Zo werkt tagging

Een schets.

De afgelopen maandagen en de komende maandagen geeft Rob Coers hier in de bibliotheek van het Vredespaleis een aantal cursussen. Blogging, tagging, social bookmarking, dat soort dingen. Om de collega's hier een handje toe te steken, blog ik zo nu en dan op de door Rob ingerichte tijdelijke groepsblog. Deze blog wordt gebruikt voor de vingeroefeningen, zal ik maar zeggen. In de bibliotheek bestaat gepaste gereserveerdheid omtrent het verschijnsel 'tagging'. Om toch eens naar de mogelijkheden van tagging te verwijzen, schreef ik onderstaande interne blog. Het leek me leuk die eens te delen met 'buitenstaanders'.

Niet lang geleden werden in een samenwerkingsverband tussen Flickr en de Library of Congres 3100 foto’s van de LoC geplaatst op Flickr. Bij de bekendmaking van deze gebeurtenis werd het internet publiek van harte uitgenodigd de foto’s van commentaar en tags te voorzien. Aan die oproep werd gehoor gegeven.

Ter illustratie de volgende foto:


Op de foto staat een optocht afgebeeld, die werd gehouden in 1 mei 1911, zoals aangeduid op de foto. Dit gegeven en de aanduiding Labor Union Parade doet al een en ander vermoeden, denk ik zo.

De tags die in de afgelopen periode werden toegekend zijn en daarin schermert ook al de 1 mei parade door:

Library of Congress, 1911, labor, union, parade, New York, hebrew, signs, march, May day, nyc, umbrella, Yiddish, Lofts to let, der yidisher beker, yunge korbones, child, crowd, pedestrians, white, Appraiser, NY, New York City, united hebrew trades, triangle shirtwaist, vintage, america, USA, 1910s, street.

De fijnmazigheid van de tags is opvallend. Wat te denken van 'zolders te huur' of 'driepuntsschorten'.

Een opmerking van een webgebruiker biedt nog veel meer informatie hier, ik citeer Flickr:

“This article from the NY Times - dated May 2, 1911 - appears to detail this parade. It calls it the "annual Socialist and organized labor May Day parade" which included "10,000 trade union members of both sexes." The parade paid special tribute to the victims of the recent Triangle Shirtwaist Factory fire (as noted above). The article mentions that the parade passed the scene of the fire (the Asch building at Greene St. & Washington Pl.). Also, with regard to the umbrellas in the photo, the article states that a heavy rain began to fall as the parade approached Union Square.”

Ik googlede de tag der yidisher beker, de joodse bakker, en kreeg twee resultaten terug, één die verwijst naar de foto op Flickr en één die verwijst naar Google books.

In het boek United States Jewry, 1776-1985 / Jacob Rader Marcus, 1989, ISBN 0814321860, op blz 262 wordt gesproken over een Joodse bakkers vakbond met een eigen blad, “Der yidischer beker”, de joodse bakker. Die vakbond deed dus mee aan de optocht met borden, schorten en al.

En zo komt alles bij elkaar:

Blogs in de wetenschap

Er is de laatste dagen een hoop te doen over het artikel "Blogs uit het lab : wetenschappelijke weblogs worden steeds invloedrijker" van Carola Houtkamer dat verscheen in de Wetenschap & Onderwijs bijlage van NRC Handelsblad, 19-20 januari 2008. Er is flink over geblogd en hier in huis speelde het een rol in de cursus die Rob Coers geeft aan een groep medewerkers van de bibliotheek van het Vredespaleis.

Ik vind het een prima artikel!. Punt uit. En met enkel deze mededeling kom ik natuurlijk niet weg (vrij naar Wow!ter, 21 januari).

Natuurlijk hebben diegenen die vinden dat het artikel -laat ik zeggen- eenzijdig is, dat vooral verwezen wordt naar Amerikaanse voorbeelden van wetenschappelijke blogs, gelijk. Maar het is nu eenmaal een gegeven dat men in het buitenland op sommige punten wat voorloopt op de Nederlandse situatie. Dan drukt een dergelijk artikel ons juist met de neus op de Nederlandse feiten. Je kunt natuurlijk ook nog zeggen dat na onderzoek door de journaliste best wat meer Nederlandse 'science-blogs' gevonden hadden kunnen worden. En dat is ook juist.

Maar waarom eigenlijk? Het gaat toch om het signaleren van een tendens, in de Verenigde Staten wat eerder in gang gezet? Dat er wetenschappers zijn die (een deel van) hun werk willen delen of daar in ieder geval over willen communiceren? Maar ook dat wetenschappers huiverig zijn om over hun werk te praten uit angst voor het wegkapen van een goed idee.

Het lezen van een dergelijke blog is een middel om geinformeerd te blijven, om op ideeen te komen, om gedachten te ordenen, om kennis te verwerven, om te beseffen dat je zo nu en dan je eigen werk anders moet inrichten. Om kritisch te leren zijn bij bepaalde beweringen ook. Let wel, een wetenschapsblog biedt vrijwel nooit diepgaande kennis. Daar bestaan andere, beproefde kanalen voor.

