Co jsou metadata a charakterizujte vybrané reprezentanty metadatových specifikací a schémat pro elektronické informační zdroje (Dublin Core, RDF aj.)

Metadata jsou strukturovaná data, která nesou informace o primárních datech. Pojem metadat je používán především v souvislosti s elektronickými zdroji a vztahuje se k datům v nejširším smyslu slova (datové soubory, textové informace, obrazové informace, hudba aj.). Funkce metadat je popisná, selekční a archivační.

V souvislosti s těmito funkcemi se rozlišují metadata pro účely popisu, správy, právních nároků, technické funkčnosti, užití a archivace. Údaje se obvykle vkládají přímo do zdroje (umísťují se např. V záhlaví dokumentu HTML). Podle Tima Berners-Lee: „Jsou to stroji srozumitelné informace o webovských zdrojích a dalších věcech.“ Jejich jazyk musí být formálně správný a jednoznačný, jinak stroji srozumitelné nebudou. Navržena v souvislosti s budováním kolekcí či archivů digitalizovaných textů (pol. 80. let 20. stol.).

Forma metadat

• Je tvořena množinou nezávislých výroků, které reprezentují údaje o zdroji. V počítačovém systému nabývají výroky formu jména či typu výroku a souboru dalších parametrů.
• O dvou výrocích týkajících se stejného zdroje platí, že jsou nezávislé a mohou existovat samostatně. Jde o významnou a důležitou vlastnost metadat. Pokud se vyskytují dohromady na jednom místě, označujeme je jako „kombinovaný výrok“. Množiny výroků jsou považovány za neuspořádané seznamy.
• Výroky o zdrojích korespondují s jejich příslušnými vlastnostmi (znaky). To znamená, že výrok je výrokem o tom, že zdroj má pojmenovanou vlastnost (např. Autor, název apod.). Parametrem se rozumí buď dílčí typ vlastnosti (např. Autor-fyzická osoba apod.), nebo dílčí vlastnost (např. Jméno autora, e-mail autora apod.).
• Pro metadata jsou velice důležité také tzv. Rámce (frameworks), což jsou specifikace architektury pro vzájemnou komunikaci metadat. Nejznámější jsou Khan/Wilensky Framework navržený k podpoře složitých informačních služeb a Warwick Framework, který vznikl v souvislosti s vývojem Dublin Core.
• Warwický rámec je tzv. „kontejnerová architektura“ učená k podpoře koexistence rozdílných metadatových systémů. Je také základem pro RDF (Resource Description Framework), což je jedna z v současnosti nerozšířenějších metadatových architektur (podporovaná konsorciem W3C).

Formáty

• TEI – text Encoding Initiative – Independent Headers – popis úplných textů.
• EAD – encoding Archival Description, vznikl 1993 – použití v archivech, popis rukopisů.
• CIMI – computer Interchange of Museum Information – popis textů (katalogy výstav), muzejních exponátů, obrazových zdrojů.
• GILS – government Information Locator Service – metadata z oblasti informací státní správy USA (od r. 1994). Mezinárodní spolupráce s Kanadou a Austrálií. Zpracovávány především textové materiály administrativního charakteru. Značné množství popisný, věcných a administrativních údajů. Vychází z instrukcí AACR2, možná konverze do USMARC.
• RFC 1807 – formát pro popis technických zpráv (od r. 1992) – zveřejněn jako internetová norma.

Formát DC – Dublin Core

• Nejznámější formát metadat – pro popis webovských zdrojů.
• Vznikl 1995, Dublin (Ohio) – sídlo OCLC; v rámci semináře bylo cílem vybrat základní souboru údajů k popisu zdrojů – kritériem byly podstatné vlastnosti – znaky informačních zdrojů.
• Formuláře IAFA: jednoduché a účelné záznamy metadat pro popis různých typů digitálních zdrojů, byly východiskem pro přípravu formátu Dublin Core.
• Byla snaha využít formát MARC x není strojem srozumitelný, jen čitelný.

U tohoto formátu byla snaha, co nejvíce se oprostit od knihovnictví a jeho zavedených pravidel. Cílem bylo vymyslet co nejjednodušší sadu datových elementů na popsání dokumentů nebo jiných objektů na internetu a to do takové míry, aby byl schopný si je kdokoliv vytvořit. Všech 15 definovaných atributů lze dále podrobněji rozšířit za pomocí kvalifikátorů. Tyto kroky měly napomoci k tomu, aby každý dokument mohl být vyhledatelný pomocí autora, názvu. Takovýto katalogový přístup pro vyhledávání na internetu se sice neuchytil, ale DC je i tak hojně používaný na různých webových aplikacích například: Creative Common linces, u které je možné přidat popisná metadata např.: název používající Dublin core elementy.

DC je možné používat v institucích zabývajících se formálním zpracováním dokumentů jako knih, CD a jiných objektů (muzea, knihovny, vládní agentury). Každý element je sice definovaný, ale je možná jiná forma zápisu např.: <dc:date> 1. 1. 1987</dc:date> tak i <dc:date>January 1 1987</dc:date>. To sice napomáhá rozšíření DC formátu, ale zhoršuje schopnost systému vzájemně spolupracovat a poskytovat služby. Doublin core má použití taky pro kombinování jiných slovníků metadat, zlepšit propojenost systému v rámci cloudu a v sémantické webu.

