ݺߣ

ݺߣShare a Scribd company logo

Projekt Europeana Newspapers - online brána k evropským historickým novinám

•
•
Europeana Newspapers
Europeana Newspapers

Presentation held at invited public lecture of the "Jinonice Information Mondays" series at the Institute of Information Studies and Librarienship, Faculty of Arts, Charles University in Prague, December 3, 2012

1 of 31
Download to read offline
Projekt Europeana Newspapers online brána k evropským historickým novinám Aleš Pekárek, Asociace evropských vědeckých knihoven (LIBER) 3. Ročník doktorského studia na ÚISK FF UK Jinonické informační pondělky, Praha, 3.12.2012
Obsah • Cíle a záměry projektu • Partnerské instituce • Oblasti projektových aktivit • Komunikace a diseminace projektu • Přidružení partneři projektu 2
Proč zrovna noviny? „Noviny jsou bazarem dějin“ (Die Zeitungen sind der Sekundenzeiger der Geschichte) Arthur Schopenhauer „Noviny jsou jedním z nejpopulárnějších materiálů v naší knihovně, protože přímo přetékají informacemi a mají co říci širokému spektru našich návštěvníků. V rámci projektu dodáme do Europeany 2 milliony našich plně digitalizovaných stránek, čímž je zpřístupníme mnohem většímu okruhu uživatelů a v mnohem širším kontextu než doposud.“ Lily Knibbeler, Ředitelka Marketingu a Služeb Královské (Národní) knihovny Nizozemí V novinách si zkrátka každý něco najde! 3
Cíle & Záměry 1) Výběr, Rafinace („refinement“) a Agregace obsahu • Učinit z Europeany největšího poskytovatele pan-evropské digitální sbírky novin • Dodání více než 18 million novinových stránek do Europeany, mnoho z nich společně s vyextrahovaným fulltextem (OCR, OLR, NER) 2) Analýza existujících digitálních novinových sbírek • Celoevropský průzkum 3) Kvalita & Doporučení nejlepší praxe • Vytvoření optimalizovaného workflow a infrastruktur pro agregaci dat • Doporučení nejlepších praxí pro pročištění, workflow, metadata a evaluačních nástrojů v oblasti digitalizace novinových sbírek 4) Prezentace obsahu a fulltextové vyhledávání • Vylepšený přístup k novinovým sbírkám v rámci Europeany (Content Browser) 4
Projektové konsorcium & Stakeholdeři • 17 partnerů z 12 zemí • Národní knihovny – obsahoví a techničtí partneři • Univerzitní knihovny – převážně techničtí partneři • Malý a střední podnik (CCS – Content Conversion Specialists) • Externí partneři a stakeholdeři: • Zapojení knihoven vně projektového konsorcia • Celkový rámec: • Financováno jako Best Practice Network v programu ICT-PSP Evropské komise • Trvání projektu: Únor 2012 – Leden 2015 5
Partneři projektu Europeana Newspapers NLE NLF LIBER TEL SUB HH NLL CCS USAL NLP BL SBB KB ONB NLT UIBK BnF UB LFT
Partneři projektu 1. Staatsbibliothek zu Berlin 9. University of Salford (koordinátor projektu) 10. CCS Content Conversion 2. National Library of the Specialists GmbH Netherlands 11. Stichting LIBER 3. National Library of Estonia 12. National Library of Latvia 4. Österreichische 13. National Library of Turkey Nationalbibliothek 14. University Library of Belgrade 5. National Library of Finland 15. University of Innsbruck 6. Staats- und 16. Landesbibliothek Dr. Universitätsbibliothek Hamburg Friedrich Tessmann 7. Bibliothèque nationale de 17. The British Library France 8. National Library of Poland
Struktura projektových aktivit (+ koordinátoři) • Work Package 1: Koordinace a řízení projektu • Berlin State Library (SBB) • Work Package 2: Výběr a rafinace digitalizovaných novin • National Library of the Netherlands (KB) • Work Package 3: Evaluace a hodnocení kvality výběru • University of Salford (USAL) • Work Package 4: Agregace a příprava novin pro Europeanu • The European Library (TEL) • Work Package 5: Doporučení „Best Practice“ v oblasti novinových metadat • University of Innsbruck (UIBK) • Work Package 6: Diseminace a zužitkování projektu • Association of European Research Libraries (LIBER)