In feite speelt een artikel in de wetenschapsbijlage van de NRC, of waar dan ook, een zelfde rol. Ter illustratie, links onder het artikel van Carola Houtman staat een korte bijdrage van George Beekman, toch geen kleine jongen, met de titel "Hubble ontdekt eerste dubbele Einsteinring". In het artikel staat dat er de afgelopen twintig jaar meer dan honderd ringen zijn gevonden, de ene ring wat beter dan de ander, maar toch. Dat lijkt mij in tegenspraak met elkaar of heeft misschien de Hubble voor het eerst een ring gezien?

Verder meldt George dat het een heel zeldzaam verschijnsel is. Nu wil ik wel aannemen dat een honderdtal observaties in een wereld waar aantallen en afstanden in triljoenen worden uitgedrukt met een gerust hard zeldzaam genoemd kunnen worden. Maar het gegeven dat drie op een lijn staande sterrenstelses (alleen zo wordt het licht van de achterliggende sterrenstelels door het dichtstbijzijnde stelsel afgebogen tot een ring) een zeldzaamheid is gaat er bij mij niet in. Als die Hubble 5.000.000 lichtjaar verderop zijn rondjes had gedraaid, dan kijkt die telescoop toch naar een heel ander plaatje met andere en misschien veel meer samenstanden, toch?

Is dat artikel van Beekman nu een waardeloos artikel, omdat hij iets niet zegt? Is dat artikel van Houtekamer nu een flutartikel, omdat zij iets niet uitvoerig genoeg heeft gedaan? Verkopen zij beiden onzin? Dacht het niet.

En dat brengt mij op het recensieartikel (op drie boeken) van Warna Oosterbaan met de welluidende titel "www . ikhebaltijdgelijk . nl : Twee studies betogen dat de internet-democratie veel te ver is doorgeschoten", verschenen in de Boekenbijlage (p. 8-9) van NRC Handelsblad op 11 januari 2008. Rondom dit artikel heb ik geen blogstorm waargenomen. En die had ik nu juist in de bibliotheekwereld verwacht! Het gaat namelijk om kwaliteit. En daar gaan we in bibliotheekland toch voor?

De internetdemocratie schiet door. Het gezag van experts, zoals bijvoorbeeld wetenschapsjournalisten, wordt ondermijnd door oppervlakkige wiki's en rancuneuze weblogs. Dergelijke geluiden trouwens ook in het artikel van Houtekamer, maar dit terzijde. Zijn de lezersrecensies bij Amazon op een geschiedenis boek nu slechter dan een recensie van een gewaardeerd historicus in een gedegen wetenschappelijk tijdschrift? Dat weten we niet zeker.

In feite wordt door Oosterbaan aandacht besteed aan boeken die WEB 2.0 ontwikkelingen zeer kritisch bejegenen. Er wordt getornd aan de zekerheid die veel webgebruikers menen te hebben. Maar er is een troost, zekerheid of kwaliteit kunnen bibliotheken volgens mij leveren. Ja, moeten bibliotheken ook leveren. Desnoods wijs je als informatiespecialist werkzaam in een WEB2.0 wereld op een boek uit 1953, dat ergens in een magazijn onder het stof ligt en dat je hebt gevonden in de handgeschreven notities van je hoogbejaarde voorganger. Kortom, blijf altijd kritisch.

Wat is WSWB ook al weer?

WSWB staat voor Werkgroep Speciale Wetenschappelijke Bibliotheken. De leden van deze werkgroep komen geregeld bijeen om te spreken over de bijzondere positie van de kleinere, bijzondere bibliotheken in Nederland. En bijzonder is die positie! De bibliotheken zijn namelijk te klein voor het tafellaken, maar te groot voor het servet. Dat betekent bijvoorbeeld dat deze bibliotheken eigenlijk te klein zijn voor het aangaan van zware contracten met leveranciers van data. Maar toch wel weer zo groot dat de respectievelijke doelgroepen eigenlijk niet goed bediend kunnen worden zonder die zware contracten.

Het idee is nu dat een werkgroep of een samenwerkingsverband van dergelijke bibliotheken voldoende gewicht kan genereren om een serieuze gesprekspartner te zijn voor derde partijen. En dat lijkt succes te hebben. De WSWB is bijvoorbeeld nu formeel een aanspreekpunt voor de UKB bibliotheken. De UKB spreekt liever, begrijpelijk natuurlijk, met één organisatie dan met 25 kleinere bibliotheken. En er vindt inderdaad uitwisseling van informatie plaats tussen beide partijen.

