díky zmíněným projektům a NK mohla navázat na moderní technologii, kterou tato firma užívá a dále rozvíjí. Spolupráce byla přínosná jak pro NKČR, tak pro Anopress.
Na zpřístupňování českých plných textů mají vliv nejen vyvíjené technologie, ale i koncepce a strategie zainteresovaných subjektů, jejich smysl a citlivost pro dobrý odhad, znalost věci, transparentnost řešení a schopnost kompromisů, respekt k domácímu terénu a světovým trendům.
C.3 Návrhy opatření
· Zajištění financování navazujícího projektu zejména z hlediska rozvoje plnotextové báze a systému TOPIC, spolupráce v oblasti moderních metod strukturace a analýzy textu
· Koordinace s ostatními stávajícími i budoucími projekty v ČR i v zahraničí
· Posílení vazeb stávajícího KOSABI na existující kooperační systémy, souborné katalogy aj. systémy
· Rozvoj spolupráce s dalšími institucemi
· Užší spolupráce s Národní lékařskou knihovnou (citace)
· Personální zajištění projektu z hlediska počtu pracovníků oddělení analytického zpracování v NK i v rámci kooperačního systému
· Průběžné sledování vývojových trendů ve standardizaci a jejich praktická aplikace
· Přísnější výběr článků k indexaci deníků s cílem vyloučení subjektivního faktoru při excerpci deníků, orientace na odborné texty
· Propojování údajů přes SFX
· Ošetření autorsko právních aspektů, event. ekonomických aspektů zpřístupňování plných textů externím a vzdáleným uživatelům nejenom na úrovni projektu
· Smluvní zajištění zpřístupňování báze ANL FULL interním i externím uživatelům, uživatelům v rámci konzorcia Anopress
· Zapojení báze ANL FULL do Konsorcia Anopress
· Zpřístupnění báze externím uživatelům
· Pokračování Konzorcia Anopress
· Eventuelní další zpřístupnění elektronických zdrojů v Anopressu
· Vstřícnost vydavatelů, nakladatelů, autorů
· Strukturované údaje v plných textech
· Další vývoj topiků a jejich ladění
· Zkvalitnění možností vyhledávání v systému TOPIC a integrace termínů věcného popisu do topiků, interakce systému s uživatelem a katalogizátorem
· Práce na sjednocování rejstříku předmětových kategorií a rutinní aplikace metody konspektu
· Opravy báze ANL a ANL FULL. V ANL zdrojových dokumentů a ISSN
· Zkvalitněné ukládání údajů v rámci NKČR i kooperujících institucí
· Doladění existující konverze UNIMARC M21 pro články
· Automatizovaná kategorizace a možnosti koexistence „ručně tvořených předmětových kategorií“ a automatizovaně vzniklých
· Další zkoumání možností automatické či poloautomatické indexace zejména ve smyslu extrakce údajů
· Průzkum možností uplatnění vyvinutých linek poloautomatické indexace/extrakce TTDE event. Jejich doladění dle potřeby
· Pokračování aplikace pro automatizovaný management Kooperačního systému článkové bibliografie event. jeho doladění dle potřeby nebo modifikace
· Retrokonverze záznamů článků v tištěné formě (ČNB i jiné)
· Zkoumání možností sdílené katakogizace pro články v rámci ALEPhu
· Vývoj linky zpracování plných textů pod ALEPHem (záležitost výzkumného záměru Budování vzájemně kompatibilních systémů …)
· Propojování údajů přes SFX
· Napojení zpracování článků na oborové brány
· Zkoumání problematiky ontologií a sémantického WWW
· Spolupráce knihovní, akademické a podnikové informační sféry
D Použití finančních prostředků - institucionální podpory
Financování v jednotlivých letech bylo částečně přizpůsobeno vývoji zpřístupňování informací o článcích v NKČR, potažmo v ČR a výzkumnému záměru Propojení analytických záznamů s plnými texty … , který je s účelovým projektem komplementární.
Byly podepsány 3 doplňky ke smlouvě, týkající se přesunu finančních prostředků. Oproti původnímu rozpočtu byl snížen vklad NKČR do projektu v letech 2001-2004. V době řešení projektu probíhaly redukce počtu pracovníků oddělení a výše původně kalkulovaného vkladu nebylo možno dodržet. Čerpání celkové výše státní dotace bylo dodrženo.
