På jakt etter etymologiske ordbøker

Jakten etter etymologiske ordbøker startet med at jeg har hatt lyst til å kjøpe den nye Norsk etymologisk ordbok, og så fant jeg ut at den finnes som e-bok, i vannmerket epub-utgave  (feks hos haugenbok.no).  Nå koster den nokså mye, så jeg ville gjerne høre om noen erfaringer før jeg kjøper. Hvordan er det feks å søke opp ord i epub-utgaven?

Altså setter jeg i gang med å se om Google har noen relevante erfaringer, men finner ikke umiddelbart noen vurderinger av den typen jeg er på jakt etter. (Hvis du har noen erfaringer å bidra med, så kom gjerne med dem i kommentarfeltet!) Men derimot finner jeg andre interessante ting (denne serendipiteten er en av nettets store velsignelser etter mitt syn).

Avsporing 1: Piratutgaver

Det dukker nokså snart opp piratutgaver, i dette tilfellet fra to utenlandske nettsteder. Jeg får tilbud om å laste ned boka gratis – i epub eller pdf – mot at jeg besøker en eller annen annonsørnettside. Nei ellers takk. Lenkene skal jeg unnlate å oppgi.

Avsporing 2: Nynorsk etymologisk ordbok

Jeg skal til å bla meg forbi Nynorsk etymologisk ordbok : Torp, Alf, 1853-1916 : Free Download, men oppdager i siste liten at det står «Nynorsk». Dette er altså en helt annen bok. Den kom ut i 1919, og forfatteren Alf Torp døde i 1916, dermed er boka fritatt for opphavsrettbeskyttelsen, slik at en «free download» ikke er noe skummelt. Og når jeg klikker på lenka, kommer jeg til Internet Archives utgave av boka, digitalisert ved U of Toronto:

etym

Dette er en pen og ryddig måte å vise fram ei scannet bok på. Den er absolutt på høyden med samme bok på bokhylla til Nasjonalbiblioteket, for den finnes jo der også: http://urn.nb.no/URN:NBN:no-nb_digibok_2010060706062. Jeg legger merke til en mangel: Søkefunksjonen (Search inside) ser ut til ikke å virke. Og det er jo en nokså nødvendig funksjon i ei ordbok!

Men på den andre siden finnes en mulighet her som savnes hos NB, nemlig å laste ned boka i forskjellige ebok-formater, f.eks. disse (prøv sjøl):

PDF
EPUB
Kindle
Full Text

blue

Jeg var nokså spent på kvaliteten på disse tekstbaserte formatene. Er den bra nok så kan jeg laste boka over på et brett eller en telefon, og ha den med meg overalt uten å ha nettilgang. Hvis du prøver, vil du se at teksten inneholder mange «trykkfeil» (dvs ord som tekstgjenkjenningsprogrammet ikke har tolket riktig). Hvor mye feil som tåles er ikke så lett å enes om. De fleste vil nok mene at her er feilandelen for stor. Spesielt her hvor det dreier seg om en ordbok så er vel toleransen nokså lav.

Jeg sjekket kindle-versjonen (både på Kindle lesebrett og Kindle-app for iPhone) og epub-versjonen (Bluefire for iPhone og Adobe Digital Editions for PC). Feilraten er den samme for alle, fordi det er den samme råteksten som er brukt. Funksjonaliteten mht blaing, vising og søking varierer litt. Personlig synes jeg Bluefire på iPhone ser ok ut. (Se bildet til venstre).

Spørsmål 1: Hvem har den beste versjonen? Internet Archive eller nb.no?

Nettleserversjonen til Internet Archive er litt «penere», men fordi søkefunksjonen ikke virker, så er det tross alt bare nb.no som duger, spesielt fordi det dreier seg om et oppslagsverk.

Nedlasting av tekstversjon mangler hos nb.no, men versjonen til Internet Archive har for mange feil til at den kan godkjennes. Hvis det ikke hadde vært et oppslagsverk, ville kanskje feilmengden vært tolererbar!

