io accoglierei il siggerimento di andrea di inserirci in http://it.wikipedia.org/wiki/Discussioni_progetto:Coordinamento/Bibliografia..., ma prima vorrei leggermi bene quello che c'è già e mi sono persa. Oppure di arricchire le tr righe oggi presenti su http://it.wikipedia.org/wiki/Progetto:GLAM/Biblioteche. In ogni caso, ci vorrei guardare con calma

virginia

2013/3/27 giaccai@gmail.com

Mi pare una ottima idea !! Potremmo iniziare come paragrafo della voce VIAF e passando poi ad una voce specifica; sarebbe un ottimo modo per dare trasparenza ad un problema che mi pare sia stato per troppo tempo chiuso tra poche persone.

Un saluto Susanna

====================== *Susanna Giaccai - Firenze*

Il giorno 27 marzo 2013 12:12, Virginia Gentilini < virginia.gentilini@gmail.com> ha scritto:

...

buongiorno a tutti, sono riuscita solo oggi a leggere lo scambio di mail seguente alla ricerca di Pierfranco, che anch'io ringrazio per lo stupefacente lavoro di analisi.

Riprendendo anche il thread 'Intervista interessante', chiedo a tutti un chiarimento: pensate che sarebbe utile come suggeriva Andrea scrivere qualcosa di specifico su FTL? Meriterebbe una voce a sé (e soprattutto, sopravviverebbe come voce a sé?) o potremmo aggiungere l'argomento alla già esistente http://it.wikipedia.org/wiki/VIAF? Questo aiuterebbe anche la discussione (che onestamente non ho seguito ma che mi pare complessa e non pacifica) su http://it.wikipedia.org/wiki/Discussioni_progetto:Coordinamento/Bibliografia... ?

grazie virginia

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

Grazie Pierfranco dell'ulteriore analisi.

2013/3/27 Pierfranco Minsenti pierfranco.minsenti@gmail.com

Ma questo significa che oggi come oggi, per fare qualcosa di simile a FTL in Wikipedia IT sarebbe possibile solo se vengono inseriti in Wikipedia gli identificativi nazionali oltre al VIAF.

Ok, dunque come si ottiene questo? Si può passare da VIAF e riprendere quei dati dell'ICCU, o sono altri dati, che stanno da un'altra parte? Sono liberi o no? Riusciamo a prenderli?

Andrea

Ciao Andrea,

i codici identificativi nazionali si recuperano dal VIAF: nei records MARC 21 XML dai tag 700, e del resto recuperarli è proprio quello che hanno fatto francesi e tedeschi per la loro Wikipedia.

Quindi la fattibilità dipende dalla domanda: potete chiedere (a ?) di rifare l'importazione del VIAF in Wikipedia IT seguendo criteri diversi da quelli seguiti per ora, gli stessi criteri di fatto seguiti anche da francesi e tedeschi?

Se l'importazione si può rifare e meglio, allora bisogna verificare concretamente dove prendere i dati che servono.

I file del VIAF in formato MARC21 XML contengono nel tag 700 tutti i records che la procedura di schiacciamento ha ritenuto simili: cioè i tag 700 ripetuti contengono tutte le forme del nome ricavate dai records schiacciati dall'algoritmo; oltre alle diverse forme del nome ogni tag contiene anche nel sottocampo 0 la sigla identificativa dell'ente che ha fornito quel record (tra parentesi tonde) seguita dall'identificativo nazionale.

Per i records forniti dall'ICCU questo significa che quando sono stati schiacciati con altri, in uno nei tag 700 del record VIAF cluster compare anche la sigla dell'ICCU e l'identificativo che ha l'autore in SBN.

Esempio per Alessandro Manzoni che è uno degli autori che in SBN è fornito di date e quindi è stato schicciato:

<mx:datafield tag="700" ind2="1" ind1=" ">

<mx:subfield code="a">Manzoni , Alessandro</mx:subfield>

<mx:subfield code="d"><1785-1873></mx:subfield>

<mx:subfield code="0">(ICCU)CFIV009079</mx:subfield>

</mx:datafield> In questi casi quindi si tratterebbe di istruire la procedura di importazione in modo che in presenza di <mx:datafield tag="700 " <mx:subfield code="0">(ICCU)

allora recuperi dal sottocampo 0 l'identificativo: CFIV009079 che sta tra la parentesi di chiusura e la fine del sottocampo

I dati sono liberi perché è il VIAF che li mette a disposizione liberamente.

Però nel caso dei records che NON sono stati schiacciati, il VIAF "buono" importato anche in Wikipedia contiene vari tag 700, ma nessuno di essi ha l'identificativo di un record ICCU.

Forse ci sono altri formati di export del VIAF che contengono proprio tutto perché nella versione HTML c'è la sezione History of VIAF che contiene anche gli identificativi dei record i cui schiacciamenti sono stati respinti ma che da quello che si può giudicare a occhio, per autori famosi, sarebbero stati buoni.

Da indagare ulteriormente.

Pierfranco

Il giorno 27 marzo 2013 14:55, Andrea Zanni zanni.andrea84@gmail.com ha scritto:

Grazie Pierfranco dell'ulteriore analisi.

2013/3/27 Pierfranco Minsenti pierfranco.minsenti@gmail.com

...

Ma questo significa che oggi come oggi, per fare qualcosa di simile a FTL in Wikipedia IT sarebbe possibile solo se vengono inseriti in Wikipedia gli identificativi nazionali oltre al VIAF.

Ok, dunque come si ottiene questo? Si può passare da VIAF e riprendere quei dati dell'ICCU, o sono altri dati, che stanno da un'altra parte? Sono liberi o no? Riusciamo a prenderli?

Andrea

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

Sarebbe interessante avere lo scarico dell'authority file SBN dall'ICCU. Però poi bisogna avere una procedura che associa il nome come è previsto da SBN al nome usato in Wikipedia.

Ci sono casi problematici da risolvere. Per es. il caso di Karol Wojtyla:

In Wikipedia IT è Karol Wojtyla: http://it.wikipedia.org/wiki/Karol_Wojty%C5%82a

ma in SBN gli autori papi hanno il nome in latino da papa, quindi non Karol Wojtyla ma: Ioannes Paulus <papa ; 2.> record SBN di livello AUF: CFIV000007

In VIAF non c'è stato lo schiacciamento. Il record VIAF ufficiale di Wojtyla è: http://viaf.org/viaf/35605; invece quello italiano rimasto isolato è: http://viaf.org/viaf/90108506

Poi ci sono gli autori umanisti con nome latinizzato: Erasmo da Rotterdam è tal quale in Wikipedia IT IT: http://it.wikipedia.org/wiki/Erasmo_da_Rotterdam Ma in SBN è: Erasmus : Roterodamus record MAX CFIV002829

Una procedura che realizzi un confronto accurata e nei casi giusti il match non è cosa semplice.

Poi l'Authority file di SBN è pieno di doppioni: se dessero uno scarico completo sarebbe complicato. Dovrebbero perlomeno filtrare e restringere ai casi di records AUF e MAX o SUP.

Pierfranco Minsenti

Il giorno 27 marzo 2013 17:13, giaccai@gmail.com ha scritto:

Rossella Caffo ha ricevuto la mia mail di richiesta dei dati di autority italiani e mi risponde che ne parlerà con le sue referenti e mi farà sapere. Aspettiamo fiduciosi.

Saluti Susanna

====================== *Susanna Giaccai - Firenze*

Il giorno 27 marzo 2013 16:27, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:

Ciao Andrea,

...

i codici identificativi nazionali si recuperano dal VIAF: nei records MARC 21 XML dai tag 700, e del resto recuperarli è proprio quello che hanno fatto francesi e tedeschi per la loro Wikipedia.

Quindi la fattibilità dipende dalla domanda: potete chiedere (a ?) di rifare l'importazione del VIAF in Wikipedia IT seguendo criteri diversi da quelli seguiti per ora, gli stessi criteri di fatto seguiti anche da francesi e tedeschi?

Se l'importazione si può rifare e meglio, allora bisogna verificare concretamente dove prendere i dati che servono.

I file del VIAF in formato MARC21 XML contengono nel tag 700 tutti i records che la procedura di schiacciamento ha ritenuto simili: cioè i tag 700 ripetuti contengono tutte le forme del nome ricavate dai records schiacciati dall'algoritmo; oltre alle diverse forme del nome ogni tag contiene anche nel sottocampo 0 la sigla identificativa dell'ente che ha fornito quel record (tra parentesi tonde) seguita dall'identificativo nazionale.

Per i records forniti dall'ICCU questo significa che quando sono stati schiacciati con altri, in uno nei tag 700 del record VIAF cluster compare anche la sigla dell'ICCU e l'identificativo che ha l'autore in SBN.

Esempio per Alessandro Manzoni che è uno degli autori che in SBN è fornito di date e quindi è stato schicciato:

<mx:datafield tag="700" ind2="1" ind1=" ">

<mx:subfield code="a">Manzoni , Alessandro</mx:subfield>

<mx:subfield code="d"><1785-1873></mx:subfield>

<mx:subfield code="0">(ICCU)CFIV009079</mx:subfield>

</mx:datafield> In questi casi quindi si tratterebbe di istruire la procedura di importazione in modo che in presenza di <mx:datafield tag="700 " <mx:subfield code="0">(ICCU)

allora recuperi dal sottocampo 0 l'identificativo: CFIV009079 che sta tra la parentesi di chiusura e la fine del sottocampo

I dati sono liberi perché è il VIAF che li mette a disposizione liberamente.

Però nel caso dei records che NON sono stati schiacciati, il VIAF "buono" importato anche in Wikipedia contiene vari tag 700, ma nessuno di essi ha l'identificativo di un record ICCU.

Forse ci sono altri formati di export del VIAF che contengono proprio tutto perché nella versione HTML c'è la sezione History of VIAF che contiene anche gli identificativi dei record i cui schiacciamenti sono stati respinti ma che da quello che si può giudicare a occhio, per autori famosi, sarebbero stati buoni.

Da indagare ulteriormente.

Pierfranco

Il giorno 27 marzo 2013 14:55, Andrea Zanni zanni.andrea84@gmail.comha scritto:

...

Grazie Pierfranco dell'ulteriore analisi.

2013/3/27 Pierfranco Minsenti pierfranco.minsenti@gmail.com

...

Ma questo significa che oggi come oggi, per fare qualcosa di simile a FTL in Wikipedia IT sarebbe possibile solo se vengono inseriti in Wikipedia gli identificativi nazionali oltre al VIAF.

Ok, dunque come si ottiene questo? Si può passare da VIAF e riprendere quei dati dell'ICCU, o sono altri dati, che stanno da un'altra parte? Sono liberi o no? Riusciamo a prenderli?

Andrea

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

Carlo, sono totalmente d'accordo con quello che hai scritto: bisogna ottenere che l'importazione dei dati ICCU nel VIAF sia rifatta e non pare affatto un lavoro particolarmente oneroso. Basterebbe che l'ICCU consegnasse ad OCLC un export appena un poco diverso. E OCLC dovrebbe semplicemente rifare le sue procedure. Ma il problema è serio e l'occasione non va sprecata.

Anch'io credo che altrimenti perdiamo una partita molto importante: adesso viene fuori con WP, ma verrà fuori ancora e per molte altre cose e quel peccato originale di disattenzione rischia di costare caro.

Proprio per questo io propongo questa linea: di pubblicare un articolo con dati quantitativi che dimostrano le percentuali di non schiacciamento e che spieghi con esempi e riferimenti all'algoritmo usato quale è il problema. Questo articolo dovrebbe servire a mettere il problema sotto gli occhi di tutti e a convincere l'ICCU ad agire presso OCLC chiedendo una reimportazione che però questa volta concordi i criteri e superi per tutto ciò che è possibile con metodi automatici i problemi emersi.

Anche se il guaio non è completamente rimediabile per la situazione più grave che riguarda i records dell'ICCU per gli autori stranieri per questa ragione: solo in una certa misura hanno le condizioni per poter essere importabili nel VIAF con queste procedure perché sono di qualità estremamente diseguale, spesso mancano di informazioni essenziali e i livelli di autorità non sono sempre coerenti con la qualità effettiva dei records come dimostrano questi esempi:

(in SBN la scala dei livelli di autorità per i records dei nomi autori è: MIN =51; MED=71; MAX=90; SUP=95; AUF=97)

Proust, Marcel record SUP CFIV007392 dotato di date sia nei campi appositi, sia in nota + codici di lingua e di nazionalità

Baudelaire, Charles record SUP CFIV000538 con date nei campi e in nota ma codice di nazione sbagliato (IT invece di FR) e privo di codice di lingua

Woolf, Virginia record MAX CFIV016490 priva di date e di codici lingua e paese

Dickens, Charles, record MAX CFIV000404 stessi problemi di Woolf

Nabokov, Vladimir Vladimirovič record MAX CFIV000621 dotato di date sia nei campi appositi, sia in nota + codici di nazionalità

Ma anche gli autori classici hanno problemi:

Ovidius Naso, Publius, record MAX CFIV002690 ha date in nota in forma discorsiva, non utilizzabili (nel VIAF non esiste il record italiano corrispondente)

quindi nel caso degli autori stranieri e degli autori classici è molto più dubbio il risultato di una reimportazione nel VIAF e l'ICCU dovrebbe lavorare sull'export usando dei filtri appropriati e sempre con gli spostamenti di date in 200$f.

Gli esempi che ho trovato sono significativi, ma secondo me per fare un articolo scientifico che dimostri l'entità non episodica del guaio bisogna fare un'analisi quantitativa seria. Pare che OCLC non metta a disposizione report con dati quantitativi sui risultati delle importazioni. Questo problema è superabile scaricando l'intero dataset, come ho fatto: decompresso viene un file enrome di circa 90 GB. L'ho splittato in file più piccoli da 200.000 records che però sono ancora troppo grossi. Rifaccio la splittatura in file da 100.000 records che dovrebbero essere gestibili da un personal computer come il mio e poi intendo estrarne dei dati quantitativi che dicano: totale records ICCU importati, totale schiacciati, totale non schiacciati e di questi quali sono records unici (forniti solo dall'ICCU) e quali invece avrebbero dovuto essere schiacciati perché l'analisi di compatibilità li aveva qualificati come tali, salvo che poi non si è proceduto causa assenza di almeno una di quelle informazioni supplementari oltre al nome considerate indispensabili per l'algoritmo di schiacciamento (in particolare, come emerge sia dall'articolo su JLis, sia dalla risposta di Max Klein: l'associazione a un titolo significativo, e/o le date di nascita e morte). Questo "non" dimostrerà che tutti i records non schicciati ma "compatibili" avrebbero anche dovuto essere schiacciati perché solo un export fatto diversamente, che muova le date dal tag 300 al tag 200$f potrà dimostrarlo: dato che è giusto che venga applicato l'algoritmo VIAF originale basato anche su informazioni supplementari. Tuttavia il n° totale dei "compatibili" unito a un'analisi a campione dovrebbe dire quale percentuale di successo maggiore avrebbe una nuova importazione fatta con attenzione.

