Attenzione a importazione da dataset del VIAF in WikiData: a ogni riga ICCU non sempre corrisponde il VIAF "ufficiale"
C'è un problema nella importazione dei records ICCU in WikiData che porrebbe avere un impatto sul numero di match che vanno a buon fine.
Il problema è questo: nel fare il match tra il codice ICCU e quello VIAF già presente in WikiData avete fatto caso alla questione che esistono i codici VIAF di record "doppioni" che sono solo legati a un certo record ICCU e codici VIAF che non sono doppioni ma corrispondono a record a grappolo in cui è presente l'Italia.
Come avete associato il codice ICCU derivato sal dataset scaricabile da VIAF a http://viaf.org/viaf/data/ ?
Il problema è che il primo dei dataDump è comodo perché ha solo una riga per ogni record, ma non aiuta a distinguere quali sono i VIAF doppioni da VIAF ufficiali.
Faccio un esempio per intenderci: nella scheda per lo scrittore Alberto Moravia in WikiData a https://www.wikidata.org/wiki/Q161933 il VIAF che si vede associato è 7394594 che come si vede dalla pagina http://viaf.org/viaf/7394594/ è un record a grappolo collegato a molti. Ma a quel 7394594 non è associato il record italiano ICCU CFIV000648 perché il record SBN di Alberto Moravia non ha le date. Alberto Moravia è quindi un caso di doppione VIAF: 267437196 cioè è un VIAF "isolato" come si vede a: http://viaf.org/viaf/267437196/
Nel dataset con una sola riga per record, al record ICCU CFIV000648 è associato il VIAF doppione 267437196, non quello buono: 7394594 che è già sia in WikiData che in Wikipedia.
Quindi la domanda è: se la procedura di aggiunta a WikiData dell'identificatore ICCU va a cercare i VIAF doppioni, come in questo caso il 267437196 per estrarre la scheda di WikiData a cui aggiungere l'identificatore ICCU, in WikioData (e in Wikipedia) l'identificatore del doppione non lo trova.
Non so se mi sono spiegato ma credo che l'esempio sia identificativo di tutta una casistca.
Pierfranco
Rispondo io, cercando di essere più chiaro.
2013/6/11 Pierfranco Minsenti pierfranco.minsenti@gmail.com
Faccio un esempio per intenderci: nella scheda per lo scrittore Alberto Moravia in WikiData a https://www.wikidata.org/wiki/Q161933 il VIAF che si vede associato è 7394594 che come si vede dalla pagina http://viaf.org/viaf/7394594/ è un record a grappolo collegato a molti. Ma a quel 7394594 non è associato il record italiano ICCU CFIV000648 perché il record SBN di Alberto Moravia non ha le date. Alberto Moravia è quindi un caso di doppione VIAF: 267437196 cioè è un VIAF "isolato" come si vede a: http://viaf.org/viaf/267437196/
Alberto Moravia ha una voce su Wikidata
https://www.wikidata.org/wiki/Q161933 in cui compare solo il VIAF http://viaf.org/viaf/7394594/ e non anche l'identificatore SBN.
Come dice Gianfranco, al VIAF grappolo http://viaf.org/viaf/7394594/ non è associato l'identificatore SBN (che ha infatti un'altro VIAF isolato http://viaf.org/viaf/267437196/) Questo potrebbe essere una delle cause per cui noi su Wikidata abbiamo solo 2000 records a fronte dei 45'000 disponibili. Dobbiamo infatti identificare: * quali sono i record SBN che adesso sono su Wikidata (quelli che avevano le date o quelli che non le avevano? quelli che non avevano questo problema?) * quali sono quelli che ci potranno andare, e come facciamo per metterli su
Ho provato a fare un semplicissimo schema qui, è da completare: http://www.lucidchart.com/invitations/accept/51b728aa-7918-4a30-85b6-372c0a0...
Riguardo al dataset che ci aveva dato Raffaele (1 record per riga), non è stato semplicemente usato. I dati SBN su Wikidata sono stati messi direttamente da Max, che, se non erro, ha cercato la stringa ICCU all'interno di quello che era il suo dataset di riferimento (VIAF). Cioè, ha mesos su Wikidata tutti queigli identificatori SBN che *erano già nel grappolone maggiore* es. http://viaf.org/viaf/100192194/#Garibaldi,_Giuseppe,_1807-1882
A meno di un controesempio, penso che il discorso fili.
Aubrey
Lo schema su lucidchart è giusto. Al momento in Wikidata, epr quanto riguarda gli identificativi dei records ICCU possono esserci solo i casi compresi nello spicchio in cui il cerchio verde e quello azzurro si sovrappongono. Mentre occorre trovare i casi della sovrapposizione che c'è solo tra cerchio verde e rosa. È in quello spazio che stanno i casi come Alberto Moravia: sono tutti i records con i nomi privi di date nella qualificazione (e il fatto che le data ci fossero, ma inserite all'interno di una nota generica, non è stato considerato da OCLC).
La modalità seguita da Klein per estrarre gli ICCU è verosimile: ha il vantaggio che così trova gli ICCU giusti pronti da associare a dei VIAF già esistenti, ma ha il difetto che restano fuori da Wikidata/Wikipedia gli ICCU che sono finiti nei doppioni del VIAF e ai quali quindi corrisponde un VIAF non ufficiale, pertanto inesistente in Wikidata/Wikipedia.
Trovare quali sono gli ICCU finiti così, quindi quelli dei doppioni, quelli senza date, è uno dei compiti che mi propongo con la mia analisi.