Spørsmål 2: Hvor mye bedre er dagens ebøker enn digitaliserte versjoner av de som ble trykt for 100 år siden?

Dette vet jeg ikke, fordi jeg ikke har slått kloa i den nye Norsk etymologisk ordbok, som i motsetning til denne fra 1919 er «Born digital» – og derfor forventes være funksjonelt overlegen. Jeg har fått kommentarer som tyder på at denne nye eboka ikke har skikkelig søkefunksjon, dvs den mangler hypertekstindeks til oppslagsordene, og fritekstsøking er for tregt. Det siste er nok avhengig av hvilket brett og evt hvilken app du bruker.

Så det gjenstår mer utforsking. Men jeg har ikke lyst til å bruke 480 kroner for å skaffe meg den nye eboka ;-)

Discovery ved NTNU i 2014

[Dette er et kort sammendrag av gårsdagens kunngjøring på vårt intranett Innsida].

Ved NTNU UB har vi i 2013 prøvd ut discoveryverktøyet EDS fra EBSCO. Samtidig har BIBSYS lansert Oria, som er bygd på verktøyet Primo fra Ex Libris. Foreløpig mener vi at ingen av disse to er gode nok til at de fullt ut kan erstatte dagens systemer og markedsføres overfor våre brukere som det eneste søkeverktøy mot våre informasjonsressurser. Begge verktøyene har svakheter og mangler med driftsstabilitet, dekning, funksjonalitet mm.

Derfor vil vi inntil videre markedsføre BIBSYS Ask som søkeverktøy både for sluttbrukere og til internt bruk. Dagens nettsider beholdes, mens vi vil erstatte dagens Primo med Oria. Vi ser på dette som en betatjeneste, og som et supplement til BIBSYS Ask og til fagdatabasene.

Etter vår vurdering er EDS ennå ikke godt nok til å settes i produksjon. Brukerundersøkelse har vist at det har god nok dekning og god nok støtte for fulltekstlenking på artikler, men ikke for ebøker. EDS har mangelfull duplikatkontroll, og en uryddig behandling av søkekilder og dokumenttyper. Det er mangler i brukergrensesnitt.

Vi har avtale med EBSCO som agent ut 2014. EDS-prosjektet vårt vil fortsette, med hovedvekt på å få aksept for våre krav til EBSCO om bedret datakvalitet, funksjonalitet og integrasjon med andre produkter. Vi har fremdeles en visjon om å ha en tett integrasjon mellom søkeverktøy, kunnskapsbase og administrative tjenester, og ønsker derfor å fortsatt utfordre EBSCO til å levere oss det integrerte totaltilbudet. I og med at BIBSYS nå anskaffer nytt biblioteksystem, er det sjølsagt også interessant å se om dette kan føre til bedre integrasjon med agentsystemene.

I tillegg vil vi starte opp et prosjekt som går litt mer grunnleggende til verks når det gjelder grunnprinsippene for gjenfinning. Det er ikke alminnelig enighet om at dagens discoveryverktøy er noe særlig mer egnet for dagens forskere og studenter enn de systemene vi hadde før. Vi må også utforske muligheter og utfordringer med åpne data og åpne systemer.

Noe med data

Ifølge termodynamikkens 2. hovedsetning så er det vanskeligere å lage ei ku av en hamburger enn omvendt. (Nicholad Georgescu-Roegen har sagt noe lignende)

Det har hendt, når noen spurte meg om hva jeg jobbet med, at jeg for spøk svarte «noe med data». Nå etter en mannsalder i biblioteket så skulle jeg vel heller si «noe med informasjon» – eller kanskje «noe med kunnskap». Men hvis noen ber meg om å forklare forskjellen mellom data og informasjon, er jeg ikke sikker på at jeg klarer det noe særlig.

pyraJeg kan jo prøve, med utgangspunkt i denne trekanten som vel de fleste har sett, å si at Informasjon er kodet i form av data, og kan brukes for å gi kunnskap - eller noe sånt. Og så har jeg hatt følelsen av at innen biblioteket så arbeider vi mest i midtsjiktet, dvs med informasjon. Det som er «varen» hos oss er bøker, artikler, rapporter, bilder, manuskripter, lyd, levende bilder, noter, kart &c &c. Vi er vant til å kalle alt dette for dokumenter (sjøl om vi for ca 15 år siden prøvde vi oss fram med mer moderne termer som dokumentlignende objekter (grøss) og informasjonsobjekter).