Rok 2000
Náklady na projekt celkem: 2 896 000.-
Výše státní dotace: 2 320 000.-
Neinvestiční prostředky: 1 025 000.-
Služby 850 000.-
Materiál 48 000.-
Licence 36 000.-
Mzdové prostředky (OON) 91 000.-
Investiční prostředky: 1 295 000.-
Dell Computer 588 955.-
Search ´97 - TOPIC 523 979.-
PC-PIII-7000 Mhz 77 958.-
ORACLE 8i 42 941,60
ORACLE 8i. Upgrade 2 520.-
PC AMD K7-800 MhZ 58 646,40
Vklad do projektu: 576 000,-
Vlastní zdroje
Národní knihovna ČR – odd. analytického zpracování 456 000.-
Finanční prostředky získané z jiných zdrojů
Anopress, s.r.o. 120 000.-
Komentář – účelové použití dotace
Neinvestiční prostředky
Služby
Návrh a programová realizace linky automatického získávání plných textů, indexace bibliografických záznamů a plných textů, propojování záznamů s plnými texty on-line a zpřístupňování plných textů. údržba databáze Topic - Anopress, I. Mattern.
Instalace produktů (NT, TOPIC) na server full.nkp.cz (server Dell) - I. Mattern.
Indexace a konverze plných textů na server, údržba databáze - I. Mattern.
Zpřístupnění databáze plných textů na WWW. Vyhledávání v plnotextové databázi a vytvoření formulářů pro vyhledávání - I. Mattern.
Nákup plných textů odpovídajících profilu zpracovávaných článků za účelem propojení analytických bibliografických záznamů s těmito texty- cca 17930 textů – Anopress.
Převod periodika Národní knihovna do elektronické podoby a její zpřístupnění na Internetu - Anopress.
Aplikace pro řízení, správu a údržbu Kooperačního systému článkové bibliografie (přijímání záznamů, globální úpravy, formálně-logické kontroly) - J. Koktan
Instalace produktů (Linux, ORACLE) na server ANL - J. Koktan.
Optimalizace programu pro off-line doplňování adres k plným textům do bibliografických záznamů - F. Traksl.
Materiál
Nákup CD-R, disket a pásek do tiskáren pro zálohování a provoz oddělení, PC AMD Duron.
Licence
Win NT 0.4 (20 licencí).
Mzdové prostředky (OON)
Pracovníci oddělení analytického zpracování uváděli částečné adresy plných textů a zároveň tyto texty stahovali v rámci Konzorcia Anopress (příprava k propojení s plným textem). Dále byly propojovány biliografické záznamy zpracované v rámci oddělení s plnými texty vystavenými na Internetu. Byly prováděny korektury bibliografických záznamů.
Investiční prostředky:
Server Dell (full.nkp.cz) pro plné texty a sytém TOPIC (pojmové vyhledávání), PC-PIII-7000 Mhz (server anl.nkp.cz) pro management kooperačního systému a systém ORACLE 8i.
PC AMD K7-800 Mhz pro práci v oddělení analytického zpracování.
Vklad do projektu
Finanční prostředky z vlastních zdrojů
NKČR - vklad spočívá ve formě práce navíc a nebyl honorován finančně (kromě minimální částky OON a odměn). V rámci této práce byly prováděny korektury báze ANL (oprava chyb, které byly z velké části dány dvojí existencí báze v ISIS, kde se pracovalo a báze v ALEPHu, kam se zároveň konvertovaly ještě nezredigované záznamy kvůli rychlému zpřístupnění na Internetu v minulosti).
Korektury se týkají také záznamů zpracovaných jinými institucemi.
Příprava propojení a propojení záznamů s plnými texty.Pracovníci oddělení analytického zpracování uváděli částečné adresy plných textů a zároveň tyto texty stahovali v rámci Konzorcia Anopress (příprava k propojení s plným textem). Dále byly propojovány biliografické záznamy zpracované v rámci oddělení s plnými texty vystavenými na Internetu.
Ukládání záznamů - vzhledem k převedení 2 pracovních úvazků do jiných oddělení bylo nutno zachovat kontinuitu zpracování některých dokumentů.