Penso dopo Pasqua di esaminare a fondo il dataset per vedere quante risposte può fornire. Sarebbe anche molto interessante poter mettere a confronto i dati sul totale records forniti dall'ICCU e le relative percentuali di schiacciamento e di non schiacciamento con i dati di altre importanti realtà europee come BNF e Germania. Anche qui le percentuali dovrebbero essere indicative. Inoltre servirebbe anche a dimostrare che gli altri hanno dato tutti i records di autorità: anche quelli di autori stranieri.

Uno studio così secondo me interesserebbe anche OCLC. Il problema in Italia è quello di farsi ascoltare. Quindi bisogna creare una specie di "azione" di lobby intorno a questo problema.

Pierfranco Minsenti

Il giorno 27 marzo 2013 23:19, Carlo Bianchini carlo.bianchini@unipv.itha scritto:

Ho appena finito di rileggere tutto lo scambio: basta distrarsi un momento ...

Da quello che capisco, mi sembra che sarebbe necessaria, indispensabile, una reimportazione dei dati ICCU in VIAF, per motivi che vanno oltre il problema contingente della versione italiana di Wikipedia. Se il lavoro di importazione dell'authority file di SBN (in teoria uno dei lavori piu' qualificati che siamo in grado di realizzare come bibliotecari) nel VIAF, che ormai e' di fatto l'archivio di autorita' piu' importante del mondo, e' stato fatto male, va rifatto.

Spiego i problemi diversi che stanno dietro a questi due casi (giusto perche' Pierfranco ha evidenziato questi e non altri; chissa' quanti ce n'e'). Karol Wojtyla era una 'persona qualsiasi' fino a un certo punto della sua vita; e percio' e' nota con il suo nome, K.W. Poi e' stato eletto Papa, ha smesso di esistere come K.W ed e' diventato Giovanni Paolo II, in qualche maniera un'altra persona (come sono due persone diverse il Presidente della Repubblica e il cittadino Giorgio Napolitano, quando scrivono un documento pubblico o privato ...). Da questo punto di vista (catalografico) le opere del prima e del dopo devono essere distinte, in genere perche' ricercate per motivi diversi. O almeno dovrebbe essere possibile ANCHE distinguerle. Mentre per il potenziale lettore di Wikipedia (che giustamente 'si cura poco' per cosi dire di queste distinzioni), dovrebbero essere due forme o due nomi della 'stessa cosa'. Cercando l'uno o l'altro dovrebbe trovare comunque sempre *tutte* le informazioni sull'uomo che poi e' diventato papa.

Per Erasmo da Rotterdam, e' solo una questione di convenzione. Fino a qualche tempo fa, sempre per ragioni di economia (che sono venute meno) bisognava stabilire qual è la forma 'migliore' per riferirsi a E.d.R..; cosi' le varie regole hanno stabilito che e' meglio la forma vernacolare, anzi no la forma latina, anzi no la forma cognome e nome, anzi no per gli autori greci la forma latina ecc. ecc. Al punto che, dato che era un casino tremendo e ci si e' accorti che le convenzioni erano possibili solo entro un certo ambito culturale che, per quanto ampio, era sempre limitato e non era mai condiviso a livello mondiale (basti pensare alla precedenza nome e cognome o viceversa nella tradizione occidentale o orientale), si e' rinunciato a una forma unica, e si e' deciso di ... fare il VIAF! Il VIAF ha proprio lo scopo di creare un grappolo di intestazioni, tutte di egual valore, da riferire a un'unica entita', rispettando la forma preferita dalle diverse comunita' rappresentate nel VIAF. Per questo motivo e' particolarmente grave il problema sollevato da Pierfranco. Se, nell'unico posto al mondo in cui si dovrebbe riconoscere che Alcott, Louisa May di SBN e Alcott, Louisa May, 1832-1888 della LoC sono la stessa cosa con due nomi diversi, questo non avviene, e' come dire che SBN non partecipa (ancora?) al VIAF.

Dal punto di vista di WP sarebbe comunque utile ottenere i dati che ha chiesto Susanna, per fare un passo ulteriore (forse andando oltre l'esperienza di WP in altre lingue) perche' nell'AF dell'ICCU ci sono le forme varianti dei nomi raccolte nel tempo dai catalogatori. Per usare un esempio gia' sfruttato da Pierfranco, per Italo Svevo nel AF italiano (Id. Autorita SBN = IT\ICCU\CFIV\007334) ci sono TRE forme alternative del nome della persona che usava come pseudonimo Italo Svevo, nel VIAF, se si guarda la scheda della LoC ce n'è solo UNA (http://id.loc.gov/authorities/names/n79021228.html), ma ce ne sono altre, diverse, nella scheda della BNE collegata al VIAF. Avere l'authority file dell'ICCU sarebbe un'opportunita' per creare in modo massiccio i redirect per le voci personali (ed eventualmente degli enti) di WP.

Certo sarebbe opportuno prendere dall'AF dell'ICCU solo i dati di qualita', come ha proposto Gianfranco, per evitare di importare errori.

Carlo

Il 27 marzo 2013 18:45, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:

...

Sarebbe interessante avere lo scarico dell'authority file SBN dall'ICCU. Però poi bisogna avere una procedura che associa il nome come è previsto

da

...

SBN al nome usato in Wikipedia.

Ci sono casi problematici da risolvere. Per es. il caso di Karol Wojtyla:

In Wikipedia IT è Karol Wojtyla: http://it.wikipedia.org/wiki/Karol_Wojty%C5%82a

ma in SBN gli autori papi hanno il nome in latino da papa, quindi non

Karol

...

Wojtyla ma: Ioannes Paulus <papa ; 2.> record SBN di livello AUF: CFIV000007

In VIAF non c'è stato lo schiacciamento. Il record VIAF ufficiale di

Wojtyla

...

è: http://viaf.org/viaf/35605; invece quello italiano rimasto isolato è: http://viaf.org/viaf/90108506

Poi ci sono gli autori umanisti con nome latinizzato: Erasmo da

Rotterdam è

...

tal quale in Wikipedia IT IT: http://it.wikipedia.org/wiki/Erasmo_da_Rotterdam Ma in SBN è: Erasmus : Roterodamus record MAX CFIV002829

Una procedura che realizzi un confronto accurata e nei casi giusti il

match

...

non è cosa semplice.

Poi l'Authority file di SBN è pieno di doppioni: se dessero uno scarico completo sarebbe complicato. Dovrebbero perlomeno filtrare e restringere

ai

...

casi di records AUF e MAX o SUP.

Pierfranco Minsenti

Il giorno 27 marzo 2013 17:13, giaccai@gmail.com ha scritto:

...

Rossella Caffo ha ricevuto la mia mail di richiesta dei dati di autority italiani e mi risponde che ne parlerà con le sue referenti e mi farà

sapere.

...

...

Aspettiamo fiduciosi.

Saluti Susanna

====================== Susanna Giaccai - Firenze

Il giorno 27 marzo 2013 16:27, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:

...

Ciao Andrea,

i codici identificativi nazionali si recuperano dal VIAF: nei records MARC 21 XML dai tag 700, e del resto recuperarli è proprio quello che

hanno

...

...

...

fatto francesi e tedeschi per la loro Wikipedia.

Quindi la fattibilità dipende dalla domanda: potete chiedere (a ?) di rifare l'importazione del VIAF in Wikipedia IT seguendo criteri

diversi da

...

...

...

quelli seguiti per ora, gli stessi criteri di fatto seguiti anche da francesi e tedeschi?

Se l'importazione si può rifare e meglio, allora bisogna verificare concretamente dove prendere i dati che servono.

I file del VIAF in formato MARC21 XML contengono nel tag 700 tutti i records che la procedura di schiacciamento ha ritenuto simili: cioè i

tag

...

...

...

700 ripetuti contengono tutte le forme del nome ricavate dai records schiacciati dall'algoritmo; oltre alle diverse forme del nome ogni tag contiene anche nel sottocampo 0 la sigla identificativa dell'ente che

ha

...

...

...

fornito quel record (tra parentesi tonde) seguita dall'identificativo nazionale.

Per i records forniti dall'ICCU questo significa che quando sono stati schiacciati con altri, in uno nei tag 700 del record VIAF cluster

compare

...

...

...

anche la sigla dell'ICCU e l'identificativo che ha l'autore in SBN.

Esempio per Alessandro Manzoni che è uno degli autori che in SBN è fornito di date e quindi è stato schicciato:

<mx:datafield tag="700" ind2="1" ind1=" ">

<mx:subfield code="a">Manzoni , Alessandro</mx:subfield>

<mx:subfield code="d"><1785-1873></mx:subfield>

<mx:subfield code="0">(ICCU)CFIV009079</mx:subfield>

</mx:datafield>

In questi casi quindi si tratterebbe di istruire la procedura di importazione in modo che in presenza di <mx:datafield tag="700"

<mx:subfield

...

...

...

code="0">(ICCU)

allora recuperi dal sottocampo 0 l'identificativo: CFIV009079 che sta

tra

...

...

...

la parentesi di chiusura e la fine del sottocampo

I dati sono liberi perché è il VIAF che li mette a disposizione liberamente.

Però nel caso dei records che NON sono stati schiacciati, il VIAF

"buono"

...

...

...

importato anche in Wikipedia contiene vari tag 700, ma nessuno di essi

ha

...

...

...

l'identificativo di un record ICCU.

Forse ci sono altri formati di export del VIAF che contengono proprio tutto perché nella versione HTML c'è la sezione History of VIAF che

contiene

...

...

...

anche gli identificativi dei record i cui schiacciamenti sono stati

respinti

...

...

...

ma che da quello che si può giudicare a occhio, per autori famosi,

sarebbero

...

...

...

stati buoni.

Da indagare ulteriormente.

Pierfranco

Il giorno 27 marzo 2013 14:55, Andrea Zanni zanni.andrea84@gmail.com

ha

...

...

...

scritto:

...

Grazie Pierfranco dell'ulteriore analisi.

2013/3/27 Pierfranco Minsenti pierfranco.minsenti@gmail.com

...

Ma questo significa che oggi come oggi, per fare qualcosa di simile a FTL in Wikipedia IT sarebbe possibile solo se vengono inseriti in

Wikipedia

...

...

...

...

...

gli identificativi nazionali oltre al VIAF.

Ok, dunque come si ottiene questo? Si può passare da VIAF e riprendere quei dati dell'ICCU, o sono altri dati, che stanno da un'altra parte? Sono liberi o no? Riusciamo a prenderli?

Andrea

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

...

...

...

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

...

...

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

...

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

-- Carlo Bianchini, Ph.D. Università degli Studi di Pavia Dipartimento di Musicologia e Beni Culturali, Corso Garibaldi, 178 I-26100 CREMONA - ITALY Tel. ++ 39 (0)372 25575 ; fax ++39 (0)372 457077 http://sites.google.com/site/homepagecarlobianchini (ita) http://unipv.academia.edu/CarloBianchini/ (eng) skype: c.bianchini67 _______________________________________________ Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

Il modo di procedere proposto da Pierfranco mi sembra corretto: la progressiva suddivisione a blocchi garantisce un meccanismo di casualita' nella scelta del campione da analizzare (era una degli aspetti del lavoro che mi preoccupava). Se fosse possibile, senza un onere eccessivo, analizzare un paio di blocchi anziche' uno, confrontare i dati e farne una media sarebbe ancora meglio. Credo che, raccogliendo le mail di Pierfranco e in parte alcune osservazioni delle mie e aggiungendo i dati dell'analisi, per scrivere l'articolo non serva molto. Se Pierfranco e' d'accordo, cerco di preparare una bozza per la settimana dopo quella di Pasqua.

Carlo

Il 28 marzo 2013 10:18, Andrea Zanni zanni.andrea84@gmail.com ha scritto:

L'idea dell'articolo mi pare cosa buona e giusta, anche se non sono sicuro di potervi aiutare. Forse mantenendo qualche rapporto con Max e chiedendo magari a OCLC qualche informazione/dato.

Andrea

2013/3/28 Pierfranco Minsenti pierfranco.minsenti@gmail.com

...

Carlo, sono totalmente d'accordo con quello che hai scritto: bisogna ottenere che l'importazione dei dati ICCU nel VIAF sia rifatta e non pare affatto un lavoro particolarmente oneroso. Basterebbe che l'ICCU consegnasse ad OCLC un export appena un poco diverso. E OCLC dovrebbe semplicemente rifare le sue procedure. Ma il problema è serio e l'occasione non va sprecata.

Anch'io credo che altrimenti perdiamo una partita molto importante: adesso viene fuori con WP, ma verrà fuori ancora e per molte altre cose e quel peccato originale di disattenzione rischia di costare caro.

Proprio per questo io propongo questa linea: di pubblicare un articolo con dati quantitativi che dimostrano le percentuali di non schiacciamento e che spieghi con esempi e riferimenti all'algoritmo usato quale è il problema. Questo articolo dovrebbe servire a mettere il problema sotto gli occhi di tutti e a convincere l'ICCU ad agire presso OCLC chiedendo una reimportazione che però questa volta concordi i criteri e superi per tutto ciò che è possibile con metodi automatici i problemi emersi.

