VAD FINNS GÖMT BAKOM DET VI SER PÅ WEBBSIDAN? <BODY> <H1>This Is Where We Came In</H1> <H2>Alan Ayck-bourn</H2><P CLASS="act">I </P> Materialet finns tillgängligt på URL http://www.adm.hb.se/personal/hfr/tls/ Helena Francke, 18/09/00 18/09/00
Innehåll… f.m Olika format / kodning (PDF, HTML, XML) Validering Metadata HTML Dublin Core PICS RDF 18/09/00
Filformat Plattformsoberoende html jpeg pdf wav gif m fl Proprietära doc ai ppt pct cdr 18/09/00
Filformatet kan ha betydelse för kvalitén.. hur tolkar webbläsare / program filen? portabilitet bevarandeaspekten manipulation (kan vara av godo) / adaption 18/09/00
Skilda principer för textbeskrivning Textens stukturella uppbyggnad HTML Textens visuella representation PDF Textens semantiska betydelse (descriptive markup) SGML, XML Text används här i en vid bemärkelse 18/09/00
Exempel på uppmärkning Ur Alan Ayckbourns This Is Where We Came In: <character>Uncle O</character > <line>[…] And the princess, as soon as she saw the young prince, fell immediately in love with him…</line> < character >Nell</ character> <instruction>(falling immediately in love)</instruction> <line>Oh!</line> 18/09/00
Exempel på visuell kodning Ur Alan Ayckbourns This Is Where We Came In: Uncle O […] And the princess, as soon as she saw the young prince, fell immediately in love with him… Nell (falling immediately in love) Oh! 18/09/00
18/09/00
HTML märkord (taggar) som märker upp strukturen märker upp ren text (ASCII) webbläsaren omvandlar koderna till presentationsinstruktioner alt. har man möjlighet att specificera layout-instruktioner - i html-koden eller separat (i t ex en stilmall [css, xsl]) bygger på SGML 18/09/00
Descriptive Markup kodar efter innehåll likväl som struktur SGML/XML W3C (World Wide Web Consortium) utifrån SGML + XML skapar man nya uppmärkningsspråk som beskrivs i en DTD (Document Type Definition) 18/09/00
UPPMÄRKNINGSSPRÅK (Markup Languages) SGML (Standard Generalized Markup Language) XML (eXtensible Markup Language) HTML TEI MathML RDF m fl 18/09/00
"Extensible Markup Language (XML for short) is a new language designed to […] make information self-describing. This simple-sounding change in how computers communicate has the potential to extend the Internet beyond information delivery to many other kinds of human activity. Indeed, since XML was completed in early 1998 by the World Wide Web Consortium […] the standard has spread like wildfire though science and into industries ranging from manufacturing to medicine.” Jon Bosak and Tim Bray (1999), "XML and the Second-Generation Web” // Scientific American 18/09/00
Val av format Validering Portabilitet Manipulation Sökbarhet Utprodukt Navigering (XLink, XPointer) Belastning på nät / servrar Vilken version är det? DOCTYPE-deklarationen Följer koden i html-/ xml-filen W3C:s rekommendationer? http://validator.w3.org 18/09/00
Vad är metadata? data om data, eller Meta- (fr. grekiska): med, emellan, efter... data om data, eller (strukturerad) information om olika resurser eller objekt, eller uppgifter som möjliggör för oss att identifiera, lokalisera och organisera (digitala) resurser i lokala eller distribuerade samlingar 18/09/00
Uniform Resource Locator (URL) katalog (mapp) domän http://www.lub.lu.se/desire/sbigs.html protokoll toppdomän fil extension (HyperText Transfer Protocol) 18/09/00