Tvorba WWW stránek je velmi důležitá pro prezentaci kooperačního systému na WWW.
Vklad hlavní řešitelky představuje přes polovinu pracovního úvazku .
Finanční prostředky z jiných zdrojů
Anopress:
Zpřístupnění TamTam Professional k testování v NKČR a vývoji programových produktů v rámci grantu - hlavní řešitelce projektu k dispozici přibližně od května 2000.
Rok 2001
Náklady na projekt celkem: 1 376 000.-
Výše státní dotace: 1 056 000.-
Neinvestiční prostředky: 1 015 000.-
Služby 924 000.-
Mzdové prostředky 91 000.-
Investiční prostředky: 41 000.- (část plánovaných prostředků přesunuta do r. 2002)
Vklad do projektu: 320 000.-
Vlastní zdroje:
Národní knihovna ČR - odd. analytického zpracování 200 000.-
Finanční prostředky získané z jiných zdrojů (vklad):
Anopress, s.r.o. 120 000.-
Komentář – účelové použití dotace
Neinvestiční prostředky
Služby
Ladění a další vývoj programové aplikace linky automatické indexace - automatického získávání plných textů, indexace bibliografických záznamů a plných textů, propojování záznamů s plnými texty on-line a zpřístupňování plných textů (rozšíření pracovního formuláře, úprava hlaviček, vyhledání – formuláře, rejstříky, topiky, zpřístupnění – uživatelské formáty, pracovní formáty – DC, XHTML, XML. Údržba serveru full.nkp.cz a báze anl.full (mj. indexace a konverze plných textů), aplikace pro přístup uživatelů (registrace, přihlášení) - I. Mattern.
Nákup plných textů odpovídajících profilu zpracovávaných článků za účelem propojení analytických bibliografických záznamů s těmito texty - Anopress, s.r.o. (cca 24 429).
Převod periodika Národní knihovna do html a převod na CD (1991-2000) - Anopress, s.r.o.
Anopress – údržba, ladění, linka (6 přístupů do databáze TamTam) v 2. poletí 2001.
Tvorba a údržba www stránek Kooperačního systému článkové bibliografie – D. Molitorisová.
Aplikace k off-line propojení záznamů s plnými texty – P. Kotrba.
Správa serveru ANL, aplikace pro řízení, správu a údržbu Kooperačního systému článkové bibliografie – experiment - ing. J. Koktan.
Byl zakoupen Northon Antivirus.
Mzdové prostředky
Pracovníci oddělení analytického zpracování uváděli částečné adresy plných textů a zároveň tyto texty stahovali v rámci Konzorcia Anopress (příprava k propojení s plným textem) 1.pololetí 2001, květen – prosinec 2001 popis v rámci linky automatické indexace, její testování a kontrola propojení. Dále byly propojovány biliografické záznamy zpracované v rámci oddělení s plnými texty vystavenými na Internetu. Byly prováděny korektury bibliografických záznamů.
Investiční prostředky:
PC DURON 750 Mhz.
Vklad do projektu
Finanční prostředky z vlastních zdrojů
NKČR -vklad hlavní řešitelky spočívá ve formě práce navíc a nebyl honorován finančně.
Byly propojovány biliografické záznamy zpracované v rámci oddělení s plnými texty vystavenými na Internetu.
Ukládání záznamů - vzhledem k převedení 2 pracovních úvazků do jiných oddělení bylo nutno zachovat kontinuitu zpracování některých dokumentů (obor knihovnictví).
Tvorba WWW stránek je velmi důležitá pro prezentaci kooperačního systému na WWW.
Příslušné počty, propojení, záznamů jsou ověřeny v databázi ANL.
Finanční prostředky z jiných zdrojů
Anopress - k dispozici přístup do TamTam Professional jako záložní zdroj, dále pak k testování a vývoji programových produktů v rámci projektu.