Il punto è: una volta che io tiro fuori l'elenco dei casi "sbagliati" (che saranno numerosi), come si fa a introdurli con modalità automatiche in Wikidata, visto che il loro rispettivo VIAF non potrà più essere usato come punto di riferimento?
È qui che servirebbe un adattamento della prima procedura Klein: quella che era stata usata per fare un match tra la stringa verbale del nome autore in Wikipedia, e i nomi autori come compaiono nell'authority file e grazie alla quale ottenere la corrispondenza.
Quella procedura da quello che spiega è stata usata in originale per confrontare le voci in Wikipedia EN con l'authority file della Library of Congress e forse anche quelli di Francia e Germania. L'obiettivo era far entrare Wikipedia nel VIA.
Ora lo strumento che serve è sempre una procedura automatica che esegua un confronto tra forme verbali (i nomi autori) da due liste e ottenga un match tra le voci di Wikipedia IT e il nome a cui corrisponde un identificativo ICCU finito nei doppioni in modo da arrivare a creare una lista di equivalenze a 2 colonne (una colonna con i VIAF giusti e una colonna con gli ICCU) da importare in Wikidata.
Questo è il metodo che mi pare adeguato e tra l'altro sarebbe proprio questo che servirebbe proprio a OCLC!!!
Pierfranco
Il giorno 11 giugno 2013 15:44, Andrea Zanni zanni.andrea84@gmail.com ha scritto:
Rispondo io, cercando di essere più chiaro.
2013/6/11 Pierfranco Minsenti pierfranco.minsenti@gmail.com
Faccio un esempio per intenderci: nella scheda per lo scrittore Alberto Moravia in WikiData a https://www.wikidata.org/wiki/Q161933 il VIAF che si vede associato è 7394594 che come si vede dalla pagina http://viaf.org/viaf/7394594/ è un record a grappolo collegato a molti. Ma a quel 7394594 non è associato il record italiano ICCU CFIV000648 perché il record SBN di Alberto Moravia non ha le date. Alberto Moravia è quindi un caso di doppione VIAF: 267437196 cioè è un VIAF "isolato" come si vede a: http://viaf.org/viaf/267437196/
Alberto Moravia ha una voce su Wikidata
https://www.wikidata.org/wiki/Q161933 in cui compare solo il VIAF http://viaf.org/viaf/7394594/ e non anche l'identificatore SBN.
Come dice Gianfranco, al VIAF grappolo http://viaf.org/viaf/7394594/ non è associato l'identificatore SBN (che ha infatti un'altro VIAF isolato http://viaf.org/viaf/267437196/) Questo potrebbe essere una delle cause per cui noi su Wikidata abbiamo solo 2000 records a fronte dei 45'000 disponibili. Dobbiamo infatti identificare:
- quali sono i record SBN che adesso sono su Wikidata (quelli che avevano
le date o quelli che non le avevano? quelli che non avevano questo problema?)
- quali sono quelli che ci potranno andare, e come facciamo per metterli su
Ho provato a fare un semplicissimo schema qui, è da completare:
http://www.lucidchart.com/invitations/accept/51b728aa-7918-4a30-85b6-372c0a0...
Riguardo al dataset che ci aveva dato Raffaele (1 record per riga), non è stato semplicemente usato. I dati SBN su Wikidata sono stati messi direttamente da Max, che, se non erro, ha cercato la stringa ICCU all'interno di quello che era il suo dataset di riferimento (VIAF). Cioè, ha mesos su Wikidata tutti queigli identificatori SBN che *erano già nel grappolone maggiore* es. http://viaf.org/viaf/100192194/#Garibaldi,_Giuseppe,_1807-1882
A meno di un controesempio, penso che il discorso fili.
Aubrey
Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari
2013/6/11 Pierfranco Minsenti pierfranco.minsenti@gmail.com
Lo schema su lucidchart è giusto. Al momento in Wikidata, epr quanto riguarda gli identificativi dei records ICCU possono esserci solo i casi compresi nello spicchio in cui il cerchio verde e quello azzurro si sovrappongono. Mentre occorre trovare i casi della sovrapposizione che c'è solo tra cerchio verde e rosa. È in quello spazio che stanno i casi come Alberto Moravia: sono tutti i records con i nomi privi di date nella qualificazione (e il fatto che le data ci fossero, ma inserite all'interno di una nota generica, non è stato considerato da OCLC).
Aggiornato.
https://www.lucidchart.com/documents/edit/4e9e-0878-51b727bf-a992-232e0a0002... Potevi farlo anche tu :-)
[...]
Trovare quali sono gli ICCU finiti così, quindi quelli dei doppioni, quelli
senza date, è uno dei compiti che mi propongo con la mia analisi.
Ottimo, appena trovi la "regola", diccela. Poi guardiamo quello che
abbiamo nei dataset, e/o chiediamo direttamente a Max. Per adesso ci serve la descrizione degli elementi dell'intersezione VIAF e ICCU che non stanno in Wikidata. [cioè (VIAF & ICCU) - Wikidata = x]
Andrea
Il 11 giugno 2013 15:22, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:
C'è un problema nella importazione dei records ICCU in WikiData che porrebbe avere un impatto sul numero di match che vanno a buon fine.
[...]
Problema già noto quello dei doppioni. Anche per questo motivo, mi misi in contatto all'epoca con Max Klein per suggerirgli di integrare Wikidata in OCLC e/o di usare Wikidata per ridurre il numero di doppioni.
Purtroppo, è un lavoro che bisogna vedere come si può vedere come automatizzare, perché è una ammazzata senza limiti altrimenti.
bibliotecari@liste.wikimedia.it
-
Andrea Zanni -
Luca Martinelli -
Pierfranco Minsenti