WP 1: Koordinace a řízení projektu • Administrace projektu • Řízení všech finančních a organizačních záležitostí • Finanční kontrola • Projektová komunikace • Sharepoint • Zajištění kvality projektu • monitoring, evaluace a reporting výsledků • Risk managament • Předcházení konfliktů v rámci konsorcia 
WP 2: Rafinace digitalizovaných novin • Analýza obsahu a výběr vhodných souborů z digitálních novinových sbírek k “zušlechtění” (rafinaci) • Definice požadavků na minimální kvalitu digitalizovaných novin • Koordinace zušlechťování vybraného novinového obsahu – novin poskytnutých partnerskými institucemi • Doporučení nejlepších praxí v oblasti rafinace digitálních novinových sbírek
WP2: Rafinace – OCR and OLR • 8 millionů stránek bude do Europeany naagregováno „tak jak jsou” ================================== • 10 millionů zrafinovaných stránek: CCS: Automatické rozpoznávání a OCR (UIBK, Rakousko) segmentace novinových Z toho: sloupků a článků 2 milliony: OCR/OLR (segmentace článků) (CCS, Německo) UIBK obohatí vyextrahovaný obsah strukturálními informacemi z její „Platformy porozumění dokumentům“, CCS pak informacemi o sloupcích, článcích; zoning; segmentace článků a jejich úrovní CCS zároveň poskytuje knihovnám technologii pro manuální korekci výsledných UIBK: Detekce titulků a poznámek; strukturálních informací Automatické generování obsahu
Projekt Europeana Newspapers - online brána k evropským historickým novinám
WP 2: Rafinace – Rozpoznávání jmenných entit • KB dodala systém rozpoznávání jmenných entit (NER) (pro holandštinu, angličtinu a němčinu)
Projekt Europeana Newspapers - online brána k evropským historickým novinám
Projekt Europeana Newspapers - online brána k evropským historickým novinám
Projekt Europeana Newspapers - online brána k evropským historickým novinám
Projekt Europeana Newspapers - online brána k evropským historickým novinám
Projekt Europeana Newspapers - online brána k evropským historickým novinám
WP 2: Rafinace – Rozpoznávání jmenných entit • KB dodala systém rozpoznávání jmenných entit (NER) (pro holandštinu, angličtinu a němčinu)
WP 3: Evaluace a hodnocení kvality • Vytvoření uživatelských scénářů se vzorovými profily, datovými sadami, „ground truth“ a nástroji hodnocení kvality výstupů • Přehled faktorů využitelnosti, limitů a reálného potenciálu existujících vstupních materiálů • Identifikace kritických míst procesu společně s návrhem řešení • Evaluace jednotlivých aktivit procesu • Doporučení nejlepších praxí pro podobné post-digitalizační pojekty
WP 4: Agregace a příprava obsahu pro Europeanu • Identifikace a analýza veřejných i soukromých zdigitalizovaných novinových sbírek napříč Evropou • Vytvoření reálného časového rámce agregace novinového obsahu • Vytvoření celoevropského registru digitalizovaných novinových sbírek • Doporučení, jak napasovat existující novinová metadata na EDM (standard Europeany) • Agregace novinových metadat partnerů projektu • Vytvoření fulltextového indexu novinového obsahu • Vývoj a spuštění prohlížeče obsahu (full-text + metadata + originálni skeny či náhledy
WP 4: Agregace obsahu • Agregace 18 millionů digitalizovaných novinových stránek do služby Europeana prostřednictvím Evropské knihovny (jednotný portál evropských národních knihoven) www.europeana.eu • Transformace vstupních metadat na bázi EDM • Distribuce dat do Europeany (po jejich finální transformaci v rámci TEL) www.theeuropeanlibrary.org 22
WP 4: Prezentace & Přístup k plným textům Funkce obsahového browseru: • Fulltextové vyhledávání, např. • podle klíčového slova, • podle jmenných entit • podle novinových sbírek • podle data vydání novin... • Prohlížení naskenovaných novinových stránek • Propojení s příbuzným obsahem nenovinového typu (fotky, hudba, pohlednice...)