Rok 2002
Náklady na projekt celkem: 1 565 000.-
Výše státní dotace: 1 245 000.-
Neinvestiční prostředky: 1 015 000.-
Mzdové prostředky 91 000.-
Investiční prostředky: 230 000.-
Vklad do projektu: 320 000,-
Vlastní zdroje:
Národní knihovna ČR - odd. analytického zpracování 200 000.-
Finanční prostředky získané z jiných zdrojů (vklad):
Anopress, s.r.o. 120 000.-
Komentář - účelové použití dotace
Neinvestiční prostředky
Služby
Anopress – údržba, ladění, linka (6 přístupů do databáze TamTam).
I. Mattern - ladění a další vývoj programové aplikace linky automatické indexace/extrakce - automatického získávání plných textů, indexace bibliografických záznamů a plných textů, propojování záznamů s plnými texty on-line a zpřístupňování plných textů (úpravy pracovního formuláře, úprava hlaviček, vyhledání - formuláře, rejstříky, topiky, zpřístupnění - uživatelské formáty, pracovní formáty - DC, XHTML, XML). Částečně interface pro administraci báze ANL FULL a strukturovaného portálu pro volná www periodika (aktualizace dat, statistiky), převod linky automatické indexace/extrakce (TTDE) do www prostředí (hrazeno též z projektu Propojení analytických záznamů s plnými texty).V rámci údržby serveru full.nkp.cz a báze anl.full – částečně též hrazen upgrade a update serveru full.nkp.cz (instalace WIN 2000, nové verze TOPIC - verze 3.7 Portal One, zvýšení kapacity disku na 68 GB, RAM na 1 GB).
Ing. J. Koktan - upgrade serveru ANL (operační systém Linux SuSE 7.3, verze Oracle 9.2), ladění aplikace pro management KOSABI. J. Schwarz - analýza selekční úplnosti stávajících topiků na serveru full.nkp.cz.. I. Anděrová - koncepce a management projektu.
Z neinvestičních prostředků byl dále zakoupen upgrade PC, Adobe Acrobat (2 licence), AVG - antivirus, OracleJDeveloper - SW pro server ANL pro management Kooperačního systému článkové bibliografie.
Pracovníci oddělení analytického zpracování vykonávali tyto činnosti: opravy údajů jmenného a věcného popisu v rámci báze ANL (i záznamů kooperujících institucí) - překlepy, sjednocování popisu, kontrola oproti souborům autorit aj., M. Molitorisová navíc udržovala www stránky týkající se projektu. Další pracovníci: D. Mrákotová (NKČR) – globální opravy, aktualizace podkladů pro program pro import záznamů do ALEPHu.
Investiční prostředky:
Pro update a upgrade serveru Dell, na kterém je provozován TOPIC, bylo zakoupeno: 18 G disk, Win2000, 256 MB RAM . Byla hrazena instalace HW. Dále byl zakoupen laptop a PC (Dell Workstation). Jako navýšení investice byla zakoupena k PC tiskárna. K serveru ANL (zakoupenému v r. 2000 z investic) byl zakoupen záložní zdroj (UPS).
NKČR - vklad oddělení analytického zpracování - vklad hlavní řešitelky – koncepce, podklady pro programy a jejich testování , příprava prezentací a redaktorské práce, studium materiálů zejména na Internetu, správa databáze ANL kooperačního systému aj.
Finanční prostředky získané z jiných zdrojů
Anopress – k dispozici přístup do TamTam Professional jako záložní zdroj, dále pak k testování a vývoji programových produktů v rámci projektu.
Rok 2003
Náklady na projekt celkem: 1 235 000.-
Výše státní dotace: 915 000,-
Neinvestiční prostředky:
915 000.-
Služby: 824 000,-
Mzdové prostředky: 91 000,-
Vklad do projektu: 320 000,-
Vlastní zdroje:
Národní knihovna ČR – odd. analytického zpracování 200 000,-
Finanční prostředky získané z jiných zdrojů:
Anoress IT, s.r.o. 120 000,-
Komentář – účelové použití dotace
Neinvestiční prostředky
Služby
Anopress, IT.- správa, údržba, linka (6 přístupů do databáze TamTam).
