Felix Lohmeier: Datenintegration mit D:SWARM

Datenintegration mit D:SWARM

Abstract:

Nach desillusionierenden Erfahrungen mit den auf dem Markt erhältlichen Discovery-Systemen und den darin enthaltenen Normalisierungsfunktionen haben wir im Juni 2013 begonnen, eine technisch weit in die Zukunft reichende Vision zu realisieren: Kulturerbe-Institutionen sollen Daten aus unterschiedlichsten Quellsystemen mit einem integrierten Werkzeug auf einfache, intuitive Weise miteinander verknüpfen und anreichern können. Die Datenqualität soll signifikant verbessert werden. Daten werden in einem Graphenformat verarbeitet, der entstehende spezifische Wissensgraph soll als zentrale Datenhaltung für vorhandene Kataloge und neue Präsentationssysteme dienen und gleichzeitig die bibliothekarischen Daten als Linked Open Data für andere Einrichtungen zur Nachnutzung bereitstellen. Alles intuitiv und einfach nutzbar, interoperabel und auf Basis von Open Source-Technologien. Dank der Finanzierung aus Mitteln der Europäischen Union und des Freistaates Sachsen (EFRE) konnten wir an dieser Vision mit zusätzlichen Software-Entwicklern und gemeinsam mit einer auf Big Data spezialisierten Dresdner Firma, Avantgarde Labs GmbH, arbeiten. Dieser kurze Artikel soll über den bis Mai 2015 erreichten Entwicklungsstand und die geplanten nächsten Meilensteine informieren.

Zum Volltext.

Open-Access-Motor KUG

Teil der Operation Frühjahrsputz 2014, in deren Verlauf angefangene und nie beendete Postings einfach so veröffentlicht werden.

Open Access muss man aus mindestens zwei Perspektiven betrachten. Die ausführlich beleuchtete Seite ist die der AutorInnen. Wie finde ich ein ordentliches OA-Journal? Was ist die richtige Lizenz? Darf ich Selbstarchivieren? Die andere Seite ist die der Rezipienten. Für die soll für alle verantwortbaren Zwecke soll in jedem digitalen Medium ein Open-Access-Text, der in einem dauerhaften institutionellen Eprint-Archiv zu hinterlegen ist, frei verbreitet und bearbeitet werden dürfen, wie es in der Berliner Erklärung heißt.

Zu wenig beachtet wird dabei die Frage, wie eines zum anderen kommt, sprich: Wie kommt der richtige Artikel zum Leser? Da können wir Bibliothekswesen ins Spiel kommen. In unserem VuFind haben wir beispielsweise seit Mitte 2013 DOAJ-Artikel integriert, siehe auch hier. Das Ergebnis: im letzten Monat wurde von 10,7% der Besucher mindestens ein aus DOAJ stammender Titel im Katalog angezeigt.

Damit kommen wir zur Überschrift: Oliver Flimm hat im OpenBib-Blog beschrieben, was im KUG an freien Inhalten zu finden ist. Das ist so beachtlich wie nachahmenswert!

Bulk Data vom US Patent Office

Das United States Patent Office stellt via Google Patentinformationen in Hülle und Fülle bereit: USPTO Bulk Downloads: Patents

Patent Grants

Patent Application Publications

Additional Patent Data

Wenn man mal nicht weiß, womit man seinen Discovery-Index anreichern könnte, wäre hier vielleicht geeignetes Material. Zu Verwendungsmöglichkeiten steht in der FAQ:

There are no restrictions on the use of the data in these products, unless otherwise prohibited by law or specific agreement.

Discovery für Bewegungsarchive und -bibliotheken

Und noch ein Nachschlag zum 2. Deutschen VuFind-Anwendertreffen in Harburg.

Marius Zierold machte in einem Lightning Talk auf die Schwierigkeiten von Bewegungsarchiven aufmerksam, die für ein Discovery-Projekt notwendigen Ressourcen zusammenzukratzen. Schon 50 Euro pro Monat für einen halbwegs brauchbaren Webserver sind oft außerhalb des Budgets. Vom Personal wollen wir da gar nicht weiter sprechen.

