MANUSCRIPTORIUM. Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů. Verze

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

MANUSCRIPTORIUM V. 2.0 - ANALÝZA SYSTÉMU Verze 1.01

9.12.2004

Stránka 51

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

Úvod o dokumentu Firma AiP Beroun s.r.o. vyvíjí systém Manuscriptorium v. 2.0, jako součást projektu Memoria. Tento dokument je součástí tohoto vývoje.

Účel Tento dokument obsahuje analýzu zpracovanou AiP Beroun s.r.o. určenou pro zadavatele a řešitele.

Předpokládaný čtenář Tento dokument má sloužit všem, kteří se podílejí na projektu Manuscriptorium jako uživatelé a především pro zadavatele (NKČR) a řešitele (AiPBeroun).

Termíny a konvence Termíny a konvence použité v tomto dokumentu jsou popsány a definovány v dokumentu [2]

Reference V dokumentu se odkazujeme na následující literaturu: [1] Manuscriptorium v.2.0 - základní koncepce systému, březen 2004 [2] Manuscriptorium v.2.0 - Termíny a konvence [3] Memoria v. 1.0 – obecný popis [4] The Open Archives Initiative Protocol for Metadata Harvesting, version 2.0 of 2002-06-14

Stránka 52

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

Úvod Již od listopadu roku 2003 je na adrese www.manuscriptorium.com v provozu systém Manuscriptorium verze 1.0. Cílem tohoto dokumentu je na základě dosavadních zkušeností s provozem verze 1.0 formulovat základní vlastnosti jeho následníka, systému Manuscriptorium verze 2.0. Na základě analýzy získaných zkušeností je možno formulovat požadavky na další postup. Je zřejmé, že nastoupená koncepce je životaschopná, je pouze třeba s rostoucími požadavky a nově definovanými úkoly posílit a přehodnotit nástroje nezbytné k jejich dosažení. Pro formulaci cílů byly nezbytné konzultace správci projektu (PhDr. Zdeněk Uhlíř, Mgr.Adolf Knoll) a s významnými uživateli Manuscriptoria, které proběhly v říjnu a listopadu 2004 a také průběžná interakce s partnery digitalizace. Poděkování patří zejména PhDr. Zdeňce Hladíkové CSc, pánům Phdr. Petrovi, PhDr. Otovi Halamovi, PhDr. Michalu Dragounovi z nichž někteří přispěli i texty, které jsou v materiálu citovány. Texty využívající tyto citace jsou doplněny jejich iniciálami [xx].

Zkušenosti z provozu Manuscriptoria v. 1.0 Databáze Manuscriptorium je výsledkem aktivity projektu Memoria. Jejím cílem je shrnout různé programy a programy týkající se digitalizace a zpřístupnění historických dokumentů do jednoho integrovaného zdroje a vytvořit tak virtuální badatelské prostředí pro práci s historickými fondy. Jejím základem je český národní program Memoriae mundi series Bohemica, avšak postupně a za pochodu integruje data také dalších projektů a institucí nejenom v českém, ale i středoevropském měřítku. První verze systému zpřístupnění byla vytvořena na základech databáze digitalizovaných rukopisů zpřístupněných na Internetu, k nimž byly přidány náhledy vybraných obrazů. Zájem dalších institucí o podobné zpřístupnění vedl ke vzniku společného sdíleného řešení a v listopadu 2003 ke spuštění databáze Manuscriptorium. Těžištěm databáze Manuscriptorium je otevřený katalog historických fondů, jehož budování se programově soustřeďuje na integraci materiálu na Stránka 53

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

středoevropské úrovni. K záznamům katalogu jsou pak připojeny související digitální dokumenty, tzn. obrazové kopie plných originálních dokumentů. Ve stadiu testování je i zpřístupňování plných textů a perspektivně se uvažuje i o dokumentech zvukových. Databáze Manuscriptorium se tak orientuje na to, aby byla nejen vstupem do digitální knihovny, ale také komplexním zdrojem umožňujícím různé způsoby práce s historickými dokumenty. V současné době je největší digitální knihovnou na světě, soustřeďující se na starší materiál (tj. do 18. století). Tomuto charakteru databáze Manuscriptorium odpovídá i její obsahové složení. Otevřený katalog historických fondů se v případě některých institucí snaží o systematické a úplné zpřístupnění záznamů o rukopisném a tištěném materiálu (zámecká knihovna Kynžvart, Národní knihovna České republiky, Univerzitní knihovna Vratislav, Národní a univerzitní knihovna Záhřeb, akademická knihovna Vilno), v ostatních případech se vztahuje pouze k digitalizovaným materiálům. Úhrnem lze říci, že perspektivním a hlavním cílem databáze Manuscriptorium není jen poskytovat přístup k poměrně rozsáhlé digitální knihovně historických dokumentů, ale vytvořit opravdové virtuální badatelské prostředí pro práci s historickými fondy, tzn. nejsou v ní obsaženy jen dokumenty známé, již probádané a vysoce oceňované (tzv. notorika), ale také takové, které dosud stály mimo zájem hlavního proudu bádání. [ZU] Rok provozu stačil k tomu, že databáze se stala známou. Její praktické využívání roste. Badatelé příliš nepracují s originálními dokumenty, ale raději využívají jiné prameny, nejčastěji však v knižních edicích (pokud existují). Příčina je snadno pochopitelná, není příliš rozšířena schopnost originální dokumenty číst. To akceptuje vysokou důležitost spolehlivých plných textů. I u studentů překvapivě chybí povědomí o webu zaměřeném na tuto oblast a také schopnost jej využívat. Přesto lze pozorovat z rostoucího a opakovaného využívání Manuscriptoria, že objem digitalizovaných dokumentů již dosáhl hranice obecně účelné použitelnosti pro badatele, Manuscriptorium přestává být vnímáno jako větší množství jednotlivosti. Využívají se samozřejmě především obrazy v licencované kvalitě. Role katalogu roste, ale zatím není dosud dominantní. Chybí systematické zpracování a integrace dostupných zdrojů. Velmi by pomohlo zařazení dat knihopisu a starších tištěných katalogů, čeká se na masivnější zařazení volně přístupných bibliografických dat. U knižně Stránka 54

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

publikovaných bibliografických dat je nezbytné odborně a věrohodně prověřit autorská práva. Následující text je shrnutím názorů, postřehů a praktických zkušeností, které byly použity k verifikaci cílů stanovených Národní knihovnou, především Mgr.Adolfem Knollem a PhDr. Zdeňkem Uhlířem.

Typy uživatelů Snahou bylo získat reprezentativní vzorek názorů různých typů uživatelů. Lze rozpoznat následující typy uživatelů: Badatelé Primární uživatelé, pro které je Manuscriptorium budováno a koncepčně založeno. Předpokládá se, že již mají plný přístup k Manuscriptoriu a po svém jej využívají.. Pedagogové Tato kategorie se z hlediska svého zaměření a zájmů značně překrývá s badateli, odlišuje se některými specifickými požadavky souvisejícími s výukou. V rozboru požadavků však vyplývá, že i zdánlivě specifické požadavky pedagogů jsou splnitelné stejnými nástroji, které jsou primárně plánované pro badatele. Z tohoto hlediska přineslo sledování specifičnosti požadavků pedagogů jen ověření obecné platnosti požadavků na vlastnosti Manuscriptoria, formulované badateli. Všichni kontaktovaní již mají plný přístup k Manuscriptoriu. V dalším není nutno tyto dvě kategorie rozlišovat. Zájemci o plný přístup Pro tyto zájemce je významný volně přístupný katalog a informace, co je obsahem digitální knihovny. Tyto informace jsou volně dostupné. V současnosti pro tyto návštěvníky chybí informace, v jaké kvalitě jsou k dispozici dokumenty v digitální knihovně po získání licence, potřebují ukázky. Doposud se těmto vážným zájemcům poskytoval VIP přístup. Ostatní uživatelé Široká veřejnost přistupující k Manuscriptoriu, která hledá buď konkrétní informace a pak je rozdíl vůči badatelům opět pouze formální nebo jde pouze o milovníky historie kteří nejen potřebují, ale přímo vyžaduje vedení k tomu, co by měli dle názoru odborníků shlédnout. Také tyto dvě skupiny mohou být uspokojeny stejnou možností, nahlédnout do vybraných dokumentů.

Stránka 55

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

V dalším tedy nebudeme rozlišovat ani tyto typy uživatelů, jen se v případě potřeby zmíníme o určitých oborově důležitých specifičnostech.

Tvorba virtuálních dokumentů Z pedagogického hlediska by velmi pomohl nástroj „virtuální čítanka“ zazáložkovaný jeden nebo více dokumentů, toto doplněno komentářem. Takto připravený dokument by byl přípravou pedagoga k výkladu látky, studijním pramenem žáků i publikační aktivitou. Obecně již nyní chybí možnost vytvořit dokument, který by využíval Manuscriptorium, aniž by byl jeho součástí. Tento požadavek se v podobné formulaci, ale principielně stejně, objevuje v požadavku nástrojů pro publikování výsledků studií jdoucích napříč dokumenty a dokumentujících obrazově studované jevy („vytrhané listy“ svázané novým textem). Oba požadavky mohou být pokryty stejným nástrojem.

Sledování aktivit Za účelné se obecně považuje monitorování účtů ze kterých se přistupuje, včetně sledování co se prohlíží a jak. Pro tyto účely bylo doposud využíváno služeb specializovaných serverů na Internetu. Bohužel se ukázalo, že bude nutno řešit samostatné monitorování a vyhodnocování využívání Manuscriptoria. Závislost na dodavateli této služby skýtá nebezpečí problémů, když se změní cokoli v poskytování služby. To se nám se opakovaně stalo na doposud využívaném serveru.

Vyhledávání Z diskusí s uživateli vyplynuly následující typy práce, při nichž je využíváno vyhledávání. Jsou to případy, kdy: 1. Uživatel ví o existenci záznamu, případně digitálního dokumentu a jde přímo za ním. Zde se využívá téměř výhradně vyhledávání podle signatury, které vyhovuje svou přizpůsobivostí formě originálního zápisu. Navíc bývá použito nejvýše vyhledání podle Majitele nebo Uložení. 2. Uživatel, který skutečně hledá něco obecného, obvykle využívá fulltext a pak prohlíží nálezy a dohledává „ručně“.

