Hlavní metadatové a datové formáty pro digitální archivaci a zpřístupnění

Verze z 3. 1. 2022, 13:18, kterou vytvořil Veronika.Krivankova (diskuse | příspěvky) (→‎Dublin Core)
(rozdíl) ← Starší verze | zobrazit aktuální verzi (rozdíl) | Novější verze → (rozdíl)

Metadatové pro digitální archivaci

Obecně jsou metadata definována jako strukturované informace popisující primární data. Typickým příkladem jsou knihovní katalogizační záznamy. [1] Dle definice TDKIV jsou metadata strukturovaná data, která nesou informace o primárních datech. Pojem "metadata" je používán především v souvislosti s elektronickými zdroji a vztahuje se k datům v nejširším slova smyslu (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). [2] V rámci digitálních knihoven můžeme metadata dělit na popisná, strukturální, technická a administrativní.

Existuje šest zásad pro dobrá metadata:

  1. Musí být vhodná pro sbírku a materiál v ní a také pro uživatele a použití.
  2. Musí podporovat interoperabilitu.
  3. Musí podporovat dlouhodobou ochranu objektů, které popisují.
  4. Musí používat standardní kontrolované slovníky (co, kde, kdy a kdo).
  5. Musí být sama digitálním objektem a musí mít vlastnosti pro archivaci, dlouhodobé uchovávání, jednoznačnou identifikaci apod.
  6. Musí být ověřitelná a validovatelná. [3]

Popisná metadata

Jedná se o metadata charakterizující původní objekt tak, aby byl uživatel schopen porozumět jeho obsahu. Podporují vyhledávání daného digitálního objektu. [4] Slouží pro vyhledávání, popis a identifikaci zdroje. Používané formáty: MARC21, MARCXML.

Dublin Core

Dublin Core (DC) je standard, jehož záměrem je usnadnit vyhledávání elektronických zdrojů. Vedení Dublin Core sídlí ve Spojených státech, konkrétně v OCLC ve státě Ohio v Úřadu pro výzkum a speciální dokumenty. [5] Tento formát vznikl v roce 1995 z požadavků na minimální univerzální popisu dokumentu. Jeho výhodou je například jeho dostatečný rozsah a schopnost popsat zdroj detailně. Umožňuje popis prakticky jakéhokoliv zdroje (např. knih, hudby či obrazu). Jeden z důvodů, proč je tak rozšířený je jeho možnost implementace do různých formátů. Je možné jej zapsat jako text nebo v tazích HTML a ve formátu XML.

Charakteristika DC:

  • jednoduchost: cílem DC je, aby byl použitelný jak laiky, tak pro specialisty v oblasti popisu dokumentů. Většina prvků má všeobecně srozumitelnou sémantiku přibližně ve složitosti knihovního katalogizačního lístku.
  • sémantická interoperabilita: různorodé modely popisu blokují v prostředí internetu možnost vyhledávání napříč vědními obory. Prosazování všeobecně srozumitelného souboru deskriptorů, které umožní unifikovat ostatní standardy pro určování obsahu dat zvyšuje možnost sémantické interoperability mezi různými systémy v rozdílných oborech.
  • mezinárodní konsensus: DC těží z aktivní účasti a prosazování ve více jak 20 zemích Severní Ameriky, Evropy, Austrálie a Asie.
  • rozšiřitelnost: poskytuje ekonomickou alternativu k podrobnějším a složitějším modelům popisu, jakým je například katalogizace v plném MARC formátu.
  • modifikovatelnost: každý prvek v DC má definici, která by měla být naprosto jasná. Je ovšem nutné, aby definice prvků uspokojovaly potřeby rozdílných komunit. Tento cíl se dá splnit umožněním modifikovat každý prvek Dublin Core libovolným kvalifikátorem (když není kvalifikátor přítomen, prvek má svůj všeobecně chápaný význam; jinak je definice prvku modifikována hodnotou kvalifikátoru). [6]