Etter hvert så har vi også blitt vant til at en stadig større del av dokumentene våre manifesterer seg som nettsider, i den forstand at de kan aksesseres vha en nettleser. Men vi betrakter gjerne alt sammen som informasjonsobjekter, og ser for oss at disse objektene er bearbeidet av noen, og så overlates det til oss å formidle dem til våre brukere.

Så det dreier seg altså om informasjon, og vi jobber også mye med informasjonssøking og informasjonsformidling (men pussig nok lite med informasjonsteori og informatikk). Når vi finner og formidler informasjon, er det nesten alltid i form av dokumenter, som på en måte er ferdig innpakket informasjon.

Taktskifte: Data

Vi (altså fremdeles i bibliotekene) har vel på en måte vært forskånet for – eller hevet oss over – det nederste datalaget. Men sannelig har det kommet sigende innover oss, i form av

Metadata, Rådata, Big data, Paradata (ja jøss), Linked data, Åpne data &c&c

Metadata var greit nok, det var jo bare et nytt navn på katalogkortet. Men det har skjedd mer, delvis på grunn av at nettet har gitt oss mulighet for å publisere halvfabrikata, rådata, fragmenter, dynamiske dokumenter og lignende. Nettet har vært den tekniske plattformen, og har også etter hvert gitt arena for en delingskultur. Det var kanskje ikke forskerne som var først ute med å gripe tak i nye teknologier og nye kulturer, men de er på full fart!

Forskningspublikasjonen blir noe mye mer enn et dokument, den kan være dynamisk, distribuert og fragmentert, og vi øyner en ny paradigme for bruk og gjenbruk av forskningsresultater, nemlig tilgang til disse fragmentene («assets»), blant annet selve datasettene (rådata).

Rådata er data som ikke er bearbeidet, dvs de kan bearbeides på forskjellige måter, i henhold til forskjellige problemstillinger, forskjellige metoder og forskjellige verktøy. Når rådata bearbeides så mister de som regel denne egenskapen: å kunne brukes til forskjellige ting. (Dette gjelder jo ikke bare data, men alle former for råvarer). Vi kan bruke en ny trekant for å illustrere dette:

Ett motiv for å ha bruk for rådata beskriver Pål Hermod Lykkja som «reproduksjonskrisa», nemlig mangelfull verifikasjon av forskningsresultater, et problem som kanskje er alvorligere enn vi aner. Reproduksjon vil ofte bety å gå løs på samme hypotese og samme datasett med andre metoder. Et annet bruksområde kan være å angripe nye problemstillinger og hypoteser ut fra et eksisterende datasett, kanskje innen et annet fagområde.

Har biblioteket en rolle?

Vi har til en viss grad fått verktøy (feks dataskyer og nettverk), kulturer (ref web 2.0) og lisenser (feks Open Data Commons) for å publisere data.

Men vi har kanskje ikke nødvendige forretningsmodeller og paradigmer på plass hos forskere og institusjoner, sjøl om det finnes entusiaster og foregangsinstitusjoner.

Og – det som er hovedpoenget med dette innlegget: Bibliotekene er bare så vidt i ferd med å oppdage hva som foregår. Hvis vi ikke er forutseende, kan det hende at vi blir mindre relevante for formidling av forskningsresultater.

For øvrig gjelder mesteparten av det som er sagt over for mye annen informasjonsformidling enn det som angår forskning. Ta for eksempel Wikipedia, som vi tradisjonelt var istand til å nyttiggjøre oss i form av tradisjonelle leksikonartikler, men hvor vi nå kan gripe tak i «råere assets» vha linked data, Wikimedia Commons, Wikidata etc. Men mer om det en annen gang kanskje.