I. Mattern – částečné ladění a další vývoj programové aplikace linky automatické indexace/extrakce (lokální a částečně její internetové verze s propojením na rejstříky ANL FULL a národní autority s možností oprav metadat) - tj. automatické získávání plných textů, indexace bibliografických záznamů a plných textů, propojování záznamů s plnými texty on-line a zpřístupňování plných textů (úpravy pracovního formuláře, úprava hlaviček, vyhledání - formuláře, rejstříky, topiky, zpřístupnění - uživatelské formáty, pracovní formáty - DC, XHTML, XML) - vývoj internetové verze hrazen též z projektu Propojení analytických záznamů s plnými texty. Údržba a aktualizace portálu volně přístupných www periodik. V rámci údržby serveru full.nkp.cz a báze anl.full hrazena nová instalace serveru full.nkp.cz a databáze ANL FULL po havárii serveru (porucha IIS z dosud nezjištěných příčin a následně havárie disku – I. Mattern, fy Dell a Getronics). I. Mattern - částečně konverze do UNIMARC – M21.
Ing. J. Koktan – údržba serveru ANL a jištění báze ANL FULL (zrcadlení na serveru ANL a archivace na DVD), ladění aplikace pro management KOSABI (příjem, zpracování a export dat,), dialog programy pro editaci báze titulů kooperačního a bibliografických záznamů, aplikace pro kontrolu URL adres.
Mzdové prostředky (OON)
Finanční prostředky z vlastních zdrojů
NKČR - vklad oddělení analytického zpracování - vklad hlavní řešitelky – koncepce a podklady pro programy (též v projektu Propojení analytický záznamů s plnými texty), testování nových produktů, aktualizace portálu volných www periodik, příprava prezentací a redaktorské práce, studium materiálů zejména na Internetu, správa databáze ANL kooperačního systému aj.
Finanční prostředky získané z jiných zdrojů
Anopress – k dispozici přístup do TamTam Professional jako záložní zdroj, dále pak k testování a vývoji programových produktů v rámci projektu.
Rok 2004
Náklady na projekt celkem: 1 235 000,-
Výše státní dotace: 915 000,-
Neinvestiční prostředky: 915 000,-
Mzdové prostředky: 10 000,-
Vklad do projektu: 320 000,-
Vlastní zdroje:
Národní knihovna ČR – odd. analytického zpracování 200 000,-
Finanční prostředky získané z jiných zdrojů:
Anopress IT, s.r.o 120 000,-
Komentář – účelové použití dotace
Neinvestiční prostředky
Služby
Anopress IT, a.s. – údržba, ladění linka (6 přístupů pro linku – leden-září 2004, říjen-prosinec nefinancován z tohoto projektu). I. Mattern - údržba a správa databáze serveru full.nkp.cz a báze ANL FULL, částečné ladění a další vývoj programové aplikace www linky automatické indexace/extrakce s napojením na národní autority(přes Z39.50 Toolkit Klienta) a s konverzí zpracovávaných dat do DC, UNIMARCu, M21, XHTML a XML. Údržba a aktualizace portálu volně přístupných www periodik
Firma Cosmotron – Toolkit Klient pro linku automatické indexace/extrakce (linka automatického zpracování bibliografických záznamů z plných textů).
Mzdové prostředky (OON)
P. Kotrba (NKČR) – program pro import dat z aplikace MNG KOSABI.
Vklad do projektu
Finanční prostředky z vlastních zdrojů
NKČR - vklad oddělení analytického zpracování - vklad hlavní řešitelky – koncepce a podklady pro programy, redaktorské práce a metodická činnost, management projektu, podklady pro program. práce a vývoj aplikace www linky a aplikace pro management Kooperačního systému článkové bibliografie, testování nových produktů a jejich uvedení do provozu (www linka, upload záznamů do báze ANL), aktualizace portálu volných www periodik, studium materiálů zejména na Internetu, správa databáze ANL kooperačního systému aj. Testování www linky a uvedení do provozu – pracovníci odd. článkové bibliografie. Výměna hard disku (18 G) – firma Dell (financováno NKČR).
Finanční prostředky získané z jiných zdrojů
Anopress – k dispozici přístup do TamTam professional jako náhradní zdroj (započítáno 7,6 měsíce).
