Aineistojen käsittely ja jalostaminen · 2016. 6. 15. · KANSALLISKIRJASTO – Digitointi- ja konservointikeskus Moninaiset aineistot Timo Honkela, 11.3.2014, Digitaalisen humanismin

KANSALLISKIRJASTO – Digitointi- ja konservointikeskus

Aineistojen

käsittely ja jalostaminen

Tuula Pääkkönen

Tietojärjestelmäasiantuntija

Liikearkistopäivät 30.9.-1.10.2015, Mikkeli

http://urn.fi/URN:NBN:fi-fe2015092714084

orcid.org/0000-0003-3958-9732




http://creativecommons.org/licenses/by/4.0/


Turun akatemia

Keisarillinen Aleksanterin yo

1640

1828

1990 Digitointi- ja

Konservointi-

keskus

Lähde: http://www.kansalliskirjasto.fi/yleistieto/kirjastotietoutta/historia.html

2015 #KK375

1707 Vapaakappalelaki

Kansalliskirjasto, Helsingin Yliopiston

erillislaitos

http://www.kansalliskirjasto.fi/yleistieto/kirjastotietoutta/historia.html

http://www.kansalliskirjasto.fi/yleistieto/kirjastotietoutta/historia.html


Sisältö

1. Aineistot

2. Käsittely

3. Jalostaminen

THE NATIONAL LIBRARY OF FINLAND


Moninaiset aineistot

Timo Honkela, 11.3.2014, Digitaalisen humanismin tutkimuksesta ja uusista

liiketoimintamahdollisuuksista


http://digi.kansalliskirjasto.fi

Digitaaliset aineistot

3,2M sivua,

60% vapaassa

verkkokäytössä 6M, 20% 130k, 100%


Käsittely


Raakadatasta viisaudeksi

Data

Informaatio

Tietämys

Viisaus

Kuka,

Mitä,

Milloin

Missä? Kuinka? Miksi?

Käännetty alkuperäisestä Lähde (Forsythe,

Implementing KM, Part I: Concepts & Approach)

Konte

ksti

Ymmärrys

http://www.forsythe.com/about/newsroom/news-articles/2011-News-Releases/15_Implementing-KM-Part-I-Concepts-and-Approach


Moninaiset käyttäjäryhmät

Kansalaiset

Taiteilijat

Opettajat

Tutkijat

Toimittajat

Informaatikot

Päätöksen-

tekijät

Digitaaliset

aineistot

Museot

Arkistot

Kirjastot

Yliopistot

Yhdistykset

Media

Kunnat

Valtio

Yritykset

Timo Honkela, 11.3.2014, Digitaalisen humanismin tutkimuksesta ja uusista liiketoimintamahdollisuuksista


Lähde: Kohti avointa kulttuuria, Sanna Marttila & Laura Sillanpää, http://avoinglam.fi/opas.pdf


Joukkoistaminen


Kuvaaja: Tuula Pääkkönen, 2015


Miksi digitoida?

Vaikuttavuus

Monikanavaisuus

Datan rikastaminen *

Brändi

Uudenlaiset rahoitusmallit

Löydettävyys *

Uudet asiakkaat

Julkinen tehtävä *

Osaamisen kasvattaminen

Onnekkaat sattumat

Lähde: Benefits of open data (image by

JAM/Europeana. CC BY via

http://mw2013.museumsandtheweb.com/p

aper/open-culture-data-opening-glam-data-

bottom-up/


Tekstinlouhinta

“Sehän on tiedon hakua algoritmilla”

Kyllä, ja…

Keino löytää merkityksiä suurista tekstimassoista

automaattisesti

Käytetään yleensä tilastollisia ohjelmia, jotka etsivät

tekstimassoista toistuvia hahmoja tai malleja

Luokittelu

Tapahtumat, henkilöt, paikat -> Linkitetty data!

Sentimenttianalyysi

…


Haku tekstimassasta/lähiluku

Kirjoita hakutermi, ja hae

• julkaisuaika

• Sanomalehden nimi

• fraasi

• Etc.

“Tehokkuusero

digitoitujen hakujen ja

paperihakujen välillä

on todella

päätähuimaava!”