Stránka 56

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

„Pokročilé“ vyhledávání je využíváno jen ve spec. případech. Nikdo ho nevyužívá rád a přednostně, přesto panuje shoda, že by mělo zůstat zachováno. Základní konvence vyhledávání definované pro Českou národní bibliografii by bylo vhodné nahradit konvencemi Google, nadstavba by měla být zachována (varianty, tolerance, volnost v operátorech). Tipy by měly být vypnutelné, neboť kdo častěji používá Manuscriptorium, najde si svůj způsob a tipy nečte. Když už je čte, mělo by být možno vyvolat další tipy, takže vlastně listovat v rychlém návodu k použití. Indexy se využívají spíše výjimečně, není výjimkou, že uživatel o jejich funkci a možnostech použití moc neví. Po seznámení s nimi jsou hodnoceny jako neočekávaná, ale užitečná nadstavba. Ve vyhledávání chybí více informací, v čem se vlastně vyhledává. To bude velmi významné tehdy, vzniknou-li účelově specializované jednoduché formuláře.

Prohlížení obrazů Celkově je práce s obrazem akceptovatelná, pomohlo by usnadnění listování. Chybí možnost porovnávání stránek, chybí možnost dát si stránku stranou jako samostatné otevřené okno a listovat dál. Uživatelé nemají povědomost o možnosti otevřít více rukopisů a i když vlastní moderní techniku, neví o možnosti využití druhého monitoru u novějších počítačů. Chybí také povědomí o základních vlastnostech prohlížečů. Velmi dobrý je náhled s rámečkem volby výřezu. Přínosem by bylo snazší rolování na stránce. Relativní posuny klikáním do obrazu se moc nepoužívají, nejsou „zřejmé“. Prospělo by vědomé a viditelné aktivování této funkce – relativní navigační značka - jako to dělají některé SW a ovladače myší. Jsou nezbytná školení i o funkcích, které se technikům jeví jako evidentní.

Poskytované informace a servis Poskytované informace na www stránkách přinášejí velmi málo použitelného odborníkům. Prospělo by rozesílání přehledu novinek abonentům mailem jednoduše seznam nově zařazených dokumentů. Z hlediska přípravy VISK6 by byla užitečná možnost informovat o plánovaných a rozpracovaných titulech a to pokud s co největším předstihem. To bude velmi potřebné, pokud se začne rozjíždět digitalizace starých tisků.

Stránka 57

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

Informace o autorství Zcela chybí informace o autorech popisů. Nemusí to být spojeno s autorskými právy, jen prezentováním publikační činnosti. Publikování touto formou by jistě zvýšilo zájem o spolupráci při popisech a přispělo by k rychlejšímu zkvalitňování katalogu.

Virtuální publikování Také nezbytné upozorňovat uživatele na povinnost odevzdat garantu a správci projektu (NKČR) separát práce, resp. odkaz na práci, v níž bylo Manuscriptorium použito. Tyto práce by měly být ze stránek odkazovány, pokud jsou dosažitelné na webu. Obecně chybí zařazování aktivních odkazů na jinde zveřejněné práce. Přínosem by bylo i možnost umístění takových prací na server Memoria. Příklad prací, které by mohlo být užitečné prolinkovat a více zviditelnit v kontextu je www.etf.cuni.cz/kat-cd/aurora.htm Položka Literatura v Manuscriptoriu by měla kromě statické informační funkce umožňovat aktivními odkazy dosáhnout na díla zveřejněná na webu.

Popisy k digitálním dokumentům. Nové popisy jsou hodnoceny jako velmi dobré, někdy až nadbytečně detailní. Objevuje se požadavek vyčlenit podmnožinu sloužící primárně k rychlé orientaci a výběru v rozsahu více než bibliografický záznam, ale ne nové dílo. Požadavek souvisí s možností selektivnějšího fulltextového vyhledávání. Jazykové verze Konstatována nepochybná užitečnost, bez připomínek. Stav jazykových verzí je evidentně závislý na aktivitě provozovatele. Metodika vytváření popisů [MD] Současný stav při tvorbě popisů umožňuje víceméně bezproblémovou činnost při vytváření digitálních dokumentů v oblasti spojování popisů s obrazy, i když optimálního stavu, kdy by již při digitalizaci byly k dispozici popisy, je dosaženo spíše výjimečně (Kynžvart, část NK). V souvislosti se změnou standardu popisů se dají očekávat v průběhu příštího roku komplikace při rutinním zpracovávání digitálních dokumentů, zvláště dojde-li k nárůstu objemu digitalizace. Standard DOBM byl v části bibliografického popisu výhodou pro svoji jasnost a přehlednost, zatímco Master

Stránka 58

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

resp. Master+ vypadá složitěji a běžná práce při jeho použití se prakticky bez určitého přechodového problémového období očekávat nedá. MEdit tento problém řeší pouze částečně – jednak využívá pouze část možností Masteru, jednak vede k určitému snížení uživatelské kvality konečného výstupu, protože přestože Master sám umožňuje odkazovat na obraz z libovolného místa popisu a nikoli jen z předem definovaných částí, MEdit zatím možnost vytváření přímých odkazů nemá. Dalším problémem je absence praktických zkušeností jak s MEditem, tak se standardem Master – z partnerů projektu VISK6 dodala v letošním roce popisy v Masteru pouze MZK Brno, u ostatních partnerů se popisy dodané v textové formě nebo v DOBM upravují. Stabilizace a rozšíření okruhu popisovatelů [MD] V oblasti popisu digitalizovaných dokumentů by bylo proto dobré orientovat se na motivaci jednotlivých partnerů k včasnému dodávání popisů nebo minimálně včasnému konstatování, že sami popisy vytvářet nebudou. S tím souvisí potřeba informovat je o změně standardu popisu a souvisejících možnostech, jak popisy připravovat (MEdit jako minimální možnost, NoteTab popř. další editory pro jednodušší práci s Masterem). Jako důležité se jeví rozšíření okruhu možných zpracovatelů popisů – opět vhodné zvláště v souvislosti s možným nárůstem objemu digitalizace (v ideálním případě např. s odbornou specializací na rukopisy resp. tisky, jejichž procentuální zastoupení mezi digitalizovanými dokumenty stále narůstá).

Katalogizace versus popis v MASTERu Těžce je nesena současná duplicita vytváření popisu pro katalogizaci (bibliografický záznam do knihovnického systému) a širšího záznamu do Manuscriptoria. Tato duplicita je dlouhodobě neudržitelná. Současné řešení přes konvertor sice může být funkční, ale je vnímáno jako nepříjemnost. Znamená další činnosti, zatěžuje. Významné je také to, že z hlediska instituce je obvykle významnějším úkolem katalogizovat do knihovnického systému. V tom případě vznikají primárně záznamy pevně strukturované a méně obsáhlé. Optimální by bylo nabídnout možnost psát popisy s využitím MASTERU a s využitím libovolných nástrojů. Po vytvoření záznamu v MASTERu pak zajistit, že pokud jsou zadány správně potřebné informace, je automaticky vygenerován a uložen/odeslán záznam v konvertované formě (UNIMARC nebo MARC21) do knihovnického systému a v původní formě do Manuscriptoria. Pokud by se podařilo tento proces

Stránka 59

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

automatizovat, velmi by to usnadnilo přechod na popis historických dokumentů pomocí metodiky MASTER.

Importy Hromadné importy byly zatím provedeny jen z dat zámku Kynžvart. Data z MZK byla poskytnuta, nebyla však importována. V současnosti jsou již neaktuální, protože se na nich průběžně pracovalo. V roce 2005 budou k dispozici ke stažení prostřednictvím OAI. Jiné importy, kde data nemají standardní formu a kde koordinátor má zájem na jejich zařazení, budou muset být i nadále řešena případ od případu.

Editace a doplňování záznamů Bylo by užitečné vytvořit možnost odesílání připomínek k záznamům od kohokoli, samozřejmě s verifikací a odfiltrováním anonymů, tzn. Spojit tuto možnost s registrovaným účtem. není však jasné jak by měly být zpracovávány, z počátku připomínky odesílat správci záznamu, nezávisle na tom „moudra“ skladovat, zpřístupňovat jen oprávněným.

Placené služby uživatelům Koordinátorem projektu je požadováno poskytování klasických knihovních služeb navázaných na Manuscriptorium. Jedná se o poskytování nebo doručování výtisků nebo souborů jednotlivých stránek z digitalizovaných dokumentů. Lze předpokládat, že tyto služby nebudou požadovat instituce, mající plný přístup k Manuscriptoriu, ale zájemci bez tohoto přístupu, prakticky výhradně jen jednotlivci. Optimální se jeví spojení prohlížení dokumentu v současných nástrojích, označování stran, o které je zájem a následné odeslání seznamu označených stránek ke zpracování. Je nezbytné vyřešit systém odesílání objednávek, jejich evidence, souvisejících plateb a distribuce. Tento systém si jistě vyžádá samostatnou analýzu. Nepředpokládáme významné rozšíření těchto služeb, lze očekávat významnou potřebu interakce se zákazníkem. Je proto na zvážení, zda se snažit již v této etapě o plnou automatizaci tohoto procesu. Možnost řešení je naznačena v definování nového nástroje „objednávková služba“.