In WSWB verband wordt verder gestreefd naar onderlinge uitwisseling van ervaringen, naar deling van kennis en naar informatieoverdracht op een wat algemener niveau. Zo staat bijvoorbeeld voor de eerstvolgende WSWB bijeenkomst het volgende op de agenda: "Hoe bied je elektronische publicaties aan aan de gebruiker?" Ter introductie wordt bij de vergaderstukken de volgende tekst meegeleverd:

Tegenwoordig wordt in iedere bibliotheek naast ‘papier’ ook ‘elektronisch’ aangeschaft. De vraag is dan vervolgens hoe deze twee dragers van tekst aan het publiek moeten worden aangeboden. Daar bestaan diverse mogelijkheden voor en die mogelijkheden worden in principe beïnvloed door de aard van de contracten die bibliotheken met leveranciers van elektronische teksten hebben afgesloten. Denk bijvoorbeeld aan toegang tot de e-documenten, is dat op ip-basis of is dat via username / password? Krijg je als bibliotheek altijd alle beschikbare teksten of is er sprake van laat ik maar zeggen een na-ijleffect? Wordt er met terugwerkende kracht oudere teksten geleverd of niet? Is het in de bibliotheek gebruikte bibliotheeksysteem ingericht voldoende mogelijkheden

Allemaal vragen rondom het elektronische document die van invloed zijn op de wijze waarop je als bibliotheek die documenten aanbiedt. Een complicerende factor daarbij is natuurlijk ook, dat de manier waarop leveranciers hun spulletjes aanbieden, verschilt. Bestaat dat aanbieden van de collectie uit het presenteren van een inhoudsopgave, een manier dus waarbij je afdaalt van algemeen naar bijzonder (tijdschrift, volume, issue, pagina(‘s)), al dan niet vergezeld van een beperkte zoekmogelijkheid op titelwoord of auteur. Of is er sprake van een uitgebreide zoekmogelijkheid waarbij naar hartelust kan worden gecombineerd met zoektermen, zowel in de metadata als in de teksten zelf?

Dan nog is er de mogelijkheid dat een e-pakket wordt geleverd dat opgeslagen is in een database, lokaal opgeslagen of bij de leverancier. Een pakket dat uit diverse soorten tekst kan bestaan, maar als één geheel wordt aangeboden. Bijvoorbeeld bepaalde e-tijdschriften gecombineerd met jurisprudentie en nationale en of europese wetsteksten.

Het ligt voor de hand dat de voor duur geld verworven e-teksten ook onder de aandacht gebracht moeten worden van ‘de gebruiker’. Bibliotheken hebben de mogelijkheid dit materiaal apart aan te bieden, in –eventueel doorzoekbaar gemaakte– overzichten met een link naar de provider, in de OPC met een link naar de provider, of beide.

Sommige bibliotheken maken ook beschrijvingen van tijdschriftartikelen die net als boeken en tijdschriften een plaats krijgen in de OPC. En dat kan uiteraard ook gedaan worden met ‘e-articles only’. Steeds meer leveranciers van elektronische data kunnen tegenwoordig trouwens ook beschrijvingen leveren in het MARC format, zowel op tijdschrift- als op artikelniveau. Kennelijk bestaat daaraan behoefte. Of wordt er juist een behoefte gecreëerd?

Dit brede, beslit niet volledig geschetste, scala aan mogelijkheden en moeilijkheden moet door bibliotheken worden aangepakt en tot een aanvaardbare oplossing worden gebracht. Hoe men dit in de bibliotheek van het Vredespaleis doet, hoort u op 16 januari aanstaande tijdens de vergadering van de Werkgroep Speciale Wetenschappelijke Bibliotheken.

Dat ziet er goed uit! Niet altijd maar alleen het wiel zien uit te vinden. Overleg, daar gaat het om. Samen staan we sterk of in ieder geval sterker.

Meer gebruikers, minder gebruikers.

In Delen, privacy en vertrouwen in deze blog schreef ik op 2 november 2007:

De bibliotheek moet tekst leveren, al dan niet in e-vorm, maar verder heeft de gebruiker er eigenlijk niets te zoeken. Een gemeenschap vorm je elders, niet in een bibliotheekcontext

In feite is dit citaat niets anders dan een van mijn conclusies na het lezen van het rapport van C. de Rosa et al., Sharing, privacy and trust in our networked world : a report to the OCLC membership. Dublin, OH, OCLC, 2007.

In het commentaar merkte Wow!ter op:

Maar waarom lukt het dan wel op LibraryThing? Wat doet LT goed, wat bibliotheken hebben nagelaten?

Ik heb een tijdje zitten broeden op die opmerking. Ik vind eigenlijk dat je LT en een 'gewone' bibliotheek niet met elkaar kunt vergelijken. Het zijn wezenlijk verschillende begrippen. LT is geen bibliotheek, het is een catalogus met allerlei handige en minder handige toeters en bellen en niet meer dan dat. In tegenstelling tot gewone bibliotheken wordt er niet aangeschaft, wordt er niet uitgeleend, is er geen gebouw dat moet worden onderhouden en is er geen bibliotheekpersoneel.

Een bibliotheek wordt geacht de (e-)boeken- en (e-)tijdschriftencollectie in eigen bezit ter beschikking te stellen middels een fraai ingerichte etalage, met prachtige zoekmiddelen, met duidelijke en klantvriendelijke instructies en voor de eigen doelgroep. En met name dat laatste is van wezenlijk belang, de eigen doelgroep.

LT heeft een doelgroep, een zeer ruim op te vatten doelgroep, dat wel: "de boekenbezitter", wereldwijd. Veel bibliotheken hebben doelgroepen die een regionaal karakter hebben (provinciale bibliotheken, bijvoorbeeld). Andere richten zich meer op een onderwerp, bijvoorbeeld het internationale recht (de bibliotheek van het Vredespaleis bijvoorbeeld) en proberen wereldwijd te opereren. Weer andere richten zich op een deel van de bevolking, studenten en wetenschappers.

