Rapportering pilootproject 5: koppeling tussen kunstwerken en een externe publicatiecollectie.

Transcriptie

1 Rapportering pilootproject 5: koppeling tussen kunstwerken en een externe publicatiecollectie. Use case MSKGent / LIBIS 19/12/2016 Projectomschrijving Dit pilootproject onderzoekt hoe je persistente URI s kan gebruiken om een kunstwerk te koppelen aan relevante publicaties over dat kunstwerk in externe catalogi van universiteiten of openbare bibliotheken. Deze use case wil onderzoeken of er op dit moment al mogelijkheden bestaan om de bibliotheekcatalogus van een universiteit semi-automatisch te koppelen aan relevante kunstcollecties van de Vlaamse musea en te verrijken met data over kunstwerken. In dit pilootproject zal men onderzoeken of de volgende test cases uitgevoerd kunnen worden: Test 1: Koppelingen leggen tussen publicaties van de universiteitsbibliotheek van KU Leuven en kunstwerken a.d.h.v. de titel van een kunstwerk of de naam van een kunstenaar Voor deze test zal men gebruik maken van de linked open datasets van musea gepubliceerd op Wikidata in het kader van het voorgaande project _Data: KMSKA: MSKGent: Groeningemuseum: SMAK: MuZee: Deze test had als doel om te bekijken of de als LOD gepubliceerde metadata van kunstwerken (zoals titel van het kunstwerk en/of naam van de kunstenaar) gebruikt kunnen worden om (de metadata van) die kunstwerken aan de publicaties in de catalogus te linken. 1

2 Test 2: Koppelingen leggen tussen publicaties van de universiteitsbibliotheek van KU Leuven en kunstwerken van MSKGent a.d.h.v. een bibliografielijst aangeleverd door het museum Voor deze test zal men gebruik maken van de betrouwbare data over de bibliografische verwijzingen die door een museum per kunstwerk in een collectiebeheersysteem worden bijgehouden. Test 2 had dus als doel te onderzoeken of op basis van een bibliografische referentielijst per uniek geïdentificeerd kunstwerk er een betere matching kon gebeuren met relevante publicaties beschikbaar in de KU Leuven catalogus. In tegenstelling tot de 1 ste case waar direct gebruik kon gemaakt worden van de Wikidata, moest voor deze case een extra export aangeleverd worden van de kunstwerken in combinatie met de bibliografische referentielijst van elk object zoals beschikbaar in het Adlib systeem van het MSKGent. Om gebruik te kunnen maken van deze bijkomende gegevens moest een samenwerkingsovereenkomst tussen MSKGent, LIBIS en PACKED afgesloten worden. In deze overeenkomst werden de algemene afspraken rond de samenwerking en het gebruik van data van MSKGent vastgelegd waarin o.a. werd afgesproken dat LIBIS na afloop de door MSKGent aangeleverde data zou verwijderen. Test 3: Koppelingen leggen a.d.h.v. een bibliografielijst aangeleverd door afdeling Kunstwetenschappen KU Leuven Het idee van deze test was om bij onderzoekers en professoren van kunstwetenschappen aan de KU Leuven na te gaan of ze beschikken over bibliografielijsten m.b.t. specifieke kunstwerken. Dit soort lijsten zou net als in Test 2 gebruikt kunnen worden om relevante publicaties te kunnen matchen aan specifieke kunstwerken die tevens zijn opgenomen op Wikidata. Daarnaast wilden we in een gesprek nagaan in welke mate er interesse is in dit soort of andere verrijkingen van bibliografische records met externe bronnen. Uitvoering en voorlopige resultaten In een eerste deel bespreken we de resultaten van de tests waarin we de databestanden (de data op wikidata.org en het bestand van publicaties van MSKGent) trachten te matchen met de beschrijvingen in de LIBISnet catalogus. In een tweede deel bespreken we de mogelijkheden om gematchte records automatisch te verrijken. Matching Test 1: Koppelingen leggen tussen publicaties van de universiteitsbibliotheek van KU Leuven en kunstwerken a.d.h.v. de titel van een kunstwerk of de naam van een kunstenaar 2