Finanční náklady za r. 2000-2004
|
Rok |
Dotace |
Investice |
Neinvestice (z toho mzdy, materiál, licence, údržba) |
Vklad odd. analytického zpracování NKČR |
Vklad Anopress |
Celkem náklady na projekt |
|
2004 |
915 000 |
|
915 000 (z toho mzdy 91 000) |
200 000 |
120 000 |
1 235 000 |
|
2003 |
915 000 |
|
915 000 (z toho mzdy 91 000) |
200 000 |
120 000 |
1 235 000 |
|
2002 |
1 245 000 |
230 000 |
1 015 000 (z toho mzdy 91 000) |
200 000 |
120 000 |
1 565 000 |
|
2001 |
1 056 000 |
41 000
|
1 015 0000 (z toho mzdy 91 000) |
200 000 |
120 000 |
1 376 000 |
|
2000 |
2 320 000 |
1 295 000 |
1 025 000 (z toho materiál 48 000, licence 36 000, mzdy 91 000) |
456 000 |
120 000 |
2 896 000 |
|
|
6 451 000 |
1 566 000 |
4 885 000 |
536 000 opr.součet 1 256 000 |
600 000 |
8 307 000 |
E Resumé a klíčová slova
E.1 Resumé a klíčová slova v češtině
Náplní projektu je optimalizace integrace a správy heterogenních dat souborné databáze Kooperačního systému článkové bibliografie (KOSABI) – bibliografické báze ANL a plnotextové báze ANL FULL. Bibliografické záznamy článků, publikovaných v českém periodickém tisku jsou postupně propojované s elektronickou podobou článku (staticky z báze ANL, dynamicky v bázi ANL FULL) a metadata jsou uložena ve zdrojových kódech plných textů.
Výsledkem řešení projektu je rutinní provoz aplikace pro získávání a automatickou extrakci/indexaci bibliografických záznamů z plných textů ve formátu TXT získávaných z databáze TamTam (Anopress) pro lokální pracovní stanice Windows TTDE (TamTam Data Extractor) a následné vytvoření importního souboru záznamů v UNIMARCu pro databázi bibliografických záznamů ANL a plných textů pro bázi ANL FULL s vygenerovanými metadaty Dublin Core, UNIMARC v rámci linky. Automaticky se generuje URL a SICI. Ve stádiu ověřovacího provozu je aplikace WWW TTDE se stejnými funkcemi jako Windows TTDE navíc se vstupem ve formátu HTML z libovolného URL na WWW, s konverzí extrahovaných a editovaných dat do M21 (vyžaduje drobně ladit) a s funkcí stahování autoritních tvarů přes Z39.50 Toookit Klient, s výstupem v UNIMARCu (provozně ověřeno)/M21 pro bibliografickou bázi.
Plné texty z databáze TamTam pro linky zpracování TTDE jsou zajišťovány přístupem TTSNK (TamTam Special NK). Plné texty se také doplňují do báze ANL FULL v počátečních stádiích projektu off-line.
Výsledkem řešení je rutinní provoz serveru full. nkp.cz, aplikace v systému TOPIC v podobě báze ANL FULL s možností kombinace vyhledávání dle řízených termínů, klíčových slov z plného textu a předem definovaných strukturovaných dotazů - topiků (pojmů) v třístupňové hierarchii. Z uložených dat v TTDE se generuje nekvalifikovaný a kvalifikovaný formát XHTM a XML, dále pak 17 rejstříků.
V rutinním provozu je aplikace pro administraci databáze ANL FULL (statistiky, opravy, evidence uživatelů), aplikace pro registraci a přihlášení uživatelů, aplikace pro stahování a export metadat a plných textů (formát TXT, RDF, HTML, UNICODE, XML).
V rutinním provozu je aplikace Periodika na WWW včetně portálu pro zpřístupnění volně dostupných textů na Internetu ve struktuře tematické a regionální s částečným popisem zdrojů.
Souborná databáze kooperačního systému ANL byla převedena do formátu M21. Je pravidelně aktualizována a je vydáván CD-ROM s Českou národní bibliografií též v M21.
Je vypracována metodika popisu článků ve formátu UNIMARC i M21, schválen minimální záznam pro soubornou databázi M21, ve věcném popise se koncem r. 2004 přistoupilo k postupné aplikaci metody konspektu v rámci systému. Při zpracování článků jsou stále více užívány soubory autorit.