Bibliotheken moeten, om te kunnen blijven bestaan, zich profileren, maar dan wel voor een doelgroep die steeds kleiner wordt, als je het rapport van De Rosa mag geloven. Bibliotheken leggen zich zich daar terecht niet bij neer. Voor iedere bibliotheek is de profileerslag wel anders. Als men heeft besloten dat 'gaming in de bibliotheek' moet leiden tot meer gebruikers dan mag dat gelden voor openbare bibliotheken, ik zie dat niet gebeuren in de meeste bijzondere bibliotheken. Participatie van de gebruiker in bibliotheekprocessen, bijvoorbeeld in toegespitste onderwerpsontsluiting? Ik zie dat eerder gebeuren in bijzondere bibliotheken dan in openbare bibliotheken. Iedere bibliotheek moet zijn eigen weg zien te vinden, maar je moet natuurlijk wel voortdurend over de schutting blijven kijken.

LT appelleert vooral aan de nieuwsgierigheid van de ene boekenbezitter naar de andere boekenbezitter. Wie heeft mijn boeken ook in huis? Wie is er nog meer geïnteresseerd in de "Boerenoorlogen"? Secundair is de vraag welke literatuur er bestaat op een bepaald terrein. Ik weet wel dat je LT ook daarvoor kunt gebruiken, maar ik zet vraagtekens bij het belang daarvan binnen de context van LT.

In bijzondere bibliotheken wordt vooral gedacht aan wat. Wat is er op een bepaald (onderzoeks)terrein al verschenen? Wat moet ik doen om een bepaalde publicatie in handen te krijgen (met name de e-publicaties)? Pech voor de bibliotheken, want 'wat'vragen zijn ook heel goed te stellen aan Google. En "wie" krijg je dan gewoon cadeau!

Is de rol van bibliotheken dan toch uitgespeeld? Nee natuurlijk, want je moet je serieus afvragen of de conclusie dat de doelgroep steeds kleiner wordt wel juist is. Zie bijvoorbeeld het rapport Information searches that solves problems : How people use the internet, libraries, and government agencies when they need help, December 30, 2007, waaruit duidelijk andere conclusies getrokken kunnen worden over bibliotheekgebruik (zie trouwens ook Rapport creëert buzz van Moqub).

En in bibliotheken realiseert men zich steeds meer dat het "wereldwijde appeal van Librarything" ook heel goed te gebruiken is in de eigen omgeving. Steeds meer applicaties zie je verschijnen waarmee bibliotheekgebruikers in bibliotheken gemeenschappen kunnen creëeren rondom een onderwerp of een opdracht, zeg maar de 'eigen plank gedachte', maar dan geworteld in de collectie van de bibliotheek. Steeds meer krenten uit de LTpap worden in de eigen pap gestrooid.

Kortom, als bibliotheken WEB 2.0 middelen creëeren om hun eigen collectie in een wereldwijd verband aan te bieden en tegelijkertijd een WEB 2.0 inspanning doen om het relevante werldwijde aanbod mee te nemen in het eigen aanbod, dan komen we er wel.

Knollen voor citroenen?

In de hogere klassen van de middelbare school werd mij opgedragen werkstukken te maken, toen nog scripties geheten. Een van de dingen die duidelijk werd gemaakt was, dat we kritisch naar onze bronnen moesten kijken. Een A&O boekje over het boerenbedrijf in de middeleeuwen is iets anders dan een gedegen studie van een gerenommeerd wetenschapper over de boerenopstanden in Engeland in de veertiende eeuw.

Voor de bronnen op het internet geldt natuurlijk hetzelfde. Er zijn bronnen die betrouwbaar zijn en andere zijn dat niet of minder. Er zijn bijdragen in Wikipedia die betrouwbaar en serieus zijn en andere zijn onvolledig of eenzijdig. Scholieren, studenten en wetenschappers moeten zich dat realiseren en ook getraind worden in het vellen van een juist oordeel. En dat dan ook verwoorden in hun werk. Maar je mag volgens mij niemand verbieden gebruik te maken van welke bron dan ook. Wel moet het alle betrokkenen duidelijk zijn dat een waardering van je werkstuk afhangt van:

a. de boodschap en de vorm waarin de boodschap is vervat
b. de gebruikte bronnen
c. de manier waarop je de bronnen gebruikt
d. de gekozen doelgroep

Het weigeren van Wikipediabijdragen als bron, op de middelbare school van onze jongste zoon is dat het geval, is merkwaardig. Merkwaardig omdat het argument merkwaardig is: de inhoud van de bijdrage kan in de loop der tijd verschillen. Dat nu is op zich juist, maar je kunt natuurlijk wel verwachten dat bij het maken van een verwijzing naar een dergelijke bijdrage op een bepaalde manier te werk wordt gegaan. Neem in ieder geval bij verwijzing datum gegevens mee, zou ik zeggen. Kan je nog eens terugkijken met wikiscanner of iets dergelijks, toch?