MODS

MODS Logo

MODS, celým názvem Metadata Object Description Schema, je standard pro popisná metadata, který vznikl v roce 2002. Výhodou je, že má podrobnější elementy než Dublin Core (MODS obsahuje 20 základních prvků). Hierarchie MODS umožňuje podrobný popis komplexních objektů a jejich částí v jednom záznamu. Sada elementů MODS odpovídá existujícím polím v knihovních databázích (OPAC) – lze mapovat a vyjádřit totéž. Velmi dobře se spojuje s hierarchickými objekty METS a jeho strukturní mapou. MODS lze rozšířit o cokoliv pomocí elementu "extension" (např. jiný metadatový záznam v jiném formátu). [3] MODS obsahuje soubor bibliografických prvků, které jsou navrženy speciálně pro potřeby knihoven (dají se ale použít i v dalších případech). Má širokou škálu využití, dá se využít v knihovních katalozích, archivech, muzeích, digitálních knihovnách či pro popis metadatových stránek. Lze jím popsat téměř jakékoliv médium (od papírové knihy až po digitální objekty).

MODS se využívá zejména pro:

  • popis digitálních komplexních objektů,
  • popis elektronických zdrojů – např. webové stránky
  • k vyjádření zjednodušeného MARC záznamu v XML. [3]

Administrativní metadata

Administrativní metadata jsou metadata používaná pro řízení a správu informačních zdrojů, např. informace o umístění, údaje o době vzniku a poslední modifikaci, elektronický podpis, [7] informace o tom, jakým způsobem byla data získána, o jejich dalším zpracování atd. [1]

Metadata práv

METS

Příkladem formátu pro popis metadat práv je METS, který slouží pro popis typu práv, vlastníka práv i podmínky přístupu. METS je tzv. kontejnerový metadatový formát, navržený pro popis komplexních digitálních objektů. Snaží se poskytnout prostředek vhodný pro komplexní popis metadat pro správu digitálních objektů v repozitáři a slouží také pro výměnu digitálních objektů mezi repozitáři. [1] Vyjadřuje se pomocí XML a skládá se ze 13 částí. Standard byl vytvořen v roce 2001 pod záštitou Digital Library Federation, která ho i nadále vyvíjí. Jeho výhodou je, že je otevřený, rozšířitelný, modulární a vytvořen knihovní komunitou.

Technická metadata

Technická metadata poskytují informace o vlastnostech digitálního objektu. Jedná se o metadata vytvořená pro počítačový systém nebo vyrobená počítačovým systémem, která uvádějí, jak se systém nebo jeho obsah chová nebo co požaduje, aby mohl být provozován (protokol HTTP, parametry HW). [8] Příkladem je formát MIX.

MIX

MIX (Metadata for Images in XML Standard) formát na bázi XML pro technická metadata digitálních obrazů od organizace National Information Standards Organization (NISO). Jedná se o poměrně flexibilní schéma. Používá se k vyjádření vlastností digitálního obrazu, jako např. formát souboru, jeho velikost, rozměry, rozlišení, komprese apod. Je určen také pro výměnu a ukládání dat. Na jeho vývoji se podílí Kongresová knihovna.

Ochranná metadata

Ochranná metadata nepodporují vyhledávání, ale dlouhodobou ochranu digitálních dat a jejich využití. Měla by zajistit trvalou integritu a kontext dokumentu. Obsahují informace o původu a historii objektu, upřesňují jeho vztah k dalším informačním objektům, poskytují údaje o nutném zobrazovacím hardwaru a softwaru. Jsou požadována také mezinárodní normou ISO – Referenčním modelem OAIS. Příkladem ochranných metadat je například známý standard PREMIS. [9]

PREMIS

V rámci formátu PREMIS se jedná o jeho části:

  • objekty: jedná se o to, co je uloženo a spravováno v archivním repozitáři. Mezi informace, které mohou být zaznamenány, patří např. formát objektu, originální název objektu, informace o jeho vzniku, prostředí, inhibitorech (= jakékoliv vlastnosti objektu určené k zamezení přístupu, použití nebo migrace. Příklady inhibitorů zahrnují ochranu heslem a šifrování) atd.
  • agenti: mohou to být lidé, organizace, softwarové aplikace nebo hardware. Datový slovník zahrnuje např. název agenta, unikátní identifikátor agenta, verzi agenta, obecné poznámky o agentovi atd.
  • práva: sdružuje informace o právech a oprávněních, které náleží k objektům v repozitáři, aby bylo možné udělat vše pro zachování objektů. Každý údaj PREMIS práv dává na vědomí akce, které mohou být v repozitáři provedeny, a zdůvodnění nároku na tato práva. Informace, které mohou být o právech zaznamenány, zahrnují např. unikátní identifikátor údaje práv, omezení akce nebo akcí, objekt nebo objekty, ke kterým se údaj vztahuje atd. [3] [10]