3 Voorbereidend werk De data van MSKGent werden uit wikidta opgehaald en, net als die van KU Leuven ingelezen in Arango DB, een open source graph database. Met deze database konden de datasets voorbereid worden (o.a. normalisatie) voor de verschillende matching query s. Start-query voor MSKGent data (verrijkt met het VIAF-nummer). PREFIX pr: < PREFIX prov: < SELECT?work?inventory_number?WorkPID?workLabel?creator?creatorLabel?viaf?collection?collectionLabel?image?work_creation_date?instance_of?instance_ofLabel?_described_at_URL WHERE {?work wdt:p195 wd:q SERVICE wikibase:label { bd:serviceparam wikibase:language "nl". } OPTIONAL {?work wdt:p170?creator.?creator wdt:p214?viaf. } OPTIONAL {?work wdt:p195?collection. } OPTIONAL {?work wdt:p217?inventory_number. } OPTIONAL {?work p:p217?y.?y prov:wasderivedfrom?z.?z pr:p854?workpid. } OPTIONAL {?work wdt:p18?image. } OPTIONAL {?work wdt:p571?work_creation_date. } OPTIONAL {?work wdt:p31?instance_of. } OPTIONAL {?work wdt:p973?_described_at_url. } } Resultaten Matching op titel van een kunstwerken en naam van de kunstenaar De matching op titel van een kunstwerk én naam van de kunstenaar leverde erg weinig resultaten op. Redenen kunnen zijn: Verschillende schrijfwijzen van de titels De kunstpublicaties in de catalogus worden (meestal) niet zo diepgaand beschreven dat de namen van de betreffende kunstenaars worden opgenomen als toegevoegde namen (tag 700) of als onderwerp. Het komt dan ook maar weinig voor dat zowel de naam van de kunstenaar als van het werk vermeld worden in de beschrijving. Bij bespreking met wetenschappers van de kunstwetenschappen van de KU Leuven bleek bovendien dat het recentere onderzoek zich niet meer zozeer toelegt op de analyse van een specifiek werk maar breed gaat over verschillende werken heen. Recente publicaties die een bepaald kunstwerk bespreken worden zeldzamer; het gaat dan enkel nog over iconische werken. De test levert wel betere resultaten op voor enkele specifieke deelcollecties van de KU Leuven bibliotheek, namelijk van glasdia s en prentkaarten van kunstwerken. Een aantal 3

4 daarvan is ook gedigitaliseerd. Dit is logisch dat de matching hier vlotter gaat omdat in deze records uiteraard wel systematisch zowel de naam van de kunstenaar als de titel van het werk zijn opgenomen. Maar ook hier is matching niet direct mogelijk zonder extra werk om varianten eruit te halen. Zo vermeldt een Wikidata record voor KMSK Antwerpen ( als titel De dochter van Jaïrus. In Limo is de titel voor de glasdia Juliaan de Vriendt. De dochter van Jaïrah ( Matching op naam van de kunstenaar Een tweede mogelijkheid is om enkel te matchen op naam van de kunstenaar (en enkel te verrijken met informatie over de kunstenaar). Dit levert wel veel ruis.. Een gerichtere matching kan erin bestaan om enkel te matchen op namen.. Op die manier vinden we echter maar een klein aandeeel van alle potentiële matches omdat kunstenaars zeker niet systematisch als namen zijn toegevoegd.. De naam van de kunstenaar wordt verder ook in de titel, of als of als auteur teruggevonden. De query waarbij de naam van de kunstenaar gematcht wordt op de namen in de catalogusbeschrijvingen levert 415 resultaten op. Matching op titel van het kunstwerk Tenslotte zouden we in principe ook enkel de titel van het kunstwerk als sleutel kunnen gebruiken, maar dit levert teveel false positives op. Test 2: Koppelingen leggen tussen publicaties van de universiteitsbibliotheek van KU Leuven en kunstwerken van MSKGent a.d.h.v. een bibliografielijst aangeleverd door het museum Voorbereidend werk De door MSKGent aangeleverde data bestond uit 2 afzonderlijke spreadsheets met in totaal 4733 unieke geïdentificeerde kunstwerken gelinkt met publicaties. De eerste taak bestond erin inzicht te krijgen in de datastructuur en de relevante velden zoals de auteur, uitgever en titel van de publicatie in combinatie met de work ID, voor matching te identificeren. Daarna werd alle data, zowel die van MSKGent als die van KU Leuven ingelezen in Arango DB. Ook hier werden de data voorbereid via normalisatie voor de verschillende matching queries. Resultaten Ondanks het gebruik van bibliografische lijsten blijft het moeilijk om op geautomatiseerde manier exacte links te leggen op basis van titel en auteur: De catalografie gebeurde vaak net iets anders bij MSKGent en KU Leuven, waardoor een exacte matching niet mogelijk is. Bijvoorbeeld: gebruik van initialen i.p.v. volledige voornaam auteur, gebruik van Romeinse cijfers in titels 4