WP 5: Doporučení nejlepších praxí v oblasti metadat • Analýza novinových metadatových formátů používaných v evropských zemích • Propojení existujících metadatových modelů se standardem METS/ALTO a vydání doporučení nejlepších praxí • Použitelnost doporučení bude testováno v rámci specifického evaluačního cyklu
Standard METS METS – Metadata Encoding and Transmission Standard  vznikl v roce 2001  otevřený na bázi XML  Připraven pro Digital Library Federation (DLF) Jerome McDonoughem a týmem METS  schéma hotováno LOC  udržováno redakční radou METS  Současná verze: 1.9
Funkce METS  Popisuje zdigitalizovaný objekt  Tištěná media (kniha, noviny, časopis)  audio/video materiály  Umožňuje včlenění jiných druhů metadat  Popisná metadata (DC, MODS, MARC, Premis)  Technická metadata (Mix, …)  Možnost strukturálních informací  Fyzická struktura  Logická struktura  Umí odkazovat na jakýkoliv jiný digitální objekt  Obrázky  Audio / video streamy  Text  Externí metadatové objekty
Standard ALTO ALTO – Analyzed Layout and Text Object  XML based open standard  Schema is hosted at LOC (Library of Congress)  Maintained by METS Editorial Board  Current version: 2.0
WP 6: Komunikace a diseminace projektu • Cíle • Vytvoření celoevropské publicity • Větší používanost Europeany • Zajištění informovanosti cílových skupin • Úkoly 1. Komunikace v mediích 2. Workshopy a účast na konferencích • Tři hlavní diseminační workshopy (rafinace, agregace, závěrečný) • Národní informační dny (minimálně 10) • Rozšíření sítě o další partnery 3. Zužitkování výsledků projektu 28
Hlavní komunikační kanály projektu WWW: http://www.europeana-newspapers.eu/ Twitter: @eurnews Facebook: https://www.facebook.com/EuropeanaNewspapers Newsletter: http://bit.ly/TsoMpY (najdete na webové stránce projektu) ݺߣshare: http://www.slideshare.net/Europeana_Newspapers 29
Přidružení partneři projektu • Rozšíření sítě o tzv. Přidružené partnery projektu (nefinancované, nepřímé benefity z partnerství) • Možnost poskytnutí metadat digitálních novinových sbírek do Europeany v rámci procesů projektu  rapidní nárust návštěvníků • Využití a přístup k výsledkům projektu (doporučení, dokumentace, SW nástroje, metodika workflow) • Hlavně pro držitele obsahu • Většina identifikována v rámci průzkumu (40 vyplněných dotazníků, 35 potenciálních přidružených partnerů – o metodě výběru se stále diskutuje) • Za ČR zájem projevila NK ČR a MZK (i ostatní instituce s digitálními novinovými sbírkami jsou vítány) 30
Děkuji za pozornost pekarek.ales@gmail.com www.europeana-newspapers.eu www.libereurope.eu

More Related Content

Projekt Europeana Newspapers - online brána k evropským historickým novinám

  • 1. Projekt Europeana Newspapers online brána k evropským historickým novinám Aleš Pekárek, Asociace evropských vědeckých knihoven (LIBER) 3. Ročník doktorského studia na ÚISK FF UK Jinonické informační pondělky, Praha, 3.12.2012
  • 2. Obsah • Cíle a záměry projektu • Partnerské instituce • Oblasti projektových aktivit • Komunikace a diseminace projektu • Přidružení partneři projektu 2
  • 3. Proč zrovna noviny? „Noviny jsou bazarem dějin“ (Die Zeitungen sind der Sekundenzeiger der Geschichte) Arthur Schopenhauer „Noviny jsou jedním z nejpopulárnějších materiálů v naší knihovně, protože přímo přetékají informacemi a mají co říci širokému spektru našich návštěvníků. V rámci projektu dodáme do Europeany 2 milliony našich plně digitalizovaných stránek, čímž je zpřístupníme mnohem většímu okruhu uživatelů a v mnohem širším kontextu než doposud.“ Lily Knibbeler, Ředitelka Marketingu a Služeb Královské (Národní) knihovny Nizozemí V novinách si zkrátka každý něco najde! 3
  • 4. Cíle & Záměry 1) Výběr, Rafinace („refinement“) a Agregace obsahu • Učinit z Europeany největšího poskytovatele pan-evropské digitální sbírky novin • Dodání více než 18 million novinových stránek do Europeany, mnoho z nich společně s vyextrahovaným fulltextem (OCR, OLR, NER) 2) Analýza existujících digitálních novinových sbírek • Celoevropský průzkum 3) Kvalita & Doporučení nejlepší praxe • Vytvoření optimalizovaného workflow a infrastruktur pro agregaci dat • Doporučení nejlepších praxí pro pročištění, workflow, metadata a evaluačních nástrojů v oblasti digitalizace novinových sbírek 4) Prezentace obsahu a fulltextové vyhledávání • Vylepšený přístup k novinovým sbírkám v rámci Europeany (Content Browser) 4