Anche se il guaio non è completamente rimediabile per la situazione più grave che riguarda i records dell'ICCU per gli autori stranieri per questa ragione: solo in una certa misura hanno le condizioni per poter essere importabili nel VIAF con queste procedure perché sono di qualità estremamente diseguale, spesso mancano di informazioni essenziali e i livelli di autorità non sono sempre coerenti con la qualità effettiva dei records come dimostrano questi esempi:

(in SBN la scala dei livelli di autorità per i records dei nomi autori è: MIN =51; MED=71; MAX=90; SUP=95; AUF=97)

Proust, Marcel record SUP CFIV007392 dotato di date sia nei campi appositi, sia in nota + codici di lingua e di nazionalità

Baudelaire, Charles record SUP CFIV000538 con date nei campi e in nota ma codice di nazione sbagliato (IT invece di FR) e privo di codice di lingua

Woolf, Virginia record MAX CFIV016490 priva di date e di codici lingua e paese

Dickens, Charles, record MAX CFIV000404 stessi problemi di Woolf

Nabokov, Vladimir Vladimirovič record MAX CFIV000621 dotato di date sia nei campi appositi, sia in nota + codici di nazionalità

Ma anche gli autori classici hanno problemi:

Ovidius Naso, Publius, record MAX CFIV002690 ha date in nota in forma discorsiva, non utilizzabili (nel VIAF non esiste il record italiano corrispondente)

quindi nel caso degli autori stranieri e degli autori classici è molto più dubbio il risultato di una reimportazione nel VIAF e l'ICCU dovrebbe lavorare sull'export usando dei filtri appropriati e sempre con gli spostamenti di date in 200$f.

Gli esempi che ho trovato sono significativi, ma secondo me per fare un articolo scientifico che dimostri l'entità non episodica del guaio bisogna fare un'analisi quantitativa seria. Pare che OCLC non metta a disposizione report con dati quantitativi sui risultati delle importazioni. Questo problema è superabile scaricando l'intero dataset, come ho fatto: decompresso viene un file enrome di circa 90 GB. L'ho splittato in file più piccoli da 200.000 records che però sono ancora troppo grossi. Rifaccio la splittatura in file da 100.000 records che dovrebbero essere gestibili da un personal computer come il mio e poi intendo estrarne dei dati quantitativi che dicano: totale records ICCU importati, totale schiacciati, totale non schiacciati e di questi quali sono records unici (forniti solo dall'ICCU) e quali invece avrebbero dovuto essere schiacciati perché l'analisi di compatibilità li aveva qualificati come tali, salvo che poi non si è proceduto causa assenza di almeno una di quelle informazioni supplementari oltre al nome considerate indispensabili per l'algoritmo di schiacciamento (in particolare, come emerge sia dall'articolo su JLis, sia dalla risposta di Max Klein: l'associazione a un titolo significativo, e/o le date di nascita e morte). Questo "non" dimostrerà che tutti i records non schicciati ma "compatibili" avrebbero anche dovuto essere schiacciati perché solo un export fatto diversamente, che muova le date dal tag 300 al tag 200$f potrà dimostrarlo: dato che è giusto che venga applicato l'algoritmo VIAF originale basato anche su informazioni supplementari. Tuttavia il n° totale dei "compatibili" unito a un'analisi a campione dovrebbe dire quale percentuale di successo maggiore avrebbe una nuova importazione fatta con attenzione.

Penso dopo Pasqua di esaminare a fondo il dataset per vedere quante risposte può fornire. Sarebbe anche molto interessante poter mettere a confronto i dati sul totale records forniti dall'ICCU e le relative percentuali di schiacciamento e di non schiacciamento con i dati di altre importanti realtà europee come BNF e Germania. Anche qui le percentuali dovrebbero essere indicative. Inoltre servirebbe anche a dimostrare che gli altri hanno dato tutti i records di autorità: anche quelli di autori stranieri.

Uno studio così secondo me interesserebbe anche OCLC. Il problema in Italia è quello di farsi ascoltare. Quindi bisogna creare una specie di "azione" di lobby intorno a questo problema.

Pierfranco Minsenti

Il giorno 27 marzo 2013 23:19, Carlo Bianchini carlo.bianchini@unipv.it ha scritto:

...

Ho appena finito di rileggere tutto lo scambio: basta distrarsi un momento ...

Da quello che capisco, mi sembra che sarebbe necessaria, indispensabile, una reimportazione dei dati ICCU in VIAF, per motivi che vanno oltre il problema contingente della versione italiana di Wikipedia. Se il lavoro di importazione dell'authority file di SBN (in teoria uno dei lavori piu' qualificati che siamo in grado di realizzare come bibliotecari) nel VIAF, che ormai e' di fatto l'archivio di autorita' piu' importante del mondo, e' stato fatto male, va rifatto.

Spiego i problemi diversi che stanno dietro a questi due casi (giusto perche' Pierfranco ha evidenziato questi e non altri; chissa' quanti ce n'e'). Karol Wojtyla era una 'persona qualsiasi' fino a un certo punto della sua vita; e percio' e' nota con il suo nome, K.W. Poi e' stato eletto Papa, ha smesso di esistere come K.W ed e' diventato Giovanni Paolo II, in qualche maniera un'altra persona (come sono due persone diverse il Presidente della Repubblica e il cittadino Giorgio Napolitano, quando scrivono un documento pubblico o privato ...). Da questo punto di vista (catalografico) le opere del prima e del dopo devono essere distinte, in genere perche' ricercate per motivi diversi. O almeno dovrebbe essere possibile ANCHE distinguerle. Mentre per il potenziale lettore di Wikipedia (che giustamente 'si cura poco' per cosi dire di queste distinzioni), dovrebbero essere due forme o due nomi della 'stessa cosa'. Cercando l'uno o l'altro dovrebbe trovare comunque sempre *tutte* le informazioni sull'uomo che poi e' diventato papa.

Per Erasmo da Rotterdam, e' solo una questione di convenzione. Fino a qualche tempo fa, sempre per ragioni di economia (che sono venute meno) bisognava stabilire qual è la forma 'migliore' per riferirsi a E.d.R..; cosi' le varie regole hanno stabilito che e' meglio la forma vernacolare, anzi no la forma latina, anzi no la forma cognome e nome, anzi no per gli autori greci la forma latina ecc. ecc. Al punto che, dato che era un casino tremendo e ci si e' accorti che le convenzioni erano possibili solo entro un certo ambito culturale che, per quanto ampio, era sempre limitato e non era mai condiviso a livello mondiale (basti pensare alla precedenza nome e cognome o viceversa nella tradizione occidentale o orientale), si e' rinunciato a una forma unica, e si e' deciso di ... fare il VIAF! Il VIAF ha proprio lo scopo di creare un grappolo di intestazioni, tutte di egual valore, da riferire a un'unica entita', rispettando la forma preferita dalle diverse comunita' rappresentate nel VIAF. Per questo motivo e' particolarmente grave il problema sollevato da Pierfranco. Se, nell'unico posto al mondo in cui si dovrebbe riconoscere che Alcott, Louisa May di SBN e Alcott, Louisa May, 1832-1888 della LoC sono la stessa cosa con due nomi diversi, questo non avviene, e' come dire che SBN non partecipa (ancora?) al VIAF.

Dal punto di vista di WP sarebbe comunque utile ottenere i dati che ha chiesto Susanna, per fare un passo ulteriore (forse andando oltre l'esperienza di WP in altre lingue) perche' nell'AF dell'ICCU ci sono le forme varianti dei nomi raccolte nel tempo dai catalogatori. Per usare un esempio gia' sfruttato da Pierfranco, per Italo Svevo nel AF italiano (Id. Autorita SBN = IT\ICCU\CFIV\007334) ci sono TRE forme alternative del nome della persona che usava come pseudonimo Italo Svevo, nel VIAF, se si guarda la scheda della LoC ce n'è solo UNA (http://id.loc.gov/authorities/names/n79021228.html), ma ce ne sono altre, diverse, nella scheda della BNE collegata al VIAF. Avere l'authority file dell'ICCU sarebbe un'opportunita' per creare in modo massiccio i redirect per le voci personali (ed eventualmente degli enti) di WP.

Certo sarebbe opportuno prendere dall'AF dell'ICCU solo i dati di qualita', come ha proposto Gianfranco, per evitare di importare errori.

Carlo

Il 27 marzo 2013 18:45, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:

...

Sarebbe interessante avere lo scarico dell'authority file SBN dall'ICCU. Però poi bisogna avere una procedura che associa il nome come è previsto da SBN al nome usato in Wikipedia.

Ci sono casi problematici da risolvere. Per es. il caso di Karol Wojtyla:

In Wikipedia IT è Karol Wojtyla: http://it.wikipedia.org/wiki/Karol_Wojty%C5%82a

ma in SBN gli autori papi hanno il nome in latino da papa, quindi non Karol Wojtyla ma: Ioannes Paulus <papa ; 2.> record SBN di livello AUF: CFIV000007

In VIAF non c'è stato lo schiacciamento. Il record VIAF ufficiale di Wojtyla è: http://viaf.org/viaf/35605; invece quello italiano rimasto isolato è: http://viaf.org/viaf/90108506

Poi ci sono gli autori umanisti con nome latinizzato: Erasmo da Rotterdam è tal quale in Wikipedia IT IT: http://it.wikipedia.org/wiki/Erasmo_da_Rotterdam Ma in SBN è: Erasmus : Roterodamus record MAX CFIV002829

Una procedura che realizzi un confronto accurata e nei casi giusti il match non è cosa semplice.

Poi l'Authority file di SBN è pieno di doppioni: se dessero uno scarico completo sarebbe complicato. Dovrebbero perlomeno filtrare e restringere ai casi di records AUF e MAX o SUP.

Pierfranco Minsenti

Il giorno 27 marzo 2013 17:13, giaccai@gmail.com ha scritto:

...

Rossella Caffo ha ricevuto la mia mail di richiesta dei dati di autority italiani e mi risponde che ne parlerà con le sue referenti e mi farà sapere. Aspettiamo fiduciosi.

Saluti Susanna

====================== Susanna Giaccai - Firenze

Il giorno 27 marzo 2013 16:27, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:

...

Ciao Andrea,

i codici identificativi nazionali si recuperano dal VIAF: nei records MARC 21 XML dai tag 700, e del resto recuperarli è proprio quello che hanno fatto francesi e tedeschi per la loro Wikipedia.

Quindi la fattibilità dipende dalla domanda: potete chiedere (a ?) di rifare l'importazione del VIAF in Wikipedia IT seguendo criteri diversi da quelli seguiti per ora, gli stessi criteri di fatto seguiti anche da francesi e tedeschi?

Se l'importazione si può rifare e meglio, allora bisogna verificare concretamente dove prendere i dati che servono.

I file del VIAF in formato MARC21 XML contengono nel tag 700 tutti i records che la procedura di schiacciamento ha ritenuto simili: cioè i tag 700 ripetuti contengono tutte le forme del nome ricavate dai records schiacciati dall'algoritmo; oltre alle diverse forme del nome ogni tag contiene anche nel sottocampo 0 la sigla identificativa dell'ente che ha fornito quel record (tra parentesi tonde) seguita dall'identificativo nazionale.

Per i records forniti dall'ICCU questo significa che quando sono stati schiacciati con altri, in uno nei tag 700 del record VIAF cluster compare anche la sigla dell'ICCU e l'identificativo che ha l'autore in SBN.

Esempio per Alessandro Manzoni che è uno degli autori che in SBN è fornito di date e quindi è stato schicciato:

<mx:datafield tag="700" ind2="1" ind1=" ">

<mx:subfield code="a">Manzoni , Alessandro</mx:subfield>

<mx:subfield code="d"><1785-1873></mx:subfield>

<mx:subfield code="0">(ICCU)CFIV009079</mx:subfield>

</mx:datafield>

In questi casi quindi si tratterebbe di istruire la procedura di importazione in modo che in presenza di <mx:datafield tag="700" mx:subfield code="0"(ICCU)

allora recuperi dal sottocampo 0 l'identificativo: CFIV009079 che sta tra la parentesi di chiusura e la fine del sottocampo

I dati sono liberi perché è il VIAF che li mette a disposizione liberamente.

Però nel caso dei records che NON sono stati schiacciati, il VIAF "buono" importato anche in Wikipedia contiene vari tag 700, ma nessuno di essi ha l'identificativo di un record ICCU.

Forse ci sono altri formati di export del VIAF che contengono proprio tutto perché nella versione HTML c'è la sezione History of VIAF che contiene anche gli identificativi dei record i cui schiacciamenti sono stati respinti ma che da quello che si può giudicare a occhio, per autori famosi, sarebbero stati buoni.

Da indagare ulteriormente.

Pierfranco

Il giorno 27 marzo 2013 14:55, Andrea Zanni zanni.andrea84@gmail.com ha scritto: > > Grazie Pierfranco dell'ulteriore analisi. > > 2013/3/27 Pierfranco Minsenti pierfranco.minsenti@gmail.com >> >> Ma questo significa che oggi come oggi, per fare qualcosa di simile >> a >> FTL in Wikipedia IT sarebbe possibile solo se vengono inseriti in >> Wikipedia >> gli identificativi nazionali oltre al VIAF. > > > Ok, dunque come si ottiene questo? > Si può passare da VIAF e riprendere quei dati dell'ICCU, > o sono altri dati, che stanno da un'altra parte? Sono liberi o no? > Riusciamo a prenderli? > > Andrea > > _______________________________________________ > Bibliotecari mailing list > Invio messaggi in lista: Bibliotecari@wikimedia.it > Configurazione utente: > http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

-- Carlo Bianchini, Ph.D. Università degli Studi di Pavia Dipartimento di Musicologia e Beni Culturali, Corso Garibaldi, 178 I-26100 CREMONA - ITALY Tel. ++ 39 (0)372 25575 ; fax ++39 (0)372 457077 http://sites.google.com/site/homepagecarlobianchini (ita) http://unipv.academia.edu/CarloBianchini/ (eng) skype: c.bianchini67 _______________________________________________ Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

Ma se invece di passare da WIAP si puntasse direttamente a legare le voci di WP all'authority dell'ICCU e di lì all'OPAC Indice SBN i problemi diminuirebbero o no?

ciao Susanna

====================== *Susanna Giaccai - Firenze*

Il giorno 28 marzo 2013 10:13, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:

Carlo, sono totalmente d'accordo con quello che hai scritto: bisogna ottenere che l'importazione dei dati ICCU nel VIAF sia rifatta e non pare affatto un lavoro particolarmente oneroso. Basterebbe che l'ICCU consegnasse ad OCLC un export appena un poco diverso. E OCLC dovrebbe semplicemente rifare le sue procedure. Ma il problema è serio e l'occasione non va sprecata.

Anch'io credo che altrimenti perdiamo una partita molto importante: adesso viene fuori con WP, ma verrà fuori ancora e per molte altre cose e quel peccato originale di disattenzione rischia di costare caro.

