IMHO: Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che essere molto più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non il contrario: non sta a noi Wikimediani decidere quale cluster è il più adatto, o rappresentativo, sono _tutti_ adatti perché tutti identificano lo stesso autore. Dovrebbe anzi essere VIAF a utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 16:18, Francesco Gabrielli < francesco.gabrielli.1979@gmail.com> ha scritto:
Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non sta a noi Wikimedia decidere quale cluster è il più adatto, sono tutti adatti perché identificano lo stesso autore. Dovrebbe anzi essere VIAF ad utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 15:06, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Attenzione all'uso di questa lista perché dal punto di vista del rapporto
tra VIAF e Wikipedia contiene anche corrispondenze "inesatte" tra VIAF e SBN, vale a dire, contiene sia casi di:
- identificativo SBN inserito in cluster VIAF multirecord, quindi il
cluster che contiene anche record francesi, tedeschi ecc. sia casi di: 2) identificativo SBN inserito in cluster VIAF monorecord che cioè contiene solo l'identificativo di un record proveniente da SBN perché è un cluster doppione (che se il matching riuscisse perfetto non dovrebbe esistere). Quindi: CASO 1 = match positivo = il match tra record SBN e altri record provenienti da altre fonti e già presenti nel VIAF è riuscito bene; CASO 2 = match negativo, per cui si è creato un doppione nel VIAF.
Esempio: Barack Obama: il record cluster VIAF che raggruppa molti record è: http://viaf.org/viaf/52010985/#Obama,_Barack Quindi il record VIAF 52010985 può essere considerato quello "ufficiale". MA il cluster 52010985 pur contenendo vari record da varie fonti NON contiene il record da SBN perché in quel caso il match ha dato esito negativo.
Ma nella lista inviata compare invece il cluster VIAF 305358548 in corrispondenza del record da SBN per Barack Obama UMCV307371. Il cluster 305358548 è di quei casi che contengono solo un record di provenienza italiana: quindi http://viaf.org/viaf/305358548/ è un doppione che non dovrebbe esistere
In Wikipedia e Wikidata per Barack Obama esiste solo l'identificativo VIAF 52010985 e non l'identificativo VIAF 305358548 che invcece compare nella lista. Per questo dico che la lista contiene anche casi che dal punto di vista dell'uso che fa Wikipedia e Wikidata del VIAF sono "sbagliati" dato Wikipedia e Wikidata non dovrebbero contenere identificativi VIAF di doppioni (anche se innegabilmente sono casi che esistono nella realtà del VIAF, oggi).
In casi come questo, se il VIAFbot esaminasse la lista di corrispondenze tra VIAF e SBN, cercherebbe di trovare in Wikidata la stringa 305358548 e non trovandola salterebbe l'associazione visibile nella lista tra VIAF 305358548 e SBN UMCV307371. Per cui l'identificativo UMCV307371 non verrebbe importato in Wikidata. Quindi la lista va bene se l'intento è di farla usare a una procedura automatica di confronto, ma non va usata per lavori manuali prendendola come una rappreesentazione "corretta" in tutti i casi (nel senso spiegato sopra) delle relazioni tra VIAF e SBN, una volta che si sa come Wikiepdia/Wikidata usano il VIAF.
Domanda: hai postato la lista perché pensi che tra le persone iscritte a questa mailing list ci sia qualcuno che sarebbe in grado di usarla insieme al VIAFbot? Lo chiedo perché non so se c'è qualcuno in grado di farlo ma anche perché non vedo altri usi utili.
Pierfranco
Il giorno 21 gennaio 2014 13:40, Luca Martinelli < martinelliluca@gmail.com> ha scritto:
Il 21 gennaio 2014 13:15, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: [...]
A proposito di Max Klein e VIAF: ti ricordi che poco prima di Natale
(il
20/12/2013) avevo scritto sulla lista che da fine novembre si notava
nel
VIAF un grosso cambiamento nella situazione dei record SBN grazie all'applicazione di un diverso algortimo + nuovo export da SBN che migliorava molto la percentuale di record provenienti da SBN e
matchati con
un cluster VIAF anziché isolati?
[...]
Ho ricevuto il file aggiornato poco fa, lo allego alla mail. Stavolta gli ho chiesto pure di mettere le etichette collegate ai numeri. Non ho avuto letteralmente tempo di controllare se ha capito quello che gli avevo chiesto (tutti i codici VIAF che hanno un codice SBN all'interno, con tanto di etichetta "Nome Cognome"), qualcuno potrebbe farlo per favore?
Il 21 gennaio 2014 13:21, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:
Aggiungo alla mia richiesta questa osservazione generale: in ogni caso
il
VIAFbot dovrebbe comunque funzionare periodicamente per assicurare che
nuovi
record immessi nel VIAF siano poi anche presenti come identificativi in Wikidata. Se funzionasse periodicamente, i nuovi match positivi tra cluster VIAF
e
record provenienti da SBN, veerificati a partire dalla fine novembre
2013,
oggi determinerebbero una crescita significativa del numero di identificativi SBN presenti in Wikidata rispetto alla situazione
frutto del
lavoro del VIAFbot del giugno 2013.
Sfondi una porta aperta. Ho già chiesto in passato a Max se si poteva fare una cosa del genere, ha fatto un po' orecchio da mercante. Eppure, ci sono ben due liste di errori da cui potrebbe trarre informazioni:
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata con più di un valore VIAF = doppioni)
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata *diversi* che hanno lo stesso valore VIAF)
Pure se si volesse limitare alla prima lista, di lavoro ce n'è.
-- Luca "Sannita" Martinelli http://it.wikipedia.org/wiki/Utente:Sannita
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
Ogni notte è impossibile (parliamo di centinaia di migliaia di pagine) ma ho appena scritto una veloce mail a max per sapere che fa e se si occupa ancora della vicenda.
Da quello che penso, sarebbe forse meglio se la comunità italiana diventasse indipendente a riguardo, cioè qualcuno (io penso al beneamato RicordiSamoa) si prendesse l'onore e l'onere di far correre il bot quando "ci" serve.
Aubrey
2014/1/21 Accurimbono accurimbono@yahoo.it
IMHO: Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che essere molto più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non il contrario: non sta a noi Wikimediani decidere quale cluster è il più adatto, o rappresentativo, sono _tutti_ adatti perché tutti identificano lo stesso autore. Dovrebbe anzi essere VIAF a utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 16:18, Francesco Gabrielli < francesco.gabrielli.1979@gmail.com> ha scritto:
Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non sta a noi Wikimedia decidere quale cluster è il più adatto, sono tutti adatti perché identificano lo stesso autore. Dovrebbe anzi essere VIAF ad utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 15:06, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Attenzione all'uso di questa lista perché dal punto di vista del rapporto
tra VIAF e Wikipedia contiene anche corrispondenze "inesatte" tra VIAF e SBN, vale a dire, contiene sia casi di:
- identificativo SBN inserito in cluster VIAF multirecord, quindi il
cluster che contiene anche record francesi, tedeschi ecc. sia casi di: 2) identificativo SBN inserito in cluster VIAF monorecord che cioè contiene solo l'identificativo di un record proveniente da SBN perché è un cluster doppione (che se il matching riuscisse perfetto non dovrebbe esistere). Quindi: CASO 1 = match positivo = il match tra record SBN e altri record provenienti da altre fonti e già presenti nel VIAF è riuscito bene; CASO 2 = match negativo, per cui si è creato un doppione nel VIAF.
Esempio: Barack Obama: il record cluster VIAF che raggruppa molti record è: http://viaf.org/viaf/52010985/#Obama,_Barack Quindi il record VIAF 52010985 può essere considerato quello "ufficiale". MA il cluster 52010985 pur contenendo vari record da varie fonti NON contiene il record da SBN perché in quel caso il match ha dato esito negativo.
Ma nella lista inviata compare invece il cluster VIAF 305358548 in corrispondenza del record da SBN per Barack Obama UMCV307371. Il cluster 305358548 è di quei casi che contengono solo un record di provenienza italiana: quindi http://viaf.org/viaf/305358548/ è un doppione che non dovrebbe esistere
In Wikipedia e Wikidata per Barack Obama esiste solo l'identificativo VIAF 52010985 e non l'identificativo VIAF 305358548 che invcece compare nella lista. Per questo dico che la lista contiene anche casi che dal punto di vista dell'uso che fa Wikipedia e Wikidata del VIAF sono "sbagliati" dato Wikipedia e Wikidata non dovrebbero contenere identificativi VIAF di doppioni (anche se innegabilmente sono casi che esistono nella realtà del VIAF, oggi).
In casi come questo, se il VIAFbot esaminasse la lista di corrispondenze tra VIAF e SBN, cercherebbe di trovare in Wikidata la stringa 305358548 e non trovandola salterebbe l'associazione visibile nella lista tra VIAF 305358548 e SBN UMCV307371. Per cui l'identificativo UMCV307371 non verrebbe importato in Wikidata. Quindi la lista va bene se l'intento è di farla usare a una procedura automatica di confronto, ma non va usata per lavori manuali prendendola come una rappreesentazione "corretta" in tutti i casi (nel senso spiegato sopra) delle relazioni tra VIAF e SBN, una volta che si sa come Wikiepdia/Wikidata usano il VIAF.