Mikrofilmy Mikrofilmy jsou téměř všemi oslovenými často zmiňované medium, které

Stránka 60

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

obsahuje značný informační potenciál. Problémem je, že zřejmě neexistuje systematická katalogizace mikrofilmů. Jsou dva typy mikrofilmových zdrojů: 1. úplné mikrofilmové dokumenty, obvykle bohemika, uložená v knihovnách a archivech v nichž jsou (byly) i originální dokumenty. 2. fragmenty tématicky sebrané při badatelské činnosti, obvykle rozptýlené u badatelů. Z hlediska Manuscriptoria je zajímavá jen první skupina. Je účelné zveřejnění jakýchkoli známých informací, byť elementárních, o existujících mikrofilmech a to jakoukoli formou. Zveřejnění není nutno spojovat s Manuscriptoriem, bylo by však výhodou. Problémem jsou příliš elementární identifikační údaje, často jen signatura a název nebo jen jeho část. Nejsou dostatečné kapacity na alespoň elementární popis, který by navíc bylo optimální pořídit podle originálních dokumentů. To by bylo nutné dělat na úkor popisů souvisejících s novou digitalizací. Obecně je považováno za účelné mikrofilmy digitalizovat a na www zpřístupnit s elementárními identifikačními informacemi a poskytnout možnost tyto elementární popisy relativně volně rozšiřovat (snadná dostupnost oprávnění popis editovat). Protože mikrofilmů je několik tisíc ve více institucích, je nutno vytvořit mechanismus jak účelně vybírat a digitalizovat mikrofilmy a jak digitální data zařazovat do Manuscriptoria. Také existuje technický problém jak (zda) digitalizovat filmy rozstřihané na krátké sekvence (MZK). Výše uvedené úvahy se týkají pouze nakládání s digitálními daty vytvořenými z mikrofilmů. Je nutno zvážit možnost připojování informací o existenci mikrofilmu do záznamu MASTER. Metodika pro to v MASTERu je. Cílem Manuscriptoria je ale vytvoření digitálního prostředí, odkaz v záznamu na sekundární dokument je z tohoto hlediska nekoncepční a pokud koordinátor projektu NKČR nerozhodne jinak, nebude se tato možnost řešit.

Bezpečné uložení dat CD-R Současné uchovávání dat je postaveno na výsledcích projektu Věda a výzkum z roku 2000, obsažených ve zprávě „Kontrola stavu CD-R“. V části „Statistický rozbor“ vztahující se ke kontrole stavu uložení digitálních dat je konstatován dobrý aktuální stav CD-R disků, v části „Metodika redukované

Stránka 61

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

kontroly CD-R disků v digitálním archivu Národní knihovny ČR“ je navržena metodika spočívající v tom, že je nezbytné cituji: … každoročně prověřit jednorázově pouze náhodně vybrané vzorky a to takto: disky z nejstarších dvou let 20% archivovaných disků disky starší než 1 rok 5% archivovaných disků Domnívám se, že toto doporučení není realizováno, ani nahrazeno jiným postupem. Znovu upozorňuji na nezbytnost kontrolovat stav archivních CD-R. Magnetopáskové úložiště CDH Toto úložiště má být použito pro alternativní uchování dat. Je třeba přijmout opatření, která jsou více organizačního charakteru než technická. Kompletní digitální dokumenty je nutno uložit v digitálním úložišti. Pro oba způsoby archivace dat je třeba ověřit postup rekonstrukce Manuscriptoria při jeho případném úplném zničení.

Podněty ke změnám Zde jsou shrnuty jednoznačné náměty ke změnám a zlepšení. Vesměs jde o úpravy existujících nástrojů a postupů, nemusí jít jen o technické podněty. Vyhledávání Je potřeba: Opustit konvence využívané tradičně pro „Českou národní bibliografii“ a akceptovat konvence Google. Omezit na stránkách náhodné školení jak vyhledávat a nahradit to pro tuto komunitu intuitivnějším prostředím. Definovat více specializovaných jednoduchých formulářů s předpřipraveným rešeršním prostorem, více využívat zaškrtávání, zvláště aktivovat volbu rukopisy/ tisky. Tyto formuláře by měly nahradit možnosti, které pro techniky skýtá pokročilé vyhledávání. U všech formulářů poskytnout možnost jasnou informaci, v čem se vyhledává. Prohlížení obrazu Rozšířit jednoduché možnosti listování. Přehodnotit rolování na stránce - relativní posuny klikáním do obrazu – měla by být předvídatelnější reakce, pomohla by navigační značka – střed. Doplnit možnost „vytržení“ kopie stránky v samostatném okně. Stránka 62

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

Struktura dokumentu a jeho prezentace Doplnit do prezentace záznamu informace o jeho správci a o jeho autorovi. Umožnit vyhledání přes tyto položky. Zintenzívnit školení Opakovat školení a školení připravit s badateli. Jsou nezbytná školení i o funkcích, které se technikům jeví jako evidentní. Informací servis Při každé aktualizaci registrovaným uživatelům zasílat informaci o přírůstcích v katalogu a v digitální knihovně. Právní servis Je účelné dál využívat právní podporu, zajišťovat jasné vztahy k integrovaným datům a pomáhat řešení právních vztahů k integrovaným datům M- kompatibilita Je vhodné vytvořit ucelený dokument který popisuje minimální očekávané vlastnosti dat nabízených k zařazení do Manuscriptoria a stanovení standardního postupu při zařazování dat spolupracujících organizací.

Definování nových nástrojů Při využívání Manuscriptoria V.1.0. byly konstatovány výše zmíněné potřeby. Koncepce základu technického řešení další generace systému se tyto požadavky nedotknou. Požadavky lze uspokojit vytvořením nástrojů působících nad tímto technickým základem. Po formulování vlastností požadovaných nástrojů lze v průběhu analýzy sledovat a v závěru analýzy konstatovat, zda jsou požadované nástroje realizovatelné. Pokud je možné nástroj dostatečně specifikovat a předpokládáme-li jeho realizaci, navrhujeme v následujícím jeho pracovní název a charakteristiku. Realizace těchto nástrojů vyžaduje samostatnou analýzu. NÁVŠTĚVNÍK - služba pro širokou veřejnost (ad Typy uživatelů) Nástroj je určen: 1. Zájemcům o vážný a plný přístup do Manuscriptoria, kteří chtějí informaci v jaké kvalitě jsou digitální data k dispozici s licencí. 2. Náhodným návštěvníkům. Potřeby těchto uživatelů lze řešit systémově společně (viz. část Zabezpečení

Stránka 63

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

systému a systém přístupových práv). Tato služba by měla být přístupná z úvodní stránky, stačí komentář k vybraným plně zpřístupněným „notorikům“ nejlépe těm které jsou na internetu zpřístupněny od jinud. ČÍTANKA – virtuální dokument (ad Tvorba virtuálních dokumentů) Nástroj je určen obecně pro publikování. Základem je strukturovaný text, který obsahuje odkazy na: celé dokumenty a/nebo konkrétní stránky a/nebo konkrétní detaily a/nebo odkazy na práce zveřejněné kdekoli na webu Příklady využití: 2. Výsledky badatelské činnosti 3. Příprava pedagoga pro výuku 4. Průvodce Manuscriptoriem pro Návštěvníka Čítanka má svého správce, může být přístupná jen správci přes heslo nebo veřejná. Přístup k čítankám stačí z jejich výčtu, který se může lišit podle přístupových práv. REDAKTOR Nástroj zajisťující možnost editace záznamů vystavených v katalogu oprávněným osobám. MONITOR - (ad Sledování aktivit) Předpokládá se shromažďování monitorovaných informacích o přistupujících uživatelích ve třech úrovních 1. přístupy obecně Rozsah základních informací v základě odpovídá informacím sledovaným na http:// counter.cnw.cz Příklad: 26329, carina.ujc.cas.cz, [13], MSIE 6.0, Windows 98, 1.11.2004, 11:12:33, 2. přístupy registrovaných abonentů Monitorování déle a intenzivněji prohlížených dokumentů s identifikaci uživatele 3. monitorování používání nástrojů a typů dokumentů Všechny informace jsou použitelné pro optimalizaci systému. Pro koordinátora může být užitečná znalost aktivit uživatelů, jejich zaměření a možnost jejich oslovení. Uživatelé ne/musí být informováni o sbírání těchto informací (nezbytnost právní konzultace).

Stránka 64

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

M-AGENT (ad Katalogizace x popis v MASTERu ) Předpokládá se vytvoření nástroje, který automatizovaně monitoruje zdroj (schránku na Internetu, adresář lokálně), do něhož se ukládají záznamy v MASTERu, vytvořené jakýmkoli nástrojem. Agent přírůstky kontroluje a o výsledku kontroly informuje. V případě dodržení jejich minimálního obsahu a bezrozpornosti je odesílá do Manuscriptoria, kde je s nimi naloženo podle oprávnění autora. Agent záznamy v MASTERu konvertuje do UNIMARC/ MARC21 a odesílá do knihovnického systému jako bibliografické záznamy k zařazení. Je třeba řešit návaznost na existující systémy autorit. Aktivní využití OAI Předpokládá se vytvoření nástroje pro automatizované využití zdrojů poskytujících vhodná data pomocí OAI, jejich pravidelné automatické stahování a zařazování do Manuscriptoria. Objednávková služba Předpokládáme, že v prohlížeči digitálních dokumentů bude doplněna funkce, po jejíž aktivaci se zobrazí formulář, který na základě označených stránek, na základě volby kvality, typu a dalších atributů objednávaných dat/tisků vypočítá aktuální cenu objednávky. Z tohoto formuláře bude odeslána objednávka, následně proběhne proces verifikace objednávky, zaplacení objednaného a odeslání objednaného.

Stránka 65

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

Manuscriptorium v. 2.0 Cílem projektu Manuscriptorium v.2.0 je vytvořit systém, který umožní uživateli nalézt a následně mu poskytnout veškeré dostupné informace o požadovaném fyzickém dokumentu, o existenci a umístění souvisejících digitálních dat. Dále by systém měl poskytnout uživateli přístup ke všem digitálním datům, kterými systém disponuje (podle zakoupených licencí). Systém by měl dále sloužit jako stabilní a dostatečně flexibilní základ pro vývoj heterogenního badatelského prostředí v oblasti historických dokumentů. Databáze evidenčních záznamů by měla dále sloužit také jako zdroj pro výměnu evidenčních záznamů mezi kooperujícími systémy.