Do báze pravidelně přispívají instituce spolupracující v Kooperačním systému článkové bibliografie, který je veden po stránce organizační i metodické. Je aktualizována koordinovaná titulová základna systému, která, ve srovnání s r. 2000, více zohledňuje zpracování odborných informačních zdrojů. Byly vytvořeny předpoklady pro zapojení nových institucí do systému v r. 2005.
V provozu je Aplikace pro management Kooperačního systému článkové bibliografie – server anl.nkp.cz, aplikace pro příjem, zpracování a export dat do ALEPHu. Součástí aplikace je automatizovaný upload dat do pomocné báze v několika formátech (Výměnný formát, UNIMARC, M21), formách a kódech, kontroly na UNIMARC a M21, statistiky chyb a kontrolovaný export do báze ANL. V provozu je i aplikace pro vedení Báze titulů - aktuálně zpracovávaných seriálů (zdroje sborníkového charakteru jsou vedeny zvlášť), aplikace pro kontrolu duplicit a platných URL adres. Nevylučuje se drobné ladění Aplikace pro Management KOSABI ad hoc.
V případech importů z linek TTDE a z Aplikace pro MNG KOSABI do báze ANL je zajištěna jejich kontrola automatizovaným hlášením o provedeném importu.
Projekt je koncepčně finančně průběžně saturován též projektu VaV Propojení analytických záznamů s plnými texty a optimalizace zpřístupnění plných textů. V posledních třech měsících r. 2004 je přístup na plné texty do databáze TamTam hrazen z projektu Budování vzájemně kompatibilních informačních systémů k heterogenním informačním zdrojům a jejich zastřešení prostřednictvím JIB. Koncem r. 2004 byly vytvořeny předpoklady pro převedení zpracování zdrojů Anopress pod ALEPH a zapojení článků do oborových bran.
Uvedené nástroje by mohly v budoucnu částečně umožnit optimalizovat zpřístupnění i českých odborných textů, v případě WWW TTDE je nutné ověřit dlouhodobé vetší zatížení v provozu.
Klíčová slova:
Plné texty; TOPIC; topiky; analytická indexace; záznam; seriály; články; zpřístupnění; souborná databáze; upload; propojování; Kooperační systém článkové bibliografie; management; Česká národní bibliografie; vyhledávání; automatická indexace; automatická extrakce; automatické shlukování; automatické abstrahování; ANOPRESS; KOSABI; ANL; ANL FULL; plnotextová databáze; pojmové vyhledávání; CD-ROM; UNIMARC; M21; Dublin Core; metadata ; HTML; XHTML; XML; digitální knihovna
E.2 Abstract and key words in English
Abstract:
The contents of this project is optimization of integration and management of heterogeneous data which are involved in union bibliographic database ANL of the Co-operative system of Article Bibliography (COSABI) and full texts database ANL FULL. Bibliographical entries of articles published in Czech periodicals are linked with electronical form (static links in ANL database, dynamic links in ANL FULL database) and matadata are involved in source documents of full texts.
The project has resulted in routine system operation of acquisition and workflow of automated exctraction indexing of bibliographical entries from Anopress fulltexts in TXT format designet for local workstations Windows TTDE (TamTam Data Extractor) and creating of imported file (in UNIMARC) for bibliographical database ANL and full texts database ANL FULL in NLCR with metadata embadement in full texts including automatically generated DC and UNIMARC in TTDE. URL and SICI is automatically generated, too. In pilot operation is a WWW aplication of acquisition and workflow of automated extraction indexing of bibliographical entries from fulltexts - WWW TTDE (with the same function as Windows TTDE) including sources in HTML format directly from their WWW URL (little improvement needed), plus conversion to M21 (little improvement needed), linking to authority files via Z39.50 Toolkit Klient is possible, output in UNIMARC (in operation)/M21,too.
TTSNK (TamTamSpecial NK) is enabling access to full text of TamTam Database. In the first stages of project have been acquired full text off-line, too.
Routine system operation of full.nkp.cz server is a reality, searchin in full text database ANL FULL via controlled terms, forms, key words of full text and topics - concepts (predefined structured queries in three hierarchical levels) is possible. From TTDE extracted and edited data are presented in ANL FULL in HTML, XHTML, XML (qualified, unqualified) formats and in 17 indexis , as well.