Op de middelbare school van onze zoon moet met enthousiasme gereageerd zijn op de berichten omtrent de plannen van Google om een nieuwe voorziening te bouwen met de welluidende naam "Knol".

Deskundigen zouden moeten worden uitgenodigd en misschien aangemoedigd een gecontroleerd, en dus stabiel, artikel of werkstuk af te leveren over een bepaald onderwerp. Uiteraard tegen betaling, ik citeer uit de hierboven genoemde blog (18 december 2007): "Google will provide the author with substantial revenue share from the proceeds of those ads" en uiteraard zonder controle door Google. Ik citeer opnieuw: "Google will not serve as an editor in any way, and will not bless any content. All editorial responsibilities and control will rest with the authors."

Kan iemand mij eens uitleggen hoe we dan als eenvoudige kennisconsument moeten vaststellen wat de precieze waarde is van dergelijke bijdragen? Hoe weet ik als consument dat wat er wordt geschreven niet eenzijdig is? Hoe weet ik als consument dat niet geschreven is vanuit het idee "hoe genereer ik zoveel mogelijk inkomsten uit mijn tekst zonder dat dat opvalt"? Het voorbeeld in bovengenoemde blog is wat dat betreft verhelderend. Hoe weet ik nu dat mevrouw de deskundige (over slapeloosheid) in haar opsomming van medicamenten niet een goedkoop, maar goed werkend, pilletje heeft weggelaten? Of hoe gaat Google om met de ranking van die medicijnenlijst?

Kortom we leveren de onduidelijkheid met betrekking tot het "niveau" van Wikipedia in voor onzekerheid met betrekking tot ware bedoelingen van de deskundigen. Natuurlijk, slechts een fractie van het aantal deskundigen zal zich niet kunnen beheersen, maar doorgaans is ook slechts een fractie van de Wikipediabijdragen van bedenkelijk niveau. In geval van Wikipedia hebben we als consument tenminste nog de mogelijkheid daar zelf iets aan te doen. Maar of "Knol"-auteurs van andermans bemoeienissen gediend zijn?

Bibliotheken hebben gezien de ontwikkelingen een rol te spelen in het bewustwordingsproces wat betreft punt c. "de manier waarop we bronnen gebruiken". Of niet?

Recht en WEB 2.0

Ik ben dan wel geen jurist, maar dat betekent natuurlijk niet dat ik mijn ogen altijd gesloten houd als ik, qualitate qua, boeken en artikelen zie langskomen die over het juridische veld gaan. Recht en geschiedenis, en dat laatste is een hobby van me, worden nog wel eens gecombineerd en heel soms levert dat wel eens iets interessants op.

Ook recht en werk kunnen gecombineerd worden. En zo zag ik onlangs een -vrij beschikbaar- artikel van Claire M. Germain, "Legal Information Management in a Global and Digital Age : Revolution and Tradition". Ik heb het niet alleen gezien, maar ook gelezen en, let wel ik zeg het nog maar eens, ik ben geen jurist.

Dit artikel is om twee redenen een must voor iedere bibliotheekmedewerker. Ik citeer de eerste paar zinnen uit de inleiding:

Blogosphere, folksonomy, the long tail, mashups, social bookmarking, tagging, filters, information architecture, podcasting, harvesting web content. These terms do not evoke the familiar library we are used to, but they have entered our daily lives as librarians. Times have changed drastically, and the information revolution is underway. This article presents an overview of the public policy issues surrounding digital libraries in the law field, and describes some current trends, such as Web 2.0, the social network. It discusses the free access to law movement, and mass digitization projects, then turns to some concerns, focusing on preservation and long term access to born digital legal information, and authentication of official digital legal information. It finally discusses new roles for law librarians.

En daar zien we ze voorbij komen, de bekende begrippen uit het ons zo vertrouwde WEB2.0 wereldje. Mw. Germain staat bij de meeste van de begrippen in een aparte paragraaf stil, ze legt uit en duidt op de consequenties voor de juridische wereld. En dat is de eerste reden. Maar het juridische kan wat mij betreft gewoon vervangen worden door wat dan ook, voor de wereld van de (andere) humaniora kan zo beetje hetzelfde worden gezegd, uiteraard mutatis mutandis.

De tweede reden is dat het artikel duidelijk aangeeft wat de rol moet zijn van de moderne bibliothecaris of bibliotheekmedewerker. In de hierboven geciteerde regels wordt daar in dat laatste zinnetje, "It finally discusses new roles for law librarians" naar verwezen. Ik noem de door Germain genoemde rollen:

1. librarians as experts in quality evaluation
2. librarians as teachers
3. librarians as core participants in the mission of their institutions
4. librairans as advocates for free access through global networks

En daar moeten we het dan mee doen. Als je in staat bent om het juridische in dit artikel zo'n beetje te vertalen naar je eigen werkomgeving en zo moeilijk is dat niet, dan is dit artikel wat mij betreft een absolute aanrader.

scanning en google

De laatste tijd vernemen we steeds meer kritiek op de kwaliteit van de door Google gemaakte scans van boeken. Ik realiseer mij dat dat soms niet anders kan, omdat het origineel simpelweg nu eenmaal van onvoldoende kwaliteit is. Ik liet dergelijke berichten maar passeren, besteedde er niet zoveel aandacht aan.