Domanda: hai postato la lista perché pensi che tra le persone iscritte a questa mailing list ci sia qualcuno che sarebbe in grado di usarla insieme al VIAFbot? Lo chiedo perché non so se c'è qualcuno in grado di farlo ma anche perché non vedo altri usi utili.
Pierfranco
Il giorno 21 gennaio 2014 13:40, Luca Martinelli < martinelliluca@gmail.com> ha scritto:
Il 21 gennaio 2014 13:15, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: [...]
A proposito di Max Klein e VIAF: ti ricordi che poco prima di Natale
(il
20/12/2013) avevo scritto sulla lista che da fine novembre si notava
nel
VIAF un grosso cambiamento nella situazione dei record SBN grazie all'applicazione di un diverso algortimo + nuovo export da SBN che migliorava molto la percentuale di record provenienti da SBN e
matchati con
un cluster VIAF anziché isolati?
[...]
Ho ricevuto il file aggiornato poco fa, lo allego alla mail. Stavolta gli ho chiesto pure di mettere le etichette collegate ai numeri. Non ho avuto letteralmente tempo di controllare se ha capito quello che gli avevo chiesto (tutti i codici VIAF che hanno un codice SBN all'interno, con tanto di etichetta "Nome Cognome"), qualcuno potrebbe farlo per favore?
Il 21 gennaio 2014 13:21, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:
Aggiungo alla mia richiesta questa osservazione generale: in ogni
caso il
VIAFbot dovrebbe comunque funzionare periodicamente per assicurare
che nuovi
record immessi nel VIAF siano poi anche presenti come identificativi
in
Wikidata. Se funzionasse periodicamente, i nuovi match positivi tra cluster
VIAF e
record provenienti da SBN, veerificati a partire dalla fine novembre
2013,
oggi determinerebbero una crescita significativa del numero di identificativi SBN presenti in Wikidata rispetto alla situazione
frutto del
lavoro del VIAFbot del giugno 2013.
Sfondi una porta aperta. Ho già chiesto in passato a Max se si poteva fare una cosa del genere, ha fatto un po' orecchio da mercante. Eppure, ci sono ben due liste di errori da cui potrebbe trarre informazioni:
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata con più di un valore VIAF = doppioni)
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata *diversi* che hanno lo stesso valore VIAF)
Pure se si volesse limitare alla prima lista, di lavoro ce n'è.
-- Luca "Sannita" Martinelli http://it.wikipedia.org/wiki/Utente:Sannita
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
Puoi scrivergli anche riguardo all'inclusione degli item Wikidata nei cluste VIAF al posto delle voci della Wikipedia inglese? Abbiamo molti autori italiani presenti in Wikidata che non hanno una bio in inglese e che quindi sono esclusi. Idem per tutte le altre lingue. All'inizio della collaborazione VIAF-Wikimedia Wikidata non esisteva, ma ora che v'è andrebbe utilizzata. Magari per un anglofono la differenza non è apprezzabile, ma per tutti gli altri sì! :)
Si, credo che Ricordisamoa sia l'unico (o uno dei pochissimi) italiani che abbia le competenze tecniche su WIkidata per impostare un bot ad hoc per sincronizzarci con VIAF.
Il giorno 21 gennaio 2014 16:28, Andrea Zanni zanni.andrea84@gmail.com ha scritto:
Ogni notte è impossibile (parliamo di centinaia di migliaia di pagine) ma ho appena scritto una veloce mail a max per sapere che fa e se si occupa ancora della vicenda.
Da quello che penso, sarebbe forse meglio se la comunità italiana diventasse indipendente a riguardo, cioè qualcuno (io penso al beneamato RicordiSamoa) si prendesse l'onore e l'onere di far correre il bot quando "ci" serve.
Aubrey
2014/1/21 Accurimbono accurimbono@yahoo.it
IMHO: Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che essere molto più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non il contrario: non sta a noi Wikimediani decidere quale cluster è il più adatto, o rappresentativo, sono _tutti_ adatti perché tutti identificano lo stesso autore. Dovrebbe anzi essere VIAF a utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 16:18, Francesco Gabrielli < francesco.gabrielli.1979@gmail.com> ha scritto:
Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non sta a noi Wikimedia decidere quale cluster è il più adatto, sono tutti adatti perché identificano lo stesso autore. Dovrebbe anzi essere VIAF ad utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 15:06, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Attenzione all'uso di questa lista perché dal punto di vista del
rapporto tra VIAF e Wikipedia contiene anche corrispondenze "inesatte" tra VIAF e SBN, vale a dire, contiene sia casi di:
- identificativo SBN inserito in cluster VIAF multirecord, quindi il
cluster che contiene anche record francesi, tedeschi ecc. sia casi di: 2) identificativo SBN inserito in cluster VIAF monorecord che cioè contiene solo l'identificativo di un record proveniente da SBN perché è un cluster doppione (che se il matching riuscisse perfetto non dovrebbe esistere). Quindi: CASO 1 = match positivo = il match tra record SBN e altri record provenienti da altre fonti e già presenti nel VIAF è riuscito bene; CASO 2 = match negativo, per cui si è creato un doppione nel VIAF.
Esempio: Barack Obama: il record cluster VIAF che raggruppa molti record è: http://viaf.org/viaf/52010985/#Obama,_Barack Quindi il record VIAF 52010985 può essere considerato quello "ufficiale". MA il cluster 52010985 pur contenendo vari record da varie fonti NON contiene il record da SBN perché in quel caso il match ha dato esito negativo.
Ma nella lista inviata compare invece il cluster VIAF 305358548 in corrispondenza del record da SBN per Barack Obama UMCV307371. Il cluster 305358548 è di quei casi che contengono solo un record di provenienza italiana: quindi http://viaf.org/viaf/305358548/ è un doppione che non dovrebbe esistere
In Wikipedia e Wikidata per Barack Obama esiste solo l'identificativo VIAF 52010985 e non l'identificativo VIAF 305358548 che invcece compare nella lista. Per questo dico che la lista contiene anche casi che dal punto di vista dell'uso che fa Wikipedia e Wikidata del VIAF sono "sbagliati" dato Wikipedia e Wikidata non dovrebbero contenere identificativi VIAF di doppioni (anche se innegabilmente sono casi che esistono nella realtà del VIAF, oggi).
In casi come questo, se il VIAFbot esaminasse la lista di corrispondenze tra VIAF e SBN, cercherebbe di trovare in Wikidata la stringa 305358548 e non trovandola salterebbe l'associazione visibile nella lista tra VIAF 305358548 e SBN UMCV307371. Per cui l'identificativo UMCV307371 non verrebbe importato in Wikidata. Quindi la lista va bene se l'intento è di farla usare a una procedura automatica di confronto, ma non va usata per lavori manuali prendendola come una rappreesentazione "corretta" in tutti i casi (nel senso spiegato sopra) delle relazioni tra VIAF e SBN, una volta che si sa come Wikiepdia/Wikidata usano il VIAF.
Domanda: hai postato la lista perché pensi che tra le persone iscritte a questa mailing list ci sia qualcuno che sarebbe in grado di usarla insieme al VIAFbot? Lo chiedo perché non so se c'è qualcuno in grado di farlo ma anche perché non vedo altri usi utili.
Pierfranco
Il giorno 21 gennaio 2014 13:40, Luca Martinelli < martinelliluca@gmail.com> ha scritto:
Il 21 gennaio 2014 13:15, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: [...]
A proposito di Max Klein e VIAF: ti ricordi che poco prima di Natale
(il
20/12/2013) avevo scritto sulla lista che da fine novembre si notava
nel
VIAF un grosso cambiamento nella situazione dei record SBN grazie all'applicazione di un diverso algortimo + nuovo export da SBN che migliorava molto la percentuale di record provenienti da SBN e
matchati con
un cluster VIAF anziché isolati?
[...]
Ho ricevuto il file aggiornato poco fa, lo allego alla mail. Stavolta gli ho chiesto pure di mettere le etichette collegate ai numeri. Non ho avuto letteralmente tempo di controllare se ha capito quello che gli avevo chiesto (tutti i codici VIAF che hanno un codice SBN all'interno, con tanto di etichetta "Nome Cognome"), qualcuno potrebbe farlo per favore?
Il 21 gennaio 2014 13:21, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:
Aggiungo alla mia richiesta questa osservazione generale: in ogni
caso il
VIAFbot dovrebbe comunque funzionare periodicamente per assicurare
che nuovi
record immessi nel VIAF siano poi anche presenti come identificativi
in
Wikidata. Se funzionasse periodicamente, i nuovi match positivi tra cluster
VIAF e
record provenienti da SBN, veerificati a partire dalla fine novembre
2013,
oggi determinerebbero una crescita significativa del numero di identificativi SBN presenti in Wikidata rispetto alla situazione
frutto del
lavoro del VIAFbot del giugno 2013.
Sfondi una porta aperta. Ho già chiesto in passato a Max se si poteva fare una cosa del genere, ha fatto un po' orecchio da mercante. Eppure, ci sono ben due liste di errori da cui potrebbe trarre informazioni:
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata con più di un valore VIAF = doppioni)
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata *diversi* che hanno lo stesso valore VIAF)
Pure se si volesse limitare alla prima lista, di lavoro ce n'è.