Proprio per questo io propongo questa linea: di pubblicare un articolo con dati quantitativi che dimostrano le percentuali di non schiacciamento e che spieghi con esempi e riferimenti all'algoritmo usato quale è il problema. Questo articolo dovrebbe servire a mettere il problema sotto gli occhi di tutti e a convincere l'ICCU ad agire presso OCLC chiedendo una reimportazione che però questa volta concordi i criteri e superi per tutto ciò che è possibile con metodi automatici i problemi emersi.

Anche se il guaio non è completamente rimediabile per la situazione più grave che riguarda i records dell'ICCU per gli autori stranieri per questa ragione: solo in una certa misura hanno le condizioni per poter essere importabili nel VIAF con queste procedure perché sono di qualità estremamente diseguale, spesso mancano di informazioni essenziali e i livelli di autorità non sono sempre coerenti con la qualità effettiva dei records come dimostrano questi esempi:

(in SBN la scala dei livelli di autorità per i records dei nomi autori è: MIN =51; MED=71; MAX=90; SUP=95; AUF=97)

Proust, Marcel record SUP CFIV007392 dotato di date sia nei campi appositi, sia in nota + codici di lingua e di nazionalità

Baudelaire, Charles record SUP CFIV000538 con date nei campi e in nota ma codice di nazione sbagliato (IT invece di FR) e privo di codice di lingua

Woolf, Virginia record MAX CFIV016490 priva di date e di codici lingua e paese

Dickens, Charles, record MAX CFIV000404 stessi problemi di Woolf

Nabokov, Vladimir Vladimirovič record MAX CFIV000621 dotato di date sia nei campi appositi, sia in nota + codici di nazionalità

Ma anche gli autori classici hanno problemi:

Ovidius Naso, Publius, record MAX CFIV002690 ha date in nota in forma discorsiva, non utilizzabili (nel VIAF non esiste il record italiano corrispondente)

quindi nel caso degli autori stranieri e degli autori classici è molto più dubbio il risultato di una reimportazione nel VIAF e l'ICCU dovrebbe lavorare sull'export usando dei filtri appropriati e sempre con gli spostamenti di date in 200$f.

Gli esempi che ho trovato sono significativi, ma secondo me per fare un articolo scientifico che dimostri l'entità non episodica del guaio bisogna fare un'analisi quantitativa seria. Pare che OCLC non metta a disposizione report con dati quantitativi sui risultati delle importazioni. Questo problema è superabile scaricando l'intero dataset, come ho fatto: decompresso viene un file enrome di circa 90 GB. L'ho splittato in file più piccoli da 200.000 records che però sono ancora troppo grossi. Rifaccio la splittatura in file da 100.000 records che dovrebbero essere gestibili da un personal computer come il mio e poi intendo estrarne dei dati quantitativi che dicano: totale records ICCU importati, totale schiacciati, totale non schiacciati e di questi quali sono records unici (forniti solo dall'ICCU) e quali invece avrebbero dovuto essere schiacciati perché l'analisi di compatibilità li aveva qualificati come tali, salvo che poi non si è proceduto causa assenza di almeno una di quelle informazioni supplementari oltre al nome considerate indispensabili per l'algoritmo di schiacciamento (in particolare, come emerge sia dall'articolo su JLis, sia dalla risposta di Max Klein: l'associazione a un titolo significativo, e/o le date di nascita e morte). Questo "non" dimostrerà che tutti i records non schicciati ma "compatibili" avrebbero anche dovuto essere schiacciati perché solo un export fatto diversamente, che muova le date dal tag 300 al tag 200$f potrà dimostrarlo: dato che è giusto che venga applicato l'algoritmo VIAF originale basato anche su informazioni supplementari. Tuttavia il n° totale dei "compatibili" unito a un'analisi a campione dovrebbe dire quale percentuale di successo maggiore avrebbe una nuova importazione fatta con attenzione.

Penso dopo Pasqua di esaminare a fondo il dataset per vedere quante risposte può fornire. Sarebbe anche molto interessante poter mettere a confronto i dati sul totale records forniti dall'ICCU e le relative percentuali di schiacciamento e di non schiacciamento con i dati di altre importanti realtà europee come BNF e Germania. Anche qui le percentuali dovrebbero essere indicative. Inoltre servirebbe anche a dimostrare che gli altri hanno dato tutti i records di autorità: anche quelli di autori stranieri.

Uno studio così secondo me interesserebbe anche OCLC. Il problema in Italia è quello di farsi ascoltare. Quindi bisogna creare una specie di "azione" di lobby intorno a questo problema.

Pierfranco Minsenti

Il giorno 27 marzo 2013 23:19, Carlo Bianchini carlo.bianchini@unipv.itha scritto:

...

Ho appena finito di rileggere tutto lo scambio: basta distrarsi un momento ...

Da quello che capisco, mi sembra che sarebbe necessaria, indispensabile, una reimportazione dei dati ICCU in VIAF, per motivi che vanno oltre il problema contingente della versione italiana di Wikipedia. Se il lavoro di importazione dell'authority file di SBN (in teoria uno dei lavori piu' qualificati che siamo in grado di realizzare come bibliotecari) nel VIAF, che ormai e' di fatto l'archivio di autorita' piu' importante del mondo, e' stato fatto male, va rifatto.

Spiego i problemi diversi che stanno dietro a questi due casi (giusto perche' Pierfranco ha evidenziato questi e non altri; chissa' quanti ce n'e'). Karol Wojtyla era una 'persona qualsiasi' fino a un certo punto della sua vita; e percio' e' nota con il suo nome, K.W. Poi e' stato eletto Papa, ha smesso di esistere come K.W ed e' diventato Giovanni Paolo II, in qualche maniera un'altra persona (come sono due persone diverse il Presidente della Repubblica e il cittadino Giorgio Napolitano, quando scrivono un documento pubblico o privato ...). Da questo punto di vista (catalografico) le opere del prima e del dopo devono essere distinte, in genere perche' ricercate per motivi diversi. O almeno dovrebbe essere possibile ANCHE distinguerle. Mentre per il potenziale lettore di Wikipedia (che giustamente 'si cura poco' per cosi dire di queste distinzioni), dovrebbero essere due forme o due nomi della 'stessa cosa'. Cercando l'uno o l'altro dovrebbe trovare comunque sempre *tutte* le informazioni sull'uomo che poi e' diventato papa.

Per Erasmo da Rotterdam, e' solo una questione di convenzione. Fino a qualche tempo fa, sempre per ragioni di economia (che sono venute meno) bisognava stabilire qual è la forma 'migliore' per riferirsi a E.d.R..; cosi' le varie regole hanno stabilito che e' meglio la forma vernacolare, anzi no la forma latina, anzi no la forma cognome e nome, anzi no per gli autori greci la forma latina ecc. ecc. Al punto che, dato che era un casino tremendo e ci si e' accorti che le convenzioni erano possibili solo entro un certo ambito culturale che, per quanto ampio, era sempre limitato e non era mai condiviso a livello mondiale (basti pensare alla precedenza nome e cognome o viceversa nella tradizione occidentale o orientale), si e' rinunciato a una forma unica, e si e' deciso di ... fare il VIAF! Il VIAF ha proprio lo scopo di creare un grappolo di intestazioni, tutte di egual valore, da riferire a un'unica entita', rispettando la forma preferita dalle diverse comunita' rappresentate nel VIAF. Per questo motivo e' particolarmente grave il problema sollevato da Pierfranco. Se, nell'unico posto al mondo in cui si dovrebbe riconoscere che Alcott, Louisa May di SBN e Alcott, Louisa May, 1832-1888 della LoC sono la stessa cosa con due nomi diversi, questo non avviene, e' come dire che SBN non partecipa (ancora?) al VIAF.

Dal punto di vista di WP sarebbe comunque utile ottenere i dati che ha chiesto Susanna, per fare un passo ulteriore (forse andando oltre l'esperienza di WP in altre lingue) perche' nell'AF dell'ICCU ci sono le forme varianti dei nomi raccolte nel tempo dai catalogatori. Per usare un esempio gia' sfruttato da Pierfranco, per Italo Svevo nel AF italiano (Id. Autorita SBN = IT\ICCU\CFIV\007334) ci sono TRE forme alternative del nome della persona che usava come pseudonimo Italo Svevo, nel VIAF, se si guarda la scheda della LoC ce n'è solo UNA (http://id.loc.gov/authorities/names/n79021228.html), ma ce ne sono altre, diverse, nella scheda della BNE collegata al VIAF. Avere l'authority file dell'ICCU sarebbe un'opportunita' per creare in modo massiccio i redirect per le voci personali (ed eventualmente degli enti) di WP.

Certo sarebbe opportuno prendere dall'AF dell'ICCU solo i dati di qualita', come ha proposto Gianfranco, per evitare di importare errori.

Carlo

Il 27 marzo 2013 18:45, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:

...

Sarebbe interessante avere lo scarico dell'authority file SBN dall'ICCU. Però poi bisogna avere una procedura che associa il nome come è

previsto da

...

SBN al nome usato in Wikipedia.

Ci sono casi problematici da risolvere. Per es. il caso di Karol

Wojtyla:

...

In Wikipedia IT è Karol Wojtyla: http://it.wikipedia.org/wiki/Karol_Wojty%C5%82a

ma in SBN gli autori papi hanno il nome in latino da papa, quindi non

Karol

...

Wojtyla ma: Ioannes Paulus <papa ; 2.> record SBN di livello AUF: CFIV000007

In VIAF non c'è stato lo schiacciamento. Il record VIAF ufficiale di

Wojtyla

...

è: http://viaf.org/viaf/35605; invece quello italiano rimasto isolato

è:

...

http://viaf.org/viaf/90108506

Poi ci sono gli autori umanisti con nome latinizzato: Erasmo da

Rotterdam è

...

tal quale in Wikipedia IT IT: http://it.wikipedia.org/wiki/Erasmo_da_Rotterdam Ma in SBN è: Erasmus : Roterodamus record MAX CFIV002829

Una procedura che realizzi un confronto accurata e nei casi giusti il

match

...

non è cosa semplice.

Poi l'Authority file di SBN è pieno di doppioni: se dessero uno scarico completo sarebbe complicato. Dovrebbero perlomeno filtrare e

restringere ai

...

casi di records AUF e MAX o SUP.

Pierfranco Minsenti

Il giorno 27 marzo 2013 17:13, giaccai@gmail.com ha scritto:

...

Rossella Caffo ha ricevuto la mia mail di richiesta dei dati di

autority

...

...

italiani e mi risponde che ne parlerà con le sue referenti e mi farà

sapere.

...

...

Aspettiamo fiduciosi.

Saluti Susanna

====================== Susanna Giaccai - Firenze

Il giorno 27 marzo 2013 16:27, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:

...

Ciao Andrea,

i codici identificativi nazionali si recuperano dal VIAF: nei records MARC 21 XML dai tag 700, e del resto recuperarli è proprio quello che

hanno

...

...

...

fatto francesi e tedeschi per la loro Wikipedia.

Quindi la fattibilità dipende dalla domanda: potete chiedere (a ?) di rifare l'importazione del VIAF in Wikipedia IT seguendo criteri

diversi da

...

...

...

quelli seguiti per ora, gli stessi criteri di fatto seguiti anche da francesi e tedeschi?

Se l'importazione si può rifare e meglio, allora bisogna verificare concretamente dove prendere i dati che servono.

I file del VIAF in formato MARC21 XML contengono nel tag 700 tutti i records che la procedura di schiacciamento ha ritenuto simili: cioè i

tag

...

...

...

700 ripetuti contengono tutte le forme del nome ricavate dai records schiacciati dall'algoritmo; oltre alle diverse forme del nome ogni tag contiene anche nel sottocampo 0 la sigla identificativa dell'ente che

ha

...

...

...

fornito quel record (tra parentesi tonde) seguita dall'identificativo nazionale.

Per i records forniti dall'ICCU questo significa che quando sono stati schiacciati con altri, in uno nei tag 700 del record VIAF cluster

compare

...

...

...

anche la sigla dell'ICCU e l'identificativo che ha l'autore in SBN.

Esempio per Alessandro Manzoni che è uno degli autori che in SBN è fornito di date e quindi è stato schicciato:

<mx:datafield tag="700" ind2="1" ind1=" ">

<mx:subfield code="a">Manzoni , Alessandro</mx:subfield>

<mx:subfield code="d"><1785-1873></mx:subfield>

<mx:subfield code="0">(ICCU)CFIV009079</mx:subfield>

</mx:datafield>

In questi casi quindi si tratterebbe di istruire la procedura di importazione in modo che in presenza di <mx:datafield tag="700"

<mx:subfield

...

...

...

code="0">(ICCU)

allora recuperi dal sottocampo 0 l'identificativo: CFIV009079 che sta

tra

...

...

...

la parentesi di chiusura e la fine del sottocampo

I dati sono liberi perché è il VIAF che li mette a disposizione liberamente.

Però nel caso dei records che NON sono stati schiacciati, il VIAF

"buono"

...

...

...

importato anche in Wikipedia contiene vari tag 700, ma nessuno di

essi ha

...

...

...

l'identificativo di un record ICCU.

Forse ci sono altri formati di export del VIAF che contengono proprio tutto perché nella versione HTML c'è la sezione History of VIAF che

contiene

...

...

...

anche gli identificativi dei record i cui schiacciamenti sono stati

respinti

...

...

...

ma che da quello che si può giudicare a occhio, per autori famosi,

sarebbero

...

...

...

stati buoni.

Da indagare ulteriormente.

Pierfranco

Il giorno 27 marzo 2013 14:55, Andrea Zanni zanni.andrea84@gmail.com

ha

...

...

...

scritto:

...

Grazie Pierfranco dell'ulteriore analisi.

2013/3/27 Pierfranco Minsenti pierfranco.minsenti@gmail.com > > Ma questo significa che oggi come oggi, per fare qualcosa di simile

a

...

...

...

...

> FTL in Wikipedia IT sarebbe possibile solo se vengono inseriti in

Wikipedia

...

...

...

...

> gli identificativi nazionali oltre al VIAF.

Ok, dunque come si ottiene questo? Si può passare da VIAF e riprendere quei dati dell'ICCU, o sono altri dati, che stanno da un'altra parte? Sono liberi o no? Riusciamo a prenderli?