5 Slecht een aantal van de publicaties bevinden zich in de KU Leuven catalogus vermits de bibliografische referentielijst bij de kunstwerken vaak tentoonstellingscatalogi betreft Het aantal succesvol gelinkte werken was dan ook laag en bij een iets vrijere query slopen er al snel fouten in de matching. Test 3: Koppelingen leggen a.d.h.v. een bibliografielijst aangeleverd door afdeling Kunstwetenschappen KU Leuven Voor deze case werd navraag gedaan bij de afdeling Kunstwetenschappen of dit soort van bibliografische databases bestaan. Volgens de bevraagde onderzoekers waren er momenteel geen gestandaardiseerde datasets (referentie bibliografieën voor bepaalde kunstwerken of kunstenaars) aanwezig. De meeste onderzoekers kennen de belangrijkste werken en consulteren meestal de bibliografische referenties vermeld in die werken, of gebruiken algemeen gewaardeerde bronnen zoals de Oxford Art Online of de RKD Artist die ook een heel goede bibliografische lijst per kunstenaar aanbiedt. Als er al lijsten bestaan, worden deze eerder ad hoc aangevuld en zijn ze weinig gestandaardiseerd omdat dit vaak te veel werk vraagt en dit er in een onderzoek vaak overschiet, hoewel de waarde ervan erkend wordt. Daarnaast werd ook vermeld dat veel onderzoekers in de Humane dit soort lijsten niet al te graag wilt delen, hoewel ook hier een positieve evolutie naar de voordelen van open data sharing wordt gekeken. Men zou het wel erg op prijs stellen dat de musea bibliografieën van de belangrijkste publicaties voor de werken die zij in bezit hebben ter beschikking van onderzoekers/het publiek zouden stellen. Dus indien de museumcatalogus zou verrijkt zijn met de relevante publicaties, zou dit voor hen een interessant uitgangspunt om een bibliografie samen te stellen of publicaties over de werken te raadplegen. Via (openurl) linking van de publicaties kan men dan nagaan welke publicaties in de catalogus te vinden zijn. Verrijking van de metadata in de catalogus Info over het kunstwerk Het blijkt voor ons in de praktijk niet zo gemakkelijk en minder relevant om de catalogusdata te verrijken met info over het kunstwerk. De verrijking met info over het kunstwerk, met de bedoeling dat gebruikers op die manier alle publicaties over een bepaald kunstwerk zouden vinden, blijkt minder relevant. Onze wetenschappers en bibliothecarissen wijzen erop dat de catalogus niet het aangewezen instrument is om een bibliografie samen te stellen; dat hiervoor best bestaande bibliografische databanken gebruikt worden zoals Oxford Art Online. 5

