#Entitäts-basierte Konzepte

[junemourginelerntagebuchbain]

Einheit 10: Linked Data

BIBFRAME vs MARC21

In dieser Einheit haben wir BIBFRAME und MARC21 miteinander verglichen. BIBFRAME ist besser lesbar als MARC21 und basiert auf Ontologie, was es praktisch für die Verbindung mit anderen Elementen im Internet macht. Zum Beispiel würde für alle von Amélie Nothomb geschriebenen Bücher in einer Bibliothek, die MARC21 verwendet, jedes Buch einen Eintrag "Amélie Nothomb" haben, was zu Redundanz und Fehleranfälligkeit führt. Der Name könnte falsch geschrieben sein, oder bei einer Migration könnten Sonderzeichen wie ñ oder ö nicht richtig übertragen werden. Mit einem einzigen Eintrag für den Autor "Amélie Nothomb" werden diese Probleme vermieden. Wenn sich der Name des Autors aus irgendeinem Grund ändert, können Sie einfach den Eintrag "Amélie Nothomb" ändern, anstatt jedes Buch einzeln zu aktualisieren. Das ist die Stärke der Verwendung des Ontologieprinzips durch BIBFRAME. BIBFRAME übernimmt das Konzept der RDAs (Resource Description and Access), die von Bibliotheken erarbeitete Katalogisierungsregeln sind. Dieser Standard erleichtert den Transfer und die Migration zwischen verschiedenen Bibliothekssystemen.

BIBFRAME und RiC

Ric (Records in Context), das das gleiche Ontologiekonzept verwendet, ist daher sehr gut geeignet und kompatibel mit dem BIBFRAME-Format. Was RiC ist, haben wir bereits in einer anderen Einheit ausführlich besprochen, und ich habe bereits meine Bedenken dazu geäußert. Grundsätzlich finde ich die Idee fantastisch, aber in der Praxis bereitet mir das vor allem bei kleinen Bibliotheken Sorgen, die nicht unbedingt die Mittel haben, sich die nötige Software zu kaufen und ihr gesamtes Personal zu trainieren.

OpenRefine und Wikidata.

Wir haben OpenRefine bereits in einer anderen Einheit verwendet. Hier haben wir die Stärke dieses Tools in Kombination mit Wikidata gesehen. Wikidata bietet, wie Wikipedia, strukturierte Daten. Beispielsweise enthält der Eintrag zum Berg Everest (Q513) die entsprechenden Metadaten zum Berg Everest wie das Land (P17) und die Höhe über dem Meer (P2044).

In einer Übung wurden uns CSV-Daten zur Verfügung gestellt. Ohne Metadaten ist es schwierig, die einzelnen Daten zu verstehen. Wir wussten, dass die Daten Folgendes beinhalteten: Name, Geburtsdatum und GND. Mit OpenRefine und Wikidata ist es möglich, diese Daten zu vergleichen und die besten Übereinstimmungen auszuwählen. Dies ist nützlich, wenn die Metadaten nicht korrekt oder unvollständig sind.

Das Vorgehen ist ganz einfach:

Importieren Sie die Daten in OpenRefine (In unserem Beispiel haben wir einfach kopiert und eingefügt).

Wählen Sie die Spalte, die Sie mit Wikidata vergleichen möchten,

Klicken Sie auf das Dreieck am Gestell und gehen Sie auf : Reconcile -> Start reconciling (Sehe Bild 1 unten)

Wählen Sie den Dienst "Wikidata". (Der erste, der angezeigt wird, ist auf Englisch, aber es ist möglich, den Link zur Wikidata-Version in einer anderen Sprache hinzuzufügen, indem man auf "Add standard service…" klickt. )

Wählen Sie die gewünschte Entität aus. In unserem Fall ist es Mensch (Q5).

Es ist möglich, mehrere Entitäten auszuwählen, um die Übereinstimmung zu bestimmen,

Klicken Sie auf "Start reconciling".

Und schließlich überprüfen Sie, ob jede Zelle übereinstimmt, indem Sie auf "Match identitcal cells" klicken.

Wenn Sie dies getan haben, können Sie genau denselben Vorgang durchführen, indem Sie eine neue Spalte erstellen, z.B. "Place of birth" (P19), indem Sie auf klicken: Edit column -> Add columns from reconciled values. (Sehe Bild 2 unten)

Bild 1:

Bild 2:

[philosophiesde]

Neurozentrismus

Neurozentrismus Der hier veröffentlichte Artikel wurde von dem Autor als Wikipedia-Eintrag veröffentlicht unter: https://de.wikipedia.org/wiki/Neurozentrismus und bezieht sich auf den bereits veröffentlichten Essay “Das neurozentristische Weltbild – bitte wenden !“. Neurozentrismus ist eine Wortneuschöpfung in Anlehnung an den Begriff des Eurozentrismus und geht auf das Buch „Ich ist nicht…