Základní vymezení pojmů Memoria a Manuscriptorium Memoria je dlouhodobý projekt zabývající se digitalizací a následným zpřístupněním digitálních kopií rukopisů, starých tisků a dalších historických dokumentů. Přesnější popis projektu Memoria je uveden v [3], kap. 2. Manuscriptorium v.2.0 je informační systém, který v rámci projektu Memoria slouží k evidenci historických dokumentů, ke zpřístupnění dostupných digitálních kopií historických dokumentů široké (celosvětové) badatelské veřejnosti a dále jako základ pro badatelské aktivity především v oblasti rukopisů, starých tisků a dalších historických dokumentů. Dále řeší zpřístupnění komplexních digitálních dokumentů, které sdružují veškerá digitální data dostupná ke konkrétnímu zdrojovému dokumentu. Systém se sestává z otevřeného katalogu historických fondů (OKHF) a jednoho či více datových úložišť, která obsahují digitální kopie historických dokumentů, příp. celé komplexní digitální dokumenty (KDD). OKHF je tvořen, jak bude popsáno dále, centrální databází evidenčních záznamů (DBEZ), prezentační databází PDB a internetovým uživatelským rozhraním. Celý systém je koncipován jako otevřený, tj. umožňuje sdílení katalogu i obsahu datových úložišť dalším spolupracujícím systémům jiných výrobců na základě pravidel, která budou popsána dále. Systém dále umožňuje využívat zdroje metadat a datová úložiště jiných vlastníků dat (na základě dále popsaných pravidel). Systém Manuscriptorium v.2.0 je navržen tak, aby tvořil základ pro další badatelská prostředí. Součástí systému jsou také softwarové nástroje pro vytváření a údržbu OKHF a datových úložišť. Obr. 1 dokumentuje vztah systému Manuscriptorium vzhledem k projektu

Stránka 66

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

Memoria.

Z tohoto obrázku je patrno, že některé části komplexního digitálního dokumentu, jako např. související dokumenty, práce badatelů, transkripce, zvukové záznamy apod., související s konkrétním fyzickým (originálním) dokumentem, mohou vznikat i mimo projekt Memoria jako aktivity v rámci jiných projektů.

Základní pojmy Použitá terminologie V této kapitole jsou definovány základní pojmy použité v tomto dokumentu pro popis systému Manuscriptorium v.2.0 a jejich hrubé vymezení. Použitá terminologie byla navržena v [1] a schválena NKČR. Fyzický dokument - fyzicky existující originální dokument sestávající z jedné nebo více stran reprezentovaný jako celek jedním identifikačním znakem (zpravidla místo uložení + signatura). Evidenční záznam (EZ) – textová data vztahující se jednoznačně k fyzickému dokumentu a mající ve vztahu k tomuto fyzickému dokumentu deskriptivní charakter (nyní prakticky jde o záznamy v podobě XML dokumentů podle DTD MASTER). Každý EZ může mít několik jazykových mutací, avšak navenek se prezentuje jako jediný vzhledem k fyzickému dokumentu, k němuž přísluší. Digitální kopie dokumentu – digitální kopie jednotlivých stran (všech nebo části) fyzického dokumentu spolu s metadaty (nyní prakticky ve struktuře MASTER+), tj. prakticky s EZ, technickými údaji o digitalizaci a pomocnými soubory pro navigaci. Digitální data – data v elektronické podobě, vztahující se nějakým způsobem k originálnímu fyzickému dokumentu jako např. digitální kopie dokumentu, zvukové záznamy související s dokumentem, transkripce, překlady, další díla v elektronické podobě vztahující se k fyzickému dokumentu. Přístup k digitálním datům vyžaduje licenci. Komplexní digitální dokument – virtuální souhrn EZ a digitálních dat (viz Digitální data). Kompl. dig.dokument (KDD) má definovanou strukturu, pomocí které lze přistupovat k jeho jednotlivým částem.

Stránka 67

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

Databáze evidenčních záznamů (DBEZ) – množina databázových tabulek uchovávajících evidenční záznamy a všechny informace s nimi související a potřebné pro vytvoření prezentační databáze. Součástí této databáze jsou též informace o existenci a umístění souvisejících digitálních dat. Prezentační databáze (PDB) – je databáze vytvořená z DBEZ, která slouží k prezentaci evidenčních záznamů. Tato databáze umožňuje uživateli vyhledávat požadované evidenční záznamy a další informace, např. o existenci či umístění dalších digitálních dat souvisejících s těmito EZ. Pokud tato data v rámci systému Manuscriptorium 2.0 existují, umožňuje k nim přístup. Přístup k PDB je volný, není licencován. Uživatel – osoba či instituce, která na základě licenčního ujednání přistupuje k PDB a k s ní souvisejím digitálním datům v rámci projektu Manuscriptorium 2.0 za účelem vyhledání požadovaných informací. Přispěvatel – osoba či instituce, která je účastníkem projektu Manuscriptorium 2.0 na základě platných smluv a oprávnění pracuje s DBEZ, příp. se souvisejícími digitálními daty. Vlastník dat – přispěvatel, který dodává do systému EZ, případně další digitální data, a který se vzhledem k systému Manuscriptorium 2.0 jeví jako vlastník dat, tj. má právo nakládat s daty, kterými do systému přispěl. Vlastník evidenčních záznamů nemusí být shodný s vlastníkem jakýchkoli dalších digitálních dat souvisejících s konkrétním fyzickým dokumentem, tj. k jednomu fyzickému dokumentu může existovat jeden nebo více vlastníků souvisejících digitálních dat. Redaktor – zástupce přispěvatele, tj. osoba pověřená přispěvatelem, oprávněná k manipulaci s EZ a dalšímí informacemi v DBEZ, které příslušejí danému přispěvateli. Šéfredaktor – osoba pověřená správou celého obsahu DBEZ a souvisejících digitálních dat v systému Manuscriptorium 2.0. Pomocný redaktor – osoba pověřená šéfredaktorem, oprávněná k manipulaci s EZ v DBEZ těch přispěvatelů, jejichž účast v projektu Manuscriptorium skončila. Administrátor – osoba pověřená technickou správou systému Manuscriptorium 2.0, jež podléhá šéfredaktorovi.

Stránka 68

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

Vztah

mezi fyzickým dokumentem, záznamem a digitálními daty

evidenčním

Obr.2 Vztah mezi fyzickým dokumentem, evidenčním záznamem a souvisejícími digitálními daty

Obrázek 2 ilustruje vztah mezi fyzickým dokumentem, evidenčním záznamem k fyzickému dokumentu a k němu příslušejícími digitálními daty. V systému Manuscriptorium 2.0 k jednomu fyzickému dokumentu existuje právě jeden evidenční záznam. Evidenční záznam může obsahovat jednu nebo více jazykových mutací, ale všechny tyto mutace tvoří jednu reprezentaci evidenčního záznamu ve vztahu ke konkrétnímu fyzickému dokumentu. Ke každému fyzickému dokumentu může v systému existovat jeden nebo více digitálních dokumentů. Mohou to být např. digitální kopie fyzického dokumentu, zvukové nahrávky jako jeho interpretace, dále to mohou být jakákoli jiná díla v elektronické podobě vztahující se k tomuto fyz. dokumentu. (Plné texty, překlady, badatelská díla apod.) Vztah těchto dat ke konkrétnímu fyzickému dokumentu je v systému Manuscriptorium 2.0 reprezentován jednoznačným vztahem mezi evidenčním záznamem k danému fyz. dokumentu a těmito digit. daty. V praxi to znamená, že systém spolu s evidenčními záznamy udržuje také informace o existenci a umístění digitálních dat.

Současný stav V současné době je prezentační část systému Manuscriptorium tvořena prezentační databází (PDB) evidenčních záznamů v systému TORNADO. Tento systém umožňuje uživateli na internetu fulltextově vyhledávat evidenční záznamy, odpovídající jím formulovanému dotazu. Při existenci digitální kopie dokumentu, kterému odpovídá vyhledaný EZ, je umožněn (podle licenčních podmínek) přechod uživatele na úvodní dokument digitální kopie dokumentu. Prezentace digitálních obrazů je zajištěna v internetovém prohlížeči. Do PDB se záznamy zpracovávají z různých zdrojů. Jsou to data v XML v DTD MASTER a data převedená z DOBM,

Stránka 69

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

UNIMARCu nebo databázových tabulek. Prezentační databáze je umístěna na webovém serveru www.memoria.cz a je přístupná za pomoci prezentačního SW WebTornado na internetu. Z digitálních dat jsou v současné době prezentovány pouze digitální kopie dokumentů. Ty jsou realizovány sadou html stránek a sadou digitálních obrazů v různých hladinách kvality. Součástí digitální kopie dokumentu je i html stránka s informacemi obdobnými jako v evidenčním záznamu. Dig. kopie dokumentu jsou vytvářeny transformacemi ze zdrojového XML dokumentu ve formátu MASTER+. Část systému pro zpracování dat (vkládání, editace, vytvoření komplexního zdroje dat pro prezentační databázi TORNADO) není v současné době realizována. Jednotlivé EZ nebo jejich bloky jsou umístěny v souborech na discích realizátorů projektu a v zásadě chybí jakákoli možnost s nimi strandardním způsobem manipulovat. Pravděpodobnost, že dojde ke ztrátě nebo k znehodnocení části dat je poměrně velmi vysoká. Je proto nutné v krátké době vybudovat databázi evidenčních záznamů (DBEZ) tak, aby bylo možno efektivně spravovat EZ fyzických dokumentů.

Stránka 70

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

Základní koncepce systému V této kapitole je popsán základní model systému Manuscriptorium pro práci s digitálními dokumenty. Dále jsou podrobně popsány jednotlivé části systému a vztahy mezi nimi.