6 Verder lijkt het erop dat veel publicaties niet eenduidig aan een overzichtelijke set van kunstwerken kunnen gekoppeld worden: Wanneer een publicatie betrekking heeft op een aantal kunstwerken die niet allemaal in de Vlaamse musea beschikbaar zijn; dan kan het misleidend zijn voor de eindgebruiker dat sommige links wel en andere niet getoond worden voor die publicatie. Publicaties (zoals o.m. tentoonstellingscatalogi) kunnen gelieerd zijn aan zoveel publicaties dat het niet te doen is om die allemaal als link te tonen bij een catalogusbeschrijving. Het aantal documenten dat we effectief kunnen verrijken met info over het kunstwerk lijkt ons daarom te beperkt in verhouding tot de inspanningen nodig voor de matching van de records. Dit is ook moeilijk manueel te doen bij het catalogiseren van nieuwe aanwinsten omdat de meeste van onze catalografen niet de kennis hebben om zelf de links naar de gerelateerde werken toe te voegen. Wel zou het interessant zijn dat de museumpartners de relevante bibliografische lijsten op een gestandaardiseerde wijze zouden toevoegen aan de objectbeschrijvingen in wikidata (zie ook verder) zodat catalografen via linked data deze info zouden kunnen ophalen per publicatie. De verrijking met info over het kunstwerk is anderzijds waarschijnlijk wel haalbaar en relevant bij de deelcollecties van glasdia s en prentkaarten. Een voorbeeld: Prentkaart, niet gedigitaliseerd. Dankzij de verrijking kunnen we een link naar de gedigitaliseerde versie van het originele werk en extra info toevoegen. 6

7 Het is verder te bekijken welke data - naast het workpid en datapid eventueel nog systematisch kunnen overgenomen worden uit het Wikidatarecord. Info over de kunstenaar (kunstenaarsid VIAFID) Hoewel het aantal matches op basis van de experimenten zoals beschreven in test 1 en test 2 beperkt zijn, zien we zeker een meerwaarde in de unieke identificatie van kunstwerken en de aanmaak van wikidatarecords op object niveau omdat deze gegevens op zich weer gebruikt worden voor de verrijking van andere datasets die eenvoudiger te gebruiken zijn voor de verrijking van bibliotheekcatalogi. Zo lijkt in het geval van KU Leuven een verrijking met VIAF records meer voor de hand te liggen: VIAF is voor bibliotheekcatalogi een belangrijke internationaal gewaarde resource. Door middel van Named Entity Recognition op bibliografische records kunnen verschillende authorities geïdentificeerd en gematcht worden aan VIAF records. Een link op het niveau van auteur schept minder verwachtingen van onderzoekers en studenten rond de volledigheid van de verrijking. Bij de verrijking van een bib. record met een kunstwerk werd door onderzoekers en bibliothecarissen namelijk aangegeven dat bijvoorbeeld studenten er snel van zouden uitgaan dat de verrijkte publicatie het referentiewerk is voor dat ene kunstwerk. 7

8 Het interessante aan de VIAF records is echter dat deze ook verrijkt worden met externe bronnen waaronder Wikidata. Bijvoorbeeld: In het record voor Jan Verhas in VIAF staat een lijst met zijn werken (Works) Als bron voor deze verrijking van het VIAF record wordt Wikidata ( vermeld De meesterschilder blijkt een werk van MSK Gent waarvoor in het kader van het PID project een Wikidata record werd aangemaakt dat vervolgens werd gelinkt aan het record voor Jan Verhas (Q ). VIAF heeft deze gegevens vervolgens mee geharvest voor integratie in het eigen VIAF record voor Jan Verhas Hoewel we door het matchen op basis van enkel het werk weinig goede resultaten kunnen bekomen omdat de titel van een kunstwerk zelden is opgenomen in de titel van de publicatie, 8

9 hebben we veel meer kans dat de kunstenaar in de titel of beschrijving van de publicatie zal voorkomen. Deze namen willen we proberen te matchen aan het VIAF record, om zo de directe en indirecte links met andere resources te harvesten. In onderstaand voorbeeld zouden we door te linken met het VIAF record voor Jan Verhas tevens kunnen linken naar een lijst van gerelateerde werken, waaronder de door de musea ontsloten werken via Wikidata. Conclusie Conclusie m.b.t. Test 1 De directe match op titel van een kunstwerk en de naam van een kunstenaar in de metadata van een publicatie geeft niet geheel onverwacht slechts een beperkt aantal hits. Zoals de bevraagde onderzoekers van de kunstwetenschappen reeds hadden aangegeven, bestaan er slechts weinig monografieën die specifiek aan één kunstwerk gewijd zijn. Daarnaast zijn dit doorgaans oudere werken (traditie eind 19de / begin 20ste eeuw) en betreft het enkel iconische stukken. Enerzijds zou een hoger aantal hits bekomen kunnen worden door extra queries in te bouwen die rekening houden met fuzzy matches, anderzijds vraagt dit ook veel meer werk en brengt dit de kwaliteit naar beneden. De kans op irrelevante links (false positives) wordt immers groter. De mogelijkheid om de namen in de catalogusrecords te matchen met de namen van de kunstenaars op wikidata en op die manier de records te verrijken kunnen we wel verder bekijken. Uit de bevraging van de onderzoekers en bibliothecarissen bleek dat hiermee voorzichtig moet omgesprongen worden; het moet voor de eindgebruiker duidelijk zijn dat het om automatische verrijkingen gaat. Tenslotte kan voor de deelcollecties van glasdia s en prentkaarten de linking naar of verrijking met de metadata van de kunstwerken wel bekeken worden 9