Identifikatorer URL - Uniform Resource Locator http://www.w3.org URI - Uniform Resource Identifier URN - Uniform Resource Name URN:NBN:se-d199811234 PURL - Persistent URL http://purl.oclc.org/OCLC/PURL/FAQ DOI - Digital Object Identifier 10.1002/[ISBN]91-973090-6-0 18/09/00
Dold metadata exempelvis titeln på en bok, en MARC-post, materialinformationen i skor etc kan finnas i/på objektet (skoexemplet) eller separat från detta (MARC-posten) HTML, Dublin Core, PICS, RDF används för att förbättra SÖKNING, LOKALISERING och SELEKTION 18/09/00
HTML-meta <title> (skilj mellan titel och rubrik!) - det enda obligatoriska metadata-elementet i html <meta> ofta använt för att ange ämnesord och sammanfattning <meta http-equiv=”charset” content=”iso-8859-1”> 18/09/00
Dublin Core Metadata Element Set Grunden lades vid ett möte i Dublin Ohio 1995 DC är väl lämpat att beskriva dokument och dokument-liknande objekt Målet var att skapa ett system som gör metadata enkelt att skapa och hålla aktuellt som är internationellt gångbart som är töjbart En av begränsningarna med DC idag är att man inte anger någon typ av inmatningsregler - jmf KRS 18/09/00
Unqualified DC (1.1) 15 olika fält: INNEHÅLL: DC.Title, DC.Subject, DC.Description, DC.Source, DC.Language, DC.Relation, DC.Coverage UPPHOV: DC.Creator, DC.Publisher, DC.Contributor, DC.Rights IDENTIFIKATION, TID OCH TEKNIK: DC.Date, DC.Type, DC.Format, DC.Identifier Inget fält är obligatoriskt Alla fält kan upprepas vid behov 18/09/00
Qualified DC TYPBETECKNINGAR Precisering av en kategori under rubriken och/eller en tillfogad uppgift med särskild innebörd. <meta name=”DC.Creator.PersonalName.Email” content=”jag@me.se”> SCHEME-TILLÄGG Precisering av en standard eller praxis som styr utformningen av fältets innehåll. <meta name=”DC.Subject” scheme=”SAB” content=”Do”> efter Sten Hedberg (1999), ”Dublin Core i Sverige - en minsta gemensam nämnare eller…?” // Human IT nr 4/99 18/09/00
DC forts. Hur tillämpas DC idag? - i ett stort antal projekt världen över som ofta är initierade från bibliotekshåll och inom söktjänster som inriktar sig på resurser inom en viss disciplin - i Sverige: Svesök, SAFARI, Svenska miljönätet (Nordic Web Index) DC-formulär skapat av NetLab vid Lunds UB finns på: http://www.lub.lu.se/cgi-bin/nmdc.pl DC har än så länge dåligt stöd i de kommersiella söktjänsterna 18/09/00
PICS - Platform for Internet Content Selection Utvecklades ursprungligen under influens av den diskussion som förts i USA kring the Telecommunications Decency Act Utvecklades av W3C -rekommendationerna kom 1996 Metod eller infrastruktur, inte i sig ett system för klassificering/värdering Olika system/vokabulärer för värdering skapas av organisationer eller individer Du instruerar sedan webbläsaren att kontrollera informationen i dokumentet eller en databas (i IE 5.0 under Verktyg Internet-alternativ Innehåll) Kan användas till annat än att värdera sex, våld och språk... 18/09/00
”label list” för två dokument (PICS-1.1 "http://www.gcf.org/v2.5" by "John Doe" labels on "1994.11.05T08:15-0500" until "1995.12.31T23:59-0000" for "http://w3.org/PICS/Overview.html" ratings (suds 0.5 density 0 color/hue 1) for "http://w3.org/PICS/Underview.html" by "Jane Doe" ratings (subject 2 density 1 color/hue 1)) från ”PICS Label Distribution Label Syntax and Communication Protocols” http://www.w3.org/TR/REC-PICS-labels 18/09/00
Resource Description Framework RDF Används för att ”samla ihop” metadata (t ex DC och PICS) i ett elektroniskt dokument W3C-rekommendation i feb/mars 1999 RDF är ett XML-språk En RDF-sats innehåller tre delar: en resurs (en URI) en egenskap (t ex ”författare”, ”titel”) ett värde (t ex ”Astrid Lindgren”) 18/09/00
RDF-exempel <?xml version=”1.0”?> <RDF xmlns=”http://www.w3.org/1999/02/22-rdf-syntaxns#” xmlns:DC=”http://purl.org/metadata/dublin_core/” xmlns:DS=”http://www.w3.org/Schemas/DS-Schema/”> <Description about=”http://www.tls.se/forel.htm” bagID=”Statement_001”> <DC:Creator>Klara Karlsson</DC:Creator> </Description> <Description about=”#Statement_001”> <DS:CreatedOn>2000-09-18T14:00z</DS:CreatedOn> <DS:CreatedBy>Bengt Bengtsson</DS:CreatedBy> </Description> </RDF> 18/09/00
ATT HITTA INFORMATIONEN... KRITISK BEDÖMNING AV SÖKVERKTYG 18/09/00
Innehåll… e.m Olika typer av sökverktyg - hur fungerar det? Sökstrategier Jämförelse av sökverktyg 18/09/00
Sökverktyg på webben Sökmaskiner (t ex AltaVista, Excite, Google) Ämnes- eller länkkataloger (t ex Yahoo!, Svesök, BUBL link) Metaindex (t ex MetaCrawler, Mamma) Klientbaserade metaindex (t ex Copernic) Intelligenta agenter 18/09/00
Sökmaskiner samlar in information på maskinell väg en robot ett index depth-first breadth-first ett index inverterade filer en databasmotor depth-first breadth-first hämta + lämna URL:er hämta URL:er A URL:er Z A URL:er Z robot lämna URL:er 18/09/00
Kataloger hierarkiskt organiserade ämnesuppställda kataloger över länkar som går till andra webbresurser sammanställs av människor bygger på någon typ av klassifikationssytem - kan vara ett etablerat (t ex SAB, Dewey) eller egenproducerat (Yahoo!, SUNET:s katalog) ”Three possible strategic responses [to the reduction of intellectual and physical barriers brought about by the rise of multidisciplinarity and by the influence of computerization] are described: 1) adopting an existing system; 2) adapting an existing system; and 3) finding new structural principles for classification systems.” Clare Beghtol 1998, s 89 länkarna kvalitetsbedömda? 18/09/00
Andra varianter Hybrider (katalog + sökmotor) (trend: portaler) Metaindex (söker i flera söktjänsters index samtidigt) Klientbaserade metaindex Intelligenta agenter 18/09/00
Sökstrategier 1 SÖKMASKINER objekt med signifikant namn - ”Bill Clinton”, ”IFLA” person/organisation/företag/märke/geografisk plats väl avgränsat område med karaktäristiskt namn - ”XML” ”litet” område med väl definierad terminologi - ”mimesis” område som är svårt att placera in i en hierarki (t ex multidisciplinära) - ”malört” det är alltid en avvägning (jmf Massachusetts Institute of Technology/MIT) 18/09/00
Sökstrategier 2 överblick över vad som finns inom ett område KATALOGER överblick över vad som finns inom ett område om man är osäker på lämpliga söktermer, t ex söker inom ett obekant område (måste dock kunna identifiera lämplig kategori) kvalitetsgranskade resurser (ibland) resurser till en viss målgrupp - t ex barn (Länkskafferiet, SAFARI har möjlighet att avgränsa efter målgrupp) fler termer ger bättre precision än få - begränsa sökningen genom att lägga till termer, utvidga den genom att ta bort termer 18/09/00
Att jämföra sökverktyg precision = antal hittade relevanta dokument totala antalet hittade dokument recall = antal hittade relevanta dokument antal relevanta dokument i databasen 18/09/00
Sökmaskiner (1) OMFÅNG: GRÄNSSNITT: Storlek - hur många webbsidor / filer indexeras? (Google 560 miljoner webbsidor juli 2000) Hur stor del av filen indexeras? (fulltext?) Geografisk avgränsning? int/sv/landsspecifik? Språk - i gränssnittet och i tillåtna söktermer GRÄNSSNITT: Effektivt eller plottrigt? Reklam? Andra tjänster? 18/09/00
18/09/00
Sökmaskiner (2) PRODUCENT: Vem står bakom tjänsten? kommersiell / ideell? Kostnad? Teknik: Efter vilka principer arbetar roboten? Hur ofta besöks varje webbsida? Hur ofta uppdateras indexet? Finns materialet cachat? Om tjänsten inte har eget index - från vem köper de tjänsten? Strategier för att matcha fråga - dokument. Hur värderas/rankas/viktas söktermerna? Premieras uppgifter i metadata? Sökhastighet? Finns någon kvalitetsgranskning / krav? (innehåll eller teknik?) 18/09/00
Sökmaskiner (3) SÖKNING: avgränsningar (datum, format, språk, geografisk tillhörighet) går det att ange var i filen du vill utföra sökningen? (titel, URL, länkar…) söker den automatiskt på synonymer? viktas termerna? accepteras felstavningar? att söka på annat än text-filer (bilder, ljud, animationer, applikationer mm) diskussionsgrupper, mailinglist-arkiv mm finns möjlighet att filtrera träffarna? enkel och avancerad sökning + - ”” Boolesk logik vad är standardinställningen? t ex OR, AND - går det att få reda på trunkering, maskering närhetsoperatorer naturligt språk (kan du t ex formulera din sökning som en vanlig fråga? AltaVista, Ask Jeeves) case sensitivity 18/09/00
Sökmaskiner (4) TRÄFFLISTA: Hur många träffar visas? Går det att påverka? Hur mycket och hur relevant information får man om de olika träffarna? Går typen av information att påverka? ”more like this” Kan man få se endast 1 träff/server? Kan denna funktion stängas av? Träffkvalitet (precision) Hjälpsidor - är de informativa och lätta att förstå? Finns all information man behöver? 18/09/00
Specifikt för kataloger… (1) OLIKA TYPER: universella (t ex Yahoo!, LookSmart, Magellan, BUBL Link) ämnesinriktade (t ex de svenska ansvarsbibliotekens Samweb, Humweb etc, SOSIG, ARGOS, NOVA Gate, Svenska miljönätet - se lista över ”Subject Based Information Gateways” http://www.lub.lu.se/desire/sbigs.html nationella / internationella särskild målgrupp (forskare, barn…) 18/09/00
Kataloger (2) Hur är katalogen organiserad? eget klassifikationssystem? Fungerar det? etablerat system? Är det ett system du känner till? Hur många hierarkiska nivåer finns? Är de uttömmande eller är strukturen för grund? Antal kategoriserade resurser Hur har dessa samlats in? Vilka kvalitetskriterier / urvalsprinciper tillämpas? Hur noggrant är resurserna katalogiserade? Manuellt utvunna metadata som förbättrar sökresultat och träfflisteinfo? Hur kan man söka i katalogens databas? (jmf sökmaskiner) Kan man söka mha kontrollerad vokabulär från ämnesords-lista (SAB, MESH, LCSH)? 18/09/00
Tips... Bakgrundsinfo och jämförelser mellan olika söktjänster finns bl a på: SearchEngineWatch http://www.searchenginewatch.com/ har även gratis nyhetsbrev man kan prenumerera på Search Engine Showdown http://searchengineshowdown.com/ har bl a aktuell statistik 18/09/00
Några hurtfriska råd på vägen... Hitta de söktjänster som passar dig Välj ut några söktjänster som du lär dig ordentligt Testa nya tjänster någon gång då och då - utvecklingen sker snabbt! Ge inte upp! Testa en annan söktjänst om du inte får träff i den första. Lycka till! 18/09/00