Strukturní metadata

Popisují vnitřní strukturu objektu, aby mohl být uživateli prezentován srozumitelným způsobem. [1] Vyjadřují strukturu a také vztahy dílčích digitálních objektů tvořících komplexní digitální informační objekt (např. jednotlivé stránky čísel časopisů daného ročníku). Při zpřístupnění objektu koncovým uživatelům jsou tato metadata nezbytná pro správné zobrazení a navigaci digitálního objektu. Významná jsou i pro dlouhodobou archivaci. [9] Příkladem formátu je již zmíněný kontejnerový formát METS.

Datové formáty pro obrazy vhodné pro digitalizaci knih

JPEG2000

Jako nejvhodnější formát pro dlouhodobé uložení obrazových dat je považován JPEG 2000. Mezi důvody proč, patří například to, že jednou z jeho hlavních předností je efektivní kompresní algoritmus. Další výhodou je jeho otevřenost, perspektivnost a softwarová podpora.

JPEG 2000 a JPEG jsou i přes své podobné názvy rozdílné, navzájem nekompatibilní formáty. Hlavním rozdílem je využitý kompresní mechanismus. Zatímco JPEG využívá diskrétní kosinovou transformaci (DCT), JPEG 2000 využívá diskrétní vlnkovou transformaci (DWT). Při JPEG kompresi se DCT aplikuje na malé bloky (8×8 pixelů), což má někdy za následek vznik tzv. artefaktů na hranicích těchto bloků. Při JPEG 2000 kompresi se DWT aplikuje na velké dlaždice nebo na celý obraz, což přítomnost artefaktů na hranicích dlaždic nevylučuje, ale jejich dopad je menší. Za jednu z hlavních předností formátu JPEG 2000 oproti formátu JPEG se považuje efektivnější kompresní algoritmus a ve výsledku lepší kvalita obrazu při stejném kompresním poměru. Zvláště při větších kompresních poměrech (nutných pro mobilní komunikaci) je patrný viditelný rozdíl v kvalitě výsledných obrazů, kdy JPEG 2000 obsahuje významně méně viditelných zkreslení obrazu než formát JPEG. Dále umožňuje uložit v jednom datovém toku více kvalitativně odlišných verzí obrazu. [11]

TIFF

Má nekomplikovanou strukturu, uchovává vysoce kvalitní obraz, je rozšířený, jednoduchý a má dostupnou specifikaci. Považuje se za jakýsi „zlatý standard“ pro digitální archivaci a je pravděpodobně nejčastěji používaným archivačním formátem, právě díky své jednoduchosti a dostupnosti specifikace. Formát se vyznačuje vysokou flexibilitou. Slabou stránkou formátu TIFF je jeho velká datová náročnost v případě nejčastěji užívané nekomprimované varianty, což se stalo problémem zejména po nástupu masové digitalizace, neboť mnoho institucí se potýká s kapacitními problémy při uchovávání velkých objemů dat. [11]

GIF

GIF, celým názvem Graphic Interchange Format je jeden z nejpoužívanějších formátů pro zobrazení webové grafiky na internetu. Je to grafický formát určený pro rastrovou grafiku. GIF používá bezeztrátovou kompresi LZW, na rozdíl například od formátu JPEG, který používá ztrátovou kompresi. GIF je tedy vhodný pro uložení tzv. pérovek (nápisy, plánky, loga). GIF umožňuje také jednoduché animace. Tento formát má však jedno velké omezení — maximální počet současně použitých barev barevné palety je 256 (8 bitů), v případě animace pak umožňuje využít odlišné palety 256 barev pro každý snímek. [12]