Er hat im Rahmen seiner Masterarbeit eine VuFind-Installation für die Genderbibliothek der HU Berlin aufgebaut: GenderVu. Das Ergebnis kann sich sehen lassen, baut jedoch sehr stark auf das Engagement eines einzelnen.

Zwischenzeitlich stieß ich noch auf das den AGGB-Katalog der Arbeitsgemeinschaft der Gedenkstättenbibliotheken. Dort haben sich mehrere Bibliotheken zusammengeschlossen, um ihre Bestände zugänglich zu machen. Das ist ein Vorgehen, dass mir auf den ersten Blick plausibel erscheint. Bibliothekarische Zusammenschlüsse von Bewegungsarchiven gibt es schließlich auch andernorts, zum Beispiel den Dachverband deutschsprachiger Frauen / Lesbenarchive, -bibliotheken und -dokumentationsstellen.

Hier schlummern ziemlich viele Bachelor- und Masterarbeiten mit Titeln wie „Konzeption und Einrichtung eines Katalogs/Discovery Systems/Recherche-Dings für Einrichtung XY“.

#notourpatrons – nicht gehaltener Lightning Talk über Nutzerforschung

Auf dem 2. Deutschen VuFind-Anwendertreffen wollte ich eigentlich einen Lightning-Talk mit der Kernaussage halten, dass die einschlägig bekannten Nutzerstudien viele hilfreiche Ansatzpunkte zur Verbesserung von Dienstleistungen bieten können. Der Talk fand nicht statt, aber die Folien möchte ich nun nicht einfach auf der Festplatte in Vergessenheit geraten lassen. [1] Besonders den Hinweis auf den INETBIB-Vortrag von Ursula Schulz möchte ich als leichten Einstieg in die Materie hier noch einmal explizit empfehlen. Ebenso deutlich möchte ich erwähnen, dass im Einzelfall lokale Bedürfnisse und Voraussetzungen von den „Standard-Empfehlungen“ abweichen können.

Ein gutes Beispiel wurde während des Treffens von Jessica Drechsler vorgeführt (PDF). Sie präsentierte die VuFind-Installation des Georg-Eckert-Instituts für Internationale Schulbuchforschung (GEI). Deren Nutzerschaft ist hochspezialisiert und hat ein ebenso spezielles Suchverhalten. Die Suche nach Titeln oder Autoren funktioniert bei Schulbüchern anscheinend oft nur schlecht oder gar nicht. Ein vielleicht denkbarer Fall wäre die Suche nach Grundschulliteratur (Schulform) aus den 80er-Jahren (Zeitraum) in Südafrika (Land) für ein bestimmtes Schulfach. Ein einfacher Suchschlitz ist in hier nicht das ideale Suchwerkzeug.

Wenn man partout seine NutzerInnen nicht befragen möchte, sind die Standard-Faustregeln sicherlich eine gute Richtlinie. Im Idealfall müssten im Zuge der lokalen Anpassungen wie beim GEI einige dieser Regeln über Bord geworfen werden.

Frei nach Ranganathan: Jedem Benutzer seine Suchwerkzeuge. Oder zumindest jeder Bibliotheksbenutzerschaft.

References

References
↑1 Besonders den Hinweis auf den INETBIB-Vortrag von Ursula Schulz möchte ich als leichten Einstieg in die Materie hier noch einmal explizit empfehlen.

#vufindhh: Zur Statistik und Datenqualität im GBV-Zentral

Das 2. Deutsche VuFind-Anwendertreffen [1] Hervorragend organisiert vom Team der TUB Hamburg-Harburg! Vielen Dank! hat Gerald Steilen (VZG) mit einer statistischen Übersicht zum GBV-Zentral (Folien, PDF) eröffnet. Der Vortrag gehörte wohl zu den Meistdiskutierten des Anwendertreffens. Und sowohl ein paar Zahlen als auch die daraus geschlossenen Konsequenzen sind in der Tat diskussionswürdig.

Requests (S. 6)

Die „Requests“ klingen sehr beeindruckend. Die Bibliothek der Hochschule Hannover landet in den GBV-Zentral-Charts auf Platz 4 mit satten 32,8 Mio. Requests vom 1. Januar bis zum 12. September 2013. Das ist in der Tat beeindruckend.