Bibliotekene må finne ut hva dette datastyret egentlig dreier seg om. Vi må skifte fokus mer over på datalaget, vi må sette oss inn i datamodellering, og kanskje kommer vi i nærkontakt med informasjonsteorien også? Kanskje har vi en rolle når det gjelder forvaltning (f.eks. lagring og katalogisering) av data? Kanskje har vi en rolle innenfor formidling som ikke er isolert til midtsjiktet i pyramiden? Jeg tror ikke vi skal stole på at de andre vil tale vår sak når rollelista skal settes opp.

Kua og hamburgeren

Du har sikkert skjønt poenget med innledningen: At kua er rådata, og at når vi først har laget hamburgere av den, så kan den ikke brukes til andre ting.

Lenker

Abelard and Héloise: Why Data and Publications Belong Together.
Eefke Smit, D-Lib Magazine, January/February 2011, Volume 17, Number 1/2 http://dx.doi.org/10.1045/january2011-smit

The Entropy Law and the Economic Process in Retrospect.
Nicholas Georgescu-Roegen, Eastern Economic Journal, 1986, vol. 12, issue 1, pages 3-25

Termodynamikkens 2. hovedsetning. http://en.wikipedia.org/wiki/Second_law_of_thermodynamics

The Information.
James Gleick. 2011.
http://en.wikipedia.org/wiki/The_Information:_A_History,_a_Theory,_a_Flood

Open Data Commons
http://opendatacommons.org/

[Reproduksjonskrisa].
Pål Magnus Lykkja
http://www.nb.no/cgi-bin/wa?A2=ind1309&L=BIBLIOTEKNORGE&P=106765

Discovery quo vadis

[ Siden dette innlegget ble skrevet så har vi fått beskjed om at Thomson Reuters har ombestemt seg, slik at Web of Science fortsatt vil være tilgjengelig i de aktuelle discovery-systemene ]

o o o

Dette tenkte jeg å skrive på vårt intranett, i anledning våre diskusjoner om hva vi skal gjøre med discovery her i huset (NTNU UB). Men kanskje flere har interesse eller synspunkter? I alle fall går jeg rett på sak, uten å prøve å forklare hva discovery betyr i denne sammenhengen. Hvis du kommer «utenfra» og er forvirret, så kan du feks søke i denne bloggen på «discovery».

o o o

En felles egenskap ved alle discoverysystemer er: De gir ikke tilgang til alt. Det betyr at de kan ikke være vårt eneste tilbud. Dette tror jeg alle er enig om.

Et naturlig spørsmål er da om hvilken vei utviklingen går, blir det bedre eller dårligere dekning etter hvert? Neppe noe enkelt svar på det spørsmålet. Men i det minste interessant å se at Thomson Reuter trekker sin tjeneste WoS (Web of Science) tilbake fra discoverysystemene. Det gjelder spesielt Primo (dvs Oria) og EDS. Denne opplysningen spredte seg i går, men det er vanskelig å finne offisielle kunngjøringer. (Dette sitatet tilskrives Jeroen Prinsen fra WoS: «we believe [not allowing WoS in any discovery service] is in the best interest of our customers and end users». Javel nei???)

Erfaringer som vi har gjort i interne prosjekter tyder på at hvis vi ønsker å øke discoverysystemets dekning ved å gi det tilgang til våre egne samlinger (som er et av systemenes salgsargumenter), så går dette ikke av seg sjøl. Det koster kanskje mer arbeid enn vi er forberedt på.

Ovenstående kan brukes som et argument mot å investere i et discoverysystem. Det kan også brukes som et innspill til spørsmålet om hvordan vi ønsker å framstille systemet for våre brukere. Kanskje er formuleringen «Start å søke her» brukbar. Kanskje er det lurt å satse kraftigere (enn det så langt er gjort i Oria og EDS) på å bringe de andre tjenestene inn i discoveryverktøyet. F.eks. gjennom en systematisk satsing på en høyrespalte som hele tiden gir informasjon om andre ting, f.eks. lenker til enkeltdatabaser, viktig info fra «bibliotekets nettsider».