Příklad Double Core Fomátu při zápisu XHTML

<link rel="schema.DC" href="http://purl.org/dc/elements/1.1/"> <meta name="DC.title" content="Název"> <meta name="DC.creator" content="Autor"> <meta name="DC.subject" content="Popisy"> <meta name="DC.language" content="cs-CZ">

V současnosti je aktuální verze 1.1. Každý prvek Dublin Core je definován pomocí souboru 15 volitelných atributů, jenž se mohou opakovat. V roce 2006 se Dublin Core stal standardem ISO 15836. Atributy Dublin Core:

1. Title
2. Creator
3. Subject
4. Description
5. Publisher
6. Contributor
7. Date
8. Type
9. Format
10. Identifier
11. Source
12. Language
13. Relation
14. Coverage
15. Rights

Kromě Simple Doublin core s 15 základními elementy, existuje i rozšířená verze o 3 další prvky (Audience, Provenance and RightHolder) ta má název Qualified Dublin Core. Každý z těchto elementů lze opakovat a není povinnost použít všechny elementy. Stejně tak není přesně určeno pořadí, podle kterého by měly být elementy seřazeny.

RDF – Resource Description Framework

• Založen na webové technologii a je navržen jako aplikace nového jazyka XML. Jazyk XML je považován za nástupce jazyka HTML.
• Umožňuje výměnu metadat mezi různými systémy.
• Založen na koncepci popisu zdrojů prostřednictvím souboru jejich vlastností zvaného „popis RDF“.

Model RDF – 3 typy:

1. zdroje (webové sídlo, kolekce stránek i tradiční dokumenty)
2. vlastnosti zdrojů
3. RDF údaje (tvořeny zdrojem, pojmenovanou vlastností a hodnotou pojmenované vlastnosti)

Je soubor specifikací, které byly původně určeny pro vytváření metadatových modelů. Dnes je především používaný pro modelování informací. Tyto modely pak lze dále použít v různých syntaxích. Jeho hlavní výhodou je, že umožňuje popsat dokument tak, aby byl čitelný jak pro stroje, tak i pro člověka. Kromě toho lze vyjádřit data pomocí grafu s orientovanými hranami. RDF je tedy standardizovaný formát vypracovaný organizací World Wide Web Consortium, používaný například pro popis informací o webových zdrojích, datovou seralalizaci (převádění složitějších objektů do řádové, sekvenční a jednorozměrné podoby např. převod do bitů) a využívá se i v programování softwarů.

První verze specifikace formátu vyšla v roce 1999 The RDF 1.0 a byla výsledkem práce více autorů. Jeho vývoj byl ovlivněn platformou PICS a dalšími metadatovými formáty: Doublin core a Meta Content Framework. Důvodem vzniku byla potřeba architektury, která by byla flexibilní a umožnila výměnu metadat mezi organizacemi.

RDF lze popsat jakýkoliv zdroj, pokud má přidělený jednoznačný identifikátor URI (Uniform Resource Identificator). Pomocí identifikátoru URI je možné dohledat konkrétní zdroj ve webovém obsahu. Samotné RDF nemá svoji vlastní syntaxi. Jde jen o abstraktní formát, podle kterého se určuje, jak správně informace o zdroji zapsat. Z jazyků, které se používají k zápisu, se využívá např. XML. K vytváření těchto popisů o zdroji se používají výrazy, jenž mají tvar subjekt (podmět) - predikát(vlastnost) - objekt(předmět). Pomocí nich vyjádříme: v subjektu určíme typ zdroje, v predikátu uvádíme charakter subjektu a vztah mezi subjektem a objektem. Objekt má pak nějakou hodnotu. Těmto výrazům se RDF terminologií říká trojice (triples)

Příklad: Hroch zívá na turistu. (subjekt - Hroch predikát - zívá objekt - na turistu)

            Knihu napsal autor.

(subjekt - Autor predikát - napsal objekt - Knihu)

Tyto výrazy lze dále rozvíjet a tvořit je tak složitější: subjekt - predikát - (subjekt - predikát - objekt)

Trojice se také používají na sémantickém webu pro popis zdrojů a tím je možné zdroje efektivněji a přesněji vyhledat.

RDF Schéma (RDFS) Jednoduchý ontologický jazyk, který patří do RDF. Kromě možnosti zapsat zdroje pomocí trojice, RDFS přidává postup pro popsání vlastností a tříd popsaných zdrojů a jejich pojmenování.

V roce 1998 byl poprvé vydán standard RDF Schema (Resource Desripction Framework Schema Specification). Finální verze RDFS 1.0 byla vydána o 6 let později v roce 2004. Několik částí RDFS bylo později implementováno do Web Ontology Language (OWL).

RDFS Třídy Zdroje lze rozdělit do 6 základních tříd. Zdroje rozdělené do tříd jsou označované jako instance třídy.

rdfs:Resource - všechny RDF zdroje jsou automaticky zařazeny do této třídy rdfs:Class - stanovuje zdroj jako třídu pro další zdroje rdfs:Literal -třída literálů (zápis hodnoty v programovacím jazyce) řetězce nebo integery(proměnné) např. textové řetězce rdf:XMLLiteral - třída literálů v jazyce XML rdfs:datatype - třída datových typů rdf:Property - třída vlastností