Ich vermute jedoch hauptsächlich Google hinter diesen Aktivitäten. Bis vor kurzem hatten wir (IIRC) etwa 7,5 Mio Titel in unserem VuFind-Ausschnitt des GBV-Zentral. Wenn Google diese Seite viermal harvested sind wir bei 30 Mio. Jetzt sind es (dank DOAJ) schon 9 Mio. Titel, womit man schnell bei über 30 Mio ist.

Die „echte Katalognutzung“ ist nach unserer Statistik deutlich geringer: [2] 1. Januar bis zum 12. September 2013, um Suchmaschinen etc. bereinigt. Wer Javascript abstellt oder Ghostery benutzt und noch einige andere werden nicht verzeichnet.

  • 20397 Besuche
  • 24804 Seitenansichten, 19699 einmalige Seitenansichten
  • 144 max. Aktionen pro Besuch

Bitte diese Anmerkung nicht als Kritik an den Zahlen verstehen! Im Vortrag ging es um den GBV-Zentral, nicht um Katalognutzung! Und da ist natürlich auch ein Google-Anfrage ein Request wie jeder andere auch. Wie vermutlich auch Anfragen aus der Autocomplete-Funktion oder den „Ähnlichen Titeln“ und so weiter. Ich habe dies hier nur aufgeführt, weil ich mehrfach angesprochen wurde, wie wir zu diesen enormen Katalognutzungszahlen kämen.

Datensätze mit Sprachcode (Seite 11)

Abdeckung in DOAJ wird mit 1% (9976 Titel) angegeben. BASE weist für die Quelle DOAJ Articles 630.000 Titel mit unbekannter Sprache aus. Allerdings auch 567.000 englische Artikel, 174.000 portugiesische und noch viele, viele mehr:

Da die Daten es vom DOAJ in BASE geschafft haben, müsste der Import überdacht werden. Die Daten geben mehr her, als im GBV-Zentral momentan realisiert wird.

Personenangaben (S. 8ff)

Die im Vortrag genannten Angaben zu den Verfassern sind ohne eingehende und differenzierte Betrachtung nicht zu interpretieren. Zuerst ein kurzer Blick auf OLC. Dieser Artikel zur Friedensforschung hat in OLC einen Verfasser. Im GBV-Zentral auch. Dieser Artikel über Effizienzsteigerung hat im OLC auch einen Verfasser. Im GBV-Zentral allerdings nicht. Der Verfasser ist dort nur weitere beteiligte Person.

In der Personenfacette:
OLC: 028A $dNicolaus$aSombart
GBV-Zentral: 100 |a Sombart, Nicolaus

Nicht in der Personenfacette:
OLC: 028C/01 $dMatthias$aMeier
GBV-Zentral: 700 |a Meier, Matthias

Das Ursache liegt hier eindeutig in den Daten und ist schon in der Vorbemerkung des thematischen Teils „unselbständige Werke“ der GBV-Katalogisierungsrichtlinien angelegt:

Mit dem thematischen Teil „Unselbstständige Werke“ liegt erstmals im GBV eine verbindliche Regelung für die Katalogisierung unselbstständiger Werke vor. Das hier beschriebene Datenmodell gibt der im GBVKat bereits in erheblichem Umfang stattfindenden Katalogisierung unselbstständiger Werke eine einheitliche Grundlage. Für die Katalogisierung im GBVKat ist allein diese Richtlinie verbindlich. Für die beim GBV angebotenen Aufsatzdatenbanken wie z. B. „Online-Contents“ oder die „Internationale Bibliographie der Zeitschriftenliteratur (IBZ)“ gelten teilweise davon abweichende Datenmodelle.

Die Richtlinie ist also verbindlich und einheitlich, außer bei diesem und jenem. Und diese Ausnahmen sollen nun im GBV-Zentral als Ganzes dargestellt werden. Zwei offensichtliche Lösungsansätze:

  1. Änderung der Katalogisierungsrichtlinie und tatsächliche Vereinheitlichung auch für OLC & Co.
  2. Pragmatischer Umgang mit den vorhandenen und heterogenen Daten.