Når jeg skriver dette så er jeg litt inspirert av Lorcan Dempseys blogginnlegg Full library discovery. Han har god oversikt over hvordan mange bibliotek tenker om disse tingene. Kanskje er vi litt for flinke til å stupe ned i superdetaljerte egenskaper vedr systemenes funksjonalitet, på bekostning av mer overordnete, ja kanskje til og med strategiske vurderinger.

PS: Det skjer også ting med Google Scholar (f.eks. her og her) . . .

Om tidsreiser på nettet

Vi er etter hvert blitt vant til å reise på nettet, fra sted til sted (fra side til side) ved å følge lenker. Følelsen av å flytte seg er noe vagere når vi reiser i cyberspace enn når vi reiser i «virkeligheten» Men på en måte er vi bevisst at vi flytter oss i rommet, fra den ene nettadressen til den andre.

Å reise i tida

Nettet forandrer seg hele tida, nye ting kommer til, mens gamle sider forsvinner. Noen ganger har vi bruk for å se på nettsider som er forsvunnet eller endret. Som nevnt før på denne bloggen finnes det tjenester som har arkivering av nettsider som hovedoppgave, mest kjent er sikkert Internet Archive (The Wayback Machine). Det finnes også andre arkiver.

Altså kan vi til en viss grad reise bakover i tida på nettet. Ikke overalt, det er mange nettsider som er borte for alltid, dvs ikke arkivert på en måte som vi kan ha nytte av. Men hvis du vil se hvilke nyheter som sto i dagbladet.no for 10 år sida, så finnes det håp. Eller hvis du har mistanke om at noen har gjort endringer i et viktig nettdokument. Eller hvis du skulle hatt informasjon fra noen av de offentlige nettsidene i USA som nettopp har vært stengt.  Men for å finne fram i arkivene trenger vi trenger gode verktøy, og her kommer memento til hjelp.

Memento

Herbert van de Sompel er godt kjent innenfor bibliotekenes verden, som opphavsmann til teknologier som sfx, openurl, oai-pmh etc. Det spiller ingen rolle om dette er ukjent for deg. Her handler det om memento, som Herbert står bak, og som er et rammeverk for å navigere nettet langs tidsaksen. (På emtacl12 var Herbert keynote speaker, og her kom han inn på memento).

Memento Logo (Public domain)

Memento er som nevnt et rammeverk som innholder både standarder, retningslinjer og verktøy. I verktøykassen finner vi Memento Time Travel, som er et tillegg for nettleseren Chrome.

Etter at du har installert Memento Time Travel, så kan du ved å høyreklikke på ei nettside få fram tidsreisemuligheten. For eksempel lurer jeg på hva som sto på forsida av New York Times den 11. september i 2001. (Ja, jeg har jo en mistanke).

NYT

Her har jeg på forhånd sagt fra til Memento (ved å klikke på Memento-ikonet i verktøylinja i nettleseren) hvilket tidspunkt jeg vil reise til. Resultatet er her ttp://web.archive.org/web/20010911211250/http://www.nyt.com/ .

Som sagt, ikke alle nettsider er arkivert, så ofte er du uten muligheter til å gå tilbake. Et av målene med Memento-prosjektet har vært en bevisstgjøringskampanje for behovet for arkiveringstiltak. Hvis nettsidearkivering blir tatt alvorlig nok av mange nok, vil reisemulighetene etter hvert bli bedre. Men allerede i dag er nytteverdien stor.

PS: Jeg hadde sjøl bruk for ei arkivert nettside for et par dager siden, da jeg ønsket å sjekke MARC 21-formatet. Dette administreres av Library of Congress i USA, og deres nettside var akkurat da offer for den såkalte shutdown-affæren. Men vha Internet Archive fant jeg en tidligerre kopi, som var god nok for mitt behov.

Altså:

Du bør installere denne utvidelsen for Chrome og ta den i bruk!