10 Conclusie m.b.t. Test 2 De vraag naar het gebruik van bibliografische referentielijsten aangemaakt door museummedewerkers kwam voort uit de gedachte dat we hierdoor meer en kwalitatief betere links zouden kunnen leggen met KU Leuven catalogus records dan wanneer we dit enkel op basis van de beschrijving van het kunstwerk zouden doen. Het aantal succesvolle links was echter beperkt in verhouding met de geïnvesteerde tijd in deze test. Hierbij kunnen volgende bijkomende bemerkingen gemaakt worden: Het interpreteren en verwerken van de door MSKGent aangeleverde spreadsheet vraagt redelijk wat voorbereidingswerk Deze werkwijze impliceert ook dat we dit voorbereidende werk per museum moeten uitvoeren omdat ieder een ander exportformaat, datamodel en notitiewijze gebruikt In verhouding steken we dus meer werk in een kleiner aantal potentiële links Uiteraard kunnen een aantal extra queries worden toegevoegd om meer hits te krijgen. Hierdoor gaat wel de kwaliteit van de verrijking omlaag. Maar dit alles is vrij tijdrovend in verhouding tot het beperkt aantal records die we uiteindelijk kunnen verrijken (4733 unieke kunstwerken gelinkt met publicatie in verhouding tot 6 miljoen records van de LIBISnetcatalogus). Indien de museumpartners relevante bibliografische lijsten op gestandaardiseerde wijze zouden toevoegen aan de objectbeschrijvingen in wikidata, zouden we met hetzelfde werk veel meer mogelijke matches ( kunstwerken van 7 musea) kunnen bekomen. Individueel lijkt het dus weinig haalbaar, maar bij een grotere massa aan potentiële matches wordt het wel een pak interessanter voor ons om hierin extra tijd te investeren. Advies m.b.t. Test 2: Bibliografische referentielijst per kunstwerk toevoegen aan de objectbeschrijving op Wikidata om meer potentiële links te hebben voor hetzelfde werk. Eventueel te bespreken met bibliotheken op welke manier deze referenties best worden toegevoegd om nauwkeurige verrijking toe te laten. Conclusie m.b.t. verrijking van de bibliotheekcatalogus voor kunstpublicaties in het algemeen Uit gesprekken met onderzoekers uit de kunstwetenschappen, Digital Humanities en bibliotheekverantwoordelijken van Artes bleek dat er interesse is in verrijkingen van bibliotheekcatalogi, maar dat de verrijking van een publicatie met een link naar een specifiek kunstwerk misschien niet de meest geschikte verrijking is. Zo werd opgemerkt dat er verwachtingen kunnen ontstaan van studenten dat de verrijkte publicaties als de enige of belangrijkste referentiewerken voor dat kunstwerk beschouwd kunnen worden. Dit kan opgelost worden door duidelijk aan te geven dat het om automatische verrijkingen gaat. Daarnaast werd aangegeven dat andere bronnen, zoals RKD artist, ULAN van Getty en de Oxford dictionary of Arts belangrijker zijn qua referentie en dat docenten hun studenten in de eerste plaats doorverwijzen naar deze bronnen die vaak ook een literatuurlijst voor een kunstenaar of kunstwerk suggereren. Advies: Ook in dit geval blijft de opname van het kunstwerk en de beschrijving op Wikidata door musea waardevol omdat ook deze resources de link nu al (bv. VIAF) of in de toekomst zullen kunnen opnemen. 10