  • 5. Projektové konsorcium & Stakeholdeři • 17 partnerů z 12 zemí • Národní knihovny – obsahoví a techničtí partneři • Univerzitní knihovny – převážně techničtí partneři • Malý a střední podnik (CCS – Content Conversion Specialists) • Externí partneři a stakeholdeři: • Zapojení knihoven vně projektového konsorcia • Celkový rámec: • Financováno jako Best Practice Network v programu ICT-PSP Evropské komise • Trvání projektu: Únor 2012 – Leden 2015 5
  • 6. Partneři projektu Europeana Newspapers NLE NLF LIBER TEL SUB HH NLL CCS USAL NLP BL SBB KB ONB NLT UIBK BnF UB LFT
  • 7. Partneři projektu 1. Staatsbibliothek zu Berlin 9. University of Salford (koordinátor projektu) 10. CCS Content Conversion 2. National Library of the Specialists GmbH Netherlands 11. Stichting LIBER 3. National Library of Estonia 12. National Library of Latvia 4. Österreichische 13. National Library of Turkey Nationalbibliothek 14. University Library of Belgrade 5. National Library of Finland 15. University of Innsbruck 6. Staats- und 16. Landesbibliothek Dr. Universitätsbibliothek Hamburg Friedrich Tessmann 7. Bibliothèque nationale de 17. The British Library France 8. National Library of Poland
  • 8. Struktura projektových aktivit (+ koordinátoři) • Work Package 1: Koordinace a řízení projektu • Berlin State Library (SBB) • Work Package 2: Výběr a rafinace digitalizovaných novin • National Library of the Netherlands (KB) • Work Package 3: Evaluace a hodnocení kvality výběru • University of Salford (USAL) • Work Package 4: Agregace a příprava novin pro Europeanu • The European Library (TEL) • Work Package 5: Doporučení „Best Practice“ v oblasti novinových metadat • University of Innsbruck (UIBK) • Work Package 6: Diseminace a zužitkování projektu • Association of European Research Libraries (LIBER)
  • 9. WP 1: Koordinace a řízení projektu • Administrace projektu • Řízení všech finančních a organizačních záležitostí • Finanční kontrola • Projektová komunikace • Sharepoint • Zajištění kvality projektu • monitoring, evaluace a reporting výsledků • Risk managament • Předcházení konfliktů v rámci konsorcia 
  • 10. WP 2: Rafinace digitalizovaných novin • Analýza obsahu a výběr vhodných souborů z digitálních novinových sbírek k “zušlechtění” (rafinaci) • Definice požadavků na minimální kvalitu digitalizovaných novin • Koordinace zušlechťování vybraného novinového obsahu – novin poskytnutých partnerskými institucemi • Doporučení nejlepších praxí v oblasti rafinace digitálních novinových sbírek
  • 11. WP2: Rafinace – OCR and OLR • 8 millionů stránek bude do Europeany naagregováno „tak jak jsou” ================================== • 10 millionů zrafinovaných stránek: CCS: Automatické rozpoznávání a OCR (UIBK, Rakousko) segmentace novinových Z toho: sloupků a článků 2 milliony: OCR/OLR (segmentace článků) (CCS, Německo) UIBK obohatí vyextrahovaný obsah strukturálními informacemi z její „Platformy porozumění dokumentům“, CCS pak informacemi o sloupcích, článcích; zoning; segmentace článků a jejich úrovní CCS zároveň poskytuje knihovnám technologii pro manuální korekci výsledných UIBK: Detekce titulků a poznámek; strukturálních informací Automatické generování obsahu
  • 13. WP 2: Rafinace – Rozpoznávání jmenných entit • KB dodala systém rozpoznávání jmenných entit (NER) (pro holandštinu, angličtinu a němčinu)
  • 19. WP 2: Rafinace – Rozpoznávání jmenných entit • KB dodala systém rozpoznávání jmenných entit (NER) (pro holandštinu, angličtinu a němčinu)
  • 20. WP 3: Evaluace a hodnocení kvality • Vytvoření uživatelských scénářů se vzorovými profily, datovými sadami, „ground truth“ a nástroji hodnocení kvality výstupů • Přehled faktorů využitelnosti, limitů a reálného potenciálu existujících vstupních materiálů • Identifikace kritických míst procesu společně s návrhem řešení • Evaluace jednotlivých aktivit procesu • Doporučení nejlepších praxí pro podobné post-digitalizační pojekty
