Elektronické archivy ve vybraných oborech vědy a výzkumu a jejich propojování na základě protokolu OAl-PMH

Hlavní myšlenka elektronických archivů klade důraz na volnou přístupnost metadat pro uživatele a pracovníky informačních potažmo paměťových institucí. Umožnění takové přístupnosti je v souladu s principem vědecké komunikace. Doporučeným standardem pro komunikaci metadat je protokol OAI-PMH (Protocol for Metadata Harvesting). Všeobecně prostředí elektronických archivů umožňuje rychlou a bezplatnou komunikaci informací. Dalo by se také říci, že elektronické archivy spolu s volně přístupnými online časopisy patří ke dvěma základním formám otevřeného elektronického publikování ve vědě a podporují tím myšlenku otevřených přístupů.

Charakteristika archivů elektronických tisků

  • uložení preprintů/postprintů vědeckých článků
  • vstup do archivu - jen autoři textů a správci archivu
  • archivy mají moderátory – formální kontrola, správné zařazení
  • v archivech probíhá diskuse o článku a autor jej opravuje
  • auto-archivace forma,kdy sám autor uloží článek do repozitáře a provede bibliografické zpracování pomocí interaktivního formuláře pro tvorbu metadat

Typologie e-archivů / repozitářů

  • místně: lokální / národní / mezinárodní
  • obsahově: univerzální / víceoborové / oborové n. tematické
  • centralizace: centralizované (s jediným repozitářem) / distribuované – „virtuální“ (s více repozitáři a centrální databází metadat včetně jednotného rozhraní pro vyhledávání distribuované systémy bývají označovány termínem „digitální knihovna“


Principy propojování otevřených archivů:

1.     mechanismus ukládání jednotek (digitální dokument i metadata)

2.     systémy dlouhodobého uložení a uchování jednotek

3.     řízená politika uložení a ochrany digitálních jednotek

4.     otevřené rozhraní ke sběru dat zprostředkovatelským systémem (poskytovatelem služby)

OAI-PMH

Detailní popis protokolu je uveden pod stejnojmenným heslem. Zde jen připomeneme některé jeho důležité vlastnosti.

  • V současné chvíli se propojování uskutečňuje zejména formou sběru a transferu medatat, nikoliv samotným sdílením digitálních dokumentů.
  • Propojování je možné pomocí 6 základních příkazů definovaných v rámci protokolu OAI-PMH tj. Identify, ListMetadataFormats, ListSets, ListIdentifiers, ListRecords, GetRecords


Dublin Core a XML v OAI-PMH

Ke komunikaci metadat je využíván formát založený na sémantice Dublin Core a z hlediska syntaxe jazyk XML.

Získávané záznamy pomocí těchto formátů  mají 3 části:

(Header) hlavičku

(Metadata) informace o původu záznamu

(About) informace o možnostech využití záznamu a dokumentu- nepovinné


Důležité pojmy v kontextu protokolu OAI-PMH:

Protokol – soubor pravidel, který definuje nějaký proces nebo činnost

Protokol (Internet) – pravidla pro komunikaci

Harvesting – sběr metadat z distribuovaných repozitářů do centrálního datového skladu

Harvester – aplikace pro realizaci požadavků OAI-PMH

Poskytovatel dat (Data Provider) – producent označovaný také jako „agregátor“ udržuje jeden nebo více repozitářů, které podporují OAI-PMH

Repozitář – síťové dostupný server, schopný správně zpracovat OAI-PMH protokoly

Příklady jednotlivých digitálních archivů

1)     arXiv.org[1]

  • založen v roce1991 v Los Alamos, Cornellova univerzita
  • dohled – Poradní rada
  • vlastní SW aplikace
  • obory na které je archiv zaměřen: fyzika, matematika, počítačová věda, kvantitativní biologie, statistika…
  • více než půlmilionu e-dokumentů
  • formáty ukládaných textů: LaTeX, PDF, HTML, Postscript
  • metadata: název, autoři, abstrakt, poznámky, číslo zprávy (u výzkumu), předmětová skupina, informace o časopisu, který tento článek publikoval, DOI, třídění MCS (Mathematical Subject Classification)
  • každý dokument má svůj jedinečný identifikátor


2) E-LIS[2]

  • Funguje od roku 2003
  • Obory na které je archiv zaměřen: knihovnictví a informační věda (Eprints in Library and Information Science)
  • Nejsou jazyková ani geografická omezení tzn. nalezneme i články v Čj, nicméně klíčová slova jsou v Aj
  • SW – Eprints
  • Mnoho formátů (povinná je 1 kopie ve formátu HTML – pro účely trvalého uložení), doporučován je formát PDF
  • ParaCite Toolkit- propojování citovaných dokumentů s jejich plnými texty
  • Vlastní oborová klasifikace "JITA"
  • Nejde jen o post/preprinty –vztahuje se i na knihy, konference apod. (23 typů)

3) DLIST

  • Od roku 2002
  • Obory na které je archiv zaměřen: knihovnictví a informační věda, informační vzdělávání
  • menší

PU


Příklady jednotlivých digitálních archivů

3)    Clinical Medicine and Health Research Netprints (clinmed)

4)    Computer Science Teaching Center (CSTC)

5)    CogPrints (kognitivní vědy)

6)    ECS Eprints Service

7)    E-LIS (EPrints in Library and Information Science)

8)    PubMedCentral – zadarmo, ale autor sám je povinen zaplatit za publikaci (cca 1500 eur)

9)    Research Papers in Economics (RePEc)

10) Social Science Research Network