Vanochtend las ik in de blog van Edwin, "Een intrigerende hand in Google Books". Met name zijn link naar de band met enkele afleveringen van het tijdschrift The Gentleman's magazin nodigde uit om nu eens door zo'n gescand boek te 'bladeren'.

Dus de hele pdf gedownload (meer dan 47 MB!) en eens rustig 'doorgebladerd'. Werd ik niet vrolijk van! Teveel onleesbare - 'uitgesmeerde' tekst- bladzijden, onleesbare onderschriften bij plaatjes, inconsequenties in het scanformaat, weglopende tekst aan de randen bij de 'rugzijde', onleesbare noten en ga zo maar verder.

En hoe zit het met de ocr? Hieronder de tekst van -ik geef het toe- een lastige bladzijde (p. 326):

ber.vko «яттНы Un, h* Ka* baw! t-лг v/m •*
three daaThriTv T'I. H^rr-C'X'.ksyw. W." Л»-
Borlaa«, MwaM-fc'ulnubbT, 'лпгдв-Hïl, K»/T-
Aime, Хаг§;АГ»*-КТ:», »- -1 Г/л-«*>-1*л*. >л»И^» а
d*a¿Mer wt/, '!•>-: in Л[.г.;, Hti,is-ier «t n»r.<.h> ef «e». Mr. Adam's тала WM Xiru, «г.1т dauji, VT <* ТЬглпаа Спшмг. «f ЯчгЪ- та VsrUnd »Creel, !»ír*n/i, Vy Илгзмг**. tei/tV-r ах -1 rtça- She dlíd at frtfrird, «"ТЛ. 14, li«,i.™: -l.ttr only brother Jota Crin*«-*. «j. of I».il Mr. А4сги *г ! íi* «r,'e «rvi'insí «lí'er lUrriet, wtte oí the Hírr. Тьоггил Vara,v>nr Iwreil, ,и«1лч»1 of lit". e-U« of tf^ok End, la Chaetlrton, t<, the Нл... ir, 1 1>т. L/l»iH Kke, bean of Mou. nttr, for »V, .; í W/V , •!.,. h property, ai W'-ll M lí.f ariTowton '-*. , h К vi r**n dijTx«:d of pr,-Tioiii.//,had bw.r. f,'. r r :..ueil iíx.ve stxty year* before by their gr.ir.,ÍÍAther f'atien. e Thoma» Adán», «f Ь.кЬет гготе, Um», »vj. By thed*?tdi 4f hi* arv 1л líw Кет. Нгпту ArLu^-i, B.D. Kettnr of lUMwr.ll tat Snff,lk, t'- «;.f/ra he wu hftir-et-Uw, he ¡nh«rriled млн« ртг/f^rtj in that Tfllaee In F*b. IV î. frxm iftrr 1Ьд1 lime hif health, whu-lt for яотп« year» had Leen fü::rí, bwmme rapvlly w^^, а »'я! 'A xi-reral р*гг1/ч1ч, whW h had íírnitly enfeeMM !ih 10-» cr«, rei,-l/ ring it Mtuuit,!c f<,r him to rel.r.^iMh Mi ,1 :tj : be »<•- ronlinifly Avl чо.ап'1 inAjnl I»VÎ f'naKr, pitié,! hi* i»rUh. Ht« remain« were Interred on tbe ^4tb In the rhartJtyant at Farnilon, among hu pa- rUtfl/mer>. ï/y wnora be «a« jrreativ яЫ nr.irer- •ally beiden for Ь1я nnlforra kindnerf and affability, and for the tfreat attention wh^h he be- •Uiwed on the 'Jome lie coroforta and tbe w.rî'lly U wen u the «pirltual CODUTTU of the bombiert Jan. I«. At Orat, со. Stafford, aged S7, tbe Кет. Adolpluu l/'jpHiu, Vicar of that oarinh, to whlrb he wa« pre«ented by toe Lord Chancellor In 1924. He wa* of Emmanuel cuHeee, Cambridge, В.Л. ISM. /on. 21. At Rhyl, nintïhlre, the Бет. £мя Etant,

Een knappe jongen die met zijn fuzzy search programma hier nog iets van kan maken!

Natuurlijk is het zo dat het merendeel van de tekst van dit boek goed bruikbaar is, maar je zult maar op zoek zijn naar info over ene "George Adams" in de "Northumberland street". Ik heb even moeten puzzelen, maar dat staat volgens mij in de pdf op bladzijde 326.

scannen, vernietigen, niet tevreden

In het afgelopen jaar hebben wij als bibliotheek van het Vredespaleis nogal wat hand- en spandiensten geleverd bij een scantraject. Alle banden (meer dan 300) van de “Recueil des cours / Académie de Droit International = Collected courses of The Hague Academy of International Law” zijn gescand en zullen binnenkort beschikbaar komen via de site van Brill uitgeverij. Op dit moment is hier in huis (PPL) ook al toegang tot diezelfde data te verkrijgen. Rechttoe rechtaan, een pdf van ieder op dit moment beschikbaar artikel. Zoeken door de artikelen heen is niet mogelijk, enkel via de metatags is de pdf te traceren.