Andrea

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

...

...

...

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

...

...

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

...

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

-- Carlo Bianchini, Ph.D. Università degli Studi di Pavia Dipartimento di Musicologia e Beni Culturali, Corso Garibaldi, 178 I-26100 CREMONA - ITALY Tel. ++ 39 (0)372 25575 ; fax ++39 (0)372 457077 http://sites.google.com/site/homepagecarlobianchini (ita) http://unipv.academia.edu/CarloBianchini/ (eng) skype: c.bianchini67 _______________________________________________ Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

Scusa; mi sono forse spiegata male.

Se avuti i record da ICCU questi fossero importati in Wikidata lì sarebbe più facile lavorarci sopra per accorpare e schiacciare?

saluti Susanna

====================== *Susanna Giaccai - Firenze*

Il giorno 28 marzo 2013 13:30, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:

Il problema Susanna è che come ho detto ieri, se si cercasse di importare in Wikipedia l'authority file dell'ICCU bisognerebbe prima avere a disposizione una procedura come quella che sta alla base del VIAF in Wikipedia: una procedura di analisi e raffronto tra come si presenta il nome in Wikipedia e come si presenta nell'authority file dell'ICCU. Pierfranco

Il giorno 28 marzo 2013 13:13, giaccai@gmail.com ha scritto:

...

Ma se invece di passare da WIAP si puntasse direttamente a legare le voci di WP all'authority dell'ICCU e di lì all'OPAC Indice SBN i problemi diminuirebbero o no?

ciao Susanna

====================== *Susanna Giaccai - Firenze*

Il giorno 28 marzo 2013 10:13, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:

Carlo, sono totalmente d'accordo con quello che hai scritto: bisogna

...

ottenere che l'importazione dei dati ICCU nel VIAF sia rifatta e non pare affatto un lavoro particolarmente oneroso. Basterebbe che l'ICCU consegnasse ad OCLC un export appena un poco diverso. E OCLC dovrebbe semplicemente rifare le sue procedure. Ma il problema è serio e l'occasione non va sprecata.

Anch'io credo che altrimenti perdiamo una partita molto importante: adesso viene fuori con WP, ma verrà fuori ancora e per molte altre cose e quel peccato originale di disattenzione rischia di costare caro.

Proprio per questo io propongo questa linea: di pubblicare un articolo con dati quantitativi che dimostrano le percentuali di non schiacciamento e che spieghi con esempi e riferimenti all'algoritmo usato quale è il problema. Questo articolo dovrebbe servire a mettere il problema sotto gli occhi di tutti e a convincere l'ICCU ad agire presso OCLC chiedendo una reimportazione che però questa volta concordi i criteri e superi per tutto ciò che è possibile con metodi automatici i problemi emersi.

Anche se il guaio non è completamente rimediabile per la situazione più grave che riguarda i records dell'ICCU per gli autori stranieri per questa ragione: solo in una certa misura hanno le condizioni per poter essere importabili nel VIAF con queste procedure perché sono di qualità estremamente diseguale, spesso mancano di informazioni essenziali e i livelli di autorità non sono sempre coerenti con la qualità effettiva dei records come dimostrano questi esempi:

(in SBN la scala dei livelli di autorità per i records dei nomi autori è: MIN =51; MED=71; MAX=90; SUP=95; AUF=97)

Proust, Marcel record SUP CFIV007392 dotato di date sia nei campi appositi, sia in nota + codici di lingua e di nazionalità

Baudelaire, Charles record SUP CFIV000538 con date nei campi e in nota ma codice di nazione sbagliato (IT invece di FR) e privo di codice di lingua

Woolf, Virginia record MAX CFIV016490 priva di date e di codici lingua e paese

Dickens, Charles, record MAX CFIV000404 stessi problemi di Woolf

Nabokov, Vladimir Vladimirovič record MAX CFIV000621 dotato di date sia nei campi appositi, sia in nota + codici di nazionalità

Ma anche gli autori classici hanno problemi:

Ovidius Naso, Publius, record MAX CFIV002690 ha date in nota in forma discorsiva, non utilizzabili (nel VIAF non esiste il record italiano corrispondente)

quindi nel caso degli autori stranieri e degli autori classici è molto più dubbio il risultato di una reimportazione nel VIAF e l'ICCU dovrebbe lavorare sull'export usando dei filtri appropriati e sempre con gli spostamenti di date in 200$f.

Gli esempi che ho trovato sono significativi, ma secondo me per fare un articolo scientifico che dimostri l'entità non episodica del guaio bisogna fare un'analisi quantitativa seria. Pare che OCLC non metta a disposizione report con dati quantitativi sui risultati delle importazioni. Questo problema è superabile scaricando l'intero dataset, come ho fatto: decompresso viene un file enrome di circa 90 GB. L'ho splittato in file più piccoli da 200.000 records che però sono ancora troppo grossi. Rifaccio la splittatura in file da 100.000 records che dovrebbero essere gestibili da un personal computer come il mio e poi intendo estrarne dei dati quantitativi che dicano: totale records ICCU importati, totale schiacciati, totale non schiacciati e di questi quali sono records unici (forniti solo dall'ICCU) e quali invece avrebbero dovuto essere schiacciati perché l'analisi di compatibilità li aveva qualificati come tali, salvo che poi non si è proceduto causa assenza di almeno una di quelle informazioni supplementari oltre al nome considerate indispensabili per l'algoritmo di schiacciamento (in particolare, come emerge sia dall'articolo su JLis, sia dalla risposta di Max Klein: l'associazione a un titolo significativo, e/o le date di nascita e morte). Questo "non" dimostrerà che tutti i records non schicciati ma "compatibili" avrebbero anche dovuto essere schiacciati perché solo un export fatto diversamente, che muova le date dal tag 300 al tag 200$f potrà dimostrarlo: dato che è giusto che venga applicato l'algoritmo VIAF originale basato anche su informazioni supplementari. Tuttavia il n° totale dei "compatibili" unito a un'analisi a campione dovrebbe dire quale percentuale di successo maggiore avrebbe una nuova importazione fatta con attenzione.

Penso dopo Pasqua di esaminare a fondo il dataset per vedere quante risposte può fornire. Sarebbe anche molto interessante poter mettere a confronto i dati sul totale records forniti dall'ICCU e le relative percentuali di schiacciamento e di non schiacciamento con i dati di altre importanti realtà europee come BNF e Germania. Anche qui le percentuali dovrebbero essere indicative. Inoltre servirebbe anche a dimostrare che gli altri hanno dato tutti i records di autorità: anche quelli di autori stranieri.

Uno studio così secondo me interesserebbe anche OCLC. Il problema in Italia è quello di farsi ascoltare. Quindi bisogna creare una specie di "azione" di lobby intorno a questo problema.

Pierfranco Minsenti

Il giorno 27 marzo 2013 23:19, Carlo Bianchini <carlo.bianchini@unipv.it

...

ha scritto:

...

Ho appena finito di rileggere tutto lo scambio: basta distrarsi un momento ...

Da quello che capisco, mi sembra che sarebbe necessaria, indispensabile, una reimportazione dei dati ICCU in VIAF, per motivi che vanno oltre il problema contingente della versione italiana di Wikipedia. Se il lavoro di importazione dell'authority file di SBN (in teoria uno dei lavori piu' qualificati che siamo in grado di realizzare come bibliotecari) nel VIAF, che ormai e' di fatto l'archivio di autorita' piu' importante del mondo, e' stato fatto male, va rifatto.

Spiego i problemi diversi che stanno dietro a questi due casi (giusto perche' Pierfranco ha evidenziato questi e non altri; chissa' quanti ce n'e'). Karol Wojtyla era una 'persona qualsiasi' fino a un certo punto della sua vita; e percio' e' nota con il suo nome, K.W. Poi e' stato eletto Papa, ha smesso di esistere come K.W ed e' diventato Giovanni Paolo II, in qualche maniera un'altra persona (come sono due persone diverse il Presidente della Repubblica e il cittadino Giorgio Napolitano, quando scrivono un documento pubblico o privato ...). Da questo punto di vista (catalografico) le opere del prima e del dopo devono essere distinte, in genere perche' ricercate per motivi diversi. O almeno dovrebbe essere possibile ANCHE distinguerle. Mentre per il potenziale lettore di Wikipedia (che giustamente 'si cura poco' per cosi dire di queste distinzioni), dovrebbero essere due forme o due nomi della 'stessa cosa'. Cercando l'uno o l'altro dovrebbe trovare comunque sempre *tutte* le informazioni sull'uomo che poi e' diventato papa.

Per Erasmo da Rotterdam, e' solo una questione di convenzione. Fino a qualche tempo fa, sempre per ragioni di economia (che sono venute meno) bisognava stabilire qual è la forma 'migliore' per riferirsi a E.d.R..; cosi' le varie regole hanno stabilito che e' meglio la forma vernacolare, anzi no la forma latina, anzi no la forma cognome e nome, anzi no per gli autori greci la forma latina ecc. ecc. Al punto che, dato che era un casino tremendo e ci si e' accorti che le convenzioni erano possibili solo entro un certo ambito culturale che, per quanto ampio, era sempre limitato e non era mai condiviso a livello mondiale (basti pensare alla precedenza nome e cognome o viceversa nella tradizione occidentale o orientale), si e' rinunciato a una forma unica, e si e' deciso di ... fare il VIAF! Il VIAF ha proprio lo scopo di creare un grappolo di intestazioni, tutte di egual valore, da riferire a un'unica entita', rispettando la forma preferita dalle diverse comunita' rappresentate nel VIAF. Per questo motivo e' particolarmente grave il problema sollevato da Pierfranco. Se, nell'unico posto al mondo in cui si dovrebbe riconoscere che Alcott, Louisa May di SBN e Alcott, Louisa May, 1832-1888 della LoC sono la stessa cosa con due nomi diversi, questo non avviene, e' come dire che SBN non partecipa (ancora?) al VIAF.

Dal punto di vista di WP sarebbe comunque utile ottenere i dati che ha chiesto Susanna, per fare un passo ulteriore (forse andando oltre l'esperienza di WP in altre lingue) perche' nell'AF dell'ICCU ci sono le forme varianti dei nomi raccolte nel tempo dai catalogatori. Per usare un esempio gia' sfruttato da Pierfranco, per Italo Svevo nel AF italiano (Id. Autorita SBN = IT\ICCU\CFIV\007334) ci sono TRE forme alternative del nome della persona che usava come pseudonimo Italo Svevo, nel VIAF, se si guarda la scheda della LoC ce n'è solo UNA (http://id.loc.gov/authorities/names/n79021228.html), ma ce ne sono altre, diverse, nella scheda della BNE collegata al VIAF. Avere l'authority file dell'ICCU sarebbe un'opportunita' per creare in modo massiccio i redirect per le voci personali (ed eventualmente degli enti) di WP.

Certo sarebbe opportuno prendere dall'AF dell'ICCU solo i dati di qualita', come ha proposto Gianfranco, per evitare di importare errori.

Carlo

Il 27 marzo 2013 18:45, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:

...

Sarebbe interessante avere lo scarico dell'authority file SBN

dall'ICCU.

...

Però poi bisogna avere una procedura che associa il nome come è

previsto da

...

SBN al nome usato in Wikipedia.

Ci sono casi problematici da risolvere. Per es. il caso di Karol

Wojtyla:

...

In Wikipedia IT è Karol Wojtyla: http://it.wikipedia.org/wiki/Karol_Wojty%C5%82a

ma in SBN gli autori papi hanno il nome in latino da papa, quindi non

Karol

...

Wojtyla ma: Ioannes Paulus <papa ; 2.> record SBN di livello AUF: CFIV000007

In VIAF non c'è stato lo schiacciamento. Il record VIAF ufficiale di

Wojtyla

...

è: http://viaf.org/viaf/35605; invece quello italiano rimasto

isolato è:

...

http://viaf.org/viaf/90108506

Poi ci sono gli autori umanisti con nome latinizzato: Erasmo da

Rotterdam è

...

tal quale in Wikipedia IT IT: http://it.wikipedia.org/wiki/Erasmo_da_Rotterdam Ma in SBN è: Erasmus : Roterodamus record MAX CFIV002829

Una procedura che realizzi un confronto accurata e nei casi giusti il

match

...

non è cosa semplice.

Poi l'Authority file di SBN è pieno di doppioni: se dessero uno

scarico

...

completo sarebbe complicato. Dovrebbero perlomeno filtrare e

restringere ai

...

casi di records AUF e MAX o SUP.

Pierfranco Minsenti

Il giorno 27 marzo 2013 17:13, giaccai@gmail.com ha scritto:

...

Rossella Caffo ha ricevuto la mia mail di richiesta dei dati di

autority

...

...

italiani e mi risponde che ne parlerà con le sue referenti e mi farà

sapere.

...

...

Aspettiamo fiduciosi.

Saluti Susanna

====================== Susanna Giaccai - Firenze

Il giorno 27 marzo 2013 16:27, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:

> Ciao Andrea, > > i codici identificativi nazionali si recuperano dal VIAF: nei

records

...

...

> MARC 21 XML dai tag 700, e del resto recuperarli è proprio quello

che hanno

...

...

> fatto francesi e tedeschi per la loro Wikipedia. > > Quindi la fattibilità dipende dalla domanda: potete chiedere (a ?)

di

...

...

> rifare l'importazione del VIAF in Wikipedia IT seguendo criteri

diversi da

...

...

> quelli seguiti per ora, gli stessi criteri di fatto seguiti anche da > francesi e tedeschi? > > Se l'importazione si può rifare e meglio, allora bisogna verificare > concretamente dove prendere i dati che servono. > > I file del VIAF in formato MARC21 XML contengono nel tag 700 tutti i > records che la procedura di schiacciamento ha ritenuto simili: cioè

i tag

...

...

> 700 ripetuti contengono tutte le forme del nome ricavate dai records > schiacciati dall'algoritmo; oltre alle diverse forme del nome ogni

tag

...

...

> contiene anche nel sottocampo 0 la sigla identificativa dell'ente

che ha

...

...

> fornito quel record (tra parentesi tonde) seguita

dall'identificativo

...

...

> nazionale. > > Per i records forniti dall'ICCU questo significa che quando sono

stati

...

...

> schiacciati con altri, in uno nei tag 700 del record VIAF cluster

compare

...

...