-- Luca "Sannita" Martinelli http://it.wikipedia.org/wiki/Utente:Sannita
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
Puoi scrivergli anche riguardo all'inclusione degli item Wikidata nei cluste VIAF al posto delle voci della Wikipedia inglese? Abbiamo molti autori italiani presenti in Wikidata che non hanno una bio in inglese e che quindi sono esclusi. Idem per tutte le altre lingue. All'inizio della collaborazione VIAF-Wikimedia Wikidata non esisteva, ma ora che v'è andrebbe utilizzata. Magari per un anglofono la differenza non è apprezzabile, ma per tutti gli altri sì! :)
Si, credo che Ricordisamoa sia l'unico (o uno dei pochissimi) italiani che abbia le competenze tecniche su WIkidata per impostare un bot ad hoc per sincronizzarci con VIAF.
Il giorno 21 gennaio 2014 16:28, Andrea Zanni zanni.andrea84@gmail.comha scritto:
Ogni notte è impossibile (parliamo di centinaia di migliaia di pagine)
ma ho appena scritto una veloce mail a max per sapere che fa e se si occupa ancora della vicenda.
Da quello che penso, sarebbe forse meglio se la comunità italiana diventasse indipendente a riguardo, cioè qualcuno (io penso al beneamato RicordiSamoa) si prendesse l'onore e l'onere di far correre il bot quando "ci" serve.
Aubrey
2014/1/21 Accurimbono accurimbono@yahoo.it
IMHO: Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che essere molto più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non il contrario: non sta a noi Wikimediani decidere quale cluster è il più adatto, o rappresentativo, sono _tutti_ adatti perché tutti identificano lo stesso autore. Dovrebbe anzi essere VIAF a utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 15:06, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Attenzione all'uso di questa lista perché dal punto di vista del
rapporto tra VIAF e Wikipedia contiene anche corrispondenze "inesatte" tra VIAF e SBN, vale a dire, contiene sia casi di:
- identificativo SBN inserito in cluster VIAF multirecord, quindi il
cluster che contiene anche record francesi, tedeschi ecc. sia casi di: 2) identificativo SBN inserito in cluster VIAF monorecord che cioè contiene solo l'identificativo di un record proveniente da SBN perché è un cluster doppione (che se il matching riuscisse perfetto non dovrebbe esistere). Quindi: CASO 1 = match positivo = il match tra record SBN e altri record provenienti da altre fonti e già presenti nel VIAF è riuscito bene; CASO 2 = match negativo, per cui si è creato un doppione nel VIAF.
Esempio: Barack Obama: il record cluster VIAF che raggruppa molti record è: http://viaf.org/viaf/52010985/#Obama,_Barack Quindi il record VIAF 52010985 può essere considerato quello "ufficiale". MA il cluster 52010985 pur contenendo vari record da varie fonti NON contiene il record da SBN perché in quel caso il match ha dato esito negativo.
Ma nella lista inviata compare invece il cluster VIAF 305358548 in corrispondenza del record da SBN per Barack Obama UMCV307371. Il cluster 305358548 è di quei casi che contengono solo un record di provenienza italiana: quindi http://viaf.org/viaf/305358548/ è un doppione che non dovrebbe esistere
In Wikipedia e Wikidata per Barack Obama esiste solo l'identificativo VIAF 52010985 e non l'identificativo VIAF 305358548 che invcece compare nella lista. Per questo dico che la lista contiene anche casi che dal punto di vista dell'uso che fa Wikipedia e Wikidata del VIAF sono "sbagliati" dato Wikipedia e Wikidata non dovrebbero contenere identificativi VIAF di doppioni (anche se innegabilmente sono casi che esistono nella realtà del VIAF, oggi).
In casi come questo, se il VIAFbot esaminasse la lista di corrispondenze tra VIAF e SBN, cercherebbe di trovare in Wikidata la stringa 305358548 e non trovandola salterebbe l'associazione visibile nella lista tra VIAF 305358548 e SBN UMCV307371. Per cui l'identificativo UMCV307371 non verrebbe importato in Wikidata. Quindi la lista va bene se l'intento è di farla usare a una procedura automatica di confronto, ma non va usata per lavori manuali prendendola come una rappreesentazione "corretta" in tutti i casi (nel senso spiegato sopra) delle relazioni tra VIAF e SBN, una volta che si sa come Wikiepdia/Wikidata usano il VIAF.
Domanda: hai postato la lista perché pensi che tra le persone iscritte a questa mailing list ci sia qualcuno che sarebbe in grado di usarla insieme al VIAFbot? Lo chiedo perché non so se c'è qualcuno in grado di farlo ma anche perché non vedo altri usi utili.
Pierfranco
Il giorno 21 gennaio 2014 13:40, Luca Martinelli < martinelliluca@gmail.com> ha scritto:
Il 21 gennaio 2014 13:15, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: [...] > A proposito di Max Klein e VIAF: ti ricordi che poco prima di Natale (il > 20/12/2013) avevo scritto sulla lista che da fine novembre si notava nel > VIAF un grosso cambiamento nella situazione dei record SBN grazie > all'applicazione di un diverso algortimo + nuovo export da SBN che > migliorava molto la percentuale di record provenienti da SBN e matchati con > un cluster VIAF anziché isolati? [...]
Ho ricevuto il file aggiornato poco fa, lo allego alla mail. Stavolta gli ho chiesto pure di mettere le etichette collegate ai numeri. Non ho avuto letteralmente tempo di controllare se ha capito quello che gli avevo chiesto (tutti i codici VIAF che hanno un codice SBN all'interno, con tanto di etichetta "Nome Cognome"), qualcuno potrebbe farlo per favore?
Il 21 gennaio 2014 13:21, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: > Aggiungo alla mia richiesta questa osservazione generale: in ogni caso il > VIAFbot dovrebbe comunque funzionare periodicamente per assicurare che nuovi > record immessi nel VIAF siano poi anche presenti come identificativi in > Wikidata. > Se funzionasse periodicamente, i nuovi match positivi tra cluster VIAF e > record provenienti da SBN, veerificati a partire dalla fine novembre 2013, > oggi determinerebbero una crescita significativa del numero di > identificativi SBN presenti in Wikidata rispetto alla situazione frutto del > lavoro del VIAFbot del giugno 2013.
Sfondi una porta aperta. Ho già chiesto in passato a Max se si poteva fare una cosa del genere, ha fatto un po' orecchio da mercante. Eppure, ci sono ben due liste di errori da cui potrebbe trarre informazioni:
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata con più di un valore VIAF = doppioni)
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata *diversi* che hanno lo stesso valore VIAF)
Pure se si volesse limitare alla prima lista, di lavoro ce n'è.
-- Luca "Sannita" Martinelli http://it.wikipedia.org/wiki/Utente:Sannita
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
Il giorno 21 gennaio 2014 16:21, Accurimbono accurimbono@yahoo.it ha scritto:
IMHO: Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che essere molto più completo della Wikipedia inglese.
Questa mi pare una proposta coerente e ineterssante, da approfondire.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non il contrario: non sta a noi Wikimediani decidere quale cluster è il più adatto, o rappresentativo, sono _tutti_ adatti perché tutti identificano lo stesso autore. Dovrebbe anzi essere VIAF a utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Su questo non si può essere d'accordo perché se fosse possibile ottenere in maniera corretta e rapida l'associazione di più identificativi VIAF a un unico item di Wikidata allora avremmo anche la soluzione dell'intero problema. Vale a dire: bisogna innanzitutto vedere i problemi a monte, perché quello che succede poi nel VIAF e poi ancora in Wikidata, sono solo conseguenze di difficoltà che stanno a un livello superiore e non sono di facile soluzione. Problema di partenza: nella realtà esistono omonimi: sia nelle anagrafi, che negli elenci telefonici e perciò anche nelle enciclopedie e nei cataloghi di biblioteca. Soluzioni: 1) usare identificativi univoci attrubuendoli alle persone: per es. il codice fiscale 2) disambiguare: tecnica che consiste nell'aggiunta di informazioni che distinguono, come per es. in Wikipedia si distingue tra: http://en.wikipedia.org/wiki/Winston_Churchill http://en.wikipedia.org/wiki/Winston_Churchill_(1620-1688) http://en.wikipedia.org/wiki/Winston_Churchill_(1940-2010)
Il catalogo ha sempre usato la seconda tecnica perché anche il catalogo automatizzato ha mantenuto le convenzioni che erano già proprie del catalogo cartaceo, inserendo modifiche solo di carattere meramente funzonale per poter gestire i record tramite un database ma che non hanno influito sulla struttura del record: per cui se per il catalogo automatizzato l'identificativo del record è una stringa numerica o alfanumerica univoca, invece l'identificativo della PERSONA, della realtà a cui il record si riferisce rappresentandola con un surrogato, è rimasto la stringa che compone il suo NOME, eventualmente arricchita da altre informazioni per disambiguare gli omonimi, aggiunte come qualificazione (informazioni tra parentesi che seguono il nome: innanzitutto le date di nascita o nascita e morte).
Oggi si ragiona in maniera diversa perché c'è convergenza tra le innovazioni concettuali nell'ambito del catalogo (iniziate a partire da circa il 1998) e contemporaneamente le esigenze collegate al sorgere del semantic web e dei linked data. È solo ora che si dice: le persone-autore non possono essere più identificate dai nomi ma ci vogliono identificativi univoci: e se applichiamo i principi dei linked data devono essere delle URI.
Il VIAF nasce proprio per attribuire identificativi di quesot genere agli autori raggruppando record da tante fonti e creando gruppi tra i record riferiti alla stessa persona-autore. Il punto è che non può riuscirci manualmente perché sarebbe ingestibile, ma deve applicare un algoritmo per raggruppare i record riferiti alla stessa persona e nello stesso tempo mantenere distinti i record riferiti a persone con lo stesso nome ma che in realtà solo solo omonimi.