Der pragmatische Umgang könnte für die Discovery-Interfaces in einer „Personen“-Facette münden, die Erstautoren mit allen weiteren Autoren, Herausgebern etc. in einen Topf wirft.

Sonstiges

Zu vielen anderen Punkten kann ich nur ausdauernd und zustimmend nicken. Dass die URL-Bezeichnungen selten vorhanden und von großer Heterogenität (und stark schwankendem Nutzwert) sind, ist zum Beispiel wirklich kein bibliothekarisches Ruhmesblatt. Ebenso ist die GND-Verlinkung noch deutlich ausbaubar. Geralds Abschlussfrage, welche Features in Discovery Systemen mit diesen Daten sinnvoll seien, ist jedoch (m.E.) anders zu formulieren. Denn Dienstleistungen zu bauen, nur weil die Daten es hergeben, ist nicht sinnvoll. [3] PS: Was niemand – insbesondere nicht Gerald – bestreiten wird.

Ich schlage also vor, ein Discovery-Utopia zu formulieren. Dies sieht je nach lokaler Nutzerschaft nicht unbedingt überall gleich aus. Und wenn klar ist, welche Features gewünscht sind, sollten wir uns um die Realisierung kümmern. Sind die Daten schlecht? Dann sollten wir versuchen, sie zu verbessern.

TL;DR: Unsere Daten sind weder schicksalhaft gegeben, noch sind sie unveränderbar. Wir erstellen sie selbst, wir tauschen sie oder wir kaufen sie. Und wenn wir schlechte Daten haben – und die haben wir – sollten wir an deren Qualität arbeiten, um unseren NutzerInnen die Dienstleistungen zu bieten, die sie sich wünschen und die sie benötigen.

References

References
↑1 Hervorragend organisiert vom Team der TUB Hamburg-Harburg! Vielen Dank!
↑2 1. Januar bis zum 12. September 2013, um Suchmaschinen etc. bereinigt. Wer Javascript abstellt oder Ghostery benutzt und noch einige andere werden nicht verzeichnet.
↑3 PS: Was niemand – insbesondere nicht Gerald – bestreiten wird.

DPLA empfiehlt CC0 für bibliographische Metadaten

Das Board der Digital Public Library of America (DPLA) hat in einem Meeting empfohlen, CC0 als Lizenz für die Publikation von bibliographischen Metadaten zu verwenden. Sofern man überhaupt davon ausgeht, dass die Daten urheberrechtlich geschützt werden können und müssen. Aus der Empfehlung (PDF):

  • The DPLA asserts that metadata are not copyrightable, and that applying a license to them is not necessary.
  • To the extent that the law determines a copyright interest exists, a CC0 license applies.
  • The DPLA asserts no new rights over metadata at the DPLA level.

Damit liegt die DPLA auf einer Linie mit den „Empfehlungen zur Öffnung bibliothekarischer Daten“. [1] Disclaimer: … an denen ich mitgewirkt habe. Und reibt sich ein wenig am Widerspruch von Klaus Tochtermann, der nach Alternativen sucht. In einem Kommentar zu seinem Posting schreibt er:

For me it is still too simple to argue “the tax payers pays so we have to make it public without any restriction”. Yes the tax payer paid and the public has the right to access, reuse the data – no doubt about that. But what about commercialisation of the data? What did we learn during the last decades about publication processes of scientific papers: The tax payer pays twice: First the scientific community writes and reviews the papers for the publishers; Second the scientific community buys the journals in which these papers have been published. What makes you so confident that we will not enter the same loop with data – regardless of whether it is research data or library data? And then the European Commission must help out similar to a recent proposal to publish only OA in EC-funded projects.

Im Gegensatz zu den ins Feld geführten Nicht-OA-Publikationen führt eine Veröffentlichung von bibliographischen Metadaten unter CC0 dazu, dass sie jeder verwenden kann. Wenn man sie zurückkauft, dann muss man das nur, weil ein Mehrwert mitgeliefert wird. Zum Beispiel die Auslieferung als komfortabler Suchindex. Die datenproduzierende Bibliothek hat jedoch jederzeit die Möglichkeit, die Daten selbst aufzubereiten und damit zu machen, was sie will. Die erwähnten Publikationen sind jedoch in der Regel nicht OA verfügbar, sondern werden meist exklusiv einem Verlag zur Nutzung überlassen.