> anche la sigla dell'ICCU e l'identificativo che ha l'autore in SBN. > > Esempio per Alessandro Manzoni che è uno degli autori che in SBN è > fornito di date e quindi è stato schicciato: > > <mx:datafield tag="700" ind2="1" ind1=" "> > > <mx:subfield code="a">Manzoni , Alessandro</mx:subfield> > > <mx:subfield code="d"><1785-1873></mx:subfield> > > <mx:subfield code="0">(ICCU)CFIV009079</mx:subfield> > > </mx:datafield> > > In questi casi quindi si tratterebbe di istruire la procedura di > importazione in modo che in presenza di <mx:datafield tag="700"

<mx:subfield

...

...

> code="0">(ICCU) > > allora recuperi dal sottocampo 0 l'identificativo: CFIV009079 che

sta tra

...

...

> la parentesi di chiusura e la fine del sottocampo > > I dati sono liberi perché è il VIAF che li mette a disposizione > liberamente. > > Però nel caso dei records che NON sono stati schiacciati, il VIAF

"buono"

...

...

> importato anche in Wikipedia contiene vari tag 700, ma nessuno di

essi ha

...

...

> l'identificativo di un record ICCU. > > Forse ci sono altri formati di export del VIAF che contengono

proprio

...

...

> tutto perché nella versione HTML c'è la sezione History of VIAF che

contiene

...

...

> anche gli identificativi dei record i cui schiacciamenti sono stati

respinti

...

...

> ma che da quello che si può giudicare a occhio, per autori famosi,

sarebbero

...

...

> stati buoni. > > Da indagare ulteriormente. > > Pierfranco > > > Il giorno 27 marzo 2013 14:55, Andrea Zanni <

zanni.andrea84@gmail.com> ha

...

...

> scritto: >> >> Grazie Pierfranco dell'ulteriore analisi. >> >> 2013/3/27 Pierfranco Minsenti pierfranco.minsenti@gmail.com >>> >>> Ma questo significa che oggi come oggi, per fare qualcosa di

simile a

...

...

>>> FTL in Wikipedia IT sarebbe possibile solo se vengono inseriti in

Wikipedia

...

...

>>> gli identificativi nazionali oltre al VIAF. >> >> >> Ok, dunque come si ottiene questo? >> Si può passare da VIAF e riprendere quei dati dell'ICCU, >> o sono altri dati, che stanno da un'altra parte? Sono liberi o no? >> Riusciamo a prenderli? >> >> Andrea >> >> _______________________________________________ >> Bibliotecari mailing list >> Invio messaggi in lista: Bibliotecari@wikimedia.it >> Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

...

...

> > > > _______________________________________________ > Bibliotecari mailing list > Invio messaggi in lista: Bibliotecari@wikimedia.it > Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

...

...

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

...

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente:

http://mailman.wikimedia.it/listinfo/bibliotecari

-- Carlo Bianchini, Ph.D. Università degli Studi di Pavia Dipartimento di Musicologia e Beni Culturali, Corso Garibaldi, 178 I-26100 CREMONA - ITALY Tel. ++ 39 (0)372 25575 ; fax ++39 (0)372 457077 http://sites.google.com/site/homepagecarlobianchini (ita) http://unipv.academia.edu/CarloBianchini/ (eng) skype: c.bianchini67 _______________________________________________ Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

Per chi fosse interessato, qui c'è la flowchart del bot VIAF: http://www.wikidata.org/wiki/File:Wikidata_VIAFbot_Flow.png

Aubrey

2013/3/28 Andrea Zanni zanni.andrea84@gmail.com

Scusate, non che abbia capito tutto, ma Max Klein sta pensando di importare su Wikidata un sacco di identificatori: li trovate alla riga 107 qui

https://github.com/notconfusing/WikidataVIAFbot/blob/master/workOnGeneration...

C'è stata una discussion via chat (stanotte, ore 23...) e trovate il log (piuttosto tecnico) qui:

https://www.wikidata.org/wiki/Wikidata:Requests_for_permissions/Bot/VIAFbot/...

Mi pare di capire che loro andranno avanti a caricare le loro cose, e noi possiamo rimanere in contatto con Max per un eventuale update, come e se risolviamo i nostri problemi.

Aubrey

2013/3/28 giaccai@gmail.com

Scusa; mi sono forse spiegata male.

...

Se avuti i record da ICCU questi fossero importati in Wikidata lì sarebbe più facile lavorarci sopra per accorpare e schiacciare?

saluti Susanna

====================== *Susanna Giaccai - Firenze*

Il giorno 28 marzo 2013 13:30, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:

Il problema Susanna è che come ho detto ieri, se si cercasse di importare

...

in Wikipedia l'authority file dell'ICCU bisognerebbe prima avere a disposizione una procedura come quella che sta alla base del VIAF in Wikipedia: una procedura di analisi e raffronto tra come si presenta il nome in Wikipedia e come si presenta nell'authority file dell'ICCU. Pierfranco

Il giorno 28 marzo 2013 13:13, giaccai@gmail.com ha scritto:

...

Ma se invece di passare da WIAP si puntasse direttamente a legare le voci di WP all'authority dell'ICCU e di lì all'OPAC Indice SBN i problemi diminuirebbero o no?

ciao Susanna

====================== *Susanna Giaccai - Firenze*

Il giorno 28 marzo 2013 10:13, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:

Carlo, sono totalmente d'accordo con quello che hai scritto: bisogna

...

ottenere che l'importazione dei dati ICCU nel VIAF sia rifatta e non pare affatto un lavoro particolarmente oneroso. Basterebbe che l'ICCU consegnasse ad OCLC un export appena un poco diverso. E OCLC dovrebbe semplicemente rifare le sue procedure. Ma il problema è serio e l'occasione non va sprecata.

Anch'io credo che altrimenti perdiamo una partita molto importante: adesso viene fuori con WP, ma verrà fuori ancora e per molte altre cose e quel peccato originale di disattenzione rischia di costare caro.

Proprio per questo io propongo questa linea: di pubblicare un articolo con dati quantitativi che dimostrano le percentuali di non schiacciamento e che spieghi con esempi e riferimenti all'algoritmo usato quale è il problema. Questo articolo dovrebbe servire a mettere il problema sotto gli occhi di tutti e a convincere l'ICCU ad agire presso OCLC chiedendo una reimportazione che però questa volta concordi i criteri e superi per tutto ciò che è possibile con metodi automatici i problemi emersi.

Anche se il guaio non è completamente rimediabile per la situazione più grave che riguarda i records dell'ICCU per gli autori stranieri per questa ragione: solo in una certa misura hanno le condizioni per poter essere importabili nel VIAF con queste procedure perché sono di qualità estremamente diseguale, spesso mancano di informazioni essenziali e i livelli di autorità non sono sempre coerenti con la qualità effettiva dei records come dimostrano questi esempi:

(in SBN la scala dei livelli di autorità per i records dei nomi autori è: MIN =51; MED=71; MAX=90; SUP=95; AUF=97)

Proust, Marcel record SUP CFIV007392 dotato di date sia nei campi appositi, sia in nota + codici di lingua e di nazionalità

Baudelaire, Charles record SUP CFIV000538 con date nei campi e in nota ma codice di nazione sbagliato (IT invece di FR) e privo di codice di lingua

Woolf, Virginia record MAX CFIV016490 priva di date e di codici lingua e paese

Dickens, Charles, record MAX CFIV000404 stessi problemi di Woolf

Nabokov, Vladimir Vladimirovič record MAX CFIV000621 dotato di date sia nei campi appositi, sia in nota + codici di nazionalità

Ma anche gli autori classici hanno problemi:

Ovidius Naso, Publius, record MAX CFIV002690 ha date in nota in forma discorsiva, non utilizzabili (nel VIAF non esiste il record italiano corrispondente)

quindi nel caso degli autori stranieri e degli autori classici è molto più dubbio il risultato di una reimportazione nel VIAF e l'ICCU dovrebbe lavorare sull'export usando dei filtri appropriati e sempre con gli spostamenti di date in 200$f.

Gli esempi che ho trovato sono significativi, ma secondo me per fare un articolo scientifico che dimostri l'entità non episodica del guaio bisogna fare un'analisi quantitativa seria. Pare che OCLC non metta a disposizione report con dati quantitativi sui risultati delle importazioni. Questo problema è superabile scaricando l'intero dataset, come ho fatto: decompresso viene un file enrome di circa 90 GB. L'ho splittato in file più piccoli da 200.000 records che però sono ancora troppo grossi. Rifaccio la splittatura in file da 100.000 records che dovrebbero essere gestibili da un personal computer come il mio e poi intendo estrarne dei dati quantitativi che dicano: totale records ICCU importati, totale schiacciati, totale non schiacciati e di questi quali sono records unici (forniti solo dall'ICCU) e quali invece avrebbero dovuto essere schiacciati perché l'analisi di compatibilità li aveva qualificati come tali, salvo che poi non si è proceduto causa assenza di almeno una di quelle informazioni supplementari oltre al nome considerate indispensabili per l'algoritmo di schiacciamento (in particolare, come emerge sia dall'articolo su JLis, sia dalla risposta di Max Klein: l'associazione a un titolo significativo, e/o le date di nascita e morte). Questo "non" dimostrerà che tutti i records non schicciati ma "compatibili" avrebbero anche dovuto essere schiacciati perché solo un export fatto diversamente, che muova le date dal tag 300 al tag 200$f potrà dimostrarlo: dato che è giusto che venga applicato l'algoritmo VIAF originale basato anche su informazioni supplementari. Tuttavia il n° totale dei "compatibili" unito a un'analisi a campione dovrebbe dire quale percentuale di successo maggiore avrebbe una nuova importazione fatta con attenzione.

Penso dopo Pasqua di esaminare a fondo il dataset per vedere quante risposte può fornire. Sarebbe anche molto interessante poter mettere a confronto i dati sul totale records forniti dall'ICCU e le relative percentuali di schiacciamento e di non schiacciamento con i dati di altre importanti realtà europee come BNF e Germania. Anche qui le percentuali dovrebbero essere indicative. Inoltre servirebbe anche a dimostrare che gli altri hanno dato tutti i records di autorità: anche quelli di autori stranieri.

Uno studio così secondo me interesserebbe anche OCLC. Il problema in Italia è quello di farsi ascoltare. Quindi bisogna creare una specie di "azione" di lobby intorno a questo problema.

Pierfranco Minsenti

Il giorno 27 marzo 2013 23:19, Carlo Bianchini < carlo.bianchini@unipv.it> ha scritto:

...

Ho appena finito di rileggere tutto lo scambio: basta distrarsi un momento ...

Da quello che capisco, mi sembra che sarebbe necessaria, indispensabile, una reimportazione dei dati ICCU in VIAF, per motivi che vanno oltre il problema contingente della versione italiana di Wikipedia. Se il lavoro di importazione dell'authority file di SBN (in teoria uno dei lavori piu' qualificati che siamo in grado di realizzare come bibliotecari) nel VIAF, che ormai e' di fatto l'archivio di autorita' piu' importante del mondo, e' stato fatto male, va rifatto.

Spiego i problemi diversi che stanno dietro a questi due casi (giusto perche' Pierfranco ha evidenziato questi e non altri; chissa' quanti ce n'e'). Karol Wojtyla era una 'persona qualsiasi' fino a un certo punto della sua vita; e percio' e' nota con il suo nome, K.W. Poi e' stato eletto Papa, ha smesso di esistere come K.W ed e' diventato Giovanni Paolo II, in qualche maniera un'altra persona (come sono due persone diverse il Presidente della Repubblica e il cittadino Giorgio Napolitano, quando scrivono un documento pubblico o privato ...). Da questo punto di vista (catalografico) le opere del prima e del dopo devono essere distinte, in genere perche' ricercate per motivi diversi. O almeno dovrebbe essere possibile ANCHE distinguerle. Mentre per il potenziale lettore di Wikipedia (che giustamente 'si cura poco' per cosi dire di queste distinzioni), dovrebbero essere due forme o due nomi della 'stessa cosa'. Cercando l'uno o l'altro dovrebbe trovare comunque sempre *tutte* le informazioni sull'uomo che poi e' diventato papa.

Per Erasmo da Rotterdam, e' solo una questione di convenzione. Fino a qualche tempo fa, sempre per ragioni di economia (che sono venute meno) bisognava stabilire qual è la forma 'migliore' per riferirsi a E.d.R..; cosi' le varie regole hanno stabilito che e' meglio la forma vernacolare, anzi no la forma latina, anzi no la forma cognome e nome, anzi no per gli autori greci la forma latina ecc. ecc. Al punto che, dato che era un casino tremendo e ci si e' accorti che le convenzioni erano possibili solo entro un certo ambito culturale che, per quanto ampio, era sempre limitato e non era mai condiviso a livello mondiale (basti pensare alla precedenza nome e cognome o viceversa nella tradizione occidentale o orientale), si e' rinunciato a una forma unica, e si e' deciso di ... fare il VIAF! Il VIAF ha proprio lo scopo di creare un grappolo di intestazioni, tutte di egual valore, da riferire a un'unica entita', rispettando la forma preferita dalle diverse comunita' rappresentate nel VIAF. Per questo motivo e' particolarmente grave il problema sollevato da Pierfranco. Se, nell'unico posto al mondo in cui si dovrebbe riconoscere che Alcott, Louisa May di SBN e Alcott, Louisa May, 1832-1888 della LoC sono la stessa cosa con due nomi diversi, questo non avviene, e' come dire che SBN non partecipa (ancora?) al VIAF.

Dal punto di vista di WP sarebbe comunque utile ottenere i dati che ha chiesto Susanna, per fare un passo ulteriore (forse andando oltre l'esperienza di WP in altre lingue) perche' nell'AF dell'ICCU ci sono le forme varianti dei nomi raccolte nel tempo dai catalogatori. Per usare un esempio gia' sfruttato da Pierfranco, per Italo Svevo nel AF italiano (Id. Autorita SBN = IT\ICCU\CFIV\007334) ci sono TRE forme alternative del nome della persona che usava come pseudonimo Italo Svevo, nel VIAF, se si guarda la scheda della LoC ce n'è solo UNA (http://id.loc.gov/authorities/names/n79021228.html), ma ce ne sono altre, diverse, nella scheda della BNE collegata al VIAF. Avere l'authority file dell'ICCU sarebbe un'opportunita' per creare in modo massiccio i redirect per le voci personali (ed eventualmente degli enti) di WP.