Blokové schéma systému Manuscriptorium Na obr. 3 je zachyceno blokové schéma systému Manuscriptorium. Základem systému je katalogová databáze evidenčních záznamů DBEZ. Jednotliví redaktoři jako zástupci přispěvatelů mohou do této databáze vkládat své EZ, případně je vyměňovat či mazat. Tato databáze také obsahuje informace o existenci, umístění a dalších vlastnostech digitálních dat souvisejících s evidenčními záznamy. Záznamy v DBEZ slouží především k údržbě všech EZ a také jako zdroj pro vytváření prezentační databáze PDB. Databázové soubory pro PDB jsou generovány programem TORNADO KOMBAJN. PDB slouží uživatelům ke komfortnímu vyhledávání požadovaných informací rešeršním systémem WEB TORNADO a k přístupu k digitálním datům umístěným na serverech jednotlivých přispěvatelů. Digitální data jsou umístěna na serverech jednotlivých přispěvatelů. Zvláštní postavení mají digitální data na datovém úložišti (serveru) v NKČR. Digitální kopie dokumentů zde uložených vznikají také digitalizací fyzických dokumentů jiných přispěvatelů, kteří jsou zároveň vlastníci evidenčních záznamů k těmto fyzickým dokumentům. Současně s digitalizací vznikají také metadata, jejichž evidenční část (XML soubory ve struktuře MASTER) nemusí být shodná s evidenčním záznamem od přispěvatele. Organizace dat na jednotlivých serverech je v kompetenci přispěvatelů, ti by měli ale respektovat doporučení řešitele systému.

Stránka 71

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

Obr. 3 Blokové schéma systému Manuscriptorium

Typy dat a jejich umístění Základem celého systému je databáze evidenčních záznamů (DBEZ). Tato databáze soustřeďuje všechny EZ vztahující se k fyzickým dokumentům všech přispěvatelů systému.

Stránka 72

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

K fyzickému dokumentu (a tedy i k jednomu EZ pro tento fyzický dokument) mohou existovat další související data. V současné době to jsou především digitální kopie dokumentů a plné texty dokumentů ve formátu XML, mohou to být ale např. hudební záznamy nebo jiná díla mající vztah ke konkrétnímu fyzickému. dok.

Evidenční záznamy Evidenční záznamy mohou být pořízeny v jedné nebo ve dvou základních jazykových verzích, verzi referenční a verzi národní, přičemž se připouští existence ještě jiných jazykových verzí. Všechny jazykové verze tvoří fakticky jeden EZ vztahující se k jednomu konkrétnímu fyzickému dokumentu. Evidenční záznamy (EZ) jsou umístěny v databázi evidenčních záznamů (DBEZ). Tato databáze slouží k manipulaci a údržbě EZ (vkládání, výměna, mazání) a k následné tvorbě prezentační databáze (PDB). DBEZ dále obsahuje informace o strukturách EZ, o jejich vlastnících (přispěvatelích), o umístění digitálních dat souvisejících s těmito EZ atd. DBEZ je zpřístupněna po internetu všem přispěvatelům. Každý z přispěvatelů má právo manipulovat s EZ podle pravidel, která budou definována dále. V katalogu není přípustná existence více rozdílných EZ k jednomu fyzickému dokumentu ! Existuje-li jiný EZ jehož autorem je někdo jiný než vlastník záznamu (přispěvatel, který záznam do systému poskytl), lze záznam vyměnit po dohodě s vlastníkem záznamu. Pokud má tento záznam odlišný charakter než původní záznam, vlastník dat může provést úpravu svého původního záznamu nebo je záznam připojen jako související digitální data. Pokud by v systému existovalo více EZ k jednomu fyzickému dokumentu od jiných autorů než je vlastník záznamu, systém by se přestal chovat jako katalog sloužící k účinnému vyhledání konkrétního dokumentu, ale jako základ jakéhosi neorganizovaného systému (bez vymezení a dalších pravidel). V případě starých tisků jeden evidenční záznam přísluší jednomu fyzickému exempláři. Mohou tedy existovat dva i více EZ pro dva či více fyzických dokumentů. Tyto EZ se budou zřejmě lišit např. v umístění (vlastní-li různé výtisky různí přispěvatelé), dále se asi budou lišit ve fyzickém popisu (na úrovni PhysDescr) a v historii dokumentu. Z tohoto pohledu se jedná o dva rozdílné EZ. Je věcí badatelského prostředí (tedy nadstavby nad tímto systémem) jak se k takovýmto informacím zachová. V současné době jsou evidenční záznamy uchovávány ve struktuře MASTER, jiné formáty dat jsou do této struktury v XML převáděny. V katalogu DBEZ není podmínkou, aby ev. záznamy byly ve struktuře MASTER. Např. pro staré tisky nebo jiné druhy dokumentů bude potřeba použít trochu odlišné struktury. Rozsah identifikačních informací by měl ale v těchto strukturách pokud možno zůstat zachován (obsahy elementů msIdentifier a msHeadings).

Komplexní digitální dokument Komplexní virtuální digitální dokument k fyzickému dokumentu je tvořen kromě evidenčního záznamu dalšími souvisejícími digitálními daty jako jsou např. digitální kopie dokumentu, zvuková interpretacemi dokumentu, plné texty, další

Stránka 73

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

související díla apod. Pro uložení kompletních informací komplexního digitálního dokumentu bude navržena XML struktura vycházející z osvědčeného DTD MASTER+, která umožní uložení veškerých potřebných informací.

Digitální kopie fyzického dokumentu

Obr 4. Digitální kopie dokumentu

Digitální kopie fyzického dokumentu, tak jak je chápána v současnosti v systému Maunscriptorium, obsahuje kromě jednotlivých obrazů jako dig. kopií stran fyz. dok. také evidenční záznam v XML, informace o digitalizaci a informace o jednotlivých digitalizovaných stranách dokumentu. Pro digitální dokumenty vytvořené v NKČR je použito DTD MASTER+, které kromě evidenčního záznamu ve formátu MASTER obsahuje též informace o procesu digitalizace a informace o jednotlivých digitalizovaných stranách dokumentu. Digitální kopie dokumentu, které jsou v současné době obsaženy v projektu Manuscritorium obsahují veškeré informace k tomu aby mohly existovat samostatně (bez nutnosti použít informace z DBEZ či jiných zdrojů). Pro poskytnutí uživateli je vytvořena interpretace ve formě HTML stránek (viz obr. 4), které obsahují odkazy na jednotlivé soubory s obrazy. Součástí prezentace je též HTML stránka s evidenčním popisem, vzniklá transformací ze zdrojových XML dat MASTER+ (části s popisnými. informacemi). Digitální kopie dokumentu tedy obsahuje také bibl. informace, které se mohou lišit oproti evidenčnímu záznamu v DBBZ. Protože digitalizace fyz. dokumentu může probíhat jindy a jinde než je zařazení EZ do DBEZ, může být součástí digit. kopie dokumentu EZ, který se ve své popisné části (nikoli identifikační) přesně neshoduje se záznamem DBEZ. Rozdíly mohou nastat např. při různé podrobnosti bibl. záznamů v databázi a v digitálním dokumentu. Nesmí se ale lišit v obsahu údajů (např. různé umístění, vlastník, název apod.) Za správnost těchto dat nese odpovědnost přispěvatel, který je jejich vlastníkem, tedy má právo v systému měnit nějakým způsobem data. Je pravděpodobné, že jednotliví přispěvatelé budou vlastnit digitální kopie v odlišných kvalitách a s různým způsobem uchování (na různých serverech). Nelze předpokládat, že všechna metadata k těmto dig. kopiím budou ukládána

Stránka 74

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

v XML ve formátu MASTER+. Dále lze předpokládat, že nároky na zabezpečení dat budou pro různé přispěvatele různé. Proto by výsledkem vyhledání v katalogu měl být při existenci dig. kopie dokumentu jednoznačný link na úvodní stránku (příp. na místo uložení) dig. kopie dokumentu. Informace o umístěních dig. kopií proto musí být součástí DBEZ. Plný text dokumentu Dalšími daty, která v současnosti již začínají existovat, jsou plné texty zdrojových fyzických dokumentů. Toto jsou digitální dokumenty vytvořené ve formátu XML ve struktuře DTD TEI. Tato data budou umístěna podobně jako např. digit. kopie dokumentů na datových úložištích vlastníků, na serverech NK nebo obecně na internetu. Plné texty budou existovat jednak ve formátu XML pro účely dalšího strojového zpracování v badatelském prostředí, jednak transformovaného do podoby vhodné pro prezentaci na internetu, tj. dokument ve formátu HTML, PDF apod. Zvukové záznamy Je pravděpodobné, že budou do systému zařazovány další typy digitálních dokumentů, jako např. zvukové interpretace různých zpěvníků apod. Struktury těchto dokumentů a způsoby prezentace by měly být podobné jako u digitálních kopií dokumentů. Lze předpokládat, že mohou vznikat dokumenty heterogenní, tj. digitální kopie dokumentů doplněné o zvukové interpretace apod. Další digitální data Postupem času budou pravděpodobně vznikat a do systému budou zařazovány další typy digitálních dokumentů, např. různé práce související s daným fyzickým dokumentem. K těmto datům budou v DBEZ vytvářeny odkazy na jejich fyz. umístění. Data budou podle svého charakteru transformována do takového tvaru, aby mohla sloužit jako jeden ze zdrojů badatelského prostředí.

Členění dat na kolekce Digitální data související s jednotlivými EZ mohou být členěny do logických celků podle různých hledisek. Tyto logické celky jsou nazývány kolekce. Kolekce mohou být vytvářeny např. podle charakteru fyzického dokumentu, který daný EZ popisuje. Takto mohou být vytvořeny kolekce rukopisy, inkunábule, staré tisky, mapy apod. Podle specializace badatelů mohou být data členěna do kolekcí např. arabika, hebraika, persika, mapy … Kolekce mohou být vytvářeny i podle repozitářů, kde jsou umístěny originální fyzické dokumenty atd. atd. Každý EZ resp. související dig. data mohou být členy libovolného počtu kolekcí. Informace o příslušnosti ke kolekci(ím) jsou uloženy v DBEZ spolu s každým EZ. DBEZ udržuje také podrobné informaci o každé kolekci v tabulce kolekcí.