De discussie die op dit moment wordt gevoerd over het vernielen van een exemplaar van ieder boek, in Nederland gepubliceerd tussen 1800 en 1950, enkel en alleen om een snelle scan te kunnen maken, is een discussie die niet is gevoerd toen de 300 banden van de Recueil werden versneden. Er zijn immers nog genoeg exemplaren van iedere band beschikbaar. Wel is gesproken over de kwaliteit van de ge-ocr-de tekst, maar tot een doortimmerd oordeel is het eigenlijk nooit gekomen. Het ging in eerste instantie om het plaatje, niet om een kwalitatief hoogwaardige elektronische tekst. Ik ben benieuwd wat de commercieel opererende uitgever met de data (tekst) gaat doen? Naar verluidt werkt Brill wel aan de e-tekst van de Recueil om structuur aan te brengen.

Kwalitatief hoogwaardige elektronische tekst, wat is dat eigenlijk? In mijn optiek is een elektronische tekst een 100% nauwkeurige weerslag van –laat ik zeggen- het op papier gedrukte equivalent van de e-tekst. Tekstueel en structureel dus. En dat betekent dus dat een simpele scan niet volstaat.

Niet alleen is de gegenereerde tekst aan de hand van een simpele scan op zijn zachtst gezegd onnauwkeurig (ga uit van gemiddeld 1 fout woord op de 10 woorden), ik verwijs naar Alle boeken thuis voor bijna niks: pennywise but poundfoolish door Cees Klapwijk & René van Stipriaan, ook de structuur is verdwenen. Natuurlijk, ik kan in het plaatje van een bladzijde (een deel van) de structuur wel waarnemen, maar zelden zie ik de algehele structuur.

Ik kan niet binnen een structuur zoeken. Stel ik zoek naar een woord in de tekst, maar ik hoef geen treffers uit hoofdstuktitels te zien, of voetnoten, of inhoudsopgaven, of conclusies, of voorwoorden…. Bij een simpele scan betekent dat dus dat ik zelf, achteraf, moet filteren.

Ik kan ook niet naar een structuur zoeken. Eigenlijk kan ik heel wat niet.

De discussie over het het snel en goedkoop maken van een digitale kopie van die naar schatting 500.000 boeken, moet niet alleen gaan over vaart en prijs, ook de algemene vraag “hoe gaan wij straks aan de slag met het verkregen resultaat” dient aan de orde te komen. Moet naar mijn idee zelfs de belangrijkste plaats innemen in de discussie!

Ter illustratie:

1. Hoe toon je een bladzijde gemaakt met een simpele scan op een e-reader ? Lijkt mij erg lastig. Een grondtekst (bijna) zonder fouten in een structuur gezet die recht doet aan het origineel, biedt natuurlijk heel wat meer mogelijkheden. Kan misschien met een eenvoudige ingreep ook geschikt gemaakt worden voor de Kindle. Als Amazon dat goed vindt tenminste.
2. Fuzzy search kan misschien een oplossing bieden, zou men kunnen zeggen. Dat is maar ten dele juist, want fuzzy searching kan ook juist vertroebelen. Ook juist ge-ocr-de tekst, maar slechts licht afwijkend van de zoekopdracht, kan als treffer worden gepresenteerd: opdracht ‘bonen’, resultaat ‘bonen, boenen,benen’. Ik pleit er overigens niet voor om fuzzy searching maar helemaal weg te laten. Bij het intoetsen van de zoekvraag kan iemand immers ook fouten maken, of geen rekening houden met verouderde spelling.

Ik heb beide zaken (e-readers, fuzzy search) niet in de discussie voorbij zien komen. Moet naar mijn idee gewoon wel gebeuren.

Ik heb er geen bezwaar tegen dat Nederlands cultuurgoed wordt vernietigd ten behoeve van een simpele en snelle scan onder de voorwaarden die zijn gesteld (kort gezegd, nooit een uniek exemplaar opofferen). Maar de stelling dat wij als consumenten met het verkregen resultaat dan allemaal erg blij moeten zijn, is een idiote gedachte. Ik wil als consument meer en dat kan dus niet voor 6 miljoen.

Hoe en door wie wordt trouwens bepaald welke bibliotheek haar exemplaar moet inleveren? En wat kost de discussie hieromtrent dan eigenlijk?

Social bookmarking, tagging, labelling

Eerder sprak ik al over tagging en daar kom ik nu weer even op terug. In het artikel Can Social Bookmarking Improve Web Search? van Paul Heymann, Georgia Koutrika en Hector Garcia-Molina. - Infolab Technical Report 2007-33, Last Updated November 2, 2007, wordt uitvoerig geschreven over het nut van bookmarking van urls of websites zo u wilt. De auteurs hebben een gedegen stuk afgeleverd over de social bookmarking site del.icio.us. Ook Phil Bradley verwijst naar dit rapport. Hij is er positief over.