Certo sarebbe opportuno prendere dall'AF dell'ICCU solo i dati di qualita', come ha proposto Gianfranco, per evitare di importare errori.

Carlo

Il 27 marzo 2013 18:45, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: > Sarebbe interessante avere lo scarico dell'authority file SBN dall'ICCU. > Però poi bisogna avere una procedura che associa il nome come è previsto da > SBN al nome usato in Wikipedia. > > Ci sono casi problematici da risolvere. Per es. il caso di Karol Wojtyla: > > In Wikipedia IT è Karol Wojtyla: > http://it.wikipedia.org/wiki/Karol_Wojty%C5%82a > > ma in SBN gli autori papi hanno il nome in latino da papa, quindi non Karol > Wojtyla ma: Ioannes Paulus <papa ; 2.> record SBN di livello AUF: > CFIV000007 > > > In VIAF non c'è stato lo schiacciamento. Il record VIAF ufficiale di Wojtyla > è: http://viaf.org/viaf/35605; invece quello italiano rimasto isolato è: > http://viaf.org/viaf/90108506 > > > Poi ci sono gli autori umanisti con nome latinizzato: Erasmo da Rotterdam è > tal quale in Wikipedia IT IT: > http://it.wikipedia.org/wiki/Erasmo_da_Rotterdam > Ma in SBN è: Erasmus : Roterodamus record MAX CFIV002829 > > > Una procedura che realizzi un confronto accurata e nei casi giusti il match > non è cosa semplice. > > Poi l'Authority file di SBN è pieno di doppioni: se dessero uno scarico > completo sarebbe complicato. Dovrebbero perlomeno filtrare e restringere ai > casi di records AUF e MAX o SUP. > > Pierfranco Minsenti > > > > > > Il giorno 27 marzo 2013 17:13, giaccai@gmail.com ha scritto: > >> Rossella Caffo ha ricevuto la mia mail di richiesta dei dati di autority >> italiani e mi risponde che ne parlerà con le sue referenti e mi farà sapere. >> Aspettiamo fiduciosi. >> >> Saluti Susanna >> >> ====================== >> Susanna Giaccai - Firenze >> >> >> Il giorno 27 marzo 2013 16:27, Pierfranco Minsenti >> pierfranco.minsenti@gmail.com ha scritto: >> >>> Ciao Andrea, >>> >>> i codici identificativi nazionali si recuperano dal VIAF: nei records >>> MARC 21 XML dai tag 700, e del resto recuperarli è proprio quello che hanno >>> fatto francesi e tedeschi per la loro Wikipedia. >>> >>> Quindi la fattibilità dipende dalla domanda: potete chiedere (a ?) di >>> rifare l'importazione del VIAF in Wikipedia IT seguendo criteri diversi da >>> quelli seguiti per ora, gli stessi criteri di fatto seguiti anche da >>> francesi e tedeschi? >>> >>> Se l'importazione si può rifare e meglio, allora bisogna verificare >>> concretamente dove prendere i dati che servono. >>> >>> I file del VIAF in formato MARC21 XML contengono nel tag 700 tutti i >>> records che la procedura di schiacciamento ha ritenuto simili: cioè i tag >>> 700 ripetuti contengono tutte le forme del nome ricavate dai records >>> schiacciati dall'algoritmo; oltre alle diverse forme del nome ogni tag >>> contiene anche nel sottocampo 0 la sigla identificativa dell'ente che ha >>> fornito quel record (tra parentesi tonde) seguita dall'identificativo >>> nazionale. >>> >>> Per i records forniti dall'ICCU questo significa che quando sono stati >>> schiacciati con altri, in uno nei tag 700 del record VIAF cluster compare >>> anche la sigla dell'ICCU e l'identificativo che ha l'autore in SBN. >>> >>> Esempio per Alessandro Manzoni che è uno degli autori che in SBN è >>> fornito di date e quindi è stato schicciato: >>> >>> <mx:datafield tag="700" ind2="1" ind1=" "> >>> >>> <mx:subfield code="a">Manzoni , Alessandro</mx:subfield> >>> >>> <mx:subfield code="d"><1785-1873></mx:subfield> >>> >>> <mx:subfield code="0">(ICCU)CFIV009079</mx:subfield> >>> >>> </mx:datafield> >>> >>> In questi casi quindi si tratterebbe di istruire la procedura di >>> importazione in modo che in presenza di <mx:datafield tag="700" mx:subfield >> code="0">(ICCU) >>> >>> allora recuperi dal sottocampo 0 l'identificativo: CFIV009079 che sta tra >>> la parentesi di chiusura e la fine del sottocampo >>> >>> I dati sono liberi perché è il VIAF che li mette a disposizione >>> liberamente. >>> >>> Però nel caso dei records che NON sono stati schiacciati, il VIAF "buono" >>> importato anche in Wikipedia contiene vari tag 700, ma nessuno di essi ha >>> l'identificativo di un record ICCU. >>> >>> Forse ci sono altri formati di export del VIAF che contengono proprio >>> tutto perché nella versione HTML c'è la sezione History of VIAF che contiene >>> anche gli identificativi dei record i cui schiacciamenti sono stati respinti >>> ma che da quello che si può giudicare a occhio, per autori famosi, sarebbero >>> stati buoni. >>> >>> Da indagare ulteriormente. >>> >>> Pierfranco >>> >>> >>> Il giorno 27 marzo 2013 14:55, Andrea Zanni < zanni.andrea84@gmail.com> ha >>> scritto: >>>> >>>> Grazie Pierfranco dell'ulteriore analisi. >>>> >>>> 2013/3/27 Pierfranco Minsenti pierfranco.minsenti@gmail.com >>>>> >>>>> Ma questo significa che oggi come oggi, per fare qualcosa di simile a >>>>> FTL in Wikipedia IT sarebbe possibile solo se vengono inseriti in Wikipedia >>>>> gli identificativi nazionali oltre al VIAF. >>>> >>>> >>>> Ok, dunque come si ottiene questo? >>>> Si può passare da VIAF e riprendere quei dati dell'ICCU, >>>> o sono altri dati, che stanno da un'altra parte? Sono liberi o no? >>>> Riusciamo a prenderli? >>>> >>>> Andrea >>>> >>>> _______________________________________________ >>>> Bibliotecari mailing list >>>> Invio messaggi in lista: Bibliotecari@wikimedia.it >>>> Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari >>> >>> >>> >>> _______________________________________________ >>> Bibliotecari mailing list >>> Invio messaggi in lista: Bibliotecari@wikimedia.it >>> Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari >> >> >> >> _______________________________________________ >> Bibliotecari mailing list >> Invio messaggi in lista: Bibliotecari@wikimedia.it >> Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari > > > > _______________________________________________ > Bibliotecari mailing list > Invio messaggi in lista: Bibliotecari@wikimedia.it > Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

-- Carlo Bianchini, Ph.D. Università degli Studi di Pavia Dipartimento di Musicologia e Beni Culturali, Corso Garibaldi, 178 I-26100 CREMONA - ITALY Tel. ++ 39 (0)372 25575 ; fax ++39 (0)372 457077 http://sites.google.com/site/homepagecarlobianchini (ita) http://unipv.academia.edu/CarloBianchini/ (eng) skype: c.bianchini67 _______________________________________________ Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

Alla riga 107 si vedono 7 sigle, di cui almeno 6 appartenenti ad altrettanti authority file:

if pn in ['TYP', 'LCCN', 'VIAF', 'GND', 'PND','BNF', 'SUDOC'

LCCN=Library of Congress VIAF GND=Biblioteca Nazionale Tedesca PND=Biblioteca Nazionale Tedesca BNF=Bibliothèque Nationale de France SUDOC=Catalogo collettivo delle università francesi

Tra questi non compare l'ICCU. Continueremo quindi a essere fuori. Chi è che stabilisce quali identificatori importare in Wikidata? Solo Max Klein? Non è solo l'Italia a essere fuori: sono fuori anche tutti gli altri europei e tutti gli extraeuropei che pure sono presenti nel VIAF. Se rimane così, di tutto questo lavoro continueranno ad avvantaggiarsene solo statunitensi, francesi e tedeschi: 3 Wikipedia, non le altre. È inutile infatti applicare il Bot standard anche alle altre Wikipedia. Quando lo faranno, se questi sono i limiti, si ritroveranno gli stessi problemi che adesso nota Wikipedia IT. Possibile che nessuno sollevi il problema? D'altronde ogni identificatore VIAF è da intendersi come la registrazione di un grappolo di record diversi. Quindi i diversi identificativi nazionali fanno parte integrante del grappolo e Wikipedia dovrebbe tirarseli dietro. Non esiste infatti una forma norme "standard" che corrisponda a un singolo identificatore VIAF: il progetto VIAF è nato proprio per superare l'idea di una unica forma accettata per adottare la prospettiva più minimale e allo stesso tempo più globalizzata e ospitale di un semplice registro di tutte le forme con i loro collegamenti reciproci e ogni identificatore VIAF di fatto è solo il codice di un grappolo, nulla di più. Non ha una semantica sua. Non a caso quindi l'importazione del VIAF in Wikipedia prevede anche l'importazione della coda costituita da altri identificativi: questa volta quelli nazionali. Ma poi limita questa coda solo a 3 casi. Se questo è il frutto di una impostazione che vuole essere limitata consapevolmente perché è a uno stadio progettuale, allora può avere un senso. Ma allora dovrebbe essere chiaro come si aprirà a tutti gli altri identificativi. A me non è chiaro. Quindi, oggi come oggi il risultato dell'importazione del VIAF in Wikipedia convince solo nel caso delle soluzioni americana (Wikipedia EN), francese e tedesca. Ma le altre Wikipedia come faranno a farsi andare bene queste impostazioni se rimangono le limitazioni attuali? Per rendere il progetto sensato e non creare disparità da "figli di un dio minore", il progetto di Klein dovrebbe prevedere la messa a disposizione appena possibile di un'applicazione per importazione flessibile, configurabile dalla singola Wikipedia in maniera che consenta di importare nelle diverse Wikipedia gli identificatori nazionali che una certa Wikipedia deciderà di importare perché gli servono. Ma se l'applicazione non è così flessibile e adattabile, allora non l'utilità della cosa per le altre Wikipedia che non sono le tre privilegiate, si ridurrà al vantaggio di avere collegato alla voce su un certo autore lo stesso codice VIAF condiviso con le altre Wikipedia, ma nulla di più.

Why? È stato discusso? O sono io che mi sono lasciato sfuggire qualcosa?

Pierfranco Minsenti

Il giorno 28 marzo 2013 23:49, Andrea Zanni zanni.andrea84@gmail.com ha scritto:

Scusate, non che abbia capito tutto, ma Max Klein sta pensando di importare su Wikidata un sacco di identificatori: li trovate alla riga 107 qui

https://github.com/notconfusing/WikidataVIAFbot/blob/master/workOnGeneration...

C'è stata una discussion via chat (stanotte, ore 23...) e trovate il log (piuttosto tecnico) qui:

https://www.wikidata.org/wiki/Wikidata:Requests_for_permissions/Bot/VIAFbot/...

Mi pare di capire che loro andranno avanti a caricare le loro cose, e noi possiamo rimanere in contatto con Max per un eventuale update, come e se risolviamo i nostri problemi.

Aubrey

2013/3/28 giaccai@gmail.com

Scusa; mi sono forse spiegata male.

...

Se avuti i record da ICCU questi fossero importati in Wikidata lì sarebbe più facile lavorarci sopra per accorpare e schiacciare?

saluti Susanna

====================== *Susanna Giaccai - Firenze*

Il giorno 28 marzo 2013 13:30, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:

Il problema Susanna è che come ho detto ieri, se si cercasse di importare

...

in Wikipedia l'authority file dell'ICCU bisognerebbe prima avere a disposizione una procedura come quella che sta alla base del VIAF in Wikipedia: una procedura di analisi e raffronto tra come si presenta il nome in Wikipedia e come si presenta nell'authority file dell'ICCU. Pierfranco

Il giorno 28 marzo 2013 13:13, giaccai@gmail.com ha scritto:

...

Ma se invece di passare da WIAP si puntasse direttamente a legare le voci di WP all'authority dell'ICCU e di lì all'OPAC Indice SBN i problemi diminuirebbero o no?

ciao Susanna

====================== *Susanna Giaccai - Firenze*

Il giorno 28 marzo 2013 10:13, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:

Carlo, sono totalmente d'accordo con quello che hai scritto: bisogna

...

ottenere che l'importazione dei dati ICCU nel VIAF sia rifatta e non pare affatto un lavoro particolarmente oneroso. Basterebbe che l'ICCU consegnasse ad OCLC un export appena un poco diverso. E OCLC dovrebbe semplicemente rifare le sue procedure. Ma il problema è serio e l'occasione non va sprecata.

Anch'io credo che altrimenti perdiamo una partita molto importante: adesso viene fuori con WP, ma verrà fuori ancora e per molte altre cose e quel peccato originale di disattenzione rischia di costare caro.

Proprio per questo io propongo questa linea: di pubblicare un articolo con dati quantitativi che dimostrano le percentuali di non schiacciamento e che spieghi con esempi e riferimenti all'algoritmo usato quale è il problema. Questo articolo dovrebbe servire a mettere il problema sotto gli occhi di tutti e a convincere l'ICCU ad agire presso OCLC chiedendo una reimportazione che però questa volta concordi i criteri e superi per tutto ciò che è possibile con metodi automatici i problemi emersi.

Anche se il guaio non è completamente rimediabile per la situazione più grave che riguarda i records dell'ICCU per gli autori stranieri per questa ragione: solo in una certa misura hanno le condizioni per poter essere importabili nel VIAF con queste procedure perché sono di qualità estremamente diseguale, spesso mancano di informazioni essenziali e i livelli di autorità non sono sempre coerenti con la qualità effettiva dei records come dimostrano questi esempi:

(in SBN la scala dei livelli di autorità per i records dei nomi autori è: MIN =51; MED=71; MAX=90; SUP=95; AUF=97)

Proust, Marcel record SUP CFIV007392 dotato di date sia nei campi appositi, sia in nota + codici di lingua e di nazionalità

Baudelaire, Charles record SUP CFIV000538 con date nei campi e in nota ma codice di nazione sbagliato (IT invece di FR) e privo di codice di lingua

Woolf, Virginia record MAX CFIV016490 priva di date e di codici lingua e paese

Dickens, Charles, record MAX CFIV000404 stessi problemi di Woolf

Nabokov, Vladimir Vladimirovič record MAX CFIV000621 dotato di date sia nei campi appositi, sia in nota + codici di nazionalità

Ma anche gli autori classici hanno problemi:

Ovidius Naso, Publius, record MAX CFIV002690 ha date in nota in forma discorsiva, non utilizzabili (nel VIAF non esiste il record italiano corrispondente)

quindi nel caso degli autori stranieri e degli autori classici è molto più dubbio il risultato di una reimportazione nel VIAF e l'ICCU dovrebbe lavorare sull'export usando dei filtri appropriati e sempre con gli spostamenti di date in 200$f.