Allora come fa una procedura automatica a distinguere gli omonimi e tenerli da parte senza raggrupparli insieme? Tutto il lavoro del VIAF è finalizzato a risolvere questo problema. Anche l'importazione degli identificativi delle voci di Wikipedia nel VIAF e viceversa manitiene le stesse procedure automatiche usate per risolvere questo problema.
Quindi: nel caso per es. di Barack Obama, la procedura automatica ha concluso che non c'erano sufficienti informazioni sicure per dire che quel certo Barack Obama proveniente da SBN fosse lo stesso Barack Obama che era già presente già in VIAF con identificativo, e non un omonimo. Pertanto, ha concluso negativamente, ha mantenuto distinti i record e ha creato un nuovo record cluster. La stessa cosa è successa in tutti gli altri casi analoghi.
Noi, se esaminiamo uno per uno i record non matchati, possiamo in molti casi rimettere le cose a posto, magari facendo ricerche e approfondendo quanto e se necessario. Ma i doppioni del VIAF sono milioni e non si può pensare che si possano esaminare manualmente se non spiengendo le singole istituzioni fornitrici dei record a fare il lavoro e comunicare tutti gli errori e la soluzione. È ciò che in Italia dovrebbe fare l'ICCU per quanto riguarda tutti gli errori della procedura di importazione dei record SBN nel VIAF.
Per concludere: anche se volessimo inserire in Wikidata i doppioni del VIAF, dovremmo fare un lavoro manuale su ttuti i casi non matchati. Ma forse allora non ha molto senso solo per inserire doppioni, vista la mole del lavoro. Semmai se ci fosse questa disponibilità di tempo e volontari sarebbe molto più strategico far correggere le situazioni e quindi eliminare i doppioni. Se fosse possibile associare automaticamente i doppioni allora il problema non esisterebbe neppure: il VIAF lo avrebbe già fatto. Il problema sono i casi di ambiguità, le informazioni incomplete, che non consentono all'algoritmo di procedere anche a causa della prudenza con cui è stato realizzato per esaminare i casi e decidere su fusioni o creazione di doppioni evitando però errori (meglio un doppione che persone diverse raggruppate insieme per errore come se fossero la stessa persona).
Ecco perché dire che i dopppioni possono anche andare bene perché identificano lo stesso autore, è un'affermazione che può essere fatta solo da un umano e vagliando caso per caso. Ma non può essere generalizzata perché non si può darlo per scontato. E pertanto non è una soluzione, se cerchiamo soluzioni che oltre ad essere corrette efficaci, cioè abbiano anche un buon rapporto tra costi, tempi e benefici
Pierfranco
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 16:18, Francesco Gabrielli < francesco.gabrielli.1979@gmail.com> ha scritto:
Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non sta a noi Wikimedia decidere quale cluster è il più adatto, sono tutti adatti perché identificano lo stesso autore. Dovrebbe anzi essere VIAF ad utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 15:06, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Attenzione all'uso di questa lista perché dal punto di vista del rapporto
tra VIAF e Wikipedia contiene anche corrispondenze "inesatte" tra VIAF e SBN, vale a dire, contiene sia casi di:
- identificativo SBN inserito in cluster VIAF multirecord, quindi il
cluster che contiene anche record francesi, tedeschi ecc. sia casi di: 2) identificativo SBN inserito in cluster VIAF monorecord che cioè contiene solo l'identificativo di un record proveniente da SBN perché è un cluster doppione (che se il matching riuscisse perfetto non dovrebbe esistere). Quindi: CASO 1 = match positivo = il match tra record SBN e altri record provenienti da altre fonti e già presenti nel VIAF è riuscito bene; CASO 2 = match negativo, per cui si è creato un doppione nel VIAF.
Esempio: Barack Obama: il record cluster VIAF che raggruppa molti record è: http://viaf.org/viaf/52010985/#Obama,_Barack Quindi il record VIAF 52010985 può essere considerato quello "ufficiale". MA il cluster 52010985 pur contenendo vari record da varie fonti NON contiene il record da SBN perché in quel caso il match ha dato esito negativo.
Ma nella lista inviata compare invece il cluster VIAF 305358548 in corrispondenza del record da SBN per Barack Obama UMCV307371. Il cluster 305358548 è di quei casi che contengono solo un record di provenienza italiana: quindi http://viaf.org/viaf/305358548/ è un doppione che non dovrebbe esistere
In Wikipedia e Wikidata per Barack Obama esiste solo l'identificativo VIAF 52010985 e non l'identificativo VIAF 305358548 che invcece compare nella lista. Per questo dico che la lista contiene anche casi che dal punto di vista dell'uso che fa Wikipedia e Wikidata del VIAF sono "sbagliati" dato Wikipedia e Wikidata non dovrebbero contenere identificativi VIAF di doppioni (anche se innegabilmente sono casi che esistono nella realtà del VIAF, oggi).
In casi come questo, se il VIAFbot esaminasse la lista di corrispondenze tra VIAF e SBN, cercherebbe di trovare in Wikidata la stringa 305358548 e non trovandola salterebbe l'associazione visibile nella lista tra VIAF 305358548 e SBN UMCV307371. Per cui l'identificativo UMCV307371 non verrebbe importato in Wikidata. Quindi la lista va bene se l'intento è di farla usare a una procedura automatica di confronto, ma non va usata per lavori manuali prendendola come una rappreesentazione "corretta" in tutti i casi (nel senso spiegato sopra) delle relazioni tra VIAF e SBN, una volta che si sa come Wikiepdia/Wikidata usano il VIAF.
Domanda: hai postato la lista perché pensi che tra le persone iscritte a questa mailing list ci sia qualcuno che sarebbe in grado di usarla insieme al VIAFbot? Lo chiedo perché non so se c'è qualcuno in grado di farlo ma anche perché non vedo altri usi utili.
Pierfranco
Il giorno 21 gennaio 2014 13:40, Luca Martinelli < martinelliluca@gmail.com> ha scritto:
Il 21 gennaio 2014 13:15, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: [...]
A proposito di Max Klein e VIAF: ti ricordi che poco prima di Natale
(il
20/12/2013) avevo scritto sulla lista che da fine novembre si notava
nel
VIAF un grosso cambiamento nella situazione dei record SBN grazie all'applicazione di un diverso algortimo + nuovo export da SBN che migliorava molto la percentuale di record provenienti da SBN e
matchati con
un cluster VIAF anziché isolati?
[...]
Ho ricevuto il file aggiornato poco fa, lo allego alla mail. Stavolta gli ho chiesto pure di mettere le etichette collegate ai numeri. Non ho avuto letteralmente tempo di controllare se ha capito quello che gli avevo chiesto (tutti i codici VIAF che hanno un codice SBN all'interno, con tanto di etichetta "Nome Cognome"), qualcuno potrebbe farlo per favore?
Il 21 gennaio 2014 13:21, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:
Aggiungo alla mia richiesta questa osservazione generale: in ogni
caso il
VIAFbot dovrebbe comunque funzionare periodicamente per assicurare
che nuovi
record immessi nel VIAF siano poi anche presenti come identificativi
in
Wikidata. Se funzionasse periodicamente, i nuovi match positivi tra cluster
VIAF e
record provenienti da SBN, veerificati a partire dalla fine novembre
2013,
oggi determinerebbero una crescita significativa del numero di identificativi SBN presenti in Wikidata rispetto alla situazione
frutto del
lavoro del VIAFbot del giugno 2013.
Sfondi una porta aperta. Ho già chiesto in passato a Max se si poteva fare una cosa del genere, ha fatto un po' orecchio da mercante. Eppure, ci sono ben due liste di errori da cui potrebbe trarre informazioni:
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata con più di un valore VIAF = doppioni)
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata *diversi* che hanno lo stesso valore VIAF)
Pure se si volesse limitare alla prima lista, di lavoro ce n'è.
-- Luca "Sannita" Martinelli http://it.wikipedia.org/wiki/Utente:Sannita
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
Pierfranco, grazie per la spiegazione. La tua spiegazione è giusta ma considera che Wikidata IMHO deve riflettere la situazione su VIAF.
Se io umano cerco (come faccio quotidianamente) i codici VIAF (a mano o tramite l'apposito script) e ne trovo 2,3,4,5 riferiti allo stesso autore (al netto quindi delle omonimie), io, se vedo che date e opere corrispondono, li aggiungo tutti a Wikidata, e ritengo (sempre IMHO) che il mio comportamento sia giusto.
Il problema è lato VIAF, ed è VIAF che lo deve risolvere, Wikidata può solo rispecchiare la situazione su VIAF.
Ipotizza che su SBN ci siano due record relativi allo stesso autore: su VIAF ne risulterebbero due cluster. Ora non mi sembra giusto che quelli di VIAF scelgano quale sia il record SBN "giusto" e quello "sbagliato": deve essere SBN a sanare la duplicazione e poi VIAF adeguerà i suoi cluster di conseguenza. E' VIAF che raccoglie i codici SBN. Lo stesso rapporto di subordinazione c'è tra Wikidata e VIAF.