  • 21. WP 4: Agregace a příprava obsahu pro Europeanu • Identifikace a analýza veřejných i soukromých zdigitalizovaných novinových sbírek napříč Evropou • Vytvoření reálného časového rámce agregace novinového obsahu • Vytvoření celoevropského registru digitalizovaných novinových sbírek • Doporučení, jak napasovat existující novinová metadata na EDM (standard Europeany) • Agregace novinových metadat partnerů projektu • Vytvoření fulltextového indexu novinového obsahu • Vývoj a spuštění prohlížeče obsahu (full-text + metadata + originálni skeny či náhledy
  • 22. WP 4: Agregace obsahu • Agregace 18 millionů digitalizovaných novinových stránek do služby Europeana prostřednictvím Evropské knihovny (jednotný portál evropských národních knihoven) www.europeana.eu • Transformace vstupních metadat na bázi EDM • Distribuce dat do Europeany (po jejich finální transformaci v rámci TEL) www.theeuropeanlibrary.org 22
  • 23. WP 4: Prezentace & Přístup k plným textům Funkce obsahového browseru: • Fulltextové vyhledávání, např. • podle klíčového slova, • podle jmenných entit • podle novinových sbírek • podle data vydání novin... • Prohlížení naskenovaných novinových stránek • Propojení s příbuzným obsahem nenovinového typu (fotky, hudba, pohlednice...)
  • 24. WP 5: Doporučení nejlepších praxí v oblasti metadat • Analýza novinových metadatových formátů používaných v evropských zemích • Propojení existujících metadatových modelů se standardem METS/ALTO a vydání doporučení nejlepších praxí • Použitelnost doporučení bude testováno v rámci specifického evaluačního cyklu
  • 25. Standard METS METS – Metadata Encoding and Transmission Standard  vznikl v roce 2001  otevřený na bázi XML  Připraven pro Digital Library Federation (DLF) Jerome McDonoughem a týmem METS  schéma hotováno LOC  udržováno redakční radou METS  Současná verze: 1.9
  • 26. Funkce METS  Popisuje zdigitalizovaný objekt  Tištěná media (kniha, noviny, časopis)  audio/video materiály  Umožňuje včlenění jiných druhů metadat  Popisná metadata (DC, MODS, MARC, Premis)  Technická metadata (Mix, …)  Možnost strukturálních informací  Fyzická struktura  Logická struktura  Umí odkazovat na jakýkoliv jiný digitální objekt  Obrázky  Audio / video streamy  Text  Externí metadatové objekty
  • 27. Standard ALTO ALTO – Analyzed Layout and Text Object  XML based open standard  Schema is hosted at LOC (Library of Congress)  Maintained by METS Editorial Board  Current version: 2.0
  • 28. WP 6: Komunikace a diseminace projektu • Cíle • Vytvoření celoevropské publicity • Větší používanost Europeany • Zajištění informovanosti cílových skupin • Úkoly 1. Komunikace v mediích 2. Workshopy a účast na konferencích • Tři hlavní diseminační workshopy (rafinace, agregace, závěrečný) • Národní informační dny (minimálně 10) • Rozšíření sítě o další partnery 3. Zužitkování výsledků projektu 28
  • 29. Hlavní komunikační kanály projektu WWW: http://www.europeana-newspapers.eu/ Twitter: @eurnews Facebook: https://www.facebook.com/EuropeanaNewspapers Newsletter: http://bit.ly/TsoMpY (najdete na webové stránce projektu) ݺߣshare: http://www.slideshare.net/Europeana_Newspapers 29
  • 30. Přidružení partneři projektu • Rozšíření sítě o tzv. Přidružené partnery projektu (nefinancované, nepřímé benefity z partnerství) • Možnost poskytnutí metadat digitálních novinových sbírek do Europeany v rámci procesů projektu  rapidní nárust návštěvníků • Využití a přístup k výsledkům projektu (doporučení, dokumentace, SW nástroje, metodika workflow) • Hlavně pro držitele obsahu • Většina identifikována v rámci průzkumu (40 vyplněných dotazníků, 35 potenciálních přidružených partnerů – o metodě výběru se stále diskutuje) • Za ČR zájem projevila NK ČR a MZK (i ostatní instituce s digitálními novinovými sbírkami jsou vítány) 30
  • 31. Děkuji za pozornost pekarek.ales@gmail.com www.europeana-newspapers.eu www.libereurope.eu