Voor de duidelijkheid, ik ook, voor zover ik er tenminste iets van kon begrijpen. Ik ben een op en top alpha, die indertijd drieen en vieren haalde voor algebra en meetkunde. Het enige wat ik wel snap is dat voor mij onleesbare formules uiteindelijk kunnen leiden tot grafiekjes. En als er dan in gewone mensentaal bij gezet kan worden wat zo'n grafiekje dan uitdrukt dan ben ik de koning te rijk.

Los van dit soort persoonlijke beschouwingen, blijft natuurlijk staan dat ik als werknemer in een bibliotheek moet bekijken in hoeverre bibliotheken in kunnen spelen op de bevindingen in dergelijke rapporten. Zo wordt benadrukt dat vele ingeklopte tags bij een url in feite terug te vinden zijn in de titel dan wel op de eerste bladzijde dan wel in het webdocument dat naar de desbetreffende url van de webpage verwijst(80% namelijk, zie 6.2 Tags. In de overige 20% zitten vaak, tikfouten, zelfde tags maar in andere taal en synoniemen, ergo, Google komt zo ook een heel eind in groeperen).

Is dat dan iets waar we rekening mee moeten houden als we gebruikers van bibliotheken vragen 'tags' of ' labels' aan boeken te hangen of preciezer geformuleerd aan titelbeschrijvingen in een catalogussysteem? Zijn er al bibliotheken die hier ervaring mee hebben? Of dat zelfs maar hebben onderzocht? En .. in hoeverre wordt de officiele onderwerpsontsluiting eigenlijk bepaald door woorden uit de titel of de eerste bladzijde van een boek? Of de achterflap?

In mijn bibliotheek wordt er dus niet getagged door gebruikers, zoals ik al eerder aanduidde. Gedurende de afgelopen 5 maanden konden mensen aan hun eigen titelselectie(s) tags toevoegen. Werd niet gedaan en wordt nog steeds niet gedaan. Waarom taggen mensen wel hun bookmarks in del.icio.us, maar niet hun titels op hun eigen virtuele plank(en)? Ook deze tags kunnen worden gedeeld met anderen! Is het omdat del.icio.us niet of veel minder wordt geassocieerd met een bibliotheek? (zie de rapportage Sharing etc. voor een indruk over hoe mensen tegen bibliotheken aankijken).

Hoe stimuleren wij onze gebruikers om eens een handje toe te steken? Tot meerdere eer en glorie van jezelf en anderen.

Ebook readers en PPL

In de bibliotheek van het Vredespaleis werken wij op dit moment aan een voorstel om doelgericht te onderzoeken wat de mogelijkheden en onmogelijkheden zijn met betrekking tot de inzet van ebook readers.

Natuurlijk hebben wij hier intern al de nodige ad hoc discussies gehad, maar nu wordt de structurele aanpak die ons voor ogen staat ingegeven door de -hier en daar wat opgeblazen- publiciteit rondom de introductie van de Kindle door Amazon. Duidelijk is in ieder geval dat we dat foeilijke ding in eerste instantie niet zullen meenemen in ons onderzoek, simpelweg omdat de reader in Europa niet geleverd wordt, maar natuurlijk ook omdat er nog geen communicatie via de europese telefoonnetwerken kan plaatsvinden. Schuiven we dus naar de achtergrond.

Onder doelgericht verstaan wij in ieder geval dat we zullen voorstellen twee readers aan te schaffen en dan vervolgens te kijken hoe wij die kunnen inzetten in onze eigen dienstverlening. Uiteraard onderzoeken wij de technische mogelijkheden (draadloos kunnen werken en hoe dan? via usb op de leeszaalcomputers?) conversie software (welke software waar aanbieden?) en natuurlijk de content (welke teksten kunnen wij inkopen en hoe mogen we die verspreiden?) en zo zullen er nog wel meer vragen opkomen, denken wij zo.

Even nog een illustratie: een ebook via Netlibrary aanbieden heeft zo zijn beperkingen, namelijk: "uitlenen" betekent dat het ebook vervolgens niet meer beschikbaar is voor anderen totdat het wordt " teruggebracht" is er een, en de ander is natuurlijk de prijs. Zouden wij niet een ebook reader (of meerdere) vol kunnen zetten met relevante teksten en die dan ter uitlening kunnen aanbieden? Zo weten wij dat een Netlibrary ebook gemiddeld 150 euro kost, sommige van die eboeken kosten bij Amazon 40 dollar!

Ik zou wel eens willen onderzoeken of een bij Amazon, of welke andere ebook provider dan ook gekocht eboek, mag worden opgeslagen op een eigen server en op afroep geplaatst mag worden op een ter uitlening beschikbare reader?

Stel je eens voor? In onze (juridische) bibliotheek komt een onderzoeker langs die aangeeft gedurende een bepaalde periode te willen werken aan een bepaalde kwestie. Onze vakinhoudelijke experts weten dat voor een dergelijk onderzoek een aantal handboeken beschikbaar is die ook elektronisch in ons bezit zijn. Voor een dergelijke gelegenheid zou je dus een specifieke reader kunnen opbouwen. Of je laat dat over aan de onderzoeker zelf, maar biedt je uiteraard terzake deskundige ondersteuning.

Een en ander lijkt mij wel een onderzoeksprojectje waard.