Wikidata si basa su bot ma anche su umani per cui se l'umano capisce che due codici VIAF sono riferiti allo stesso autore (perché generalmente vede le stesse data di nascita/morte o la stessa opera letteraria scritta dai due) allora per me è corretto che su Wikidata ci siano due codici VIAF.
Il lavoro manuale è fondamentale e su Wikidata i volontari non manca, piuttosto mi sembra che il problema sia lato VIAF che ha molto lavoro arretrato che i soli sistemi automatici non potranno mai smaltire.
Ti faccio due esempi che ho incontrato recentemente: l'anonimo ravennate, inteso come l'autore della Cosmografia https://www.wikidata.org/wiki/Q15634526 su questo non credo che ci siano grossi problemi di omonimia
Tre codici VIAF: https://viaf.org/viaf/42633688/ https://viaf.org/viaf/22271409/ https://viaf.org/viaf/220009197/
Oppure Bruno Sperani pseudonimo di Beatrice Speraz: https://www.wikidata.org/wiki/Q15630208
Quattro codici VIAF: https://viaf.org/viaf/10658167/ https://viaf.org/viaf/229024764/ https://viaf.org/viaf/121723181/ https://viaf.org/viaf/280773826/
E ce ne sarebbero a decine di questi casi: io li inserisco tutti in Wikidata se vedo che non ci sono omonimie e che le date o i titoli delle opere combaciano, non credo di fare male e non credo che sia Wikidata a dover scegliere IL cluster, ma sia VIAF a dover verificare opportunamente i doppioni e unirli se è il caso.
Questo solo per spiegarti il mio punto di vista e come agisco nei miei edit su Wikidata. Magari commetterò degli errori ma quando trovo due o più codici VIAF, sceglierne uno solo mi sembra un azione di POV e per cui inserisco tutti.
Saluti
Il giorno 21 gennaio 2014 17:08, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Il giorno 21 gennaio 2014 16:21, Accurimbono accurimbono@yahoo.it ha scritto:
IMHO: Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che essere molto più completo della Wikipedia inglese.
Questa mi pare una proposta coerente e ineterssante, da approfondire.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non il contrario: non sta a noi Wikimediani decidere quale cluster è il più adatto, o rappresentativo, sono _tutti_ adatti perché tutti identificano lo stesso autore. Dovrebbe anzi essere VIAF a utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Su questo non si può essere d'accordo perché se fosse possibile ottenere in maniera corretta e rapida l'associazione di più identificativi VIAF a un unico item di Wikidata allora avremmo anche la soluzione dell'intero problema. Vale a dire: bisogna innanzitutto vedere i problemi a monte, perché quello che succede poi nel VIAF e poi ancora in Wikidata, sono solo conseguenze di difficoltà che stanno a un livello superiore e non sono di facile soluzione. Problema di partenza: nella realtà esistono omonimi: sia nelle anagrafi, che negli elenci telefonici e perciò anche nelle enciclopedie e nei cataloghi di biblioteca. Soluzioni:
- usare identificativi univoci attrubuendoli alle persone: per es. il
codice fiscale 2) disambiguare: tecnica che consiste nell'aggiunta di informazioni che distinguono, come per es. in Wikipedia si distingue tra: http://en.wikipedia.org/wiki/Winston_Churchill http://en.wikipedia.org/wiki/Winston_Churchill_(1620-1688) http://en.wikipedia.org/wiki/Winston_Churchill_(1940-2010)
Il catalogo ha sempre usato la seconda tecnica perché anche il catalogo automatizzato ha mantenuto le convenzioni che erano già proprie del catalogo cartaceo, inserendo modifiche solo di carattere meramente funzonale per poter gestire i record tramite un database ma che non hanno influito sulla struttura del record: per cui se per il catalogo automatizzato l'identificativo del record è una stringa numerica o alfanumerica univoca, invece l'identificativo della PERSONA, della realtà a cui il record si riferisce rappresentandola con un surrogato, è rimasto la stringa che compone il suo NOME, eventualmente arricchita da altre informazioni per disambiguare gli omonimi, aggiunte come qualificazione (informazioni tra parentesi che seguono il nome: innanzitutto le date di nascita o nascita e morte).
Oggi si ragiona in maniera diversa perché c'è convergenza tra le innovazioni concettuali nell'ambito del catalogo (iniziate a partire da circa il 1998) e contemporaneamente le esigenze collegate al sorgere del semantic web e dei linked data. È solo ora che si dice: le persone-autore non possono essere più identificate dai nomi ma ci vogliono identificativi univoci: e se applichiamo i principi dei linked data devono essere delle URI.
Il VIAF nasce proprio per attribuire identificativi di quesot genere agli autori raggruppando record da tante fonti e creando gruppi tra i record riferiti alla stessa persona-autore. Il punto è che non può riuscirci manualmente perché sarebbe ingestibile, ma deve applicare un algoritmo per raggruppare i record riferiti alla stessa persona e nello stesso tempo mantenere distinti i record riferiti a persone con lo stesso nome ma che in realtà solo solo omonimi.
Allora come fa una procedura automatica a distinguere gli omonimi e tenerli da parte senza raggrupparli insieme? Tutto il lavoro del VIAF è finalizzato a risolvere questo problema. Anche l'importazione degli identificativi delle voci di Wikipedia nel VIAF e viceversa manitiene le stesse procedure automatiche usate per risolvere questo problema.
Quindi: nel caso per es. di Barack Obama, la procedura automatica ha concluso che non c'erano sufficienti informazioni sicure per dire che quel certo Barack Obama proveniente da SBN fosse lo stesso Barack Obama che era già presente già in VIAF con identificativo, e non un omonimo. Pertanto, ha concluso negativamente, ha mantenuto distinti i record e ha creato un nuovo record cluster. La stessa cosa è successa in tutti gli altri casi analoghi.
Noi, se esaminiamo uno per uno i record non matchati, possiamo in molti casi rimettere le cose a posto, magari facendo ricerche e approfondendo quanto e se necessario. Ma i doppioni del VIAF sono milioni e non si può pensare che si possano esaminare manualmente se non spiengendo le singole istituzioni fornitrici dei record a fare il lavoro e comunicare tutti gli errori e la soluzione. È ciò che in Italia dovrebbe fare l'ICCU per quanto riguarda tutti gli errori della procedura di importazione dei record SBN nel VIAF.
Per concludere: anche se volessimo inserire in Wikidata i doppioni del VIAF, dovremmo fare un lavoro manuale su ttuti i casi non matchati. Ma forse allora non ha molto senso solo per inserire doppioni, vista la mole del lavoro. Semmai se ci fosse questa disponibilità di tempo e volontari sarebbe molto più strategico far correggere le situazioni e quindi eliminare i doppioni. Se fosse possibile associare automaticamente i doppioni allora il problema non esisterebbe neppure: il VIAF lo avrebbe già fatto. Il problema sono i casi di ambiguità, le informazioni incomplete, che non consentono all'algoritmo di procedere anche a causa della prudenza con cui è stato realizzato per esaminare i casi e decidere su fusioni o creazione di doppioni evitando però errori (meglio un doppione che persone diverse raggruppate insieme per errore come se fossero la stessa persona).
Ecco perché dire che i dopppioni possono anche andare bene perché identificano lo stesso autore, è un'affermazione che può essere fatta solo da un umano e vagliando caso per caso. Ma non può essere generalizzata perché non si può darlo per scontato. E pertanto non è una soluzione, se cerchiamo soluzioni che oltre ad essere corrette efficaci, cioè abbiano anche un buon rapporto tra costi, tempi e benefici
Pierfranco
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 16:18, Francesco Gabrielli < francesco.gabrielli.1979@gmail.com> ha scritto:
Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non sta a noi Wikimedia decidere quale cluster è il più adatto, sono tutti adatti perché identificano lo stesso autore. Dovrebbe anzi essere VIAF ad utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 15:06, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Attenzione all'uso di questa lista perché dal punto di vista del
rapporto tra VIAF e Wikipedia contiene anche corrispondenze "inesatte" tra VIAF e SBN, vale a dire, contiene sia casi di:
- identificativo SBN inserito in cluster VIAF multirecord, quindi il
cluster che contiene anche record francesi, tedeschi ecc. sia casi di: 2) identificativo SBN inserito in cluster VIAF monorecord che cioè contiene solo l'identificativo di un record proveniente da SBN perché è un cluster doppione (che se il matching riuscisse perfetto non dovrebbe esistere). Quindi: CASO 1 = match positivo = il match tra record SBN e altri record provenienti da altre fonti e già presenti nel VIAF è riuscito bene; CASO 2 = match negativo, per cui si è creato un doppione nel VIAF.
Esempio: Barack Obama: il record cluster VIAF che raggruppa molti record è: http://viaf.org/viaf/52010985/#Obama,_Barack Quindi il record VIAF 52010985 può essere considerato quello "ufficiale". MA il cluster 52010985 pur contenendo vari record da varie fonti NON contiene il record da SBN perché in quel caso il match ha dato esito negativo.
Ma nella lista inviata compare invece il cluster VIAF 305358548 in corrispondenza del record da SBN per Barack Obama UMCV307371. Il cluster 305358548 è di quei casi che contengono solo un record di provenienza italiana: quindi http://viaf.org/viaf/305358548/ è un doppione che non dovrebbe esistere
In Wikipedia e Wikidata per Barack Obama esiste solo l'identificativo VIAF 52010985 e non l'identificativo VIAF 305358548 che invcece compare nella lista. Per questo dico che la lista contiene anche casi che dal punto di vista dell'uso che fa Wikipedia e Wikidata del VIAF sono "sbagliati" dato Wikipedia e Wikidata non dovrebbero contenere identificativi VIAF di doppioni (anche se innegabilmente sono casi che esistono nella realtà del VIAF, oggi).