Stránka 75

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

Jazykové verze dat a uživatelských prostředí Databáze evidenčních záznamů verze 2.0 systému Manuscriptorium je navržena tak, aby byla schopna pojmout evidenční záznamy v libovolném množství jazykových verzí. Ukazuje se, že množina dostupných EZ bude v naprosté většině existovat pouze v jedné jazykové verzi, přičemž jazyky popisů budou různé podle jednotlivých zdrojů záznamů. Nejprve proto bude do prezentační databáze zpracovávána celá množina evidenčních záznamů v jedné, pravděpodobně národní jazykové verzi. V případě existence dalších kompletních jazykových sad EZ budou tyto zpracovány do dalších jazykových verzí PDB.

Stránka 76

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

Databáze evidenčních záznamů Databáze evidenčních záznamů slouží ke shromažďování a údržbě evidenčních záznamů, informací potřebných k určení existence a umístění digitálních dat a další pomocné informace. Součástí databáze jsou také informace o strukturách evidenčních záznamů (MASTER či jiné struktury podle povahy fyz. dokumentů), informace o přispěvatelích do systému informace o jednotlivých redaktorech a jejich právech v rámci údržby DBEZ.

Struktura databáze evidenčních záznamů Databáze evidenčních záznamů je tvořena relační databází, sestávající se z několika tabulek a adresářové struktury s pomocnými soubory. Relační databáze musí být schopna zvládat data v rozsahu cca stovky tisíc záznamů o velikosti desítek kB. Celé řešení DBEZ nesmí být závislé na použitém typu relační databáze. Aplikační SW bude k databázi přistupovat prostřednictvím standardního rozhraní s využitím jazyka SQL. DBEZ bude mít tyto základní vlastnosti: • EZ je v databázové tabulce uložen v jednom poli jako celek ve formátu XML a vždy v kódování UNICODE UTF-8. • DBEZ umožňuje ukládat EZ v různých strukturách (DTD) – tedy nejen ve struktuře DTD MASTER. Před každým uložením záznamu se provádí jeho validace podle příslušného DTD. • DBEZ uchovává ve zvláštní tabulce informace o strukturách jednotlivých EZ a transformace pro tvorbu prezentační databáze. • DBEZ umožňuje oprávněným osobám prostřednictvím uživatelského rozhraní manipulovat s EZ na úrovni vložení EZ, smazání EZ nebo jeho editace, v tomto případě výměnu celého EZ. • DBEZ uchovává informace o existenci digitální kopie orig. dokumentu příp. o souvisejícím komplexním digitálním dokumentu, o jeho dostupnosti a umístění. • DBEZ umožňuje exportovat EZ prostřednictvím transformací v potřebných výstupních formátech. Databáze evidenčních záznamů se sestává z několika tabulek. Základní tabulkou DBEZ je tabulka obsahující evidenční záznamy. Další tabulkou je tabulka formátů XML dat. Ta obsahuje informace o umístění souborů XSD a souborů s různými XSL transformacemi (např. pro tvorbu prezentační databáze apod.) Jednoznačný

Stránka 77

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

identifikátor FormatId umožňuje propojení s tabulkou evidenčních záznamů. Tabulka kolekcí obsahuje informace o každé kolekci a s tabulkou evidenčních záznamů je propojena pomocí identifikátoru CollectionList. Aby bylo možno z DBEZ přistupovat k různým datovým úložištím, je její součástí tabulka datových úložišť, která obsahuje informace o struktuře konkrétního datového úložiště. S hlavní tabulkou je provázána identifikátorem dsid. Pomocná tabulka repozitářů nese potřebné informace o repozitářích a je propojena s EZ identifikátorem RepositoryId. Tabulka přispěvatelů je s tabulkou EZ propojena prostřednictvím identifikátoru OwnerId a obsahuje informace potřebné pro řízení přístupu redaktorů k jednotlivým záznamům tabulky EZ.

Databázová tabulka evidenčních záznamů Základní databázová tabulka obsahuje jednotlivé evidenční záznamy katalogu. Jeden záznam tabulky je tvořen těmito poli: xml_data - pole obsahuje jeden kompletní EZ ve formátu XML a kódování UTF-8. suid - system unique identifier – jednoznačný identifikátor záznamu (nikoli fyzického dokumentu!) v rámci systému Manuscriptorium jako celku. Suid je používán pro přístup k danému EZ v databázi nebo k lokalizaci souvisejících digitálních dat na datovém úložišti. docId - jednoznačný identifikátor dig. dokumentu, slouží k lokalizaci souvisejících digitálních dat na datovém úložišti. dsid - data storage identifier – identifikátor datového úložiště, tj. ukazatel do tabulky datových úložišť, slouží k lokalizaci souvisejících dig. dat. Pokud EZ nemá související dig. data, identifikátor není přidělen. RepositoryId - identifikátor repozitáře, obsahujícího fyzický dokument, tj. prakticky obsah elementu XML záznamu. Slouží k lokalizaci souvisejících digitálních dat na datovém úložišti. OwnerID - identifikátor přispěvatele, resp. vlastníka dat, ukazatel do tabulky přispěvatelů, slouží k řízení přístupu redaktorů (oprávněných osob) k evid. záznamům. FormatID - identifikátor formátu (DTD, XSD) dokumentu, ukazatel do tabulky formátů. CollectionList- pole obsahuje seznam čísel kolekcí, tedy ukazatelů do tabulky kolekcí. Čísla kolekcí udávají, do které(ých) kolekce(í) patří digitální data související s daným evidenčním záznamem. EZ bez souvisejících dig. dat mohou

Stránka 78

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

být také přiřazeny do kolekcí (např. kolekce EZ bez souvisejících dig. dat), naopak, všechny EZ, ke kterým existují související digitální data jsou členy kolekce (EZ se souv. dig. daty). OrigDateStamp - datum a čas vložení záznamu do databáze LastModifDateStamp - datum a čas poslední aktualizace záznamu Záznam dále obsahuje stavová pole, nesoucí informaci o existenci a dostupnosti souvisejících digitálních dat. Tyto informace přirozeně nemohou být součástí EZ. KDDEnabledDateStamp - datum a čas zpřístupnění digitálních dat souvisejících s daným EZ.

Další tabulky DBEZ Tabulka evidenčních záznamů se odkazuje na další pomocné tabulky, což jsou: • tabulka datových úložišť - nese informace o všech datových úložištích, na které se odkazuje DBEZ (PDB), jako např. bázová adresa úložiště, typ úložiště a další informace potřebné pro přístup na datové úložiště (komunikační protokol apod.). Primárním klíčem tabulky je identifikátor dsid. • tabulka repozitářů - tabulka nese informace o všech repozitářích, z nichž pocházejí fyzické dokumenty, ke kterým existují evidenční záznamy v DBEZ. Tabulka obsahuje názvy institucí, jejich adresy, případně kontakní informace. Primárním klíčem je identifikátor RepositoryId. • tabulka přispěvatelů (vlastníků) - zde jsou uloženy informace o jednotlivých přispěvatelích do Manuscriptoria, názvy institucí, kontaktní adresy, identifikátory redaktorů a rozsah jejich oprávnění manipulace s DBEZ. Primárním klíčem tabulky je identifikátor OwnerId. • tabulka formátů - tabulka obsahuje všechny povolené struktury XML dokumentů uložených v DBEZ, odkazy na XSD (DTD) soubory pro validaci, odkazy na soubory XSL transformací do formátů, potřebných pro tvorbu PDB, exportů a komunikaci s jinými systémy. Primárním klíčem je identifikátor FormatID. • tabulka kolekcí - udržuje seznam všech kolekcí, jejich název, popis, licenční podmínky přístupu apod. Primárním klíčem je identifikátor – číslo obsažené v poli CollectionList základní databázové tabulky EZ. DBEZ bude dále obsahovat další pomocné tabulky pro zajištění správné funkce systému.

Stránka 79

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

Správa databáze evidenčních záznamů Se záznamy v DBEZ mohou manipulovat redaktoři, jako zástupci přispěvatelů. Přístup do databáze je realizován prostřednictvím internetové aplikace, která zajistí autentifikaci uživatele při přihlášení a ověření hesla a přístupových oprávnění. Všichni redaktoři mají oprávnění číst všechny EZ v databázi.

Redaktoři Redaktor je osoba delegovaná přispěvatelem ke vkládání a údržbě EZ přispěvatele. Redaktor má implicitní oprávnění vkládat data (EZ). Redaktor je zodpovědný za správnost jím vložených dat. Dále mu šéfredaktorem mohou být přidělena další oprávnění a to: - výměna (nahrazování) ev. těch záznamů, které jím byly do systémy vloženy - mazání těch záznamů, které jím byly do systému vloženy Pokud je přispěvatelem delegován k datům jiný redaktor, oprávnění přecházejí po dohodě se šéfredaktorem na nového redaktora. Jeden přispěvatel může pro svá data delegovat několik redaktorů, ale jen jednoho pro jednu množinu dat (EZ). Každý redaktor má tedy přiděleno právo manipulovat s určitou množinou dat. Pokud zanikne určitý přispěvatel jako účastník projektu a jeho data zůstávají (na základě platných smluv) v systému, šéfredaktor určí pro správu těchto dat pomocného redaktora. Na druhou stranu jeden redaktor může být delegován více přispěvateli pro správu jejich EZ (nebo jejich částí). Povinnosti takovéhoto redaktora v rámci systému zůstávají nezměněny.

Šéfredaktor Šéfredaktor je osoba určená provozovatelem systému (Národní knihovna Praha) ke správě obsahu databáze evidenčních záznamů. Šéfredaktor je hlavním garantem kvality dat (ev. záznamů) v rámci systému Manuscriptorium. Šéfredaktor - po dohodě s přispěvateli zřizuje účty jednotlivým redaktorům delegovaným přispěvateli. - je spolu s přispěvateli garantem odborné způsobilosti delegovaných redaktorů. - má oprávnění manipulovat se všemi EZ v rámci databáze DBEZ (po dohodě s jejich vlastníky). - má právo mazat (nebo blokovat) záznamy, které jsou chybné či nedostatečné co do kvality informačního obsahu. - přiděluje a odebírá redaktorům oprávnění vyměňovat a mazat jejich záznamy v DBEZ - má právo (po dohodě s přispěvatelem) předat práva na záznamy jinému redaktorovi.