PNG

PNG, celým názvem Portable Network Graphics je grafický formát pro bezeztrátovou kompresi rastrové grafiky. Je určen pro publikaci na webu a dosahuje lepší komprese a kvality než formát GIF. [13] Ve srovnání s formátem GIF má lepší podporu barev (až dvaatřicet bitů), lepší podporu transparence obrázku a více typů prokládání. Formát PNG také využívá bezztrátovou kompresi, navíc si lze vybrat z několika typů. Formát PNG implementuje řadu metod pro lepší zobrazování obrázků, například automatickou detekce poškození, jejich praktické využití však závisí na výrobcích konkrétních programů. [14]

Odkazy

Reference

  1. 1,0 1,1 1,2 1,3 HOFMAN, Tomáš. \textit{Formáty repozitářů digitálních knihoven} [online]. Brno, 2010 [cit. 2021-12-20]. Dostupné z: https://theses.cz/id/40lqru/. Diplomová práca. Masarykova univerzita, Faculty of Informatics. Vedoucí práce Mgr. Martin Šárfy.
  2. CELBOVÁ, Ludmila. Metadata. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2021-12-23]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000543&local_base=KTD.
  3. 3,0 3,1 3,2 3,3 MAREK, Jindřich. Formáty pro digitální archivaci (a zpřístupnění) - Dlouhodobá ochrana digitálních sbírek. Moodle UK [online]. [cit. 2021-12-20] Dostupný z: https://dl1.cuni.cz/course/view.php?id=3553
  4. CELBOVÁ, Ludmila. Popisná metadata. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2021-12-23]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000549&local_base=KTD.
  5. Úvod. Dublin Core - Czech [online]. 2006 [cit. 2021-12-20] Dostupný z: http://webserver.ics.muni.cz/dublin_core/index.html
  6. Charakteristika Dublin Core. Dublin Core - Czech [online]. 2006 [cit. 2021-12-20] Dostupný z: http://webserver.ics.muni.cz/dublin_core/charakteristika.html
  7. CELBOVÁ, Ludmila. Administrativní metadata. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2021-12-23]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000512&local_base=KTD.
  8. CELBOVÁ, Ludmila. Technická metadata. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2021-12-23]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000564&local_base=KTD.
  9. 9,0 9,1 ČERNÍK, Tomáš. Vytváření databází digitálních dat [online]. Ostrava, 2019 [cit. 2021-12-27] Dostupný z: https://www.svkos.cz/data/filemanager/source/studijn%C3%AD%20texty%20pro%20knihovn%C3%ADky/30_Vytv%C3%A1%C5%99en%C3%AD_datab%C3%A1z%C3%AD_digit%C3%A1ln%C3%ADch_dat_Cernik.pdf
  10. CAPLAN, Priscilla. Premis - jak mu porozumět [online]. 2017 [cit. 2021-12-09] Dostupný z: https://www.loc.gov/standards/premis/UnderstandingPREMIS_czech.pdf
  11. 11,0 11,1 OSTRÁKOVÁ, Natalie. JPEG 2000 jako archivní formát obrazových dat. Knihovna: knihovnická revue [online]. 29(1), 5–26. ISSN 1801-3252. Dostupné z: https://knihovnarevue.nkp.cz/archiv/2018-1/recenzovane-prispevky/jpeg-2000-jako-archivni-format-obrazovych-dat
  12. KUŽÍK, Jan. „Šílenství“ může začít. Facebook povolil GIF obrázky v komentářích. iDnes.cz [online]. 2017 [cit. 2021-12-24]. Dostupné z: https://www.idnes.cz/technet/internet/gif-facebook.A170615_105402_sw_internet_kuz
  13. Coje to PNG? IT slovník [online]. [cit. 2021-12-24]. Dostupné z: https://it-slovnik.cz/pojem/png
  14. KUŽÍK, Jan. GIF, JPEG a PNG – jak a kdy je použít?. interval.cz [online]. 2002 [cit. 2021-12-24]. Dostupné z: https://www.interval.cz/clanky/gif-jpeg-a-png-jak-a-kdy-je-pouzit/

Doporučená literatura

Související články

Klíčová slova

metadata, datové formáty, digitální archivace, METS, MARC21, DUBLIN CORE, JPEG2000, TIFF