In casi come questo, se il VIAFbot esaminasse la lista di corrispondenze tra VIAF e SBN, cercherebbe di trovare in Wikidata la stringa 305358548 e non trovandola salterebbe l'associazione visibile nella lista tra VIAF 305358548 e SBN UMCV307371. Per cui l'identificativo UMCV307371 non verrebbe importato in Wikidata. Quindi la lista va bene se l'intento è di farla usare a una procedura automatica di confronto, ma non va usata per lavori manuali prendendola come una rappreesentazione "corretta" in tutti i casi (nel senso spiegato sopra) delle relazioni tra VIAF e SBN, una volta che si sa come Wikiepdia/Wikidata usano il VIAF.
Domanda: hai postato la lista perché pensi che tra le persone iscritte a questa mailing list ci sia qualcuno che sarebbe in grado di usarla insieme al VIAFbot? Lo chiedo perché non so se c'è qualcuno in grado di farlo ma anche perché non vedo altri usi utili.
Pierfranco
Il giorno 21 gennaio 2014 13:40, Luca Martinelli < martinelliluca@gmail.com> ha scritto:
Il 21 gennaio 2014 13:15, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: [...]
A proposito di Max Klein e VIAF: ti ricordi che poco prima di Natale
(il
20/12/2013) avevo scritto sulla lista che da fine novembre si notava
nel
VIAF un grosso cambiamento nella situazione dei record SBN grazie all'applicazione di un diverso algortimo + nuovo export da SBN che migliorava molto la percentuale di record provenienti da SBN e
matchati con
un cluster VIAF anziché isolati?
[...]
Ho ricevuto il file aggiornato poco fa, lo allego alla mail. Stavolta gli ho chiesto pure di mettere le etichette collegate ai numeri. Non ho avuto letteralmente tempo di controllare se ha capito quello che gli avevo chiesto (tutti i codici VIAF che hanno un codice SBN all'interno, con tanto di etichetta "Nome Cognome"), qualcuno potrebbe farlo per favore?
Il 21 gennaio 2014 13:21, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto:
Aggiungo alla mia richiesta questa osservazione generale: in ogni
caso il
VIAFbot dovrebbe comunque funzionare periodicamente per assicurare
che nuovi
record immessi nel VIAF siano poi anche presenti come identificativi
in
Wikidata. Se funzionasse periodicamente, i nuovi match positivi tra cluster
VIAF e
record provenienti da SBN, veerificati a partire dalla fine novembre
2013,
oggi determinerebbero una crescita significativa del numero di identificativi SBN presenti in Wikidata rispetto alla situazione
frutto del
lavoro del VIAFbot del giugno 2013.
Sfondi una porta aperta. Ho già chiesto in passato a Max se si poteva fare una cosa del genere, ha fatto un po' orecchio da mercante. Eppure, ci sono ben due liste di errori da cui potrebbe trarre informazioni:
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata con più di un valore VIAF = doppioni)
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata *diversi* che hanno lo stesso valore VIAF)
Pure se si volesse limitare alla prima lista, di lavoro ce n'è.
-- Luca "Sannita" Martinelli http://it.wikipedia.org/wiki/Utente:Sannita
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
Inserire più di un identificativo VIAF di Wikidata non è una cosa scorretta o un problema. Anche perché bisogna tenere conto di questo: nel VIAF sono riflessi i diversi approcci nazionali adottati dai cataloghi per il trattamento degli autori che usano pseudonimi. È anche da qui che deriva uno specifico caso di presenza di doppioni nel VIAF.
Quindi, prendiamo il caso famoso di Charles Dodgson, autore dei libri su Alice e altri per l'infanzia, pubblicati con lo pseudonimo letterario di Lewis Carroll, ma che era nella vita di tutti i giorni un matematico e ha anche pubblicato opere di matematica, firmate però con il nome reale di Charles Dodgson. Quindi un autore che ha distinto nettamente le opere all'interno della propria produzione attribuendole a ude nomi diversi. Per la tradizione catalografica angloamericana degli ultimi 40 anni, questo è un caso di doppia identità bibliografica per cui vengono create non una ma due schede di autorità: - una intestata a Charles Dodgson - una intesta a Lewis Carroll Le schede catalografiche delle pubblicaziooni sono collegate all'uno al all'altra nome in maniera pertinente.
Questo significa che nel catalogo della Library of Congress (e della British Library e in Canada, Australia ecc. ovunque vengono applicate le nrome angloamericane) tra persona reale e nomi autore c'è una corrispondenza: 1:1 in moltissimi casi; 1:molti in certi casi
Invece una enciclopeedia non è costruita così: tra le sue voci e le entità che descrive (che possono essere entità reali o immaginarie) c'è sempre corrispondenza 1:1. La stessa impostazione (quindi corrispondenza 1:1) però è tipica anche di certi cataloghi, come quello italiano e in genere quelli dell'europa continentale.
Quindi il VIAF è destinato in casi specifici a ricevere più di un record autore per la stessa persona e l'algoritmo è stato programmato per non fonderli perché evidentemente il VIAF, progetto concepito negli USA, intende applicare anche al suo archivio, nei casi in cui esiste, il concetto di identità bibliografica come identità dell'autore X, entità fittizia ma separata e autonoma rispetto alla persona reale che ha concepito quella identità.
L'adozione di questo principio è uno dei motivi della presenza di duplicati destinati a rimanere tali perché giustificati dai principi catalografici adottati in certi paesi e non frutto di errori catalografici, o di procedure algoritmiche scorrette. Quindi anche per questo bisogna prevedere la possibile presenza in un item di Wikidata di 2 o più identificativi VIAF.
Poi nel VIAF ci sono i casi di doppioni effetto di match negativo; infine c'è un terzo caso: quando al VIAF arrivano doppioni che sono già tali nel catalogo d'origine: caso molto diffuso per i record tedeschi. In questi casi il VIAF è istruito non per schiacciare, cioè non per fondere eliminando qualcosa. Il VIAF non fonde mai, al massimo raggruppa. Se in questi casi crea doppioni è perché uno dei doppioni all'orgine non comprende abbastanza informazioni che ne consentono il raggruppamento da parte dell'algoritmo del VIAF.
Ho spiegatp questo perr chiarire che se si immagina un lavoro sui cataloghi nazionali al fine poi di migliorare il VIAF, questo lavoro può certo consistere nell'eliminazione di doppioni; ma nel caso italiano, poiché sono stati forniti sinora solo record già controllati, ciioè record del livello massimo, questo caso non esiste. Quindi il lavoro di miglioramento da fare sui record italiani è di altro genere e riguarda il livello di informazioni presenti nei record che deve essere tale da consentire all'algoritmo del VIAF di "riconoscere" una persona un record SBN raggruppandolo con i record che possiede già. Per esempio: perché nel caso del record francese di Barack Obama http://catalogue.bnf.fr/ark:/12148/cb15591663c/PUBLIC l'algoritmo del VIAF non ha fatto fatica a fare l'appaiamento e inserirlo nel cluster http://viaf.org/viaf/52010985/#Obama,_Barack mentre nel caso del record italiano http://id.sbn.it/af/IT%5CICCU%5CUMCV%5C307371 non è riuscito a farlo e perciò ha cerato il doppione inutile http://viaf.org/viaf/305358548/? Bisogna chiedersi queste cose per capire che cosa deve essere cambiato al livello della politica di creazione dei record in SBN, passo essenziale per riuscire poi ad avere un VIAF migliore, con i benefici che ne conseguono.
Pierfranco
Il giorno 21 gennaio 2014 17:44, Accurimbono accurimbono@yahoo.it ha scritto:
Pierfranco, grazie per la spiegazione. La tua spiegazione è giusta ma considera che Wikidata IMHO deve riflettere la situazione su VIAF.
Se io umano cerco (come faccio quotidianamente) i codici VIAF (a mano o tramite l'apposito script) e ne trovo 2,3,4,5 riferiti allo stesso autore (al netto quindi delle omonimie), io, se vedo che date e opere corrispondono, li aggiungo tutti a Wikidata, e ritengo (sempre IMHO) che il mio comportamento sia giusto.
Il problema è lato VIAF, ed è VIAF che lo deve risolvere, Wikidata può solo rispecchiare la situazione su VIAF.
Ipotizza che su SBN ci siano due record relativi allo stesso autore: su VIAF ne risulterebbero due cluster. Ora non mi sembra giusto che quelli di VIAF scelgano quale sia il record SBN "giusto" e quello "sbagliato": deve essere SBN a sanare la duplicazione e poi VIAF adeguerà i suoi cluster di conseguenza. E' VIAF che raccoglie i codici SBN. Lo stesso rapporto di subordinazione c'è tra Wikidata e VIAF.
Wikidata si basa su bot ma anche su umani per cui se l'umano capisce che due codici VIAF sono riferiti allo stesso autore (perché generalmente vede le stesse data di nascita/morte o la stessa opera letteraria scritta dai due) allora per me è corretto che su Wikidata ci siano due codici VIAF.
Il lavoro manuale è fondamentale e su Wikidata i volontari non manca, piuttosto mi sembra che il problema sia lato VIAF che ha molto lavoro arretrato che i soli sistemi automatici non potranno mai smaltire.