Stránka 80

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

-

deleguje osobu pomocného redaktora a jeho oprávnění k manipulaci se záznamy, které se “ocitly bez redaktora”.

Pomocný redaktor Pomocný redaktor je osoba určená k manipulaci se záznamy, které zůstaly součástí systému i po ukončení smluvního vztahu s přispěvatelem. Pomocný redaktor je delegován šéfredaktorem a jsou mu jím přidělena taková oprávnění, aby mohl spravovat svěřené záznamy.

Softwarové prostředky pro správu DBEZ Softwarové prostředky pro správu DBEZ umožňují pověřeným osobám (redaktorům, administrátorovi,...) přístup k DBEZ jednak lokálně s pomocí lokální aplikace, jednak po internetu prostřednictvím běžného internetového prohlížeče (Internet Explorer). SW zajišťuje autentifikaci jednotlivých uživatelů podle přístupového jména a hesla, u administrátora i podle seznamu povolených IP adres. Po přihlášení jsou uživatelům dle stanovených pravidel povoleny určité operace s danou množinou evid. záznamů. Oprávnění uživatelé mohou vkládat EZ jednotlivě nebo v dávkách v dohodnutých formátech. Aplikace potom zajišťuje jejich převod do formátu akceptovatelného DBEZ a validaci proti odpovídajícímu DTD (XSD). Způsob ukládání evidenčních záznamů v různých formátech je naznačen na obr. 5. Aplikace dále umožňuje oprávněným osobám záznamy aktualizovat a mazat, a dále vkládat další související informace jako např. příslušnost ke kolekci, existence a dostupnost souvisejících digitálních dat apod. Aplikace dále umožňuje exportovat EZ v potřebných formátech pro další použití. To je především tvorba prezentační databáze nebo zajištění požadovaných formátů dat pro systémová rozhraní pro spolupráci s jinými systémy.

Obr. 5 Schéma vložení EZ v různých formátech do databáze evidenčních záznamů

Stránka 81

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

Rozhraní pro spolupráci s jinými systémy Systém Manuscriptorium je z hlediska volně dostupných zdrojů (tedy celého souboru evidenčních záznamů) koncipován jako otevřený ve smyslu sdílení těchto dat spolu s jinými systémy. Proto již ve verzi 1.0 byl vybaven dvěma komunikačními rozhraními pro poskytování dat, rozhraním Z39.50 a OAI-PMH. Tato rozhraní jsou v současné době navázána na prezentační databázi TORNADO, ale s rozvojem systému v. 2.0 se předpokládá navázání rozhraní OAI_PMH přímo na DBEZ.

Z39.50 Server Tornado Z39.50 přijímá požadavky pro vyhledávání ze Z39.50 klientů pomocí protokolu Z39.50. Server vrací jednotlivé záznamy ve formátu UNIMARC ISO 2709. Pro převod XML dat podle DTD MASTER v projektu Manuscriptorium do výstupního formátu UNIMARC ISO 2709 je použita XSL transformace. Služba běží na OS windows jako NT servis (Windows NT 4.0 SP4+, Windows 2000, Windows XP) s použitím YAZ toolkit v. 2.0. Z39.50 server podporuje Bath profil Functional area A, Level 1 , tj. funkce Init, Search, Present (Retrieval), Close.Výstupní syntaxe je UNIMARC (ve struktuře ISO2709) a kódování WIN 1250. Současné připojení Manuscriptoria přes Z39.50 má následující parametry: Host Name (IP adresa serveru) 81.0.239.34 TCP/IP port 9999 Record syntax UNIMARC Parametry vyhledávání v databázi Manuscriptorium Název databáze: Manuscriptorium Vyhledávání podle: Autor attr1=1003 slova, fráze (attr4=1) Název attr1=4 slova, fráze Signatura attr1=1007 slova, fráze Datum vydání attr1=31 slova, fráze Slova kdekoliv attr1=1016 slova

Stránka 82

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

OAI-PMH Rozhraní OAI-PMH pro databáze TORNADO poskytované na internetu je realizováno jako cgi aplikace, která podobně jako systém Web Tornado zpřístupňuje prezentační databázi Manuscriptoria. V současné době rozhraní OAIPMH realizuje službu Data Provider, služby pro poskytování služeb (service provider) a služba pro sklízení dat (metadata harvesting) budou realizovány po vytvoření centrální databáze evidenčních záznamů. Služba je realizována podle specifikace uvedené ve [4] a je přístupná na adrese http://www.memoria.cz/MnOai/ MnOai.cgi.

Stránka 83

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

Prezentační databáze Prezentační databáze je databáze fulltextového systému TORNADO, která je určena ke zpřístupnění dat katalogu uživatelům. Databáze je vytvářena fulltextovým indexováním těch informací z databázových tabulek DBEZ, které jsou určeny k vyhledávání dokumentů v katalogu.

Tvorba prezentační databáze K vytváření prezentační databáze je použit upravený systém TORNADOKombajn, který zajišťuje výrobu databázového souboru manuscriptorium.fdm. Kombaj je doplněn o řídící logiku, která zahajuje výrobu a umístění prezentační databáze podle pravidel definovaných v konfiguračním souboru. Indexace může probíhat podle těchto pravidel: A) Po přidání nebo úpravě určitého počtu evidenčních záznamů (10,100….) B) Po uplynutí daného časového intervalu od předchozí indexace (den, týden…) C) Kombinací předchozích možností, tedy pokud uplynul určitý časový interval a zároveň přibylo dané množství záznamů ( A AND B) obdobně pokud uplynul určitý časový interval nebo došlo k přidání či změně určitého počtu záznamů (A OR B). D) Kdykoli na požádání pověřenou osobou (administrátorem). Tvorba prezentační databáze probíhá následujícím způsobem: Z databázových tabulek DBEZ se čtou jednotlivé evidenční záznamy, prostřednictvím XSL transformací (uložených v tabulce formátů) se vytváří zdrojový soubor pro indexaci (manuscriptorium.frt). Následně se provede indexace a vytvoření databázového souboru TORNADO (manuscriptorium.fdm). Po dokončení výroby PDB řídící logika kombajnu odpojí připojené uživatele (zobrazí se jim v prohlížeči stránka s informací, že právě dochází k aktualizaci katalogu) a provede výměnu databázového souboru. Poté se opět uvolní používání prezentační databáze uživatelům. Proces tvorby PDB je naznačen na obr. 6.

Stránka 84

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

Obr. 6 Proces tvorby prezentační databáze

Uživatelské prostředí DBEZ (katalog OKHF) Základem internetového uživatelského rozhraní pro prezentační databázi Manuscriptoria resp. pro Otevřený katalog historických fondů je osvědčené rozšíření webového serveru WebTornado, použité i ve stávající verzi Manuscriptoria. Ve verzi 2.0 bude tento systém (WebTornado) rozšířen o administrátorské funkce a dále budou výrazně rozšířeny možnosti monitorování systému. Administrátorské funkce umožní bezpečně odpojit přihlášené uživatele, informovat je o právě probíhajících aktualizacích a znovu spustit systém katalogu s novými daty. Tato vylepšení umožní realizovat automatické aktualizace katalogu, jak byly popsány v předchozí části. Rozšíření služeb pro monitorování práce uživatelů s katalogem bude navrženo tak, aby bylo možno provádět podrobné statistiky využívání systému podle daných kritérií. Vlastní internetové uživatelské rozhraní Otevřeného katalogu historických fondů bude vycházet z verze 1.0. Na základě dosavadních zkušeností s provozem Manuscriptoria a podle připomínek uživatelů budou do prostředí implementovány především různé typy vyhledávacích formulářů. Ty by měly umožnit co možná nejpohodlnější a nejrychlejší vyhledávání požadovaných dokumentů různým typům uživatelů s různými úrovněmi znalosti práce s počítačem a internetem.

Stránka 85

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

Datová úložiště Datová úložiště slouží jako diskový prostor pro ukládání digitálních dat. Systém Manuscriptorium rozeznává dva druhy datových úložišť. Jednak jsou to datová úložiště, která jsou přímo pod správou provozovatele systému (AiP Beroun), dále pak to mohou být datová úložiště přispěvatelů či jiných vlastníků dig. dat, tzv. kooperující datová úložiště. V prvním případě mají datová úložiště přesně definovanou strukturu a mechanismy pro lokalizaci konkrétních digitálních dat a navigaci v digitální kopii nebo komplexním dig. dokumentu. U kooperujících úložišť, která jsou pod správou jejich provozovatelů může být struktura takového úložiště velmi odlišná a rovněž parametry poskytovaných digitálních dat jako jsou např. formáty a velikosti dig. obrazů, popisné a navigační informace se mohou podstatně lišit od pravidel zavedených v rámci systému Manuscriptorium. Aby bylo možno sdílet data i z těchto úložišť, musí kooperující úložiště splňovat alespoň minimální požadavky na kompatibilitu s Manuscriptoriem, tak jako je to i u evidenčních záznamů. Minimální požadavky na kompatibilitu jsou definovány v části Memoria compatible.

Struktura datového úložiště Struktura datového úložiště provozovatele systému Manuscriptorium (Národní knihovna České republiky) vychází z osvědčené struktury použité ve verzi 1.0 tohoto systému. Na obr. 7 je naznačena adresářová struktura datového úložiště. V kořenovém adresáři jsou v podadresářích A..Z umístěny kořenové adresáře jednotlivých digitálních dokumentů, příp. celých komplexních digitálních dokumentů. V následující části jsou popsána pravidla, na základě kterých jsou vytvářena jména adresářů i jednotlivých souborů na datovém úložišti.