Haaste: sivutekstimöykky

mt'">6>? * * *? " ». »*.Tm?'^?mffmmraor-N:o 0^* HELSINGIN SANOMATVastaava toimitta ia: Paavo Warén.Kuudesti viikossa ilmestyvä aamulehti.Helsingissä, torstaina heinäkuun 7 p.PälvällBt2.Helsingin posti immlstot pidetään»voin! a : r äanostikor.ttoriiiläklevien postien toimisto: arkipäivinäklo II) a. p. ? « i, p., aimn- ja juhlapiiiv. klo 9?ll a. p.Tulevien postien toimislo: arki/iiivinäklo 8 a. p. ? (? i. p., sunii -ja juulapäiv. klo o? ll a. p.Postiosotusten ja po>tis:i;istöpankin Kmi.it ii, arkipäivinä klo 10 a. p. ? 7p., sunn.- ja juhlapäivinä klo il ? 11a. p.Frankkomorkkcjä myydään arkipäivinäklo 7 a. p. ? 10 i. p., suun.- ja juhla{.uv. klu 7 a. p. 11 a. p ja ?>,?><?> -7,30 i, p.POStiuV MGtBulevardinkatu 28, arkipäivinä klo 10a. p, ? 3 i, p. 4 G i. p., tunnun,- jajuhlapäiv. klo B?lo8 ? 10 a. p.Vuorimiehenkatu 1, arkipäivinä klo 10a. p, ? i, p. 4 ? li i. p,, sunn- jajuhlapäiv. klo ? 10 a. p.Kaivokatu (i, yksinkertaisten ja sis.liinkirj. lälietysten sekä vakuuttainaUomien pakettien vastaanottamista varten: arkipäivinä klo 7,3(J 'J,3H a. p.2-3 ja 4,30? K,10 i. p., sunn.- ja juhlapäiv. klo 7.30? i),30 a. p.Frankkoincrkkicn myymistä vartiMi. arkipäivinä klo 7,:)0 a. p.? 8.10 i. p.sunn.- ja juhlapäivinä klo I,'M) 'J,30

Mikä tämä on?

Mistä lehdestä?

Mikä on lehden rakenne?


Sanojen analysointia

ja [WORD_ID=ja][POS=PARTICLE][SUBCAT=CONJUNCTION][SUBCAT=COORDINATING]

Vwerst +?

Lumantin +?

armosa +?

ollen

[WORD_ID=olla][POS=VERB][VOICE=ACTIVE][INFINITIVE=E][NUMBER=SI

NGULAR][CASE=INSTRUCTIVE]

Herran

[WORD_ID=Herra][POS=NOUN][SUBCAT=PROPER][NUMBER=SINGULAR][CASE=GENITIVE]

Kiitos!

https://github.com/flammie/omorfi


Jalostaminen tuotteita &

sovelluksia

Lähde: Accessibility by public transport predicts

residential real estate prices

Fig 5. http://ceur-ws.org/Vol-1392/paper-09.pdf

http://ceur-ws.org/Vol-1392/paper-09.pdf









Tuotteita

Source: https://pbs.twimg.com/media/CPf3S1EWIAADz6t.jpg:large

Source:

http://melissaterras.blogspot.fi/20

14/10/reuse-of-digitised-content-

2-heres-one.html

https://pbs.twimg.com/media/CPf3S1EWIAADz6t.jpg:large

https://pbs.twimg.com/media/CPf3S1EWIAADz6t.jpg:large


Sanoitusten analyysiä

Lähde: http://mining4meaning.com/2015/02/13/raplyzer/

Shakespeare

Eminem


Kettunen, Honkela, Linden, Kauppinen, Pääkkönen & Kervinen 2014

Fraktuuramerkit itseorganisoivalla kartalla


Datasta eteenpäin

Talletettua, digitoitua aineistoa voi

jalostaa eteenpäin

Käsittelyn ja jalostamisen vaatimukset

Aineisto

Digitointi/digitaalisuus

Standardit (esim. METS/ALTO)

Analyysi (yksityiskohdat/massa)

Lähiluku & tiedonlouhinta


Tulevia tapahtumia / EU koodiviikko

Kansalliskirjasto osallistuu EU:n Koodiviikko-tapahtumaan

viikonloppuna: 10.-11.10.2015

Paikka : MAMK/Xinno, Mikkeli

Documents

Aineistojen käsittely ja jalostaminen · 2016. 6. 15. · KANSALLISKIRJASTO – Digitointi- ja konservointikeskus Moninaiset aineistot Timo Honkela, 11.3.2014, Digitaalisen humanismin