Ti faccio due esempi che ho incontrato recentemente: l'anonimo ravennate, inteso come l'autore della Cosmografia https://www.wikidata.org/wiki/Q15634526 su questo non credo che ci siano grossi problemi di omonimia
Tre codici VIAF: https://viaf.org/viaf/42633688/ https://viaf.org/viaf/22271409/ https://viaf.org/viaf/220009197/
Oppure Bruno Sperani pseudonimo di Beatrice Speraz: https://www.wikidata.org/wiki/Q15630208
Quattro codici VIAF: https://viaf.org/viaf/10658167/ https://viaf.org/viaf/229024764/ https://viaf.org/viaf/121723181/ https://viaf.org/viaf/280773826/
E ce ne sarebbero a decine di questi casi: io li inserisco tutti in Wikidata se vedo che non ci sono omonimie e che le date o i titoli delle opere combaciano, non credo di fare male e non credo che sia Wikidata a dover scegliere IL cluster, ma sia VIAF a dover verificare opportunamente i doppioni e unirli se è il caso.
Questo solo per spiegarti il mio punto di vista e come agisco nei miei edit su Wikidata. Magari commetterò degli errori ma quando trovo due o più codici VIAF, sceglierne uno solo mi sembra un azione di POV e per cui inserisco tutti.
Saluti
Il giorno 21 gennaio 2014 17:08, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Il giorno 21 gennaio 2014 16:21, Accurimbono accurimbono@yahoo.it ha
scritto:
IMHO: Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che essere molto più completo della Wikipedia inglese.
Questa mi pare una proposta coerente e ineterssante, da approfondire.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non il contrario: non sta a noi Wikimediani decidere quale cluster è il più adatto, o rappresentativo, sono _tutti_ adatti perché tutti identificano lo stesso autore. Dovrebbe anzi essere VIAF a utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Su questo non si può essere d'accordo perché se fosse possibile ottenere in maniera corretta e rapida l'associazione di più identificativi VIAF a un unico item di Wikidata allora avremmo anche la soluzione dell'intero problema. Vale a dire: bisogna innanzitutto vedere i problemi a monte, perché quello che succede poi nel VIAF e poi ancora in Wikidata, sono solo conseguenze di difficoltà che stanno a un livello superiore e non sono di facile soluzione. Problema di partenza: nella realtà esistono omonimi: sia nelle anagrafi, che negli elenci telefonici e perciò anche nelle enciclopedie e nei cataloghi di biblioteca. Soluzioni:
- usare identificativi univoci attrubuendoli alle persone: per es. il
codice fiscale 2) disambiguare: tecnica che consiste nell'aggiunta di informazioni che distinguono, come per es. in Wikipedia si distingue tra: http://en.wikipedia.org/wiki/Winston_Churchill http://en.wikipedia.org/wiki/Winston_Churchill_(1620-1688) http://en.wikipedia.org/wiki/Winston_Churchill_(1940-2010)
Il catalogo ha sempre usato la seconda tecnica perché anche il catalogo automatizzato ha mantenuto le convenzioni che erano già proprie del catalogo cartaceo, inserendo modifiche solo di carattere meramente funzonale per poter gestire i record tramite un database ma che non hanno influito sulla struttura del record: per cui se per il catalogo automatizzato l'identificativo del record è una stringa numerica o alfanumerica univoca, invece l'identificativo della PERSONA, della realtà a cui il record si riferisce rappresentandola con un surrogato, è rimasto la stringa che compone il suo NOME, eventualmente arricchita da altre informazioni per disambiguare gli omonimi, aggiunte come qualificazione (informazioni tra parentesi che seguono il nome: innanzitutto le date di nascita o nascita e morte).
Oggi si ragiona in maniera diversa perché c'è convergenza tra le innovazioni concettuali nell'ambito del catalogo (iniziate a partire da circa il 1998) e contemporaneamente le esigenze collegate al sorgere del semantic web e dei linked data. È solo ora che si dice: le persone-autore non possono essere più identificate dai nomi ma ci vogliono identificativi univoci: e se applichiamo i principi dei linked data devono essere delle URI.
Il VIAF nasce proprio per attribuire identificativi di quesot genere agli autori raggruppando record da tante fonti e creando gruppi tra i record riferiti alla stessa persona-autore. Il punto è che non può riuscirci manualmente perché sarebbe ingestibile, ma deve applicare un algoritmo per raggruppare i record riferiti alla stessa persona e nello stesso tempo mantenere distinti i record riferiti a persone con lo stesso nome ma che in realtà solo solo omonimi.
Allora come fa una procedura automatica a distinguere gli omonimi e tenerli da parte senza raggrupparli insieme? Tutto il lavoro del VIAF è finalizzato a risolvere questo problema. Anche l'importazione degli identificativi delle voci di Wikipedia nel VIAF e viceversa manitiene le stesse procedure automatiche usate per risolvere questo problema.
Quindi: nel caso per es. di Barack Obama, la procedura automatica ha concluso che non c'erano sufficienti informazioni sicure per dire che quel certo Barack Obama proveniente da SBN fosse lo stesso Barack Obama che era già presente già in VIAF con identificativo, e non un omonimo. Pertanto, ha concluso negativamente, ha mantenuto distinti i record e ha creato un nuovo record cluster. La stessa cosa è successa in tutti gli altri casi analoghi.
Noi, se esaminiamo uno per uno i record non matchati, possiamo in molti casi rimettere le cose a posto, magari facendo ricerche e approfondendo quanto e se necessario. Ma i doppioni del VIAF sono milioni e non si può pensare che si possano esaminare manualmente se non spiengendo le singole istituzioni fornitrici dei record a fare il lavoro e comunicare tutti gli errori e la soluzione. È ciò che in Italia dovrebbe fare l'ICCU per quanto riguarda tutti gli errori della procedura di importazione dei record SBN nel VIAF.
Per concludere: anche se volessimo inserire in Wikidata i doppioni del VIAF, dovremmo fare un lavoro manuale su ttuti i casi non matchati. Ma forse allora non ha molto senso solo per inserire doppioni, vista la mole del lavoro. Semmai se ci fosse questa disponibilità di tempo e volontari sarebbe molto più strategico far correggere le situazioni e quindi eliminare i doppioni. Se fosse possibile associare automaticamente i doppioni allora il problema non esisterebbe neppure: il VIAF lo avrebbe già fatto. Il problema sono i casi di ambiguità, le informazioni incomplete, che non consentono all'algoritmo di procedere anche a causa della prudenza con cui è stato realizzato per esaminare i casi e decidere su fusioni o creazione di doppioni evitando però errori (meglio un doppione che persone diverse raggruppate insieme per errore come se fossero la stessa persona).
Ecco perché dire che i dopppioni possono anche andare bene perché identificano lo stesso autore, è un'affermazione che può essere fatta solo da un umano e vagliando caso per caso. Ma non può essere generalizzata perché non si può darlo per scontato. E pertanto non è una soluzione, se cerchiamo soluzioni che oltre ad essere corrette efficaci, cioè abbiano anche un buon rapporto tra costi, tempi e benefici
Pierfranco
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 16:18, Francesco Gabrielli < francesco.gabrielli.1979@gmail.com> ha scritto:
Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non sta a noi Wikimedia decidere quale cluster è il più adatto, sono tutti adatti perché identificano lo stesso autore. Dovrebbe anzi essere VIAF ad utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 15:06, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Attenzione all'uso di questa lista perché dal punto di vista del
rapporto tra VIAF e Wikipedia contiene anche corrispondenze "inesatte" tra VIAF e SBN, vale a dire, contiene sia casi di:
- identificativo SBN inserito in cluster VIAF multirecord, quindi il
cluster che contiene anche record francesi, tedeschi ecc. sia casi di: 2) identificativo SBN inserito in cluster VIAF monorecord che cioè contiene solo l'identificativo di un record proveniente da SBN perché è un cluster doppione (che se il matching riuscisse perfetto non dovrebbe esistere). Quindi: CASO 1 = match positivo = il match tra record SBN e altri record provenienti da altre fonti e già presenti nel VIAF è riuscito bene; CASO 2 = match negativo, per cui si è creato un doppione nel VIAF.
Esempio: Barack Obama: il record cluster VIAF che raggruppa molti record è: http://viaf.org/viaf/52010985/#Obama,_Barack Quindi il record VIAF 52010985 può essere considerato quello "ufficiale". MA il cluster 52010985 pur contenendo vari record da varie fonti NON contiene il record da SBN perché in quel caso il match ha dato esito negativo.
Ma nella lista inviata compare invece il cluster VIAF 305358548 in corrispondenza del record da SBN per Barack Obama UMCV307371. Il cluster 305358548 è di quei casi che contengono solo un record di provenienza italiana: quindi http://viaf.org/viaf/305358548/ è un doppione che non dovrebbe esistere
In Wikipedia e Wikidata per Barack Obama esiste solo l'identificativo VIAF 52010985 e non l'identificativo VIAF 305358548 che invcece compare nella lista. Per questo dico che la lista contiene anche casi che dal punto di vista dell'uso che fa Wikipedia e Wikidata del VIAF sono "sbagliati" dato Wikipedia e Wikidata non dovrebbero contenere identificativi VIAF di doppioni (anche se innegabilmente sono casi che esistono nella realtà del VIAF, oggi).