Die Kommerzialisierung von Daten, die unter CC0-Lizenz veröffentlicht wurden, schadet der datenproduzierenden Bibliothek meines Erachtens überhaupt nicht.

[via OpenGLAM]

PS: Dieses Thema wird zur Zeit auch in der Mailingliste RepMan diskutiert. Anlass ist die Möglichkeit, OA-Repositories für den Primo-Central-Index zu registrieren. Voraussetzung: Content must be published with a CC0 (no rights reserved) license.

References

References
↑1 Disclaimer: … an denen ich mitgewirkt habe.

Wie Nutzer unsere Kataloge sehen

An der Bibliothek der Hochschule Hannover haben wir seit ein paar Wochen VuFind im Beta-Einsatz. Den Begriff „Beta“ fassen wir in einer ähnlichen Weise auf, wie er in der Wikipedia beschrieben wird:

Der Nutzen eines Betatests besteht darin, dass Fehler, die typischerweise erst in der Praxis auftreten, wie zum Beispiel Konflikte mit anderen Programmen oder Probleme mit bestimmten Hardwarekomponenten, schon vor dem Release des Programms erkannt und behoben oder zumindest dokumentiert werden können.

Dass wir BibliotheksmitarbeiterInnen mit jahre- bis jahrzehntelanger Bibliotheks- und Katalogerfahrung nicht geeignet sind, unser neues System aus Nutzerperspektive zu beurteilen, war uns klar. Also hat meine Kollegin Andrea Hofmann einen Fragebogen konzipiert, den wir mit verschiedenen Nutzern durchgehen wollten. Gesagt, getan:

Das Testszenario war recht einfach. Wir haben StudentInnen und KollegInnen mit Kaffee und Keksen in unseren Besprechungsraum gelockt und sie dort vor den Katalog gesetzt. Meine Kollegin unterhielt sich mit den Testern und ging mit ihnen die Fragen und Aufgaben aus dem vorbereiteten Fragebogen durch. Ich saß im Hintergrund, beobachtete und machte Notizen. Die Ergebnisse haben uns teils bestätigt, teils überrascht.

Da wir nicht die einzige Bibliothek sind, die gerade an der Oberfläche von Discovery-Systemen herumschraubt, möchten wir ein paar der wichtigsten Erkenntnisse hier zusammenfassen:

Kleine Fehler und Unbequemlichkeiten

Erwartungsgemäß sind den Testern gleich ein paar Fehler oder Unbequemlichkeiten in der Usability aufgefallen. Das Fenster für die Autocomplete-Vorschläge war beispielsweise nicht breit genug. Die Vorschläge waren abgeschnitten und wurden dadurch unbrauchbar:

Verwirrende Dialoge und unklare Angaben

Die Favoritenfunktion war einigen Testern zu überladen. Man muss im Favoriten-Popup scrollen, um speichern zu können. Und durchschnittliche Nutzer scrollen nicht gern. Auch war einigen nicht klar, was Tags sind. Und noch wichtiger: wo diese Angaben auftauchen. Letzteres haben wir provisorisch behoben, indem wir das Formular um die Angabe ergänzt haben, was öffentlich ist und was nicht.

Verfügbarkeitsinformationen

Die Darstellung der Verfügbarkeitsinformationen in der Vollanzeige wurde teils als unübersichtlich empfunden. Daran arbeiten wir ohnehin gerade. Die wiederholten Wünsche nach Anzeige des Rückgabedatums und der Zahl der Vormerkungen sind verständlich, können aber leider noch nicht umgesetzt werden.