Application for ANL FULL administration has been in routine operation (statistics, corrections, evidence of users), application of user registration and autentification, download and export full texts is possible (formats: TXT, RDF, HTML, UNICODE, XML).
Application WWW Periodiclas including portal of www free texts in regional and thematic structure has been in a ruitine operation, too.
Methodic mataerials for article description in UNIMARC and M21 have been prepared, minimal data for descritipon of articles in a union database have been approved. Gradual application of Conspectus method has been started, authority files have been used more.
Union Database of Article Bibliography has been converted to M21 and has been actualized regulary, CD-ROM with Czech National Biblography has been publihed (in Marc 21,too).
Institution have been participating in Co-operation system of Article Bibliography in a regular way (data imports). System has been managed methodically and as to the organization . Title database has been co-ordinated (orientaion on branch titles), conditions for access of new institutions in 2005 has been worked out.
Application for Co - operation system of Article Bibliography has been in a routin operation – anl.nkp.cz. server, upload of data, data process and export to ALEPH. Data upload in several formats (Exchage format, UNIMARC, MARC 21), codes, controls and statistics, controlled export to ANL is possible. Application for administration of title database has been in operation (collection works separatelly). Aplication for URL valid control has been in function, too. A little improvement of Application for management of COSABI may bee possible in the future ad hoc.
In the case of imports from TTDE and Application for MNG COSABI to ANL database regular reports have been ensured.
This project has been supplied as to the conception and partially financially from R&D project Analytical Bibliographic Records as a Gateway to Full Texts of Documents (1999-2003). In last three monts 2004 access to TamTam full text database has been financed from the project Building of Mutually Compatible Information System for Access to Heterogeneous Information Resources under the Umbrella of the Uniform Information Gateway (2004-2010). At the end of 2004 conditions for transfer of cataloguing of Anopress full texts via ALEPH have been worked out, conditions for accessing articles into subject gateways, too.
Referred means may help in the future partially realize access to branch texts. WWW TTDE should be verified under higher upload in the future.
Key words:
Full texts; TOPIC; topics; analytical indexing; entries; serials; articles; access; union database; linking; upload; Co-operative system of Article Bibliography; COSABI; management; Czech National Bibliography; searching; machine-aided indexing; automatic extraction indexing; abstracting; clustering; ANOPRESS; COSABI; ANL; ANL FULL; fulltext database; concept based retrieval; CD-ROM; UNIMARC; M21; Dublin Core; metadata; HTML, XHTML, XML; digital library
31. ledna 2005
Mgr. Vlastimil Ježek, ředitel NKČR
PhDr. Ivana Anděrová, hlavní řešitelka
F.1 Báze ANL v NKČR (ALEPHU), JIB CASLIN a ANL/ANL FULL, ČNB- vývoj báze ANL od UNIMARCu k MARCu 21 a aplikaci konspektu pro zapojení do oborových informačních bran
F.2 Linka zpracování bibliografických záznamů z plných textů pro lokální pracovní stanice – Windows TamTam Data Extractor (Windows TTDE) - bibliografická metadata pro bázi ANL (ALEPH ve formátu UNIMARC) a plné texty s Dublin Core pro bázi ANL FULL (TOPIC)
F.3 Linka zpracování bibliografických záznamů z plných textů – WWW TamTam Data Extractor ( WWW TTDE)
F.4 Zpřístupnění plných textů v systému TOPIC. Dokumenty. Architektura systému získávání, zpracování a zpřístupnění plných textů v systému TOPIC (báze ANL FULL a portál Periodika na WWW) – detailní ukázky formulářů, formátů, výstupů. Administrace (opravy a statistiky)
F.5 Aplikace pro správu a údržbu Kooperačního systému článkové bibliografie (architektura systému, jednotlivé aplikace pro příjem a zpracování dat, báze titulů) – Management Kooperačního systému článkové bibliografie
F.6 Excerpční základna Kooperačního systému článkové bibliografie
F.7 Statistiky
F.8 Windows TTDE a WWW TTDE , TOPIC – dokumentace – hlavní programy a funkce s plánem do budoucna
F.9 Konverze UNIMARC, DC, M21; Dublin Core a ANL Core - tabulka návěští pro vyhledávání v poli dotaz; tabulka formulářových polí, topiky, citace článku