Stránka 86

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

Obr. 7 Adresářová struktura datového úložiště provozovatele systému Manuscriptorium

Základní konvence Názvy adresářů a souborů smí obsahovat pouze znaky obsažené v normě ISO646 a) velká písmena bez diakritiky 'A'.. 'Z' (#$41..#$5A) b) číslice '0'.. '9' (#$31..#$39) c) podtržítko '_' (#$5F) Důvodem je zajištění trvalé přenositelnosti dat mezi různými operačními systémy. Délka názvů je přijatelná pro OS Windows, Linux, MacOS i ISO 9660. Pro signaturu normalizovaně, pro kód místa uložení a pro CRC platí tyto pravidla: signatura normalizovaně V signatuře se odstraní diakritika, převedou se malá písmena na velká, číslice se ponechají a ostatní znaky se převedou na znaky '_' (#$5F). Poté se odstraní znaky '_' ze začátku a konce signatury, rovněž se odstraní jejich vícenásobné výskyty za sebou. V tomto tvaru a v libovolné délce je string použit spolu s kódem majitele k určení CRC. Pokud je tento normalizovaná signatura delší než 15 znaků, nadbytečné znaky zprava se odstraní. Je-li délka signatury kratší než 15 znaků, doplní se zprava znaky '_' . kód majitele 6 místný kód splňující výše uvedené podmínky na povolené znaky. Seznam majitelů je vytvářen centrálně podle dohodnutých pravidel. Je-li kód kratší než 6 znaků, doplní se zprava znaky '_' . CRC 4 místný kód, odvozený od CRC16 vygenerovaného z textu, který obsahuje 6 místný kód místa uložení a nezkrácenou verzi signatury, v které jsou již jen

Stránka 87

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

znaky velká písmena, číslice a podtržítko. Takto získané číslo (0 až 65535) se zpracovává dle postupu: a) celočíselně se podělí 16, zbytek se převede na znaky 'H'..'W' => zleva 4.znak b) výsledek se celočíselně podělí 36, zbytek se převede na znaky '0'..'9', 'A'..'Z' => 3.znak c) výsledek se celočíselně podělí 36, zbytek se převede na znaky '0'..'9', 'A'..'Z' => 2.znak d) výsledek se převede na znaky '0'..'3' => 1.znak Název adresáře MMMMMMSSSSSSSSSSSSSSSCCCC (25 znaků): M kód majitele (6 znaků) S Signatura (15 znaků) C CRC (4 znaky),

Název obrazového souboru SSSSSSSSSSSSSSSCCCCQNFFFFF.XXX (30 znaků): S Signatura (15 znaků) C CRC (4 znaky), Q typ kvality (1 znak) N Normal – RGB základní, ke čtení a prohlížení P Preview - náhled pro orientaci na stránce G Gallery – náhled pro orientaci v dokumentu S Speciální úpriální úpravy, zde opt. B/W E Excellent -Nejvyšší kvalita obrzu která je k dispozici N stupeň kvality ('0'-základ, '1'..-vyšší, 'X'- pro Excellent Q='E' ) F foliace či paginace zleva dorovnaná znaky '0' na 5 znaků. Pravidla pro tvorbu pěti znaků FFFFF jsou v následujícím odstavci. X přípona dle typu obrazového souboru (3 znaky)

Identifikace jednotlivého obrazu stánky Jméno obrazu je vytvořeno dle výše uvedených pravidel, přičemž pět znaků identifikujících stránku (F) je generováno dle těchto pravidel:

Stránka 88

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

Část rukopisu/ Část rukopisu/ Jméno tisku česky tisku anglicky souboru ze scanneru běžný list

???

0001r.JPG 0001v.JPG 00001.JPG

Vložený list

Enclosed Sheet

ESnnn.JPG

Zpevňovací proužek

Reinforcing Strip

RSnnn.JPG

Hřbet

Spine

SP.JPG

Horní ořízka

Head Edge

HE.JPG

Boční ořízka

Side Edge

SE.JPG

Dolní ořízka

Bottom Edge

BE.JPG

Přední desky

Front Cover

FC.JPG

Přední přídeští

Front end-sheet

FS.JPG

Zadní desky

Back Cover

BC.JPG

Zadní přídeští

Back End sheet

BS.JPG

Římské číslov. přední

Front roman page

Frrrr.JPG

Back roman page

Brrrr.JPG

-„ -

zadní

FFFFF

0001R foliace 0001V foliace 0001P paginace

Správa datového úložiště Správa každého datového úložiště je plně v režii provozovatele datového úložiště. Vlastník digitálních dat nese plnou zodpovědnost za správnou strukturu a obsah dat uložených na datovém úložišti. Pro správu datového úložiště provozovaného NKČR bude stanoven správce datového úložiště. Správce datového úložiště je pracovník zodpovědný za umístění digitálních kopií dokumentu na datové úložiště a za jejich správnou strukturu. Současně zodpovídá za zajištění uložení s tím souvisejících informací do DBEZ. Informace do DBEZ ukládá správce úložiště buď sám nebo prostřednictvím redaktora.

Přístup z DBEZ do datového úložiště Přístup z centrálního katalogu tj. z DBEZ od konkrétního evidenčního záznamu k s ním souvisejícím digitálním datům na datovém úložišti je zajištěn Stránka 89

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

prostřednictvím identifikátoru dokumentu (docID), který je spolu s EZ uložen v záznamu DBEZ. DocID má stejnou strukturu a vzniká obdobným způsobem jako název adresáře pro digitální dokument na datovém úložišti, tedy: MMMMMMSSSSSSSSSSSSSSSCCCC (25 znaků): M kód majitele (6 znaků) S Signatura (15 znaků) C CRC (4 znaky) Aplikace zajišťující přístup na datové úložiště (např. pro zobrazení obrazu stránky dokumentu) vytvoří z DocID cestu pro přístup k požadovanému souboru. Na obr. 8 je znázorněn přístup k digitálním datům prostřednicvím identifikátoru DocId.

Obr. 8 Přístup z DBEZ do datového úložiště

Aby byla zajištěna návaznost mezi DBEZ a digitálními daty na úložišti, po vložení nebo úpravě informací na datovém úložišti musí být tyto změny zaznamenány v DBEZ. Jsou to zejména informace o tom, že je dokument odpovídající danému EZ digitalizovaný, že je dostupná digitální kopie na datovém úložišti a na kterém, informace o tom, že je k dispozici plný text dokumentu apod. Spolu s těmito informacemi musí být do DBEZ uložen také identifikátor dokumentu DocID.

Přístup do kooperujících datových úložišť Dá se předpokládat, že datová úložiště jiných přispěvatelů, než je provozovatel systému, budou mít více či méně odlišnou strukturu jak rozmístění

Stránka 90

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů Zpráva o řešení za r. 2004

digitálních dat, takjejich strukturu. Aby bylo možno přistupovat do těchto úložišť přímo z Manuscriptoria, musí být splněna podmínka, že digitální data související s konkrétním evidenčním záznamem musí být umístěna v jednom adresáři. Tento adresář smí mít svoji podadresářovou strukturu. V případě, že se struktura dig. dat liší od struktury používané provozovatelem systému Manuscriptorium, v kořenovém adresáři pro digitální data musí být k dispozici XML soubor s popisem struktury digitálního dokumentu. Kooperující datová úložiště lze rozdělit do následujících skupin: • Datová úložiště se stejnou strukturou ja ko datové úložiště provozovatele Manuscriptoria • Datová úložiště se stejnou adresářovou strukturou ale s rozdílnou strukturou digitálních dat • Datová úložiště se stejnou strukturou digitálních dat ale s rozdílnou adresářovou strukturou • Datová úložiště s rozdílnou adresářovou strukturou i strukturou digitálních dat Je velmi pravděpodobné, že posledně zmíněná skupina bude nejčastější. Z toho plyne, že napojení z Manuscritoria na kooperující datová úložiště budou muset být řešena individuálně.

Memoria compatible Aby jednotliví přispěvatelé mohli bez problémů přispívat do systému Manuscriptorium jak evidenčními záznamy, tak s nimi souvisejícími digitálními daty, je nutno stanovit základní podmínky a parametry vstupních dat. Přispěvatel, který tyto podmínky bude splňovat, obbdrží certifikát „Memoria Compatible“. Toto v praxi neznamená nic jiného, než že data přispěvatele jsou plně kompatibilní se systémem Manuscriptorium.

Proces ověřování kompatibility Proces ověřování kompatibility dat ve formě evidenčních záznamů bude probíhat asi takto. Potenciální přispěvatel předá provozovateli systému reprezentativní vzorek evidenčních záznamů podle pokynů uvedených na internetových stránkách Manuscriptoria. Provozovatel provede formální a Stránka 91

Vytvoření virtuálního badatelského prostředí pro zpřístupnění a ochranu digitálních dokumentů

Zpráva o řešení za r. 2004

obsahovou kontrolu dodaných dat. Zjištěné nedostatky sdělí potenciálnímu přispěvateli, který data upraví či opraví a předá znovu vzorek provozovateli. Tento proces může proběhnout vícekrát. Jeho výsledkem budou data přispěvatele importovatelná a akceptovatelná systémem Manuscriptorium a přispěvatel obdrží ceritifikát „Memoria Compatible“. Proces certifikace kooperujících datových úložišť v současné době není možno podrobně popsat. Pravděpodobně vznikne až na základě zkušeností se zapojováním „cizích“ digitálních dat (na datových úložištích) do systému.

Memoria compatible pro EZ Aby bylo technicky možno do centrální DBEZ ukládat evidenční záznamy od jednotlivých přispěvatelů, musí obsahovat informace alespoň na úrovni povinných elementů DTD MASTER v elementu <msDescription>. To jsou elementy <settlement>, a . Protože toto jsou z praktického hlediska pro práci s katalogem informace nedostačující, byl ve spolupráci s Národní knihovnou České republiky stanoven tzv. minimální záznam. Ten udává minimální optimum, tj. optimální množství informací, které musí obsahovat platný evidenční záznam. Místo uložení - <msDescription> <msIdentifier> <settlement> Obsahuje město (nebo jinou sídelní jednotku), v níž je popisovaný dokument uložen, nikoli instituci, pro tento údaj slouží položka Majitel. Majitel - <msDescription> <msIdentifier> Obsahuje instituci, v níž je popisovaný dokument uložen. Signatura - <msDescription> <msIdentifier> Obsahuje signaturu, popř. jinou identifikaci dokumentu (např. v případě archivních dokumentů kromě vlastní signatury i jméno archivního fondu). Hlavní název - <msDescription> <msHeading>