Bibliothekarische Begrifflichkeiten sind unverständlich

Bibliothekarische Begrifflichkeiten sind Nichtbibliothekaren ebenso unverständlich, wie Versicherungsvokabular Nichtversicherungsmenschen unverständlich ist. Dieser Kritikpunkt war zu erwarten. Erstaunt waren wir ein bißchen, welche Begrifflichkeiten unklar sind. „Artikel“ zum Beispiel ist vielen offenbar geläufiger als „Aufsatz“. Hier wollen wir zu einem späteren Zeitpunkt noch einmal mehr Zeit investieren, um ein Vokabular zu finden, das sowohl die exakte Beschreibung des Bestandes erlaubt als auch allgemein verständlich ist.

Ein klarer Kritikpunkt war in diesem Zusammenhang auch unser „Collections“-Filter. Wir hatten Facetten, mit denen sich „Bibliotheksbestand“, „Nationallizenzen“ und „Online Contents“ filtern ließen. Bibliotheksbestand leuchtete ein, „Nationallizenzen“ war allen unklar und „Online Contents“ wurde als „online verfügbare Dokumente“ missverstanden.

Die Funktion der übrigen Facetten war allen Testern klar und wurde für sinnvoll befunden. Es wurden spontan keine weiteren Facetten vermisst.

Trefferliste zu lang (und zu voll)

Die Trefferliste wurde von fast allen als viel zu lang empfunden. Gewünscht wurden mehr Treffer auf einen Blick. Die bis dahin in der „Kurzliste“ angezeigten Verfügbarkeitsinformationen (z.B. Standort und Signatur) wurden an dieser Stelle meist als überflüssig gesehen.

Wir haben zusätzlich die „Ähnlichen Schlagworte“ entfernt, um größere Teile der Ergebnisliste auf den Bildschirm zu bekommen. Denn: Nutzer scrollen nicht gerne! [1] Vgl. „Verwirrende Dialoge und unklare Angaben“

Usability der grafischen Zeitleiste

Die Bedienung der grafischen Zeitleiste (Markierung des gewünschten Zeitraums) wurde von keinem Testnutzer ohne Hilfestellung verstanden. Als nützlich wurde die Darstellung der Erscheinungsjahre – im Sinne einer Infografik – meist dennoch empfunden.

Suche nach Dokumententyp

Wir wollten auch herausfinden, wie Nutzer gezielt nach Zeitschriftenartikeln eines bestimmten Autors suchen. Interessanterweise wurde daraufhin mehrfach nach „Bill Gates Artikel“ oder „Bill Gates Zeitschrift“ gesucht. Wir wollen nun verfolgen, [2]In nicht allzu ferner Zeit werden wir eine weitere Gruppe Nutzer unter Beobachtung auf unseren neuen Katalog loslassen. Zusätzlich erfassen wir – selbstverständlich anonymisiert – die … Continue reading ob wir diese Art der Suche ausgelöst haben oder ob es sich um ein gängiges Suchmuster handelt. Falls letzteres, könnte man darüber nachdenken, diese Art der Suche zu ermöglichen.

Sonstige Bemerkungen

Das waren im wesentlichen die Kritikpunkte. Insgesamt wurde VuFind als „freundlicher“, „einladend“ und „umfassend“ empfunden. Die Formulierung „besser als der alte Katalog“ fiel im Wortlaut mehrfach. Ebenso gab es (positive) Vergleiche zu Ebay, Amazon und Immobilienportalen. Eigentlich war jeder Testnutzer sehr angetan. Also: weiter geht’s!

References

References
↑1 Vgl. „Verwirrende Dialoge und unklare Angaben“
↑2 In nicht allzu ferner Zeit werden wir eine weitere Gruppe Nutzer unter Beobachtung auf unseren neuen Katalog loslassen. Zusätzlich erfassen wir – selbstverständlich anonymisiert – die Nutzung des Katalogs mit PIWIK.

Altmetrics in Primo

Christine Stohn schreibt über eine Extension, mit der man Altmetrics in Primo integrieren kann:

We have just added a free Primo code extension to the CodeShare area in EL Commons, the Ex Libris collaborative platform. It enables libraries using Primo to embed altmetrics from altmetric.com into the search results. I am very excited about this new feature. Read more about my take on altmetrics below the picture.

Die Idee ist gut, die API ist hier. VuFind könnte sowas doch auch ganz gut gebrauchen…