Gli esempi che ho trovato sono significativi, ma secondo me per fare un articolo scientifico che dimostri l'entità non episodica del guaio bisogna fare un'analisi quantitativa seria. Pare che OCLC non metta a disposizione report con dati quantitativi sui risultati delle importazioni. Questo problema è superabile scaricando l'intero dataset, come ho fatto: decompresso viene un file enrome di circa 90 GB. L'ho splittato in file più piccoli da 200.000 records che però sono ancora troppo grossi. Rifaccio la splittatura in file da 100.000 records che dovrebbero essere gestibili da un personal computer come il mio e poi intendo estrarne dei dati quantitativi che dicano: totale records ICCU importati, totale schiacciati, totale non schiacciati e di questi quali sono records unici (forniti solo dall'ICCU) e quali invece avrebbero dovuto essere schiacciati perché l'analisi di compatibilità li aveva qualificati come tali, salvo che poi non si è proceduto causa assenza di almeno una di quelle informazioni supplementari oltre al nome considerate indispensabili per l'algoritmo di schiacciamento (in particolare, come emerge sia dall'articolo su JLis, sia dalla risposta di Max Klein: l'associazione a un titolo significativo, e/o le date di nascita e morte). Questo "non" dimostrerà che tutti i records non schicciati ma "compatibili" avrebbero anche dovuto essere schiacciati perché solo un export fatto diversamente, che muova le date dal tag 300 al tag 200$f potrà dimostrarlo: dato che è giusto che venga applicato l'algoritmo VIAF originale basato anche su informazioni supplementari. Tuttavia il n° totale dei "compatibili" unito a un'analisi a campione dovrebbe dire quale percentuale di successo maggiore avrebbe una nuova importazione fatta con attenzione.

Penso dopo Pasqua di esaminare a fondo il dataset per vedere quante risposte può fornire. Sarebbe anche molto interessante poter mettere a confronto i dati sul totale records forniti dall'ICCU e le relative percentuali di schiacciamento e di non schiacciamento con i dati di altre importanti realtà europee come BNF e Germania. Anche qui le percentuali dovrebbero essere indicative. Inoltre servirebbe anche a dimostrare che gli altri hanno dato tutti i records di autorità: anche quelli di autori stranieri.

Uno studio così secondo me interesserebbe anche OCLC. Il problema in Italia è quello di farsi ascoltare. Quindi bisogna creare una specie di "azione" di lobby intorno a questo problema.

Pierfranco Minsenti

Il giorno 27 marzo 2013 23:19, Carlo Bianchini < carlo.bianchini@unipv.it> ha scritto:

...

Ho appena finito di rileggere tutto lo scambio: basta distrarsi un momento ...

Da quello che capisco, mi sembra che sarebbe necessaria, indispensabile, una reimportazione dei dati ICCU in VIAF, per motivi che vanno oltre il problema contingente della versione italiana di Wikipedia. Se il lavoro di importazione dell'authority file di SBN (in teoria uno dei lavori piu' qualificati che siamo in grado di realizzare come bibliotecari) nel VIAF, che ormai e' di fatto l'archivio di autorita' piu' importante del mondo, e' stato fatto male, va rifatto.

Spiego i problemi diversi che stanno dietro a questi due casi (giusto perche' Pierfranco ha evidenziato questi e non altri; chissa' quanti ce n'e'). Karol Wojtyla era una 'persona qualsiasi' fino a un certo punto della sua vita; e percio' e' nota con il suo nome, K.W. Poi e' stato eletto Papa, ha smesso di esistere come K.W ed e' diventato Giovanni Paolo II, in qualche maniera un'altra persona (come sono due persone diverse il Presidente della Repubblica e il cittadino Giorgio Napolitano, quando scrivono un documento pubblico o privato ...). Da questo punto di vista (catalografico) le opere del prima e del dopo devono essere distinte, in genere perche' ricercate per motivi diversi. O almeno dovrebbe essere possibile ANCHE distinguerle. Mentre per il potenziale lettore di Wikipedia (che giustamente 'si cura poco' per cosi dire di queste distinzioni), dovrebbero essere due forme o due nomi della 'stessa cosa'. Cercando l'uno o l'altro dovrebbe trovare comunque sempre *tutte* le informazioni sull'uomo che poi e' diventato papa.

Per Erasmo da Rotterdam, e' solo una questione di convenzione. Fino a qualche tempo fa, sempre per ragioni di economia (che sono venute meno) bisognava stabilire qual è la forma 'migliore' per riferirsi a E.d.R..; cosi' le varie regole hanno stabilito che e' meglio la forma vernacolare, anzi no la forma latina, anzi no la forma cognome e nome, anzi no per gli autori greci la forma latina ecc. ecc. Al punto che, dato che era un casino tremendo e ci si e' accorti che le convenzioni erano possibili solo entro un certo ambito culturale che, per quanto ampio, era sempre limitato e non era mai condiviso a livello mondiale (basti pensare alla precedenza nome e cognome o viceversa nella tradizione occidentale o orientale), si e' rinunciato a una forma unica, e si e' deciso di ... fare il VIAF! Il VIAF ha proprio lo scopo di creare un grappolo di intestazioni, tutte di egual valore, da riferire a un'unica entita', rispettando la forma preferita dalle diverse comunita' rappresentate nel VIAF. Per questo motivo e' particolarmente grave il problema sollevato da Pierfranco. Se, nell'unico posto al mondo in cui si dovrebbe riconoscere che Alcott, Louisa May di SBN e Alcott, Louisa May, 1832-1888 della LoC sono la stessa cosa con due nomi diversi, questo non avviene, e' come dire che SBN non partecipa (ancora?) al VIAF.

Dal punto di vista di WP sarebbe comunque utile ottenere i dati che ha chiesto Susanna, per fare un passo ulteriore (forse andando oltre l'esperienza di WP in altre lingue) perche' nell'AF dell'ICCU ci sono le forme varianti dei nomi raccolte nel tempo dai catalogatori. Per usare un esempio gia' sfruttato da Pierfranco, per Italo Svevo nel AF italiano (Id. Autorita SBN = IT\ICCU\CFIV\007334) ci sono TRE forme alternative del nome della persona che usava come pseudonimo Italo Svevo, nel VIAF, se si guarda la scheda della LoC ce n'è solo UNA (http://id.loc.gov/authorities/names/n79021228.html), ma ce ne sono altre, diverse, nella scheda della BNE collegata al VIAF. Avere l'authority file dell'ICCU sarebbe un'opportunita' per creare in modo massiccio i redirect per le voci personali (ed eventualmente degli enti) di WP.

Certo sarebbe opportuno prendere dall'AF dell'ICCU solo i dati di qualita', come ha proposto Gianfranco, per evitare di importare errori.

Carlo

Il 27 marzo 2013 18:45, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: > Sarebbe interessante avere lo scarico dell'authority file SBN dall'ICCU. > Però poi bisogna avere una procedura che associa il nome come è previsto da > SBN al nome usato in Wikipedia. > > Ci sono casi problematici da risolvere. Per es. il caso di Karol Wojtyla: > > In Wikipedia IT è Karol Wojtyla: > http://it.wikipedia.org/wiki/Karol_Wojty%C5%82a > > ma in SBN gli autori papi hanno il nome in latino da papa, quindi non Karol > Wojtyla ma: Ioannes Paulus <papa ; 2.> record SBN di livello AUF: > CFIV000007 > > > In VIAF non c'è stato lo schiacciamento. Il record VIAF ufficiale di Wojtyla > è: http://viaf.org/viaf/35605; invece quello italiano rimasto isolato è: > http://viaf.org/viaf/90108506 > > > Poi ci sono gli autori umanisti con nome latinizzato: Erasmo da Rotterdam è > tal quale in Wikipedia IT IT: > http://it.wikipedia.org/wiki/Erasmo_da_Rotterdam > Ma in SBN è: Erasmus : Roterodamus record MAX CFIV002829 > > > Una procedura che realizzi un confronto accurata e nei casi giusti il match > non è cosa semplice. > > Poi l'Authority file di SBN è pieno di doppioni: se dessero uno scarico > completo sarebbe complicato. Dovrebbero perlomeno filtrare e restringere ai > casi di records AUF e MAX o SUP. > > Pierfranco Minsenti > > > > > > Il giorno 27 marzo 2013 17:13, giaccai@gmail.com ha scritto: > >> Rossella Caffo ha ricevuto la mia mail di richiesta dei dati di autority >> italiani e mi risponde che ne parlerà con le sue referenti e mi farà sapere. >> Aspettiamo fiduciosi. >> >> Saluti Susanna >> >> ====================== >> Susanna Giaccai - Firenze >> >> >> Il giorno 27 marzo 2013 16:27, Pierfranco Minsenti >> pierfranco.minsenti@gmail.com ha scritto: >> >>> Ciao Andrea, >>> >>> i codici identificativi nazionali si recuperano dal VIAF: nei records >>> MARC 21 XML dai tag 700, e del resto recuperarli è proprio quello che hanno >>> fatto francesi e tedeschi per la loro Wikipedia. >>> >>> Quindi la fattibilità dipende dalla domanda: potete chiedere (a ?) di >>> rifare l'importazione del VIAF in Wikipedia IT seguendo criteri diversi da >>> quelli seguiti per ora, gli stessi criteri di fatto seguiti anche da >>> francesi e tedeschi? >>> >>> Se l'importazione si può rifare e meglio, allora bisogna verificare >>> concretamente dove prendere i dati che servono. >>> >>> I file del VIAF in formato MARC21 XML contengono nel tag 700 tutti i >>> records che la procedura di schiacciamento ha ritenuto simili: cioè i tag >>> 700 ripetuti contengono tutte le forme del nome ricavate dai records >>> schiacciati dall'algoritmo; oltre alle diverse forme del nome ogni tag >>> contiene anche nel sottocampo 0 la sigla identificativa dell'ente che ha >>> fornito quel record (tra parentesi tonde) seguita dall'identificativo >>> nazionale. >>> >>> Per i records forniti dall'ICCU questo significa che quando sono stati >>> schiacciati con altri, in uno nei tag 700 del record VIAF cluster compare >>> anche la sigla dell'ICCU e l'identificativo che ha l'autore in SBN. >>> >>> Esempio per Alessandro Manzoni che è uno degli autori che in SBN è >>> fornito di date e quindi è stato schicciato: >>> >>> <mx:datafield tag="700" ind2="1" ind1=" "> >>> >>> <mx:subfield code="a">Manzoni , Alessandro</mx:subfield> >>> >>> <mx:subfield code="d"><1785-1873></mx:subfield> >>> >>> <mx:subfield code="0">(ICCU)CFIV009079</mx:subfield> >>> >>> </mx:datafield> >>> >>> In questi casi quindi si tratterebbe di istruire la procedura di >>> importazione in modo che in presenza di <mx:datafield tag="700" mx:subfield >> code="0">(ICCU) >>> >>> allora recuperi dal sottocampo 0 l'identificativo: CFIV009079 che sta tra >>> la parentesi di chiusura e la fine del sottocampo >>> >>> I dati sono liberi perché è il VIAF che li mette a disposizione >>> liberamente. >>> >>> Però nel caso dei records che NON sono stati schiacciati, il VIAF "buono" >>> importato anche in Wikipedia contiene vari tag 700, ma nessuno di essi ha >>> l'identificativo di un record ICCU. >>> >>> Forse ci sono altri formati di export del VIAF che contengono proprio >>> tutto perché nella versione HTML c'è la sezione History of VIAF che contiene >>> anche gli identificativi dei record i cui schiacciamenti sono stati respinti >>> ma che da quello che si può giudicare a occhio, per autori famosi, sarebbero >>> stati buoni. >>> >>> Da indagare ulteriormente. >>> >>> Pierfranco >>> >>> >>> Il giorno 27 marzo 2013 14:55, Andrea Zanni < zanni.andrea84@gmail.com> ha >>> scritto: >>>> >>>> Grazie Pierfranco dell'ulteriore analisi. >>>> >>>> 2013/3/27 Pierfranco Minsenti pierfranco.minsenti@gmail.com >>>>> >>>>> Ma questo significa che oggi come oggi, per fare qualcosa di simile a >>>>> FTL in Wikipedia IT sarebbe possibile solo se vengono inseriti in Wikipedia >>>>> gli identificativi nazionali oltre al VIAF. >>>> >>>> >>>> Ok, dunque come si ottiene questo? >>>> Si può passare da VIAF e riprendere quei dati dell'ICCU, >>>> o sono altri dati, che stanno da un'altra parte? Sono liberi o no? >>>> Riusciamo a prenderli? >>>> >>>> Andrea >>>> >>>> _______________________________________________ >>>> Bibliotecari mailing list >>>> Invio messaggi in lista: Bibliotecari@wikimedia.it >>>> Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari >>> >>> >>> >>> _______________________________________________ >>> Bibliotecari mailing list >>> Invio messaggi in lista: Bibliotecari@wikimedia.it >>> Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari >> >> >> >> _______________________________________________ >> Bibliotecari mailing list >> Invio messaggi in lista: Bibliotecari@wikimedia.it >> Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari > > > > _______________________________________________ > Bibliotecari mailing list > Invio messaggi in lista: Bibliotecari@wikimedia.it > Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

-- Carlo Bianchini, Ph.D. Università degli Studi di Pavia Dipartimento di Musicologia e Beni Culturali, Corso Garibaldi, 178 I-26100 CREMONA - ITALY Tel. ++ 39 (0)372 25575 ; fax ++39 (0)372 457077 http://sites.google.com/site/homepagecarlobianchini (ita) http://unipv.academia.edu/CarloBianchini/ (eng) skype: c.bianchini67 _______________________________________________ Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari

---

Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari