Sven Vlaeminck | SUB Göttingen
„Kooperative Langzeitarchivierung für Wissenschaftsstandorte“http://kolawiss.uni‐goettingen.de
AP2: Erfassen & Kategorisieren von AP2: Erfassen & Kategorisieren von DatenbestDatenbestäänden nden
Expertenworkshop09.12.2008Göttingen
Sven Vlaeminck
Niedersächsische Staats‐ und Universitätsbibliothek (SUB) Göttingen
Historisches Gebäude, Papendiek 14, 37073 Göttingen
Fon: 0551 39‐4773 | Mail to: [email protected]‐goettingen.de
Sven Vlaeminck | SUB Göttingen
AP2 AP2 –– Ziele & MethodikZiele & Methodik
Ziele:Ermittlung von Eigenschaften der Datenbestände
Ermittlung von Kriterien zur Kategorisierung
Einbeziehen heterogener Datenbestände
Methode:Evaluierung des Ist‐Standes durch Nachnutzung des nestor‐Online‐Surveys 2007 („Bedarfsabklärung zur Langzeitarchivierung digitaler Daten an der Universität Göttingen“)
Literaturstudium
Sven Vlaeminck | SUB Göttingen
= Ist= Ist‐‐Stand Erfassung =Stand Erfassung =
Ergebnisse der
Bedarfsabklärung zur Langzeitarchivierung digitaler Daten an der Universität Göttingen
des nestor – Netzwerks[www.langzeitarchivierung.de]
„Kooperative Langzeitarchivierung für Wissenschaftsstandorte“http://kolawiss.uni‐goettingen.de
Sven Vlaeminck | SUB Göttingen
„„Gibt es Daten, die Gibt es Daten, die üüber den aktuellen ber den aktuellen Gebrauch hinweg erhalten bleiben sollen?Gebrauch hinweg erhalten bleiben sollen?““
Sven Vlaeminck | SUB Göttingen
Interesse an & Planung von MaInteresse an & Planung von Maßßnahmen nahmen zur digitalen Langzeitarchivierungzur digitalen Langzeitarchivierung
Sven Vlaeminck | SUB Göttingen
Die Verwendung von MetadatenDie Verwendung von Metadaten……
Sven Vlaeminck | SUB Göttingen
Metadatenstandards Metadatenstandards
Sven Vlaeminck | SUB Göttingen
Genutzte FormateGenutzte Formate
Insgesamt wurden 96 (!) unterschiedliche Formate genannt. Schwerpunkte: Adobe PDF, Formate der MS‐Office Familie, JPG, TIFF, Plain Text.
Sven Vlaeminck | SUB Göttingen
Genutzte Formate IIGenutzte Formate II
Sven Vlaeminck | SUB Göttingen
Datenmengen nach FakultDatenmengen nach Fakultäät t
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000 13000 14000 15000 16000
Wirtschaftswis. Fak.
Agrarwissenschaften
Biologie
Chemie
Forstwissenschaften
Juristische Fakultät
Mathematische Fak.
Medizinische Fak.
Philosophische Fak.
Physik
Sozialwiss. Fak.
Theolog. Fak.
Geowissenschaften
Durchschnittliche Datenmengen in verschiedenen Fakultäten nach Vorhaltezeiträumen (in GB)
LZA 5-10 Jahre< 5 Jahre
Sven Vlaeminck | SUB Göttingen
ErgebnisseErgebnisse
Großes Interesse & großer Bedarf
Kaum konkrete Planungen
Starke Divergenz bei Datenumfang
Formate stark heterogen, häufig proprietär
Geringe Metadatenimplementierung
Kaum standardisierte Metadatenschemata
Komplexe Ausgangslage für dLZA von Forschungsdaten
Sven Vlaeminck | SUB Göttingen
„Kooperative Langzeitarchivierung für Wissenschaftsstandorte“http://kolawiss.uni‐goettingen.de
= Kategorisierungsans= Kategorisierungsansäätze = tze =
Sven Vlaeminck | SUB Göttingen
Wie lassen sich Forschungsdaten Wie lassen sich Forschungsdaten kategorisieren?kategorisieren?
Viele Ebenen der Kategorisierung denkbar:‐ Nach ihrer (fachwissenschaftlichen) Herkunft…‐ Nach MIME‐Type o.ä. …‐ Nach ihrem Inhalt / Content…‐ Nach der Datengröße (z.B. in GB)…
Vorschlag:‐ Kategorisierung anhand von Kriterien, die Auswirkungen (z.B. auf Kosten oder Policy) haben…
‐ Daher: Kategorisierung anhand von Vorhaltezeiträumen & Formateignung für dLZA
‐ Vorteile: Ausreichend generisch, quantifizierbar…
Sven Vlaeminck | SUB Göttingen
Dimension I: Kategorisierung nach Dimension I: Kategorisierung nach VorhaltzeitrVorhaltzeiträäumenumen
Kategorisierung nach geplanter ArchivierungszeitVier sinnvolle Vorhaltezeiträume:‐ bis zu 5 Jahren ‐ bis zu 10 Jahren ‐ bis zu 30 Jahren ‐ mehr als 30 Jahre
=> Überführung in Service Level
Vorhaltezeiträume (4 Kategorien)
weniger als 5 Jahre
mehr als 30 Jahre
bis 30 Jahre
bis 10 Jahre
Sven Vlaeminck | SUB Göttingen
Dimension II: FormatDimension II: Format‐‐EignungEignung
Ermittlung & Bewertung der Format‐Eignung für dLZA anhand von sieben Kriterien‐ Offenheit & Lizenzfreiheit‐ Verbreitungsgrad‐ Selbstdokumentation‐ Robustheit‐ Komplexität‐ Schutzmechanismen ‐ AbhängigkeitenDiese Kriterien verfügen über unterschiedlich viele Ausprägungen: ‐ z.B.: Kriterium: (geringe) Abhängigkeiten
Ausprägung I: Unabhängigkeit von bestimmter HardwareAusprägung II: Unabhängigkeit von bestimmten OS Ausprägung III: Unabhängigkeit von bestimmter SoftwareAusprägung VI: Unabhängigkeit von externen Ressourcen
Sven Vlaeminck | SUB Göttingen
Beispiele:Beispiele:
Sven Vlaeminck | SUB Göttingen
Bewertung der FormatBewertung der Format‐‐EignungEignung
Bestimmen der Format‐Eignung* durch a) Gewichtung der Relevanz verschiedener Kriterien‐
Ausprägungen (abhängig von Policy, z.B. zwischen 1 & 9) b) Vergabe von Punktwerten für bestimmte Formate ( z.B.
Bedingung sehr gut erfüllt =2 Punkte, Kriterium mittelmäßig erfüllt = 1 Punkt, Kriterium nicht erfüllt = 0 Punkte)
c) Multiplikation der Punktwerte für Gewicht der Kriterien‐Ausprägung und dem vergebenen Wert
d) Division durch die Anzahl der Ausprägungen eines Formats.
Der Punkt‐Gesamtwert bestimmt die Eignung des Formats – je höher er ausfällt, desto geeigneter ist ein Format
* Nach: Rog, Judith / van Wijk, Caroline: Evaluating File Formats for Long‐term Preservation. National Library of the Netherlands, Den Haag, 2008
Sven Vlaeminck | SUB Göttingen
Die Kategorisierungsmatrix (I)Die Kategorisierungsmatrix (I)
Sven Vlaeminck | SUB Göttingen
Die Kategorisierungsmatrix (II)Die Kategorisierungsmatrix (II)
Sven Vlaeminck | SUB Göttingen
Die Kategorisierungsmatrix (III)Die Kategorisierungsmatrix (III)
Sven Vlaeminck | SUB Göttingen
Die Kategorisierungsmatrix (IV)Die Kategorisierungsmatrix (IV)
Kategorisierungsdimension „Vorhaltezeitraum“ noch nicht implementiert
Bei einer Formatbewertung für alle „Vorhaltezeitraum“ergibt sich folgende Grafik (‐> fiktive Werte!)
Sven Vlaeminck | SUB Göttingen
Diagramm zur FormatDiagramm zur Format‐‐Eignung Eignung
Sven Vlaeminck | SUB Göttingen
Vielen Dank fVielen Dank füür Ihre r Ihre Aufmerksamkeit!Aufmerksamkeit!
Nun ist Raum fNun ist Raum füür Anmerkungen und r Anmerkungen und zur Diskussionzur Diskussion……
„Kooperative Langzeitarchivierung für Wissenschaftsstandorte“http://kolawiss.uni‐goettingen.de
Sven Vlaeminck | SUB Göttingen
= Leitfragen zur Diskussion == Leitfragen zur Diskussion =
Ist diese Form der Kategorisierung zielführend?‐ Ist das vorgeschlagene Konzept ausreichend generisch UND ausreichend konkret?
‐ Werden weitere Kriterien und Ausprägungen gesehen, die Eingang in eine Bewertung erhalten sollten?
Sehen Sie andere sinnvolle Ebenen für eine Kategorisierung von Forschungsdaten?
Fehlen Ihnen grundlegende Punkte, die Ihrer Meinung nach unbedingt Eingang in eine Kategorisierung finden müssten?