In casi come questo, se il VIAFbot esaminasse la lista di corrispondenze tra VIAF e SBN, cercherebbe di trovare in Wikidata la stringa 305358548 e non trovandola salterebbe l'associazione visibile nella lista tra VIAF 305358548 e SBN UMCV307371. Per cui l'identificativo UMCV307371 non verrebbe importato in Wikidata. Quindi la lista va bene se l'intento è di farla usare a una procedura automatica di confronto, ma non va usata per lavori manuali prendendola come una rappreesentazione "corretta" in tutti i casi (nel senso spiegato sopra) delle relazioni tra VIAF e SBN, una volta che si sa come Wikiepdia/Wikidata usano il VIAF.
Domanda: hai postato la lista perché pensi che tra le persone iscritte a questa mailing list ci sia qualcuno che sarebbe in grado di usarla insieme al VIAFbot? Lo chiedo perché non so se c'è qualcuno in grado di farlo ma anche perché non vedo altri usi utili.
Pierfranco
Il giorno 21 gennaio 2014 13:40, Luca Martinelli < martinelliluca@gmail.com> ha scritto:
Il 21 gennaio 2014 13:15, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: [...] > A proposito di Max Klein e VIAF: ti ricordi che poco prima di Natale (il > 20/12/2013) avevo scritto sulla lista che da fine novembre si notava nel > VIAF un grosso cambiamento nella situazione dei record SBN grazie > all'applicazione di un diverso algortimo + nuovo export da SBN che > migliorava molto la percentuale di record provenienti da SBN e matchati con > un cluster VIAF anziché isolati? [...]
Ho ricevuto il file aggiornato poco fa, lo allego alla mail. Stavolta gli ho chiesto pure di mettere le etichette collegate ai numeri. Non ho avuto letteralmente tempo di controllare se ha capito quello che gli avevo chiesto (tutti i codici VIAF che hanno un codice SBN all'interno, con tanto di etichetta "Nome Cognome"), qualcuno potrebbe farlo per favore?
Il 21 gennaio 2014 13:21, Pierfranco Minsenti pierfranco.minsenti@gmail.com ha scritto: > Aggiungo alla mia richiesta questa osservazione generale: in ogni caso il > VIAFbot dovrebbe comunque funzionare periodicamente per assicurare che nuovi > record immessi nel VIAF siano poi anche presenti come identificativi in > Wikidata. > Se funzionasse periodicamente, i nuovi match positivi tra cluster VIAF e > record provenienti da SBN, veerificati a partire dalla fine novembre 2013, > oggi determinerebbero una crescita significativa del numero di > identificativi SBN presenti in Wikidata rispetto alla situazione frutto del > lavoro del VIAFbot del giugno 2013.
Sfondi una porta aperta. Ho già chiesto in passato a Max se si poteva fare una cosa del genere, ha fatto un po' orecchio da mercante. Eppure, ci sono ben due liste di errori da cui potrebbe trarre informazioni:
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata con più di un valore VIAF = doppioni)
https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... (elementi di Wikidata *diversi* che hanno lo stesso valore VIAF)
Pure se si volesse limitare alla prima lista, di lavoro ce n'è.
-- Luca "Sannita" Martinelli http://it.wikipedia.org/wiki/Utente:Sannita
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
È chiaro che per avere un risultato perfetto è necessaria la collaborazione fra tutte le parti (noi, VIAF e i servizi bibliotecari nazionali), ma se già riusciamo a ottenere la fusione dei record isolati direi che possiamo "accontentarci".
L. Il 21/gen/2014 18:29 "Pierfranco Minsenti" pierfranco.minsenti@gmail.com ha scritto:
Inserire più di un identificativo VIAF di Wikidata non è una cosa scorretta o un problema. Anche perché bisogna tenere conto di questo: nel VIAF sono riflessi i diversi approcci nazionali adottati dai cataloghi per il trattamento degli autori che usano pseudonimi. È anche da qui che deriva uno specifico caso di presenza di doppioni nel VIAF.
Quindi, prendiamo il caso famoso di Charles Dodgson, autore dei libri su Alice e altri per l'infanzia, pubblicati con lo pseudonimo letterario di Lewis Carroll, ma che era nella vita di tutti i giorni un matematico e ha anche pubblicato opere di matematica, firmate però con il nome reale di Charles Dodgson. Quindi un autore che ha distinto nettamente le opere all'interno della propria produzione attribuendole a ude nomi diversi. Per la tradizione catalografica angloamericana degli ultimi 40 anni, questo è un caso di doppia identità bibliografica per cui vengono create non una ma due schede di autorità:
- una intestata a Charles Dodgson
- una intesta a Lewis Carroll
Le schede catalografiche delle pubblicaziooni sono collegate all'uno al all'altra nome in maniera pertinente.
Questo significa che nel catalogo della Library of Congress (e della British Library e in Canada, Australia ecc. ovunque vengono applicate le nrome angloamericane) tra persona reale e nomi autore c'è una corrispondenza: 1:1 in moltissimi casi; 1:molti in certi casi
Invece una enciclopeedia non è costruita così: tra le sue voci e le entità che descrive (che possono essere entità reali o immaginarie) c'è sempre corrispondenza 1:1. La stessa impostazione (quindi corrispondenza 1:1) però è tipica anche di certi cataloghi, come quello italiano e in genere quelli dell'europa continentale.
Quindi il VIAF è destinato in casi specifici a ricevere più di un record autore per la stessa persona e l'algoritmo è stato programmato per non fonderli perché evidentemente il VIAF, progetto concepito negli USA, intende applicare anche al suo archivio, nei casi in cui esiste, il concetto di identità bibliografica come identità dell'autore X, entità fittizia ma separata e autonoma rispetto alla persona reale che ha concepito quella identità.
L'adozione di questo principio è uno dei motivi della presenza di duplicati destinati a rimanere tali perché giustificati dai principi catalografici adottati in certi paesi e non frutto di errori catalografici, o di procedure algoritmiche scorrette. Quindi anche per questo bisogna prevedere la possibile presenza in un item di Wikidata di 2 o più identificativi VIAF.
Poi nel VIAF ci sono i casi di doppioni effetto di match negativo; infine c'è un terzo caso: quando al VIAF arrivano doppioni che sono già tali nel catalogo d'origine: caso molto diffuso per i record tedeschi. In questi casi il VIAF è istruito non per schiacciare, cioè non per fondere eliminando qualcosa. Il VIAF non fonde mai, al massimo raggruppa. Se in questi casi crea doppioni è perché uno dei doppioni all'orgine non comprende abbastanza informazioni che ne consentono il raggruppamento da parte dell'algoritmo del VIAF.
Ho spiegatp questo perr chiarire che se si immagina un lavoro sui cataloghi nazionali al fine poi di migliorare il VIAF, questo lavoro può certo consistere nell'eliminazione di doppioni; ma nel caso italiano, poiché sono stati forniti sinora solo record già controllati, ciioè record del livello massimo, questo caso non esiste. Quindi il lavoro di miglioramento da fare sui record italiani è di altro genere e riguarda il livello di informazioni presenti nei record che deve essere tale da consentire all'algoritmo del VIAF di "riconoscere" una persona un record SBN raggruppandolo con i record che possiede già. Per esempio: perché nel caso del record francese di Barack Obama http://catalogue.bnf.fr/ark:/12148/cb15591663c/PUBLIC l'algoritmo del VIAF non ha fatto fatica a fare l'appaiamento e inserirlo nel cluster http://viaf.org/viaf/52010985/#Obama,_Barack mentre nel caso del record italiano http://id.sbn.it/af/IT%5CICCU%5CUMCV%5C307371 non è riuscito a farlo e perciò ha cerato il doppione inutile http://viaf.org/viaf /305358548/ ? Bisogna chiedersi queste cose per capire che cosa deve essere cambiato al livello della politica di creazione dei record in SBN, passo essenziale per riuscire poi ad avere un VIAF migliore, con i benefici che ne conseguono.
Pierfranco
Il giorno 21 gennaio 2014 17:44, Accurimbono accurimbono@yahoo.it ha scritto:
Pierfranco, grazie per la spiegazione. La tua spiegazione è giusta ma considera che Wikidata IMHO deve riflettere la situazione su VIAF.
Se io umano cerco (come faccio quotidianamente) i codici VIAF (a mano o tramite l'apposito script) e ne trovo 2,3,4,5 riferiti allo stesso autore (al netto quindi delle omonimie), io, se vedo che date e opere corrispondono, li aggiungo tutti a Wikidata, e ritengo (sempre IMHO) che il mio comportamento sia giusto.
Il problema è lato VIAF, ed è VIAF che lo deve risolvere, Wikidata può solo rispecchiare la situazione su VIAF.
Ipotizza che su SBN ci siano due record relativi allo stesso autore: su VIAF ne risulterebbero due cluster. Ora non mi sembra giusto che quelli di VIAF scelgano quale sia il record SBN "giusto" e quello "sbagliato": deve essere SBN a sanare la duplicazione e poi VIAF adeguerà i suoi cluster di conseguenza. E' VIAF che raccoglie i codici SBN. Lo stesso rapporto di subordinazione c'è tra Wikidata e VIAF.
Wikidata si basa su bot ma anche su umani per cui se l'umano capisce che due codici VIAF sono riferiti allo stesso autore (perché generalmente vede le stesse data di nascita/morte o la stessa opera letteraria scritta dai due) allora per me è corretto che su Wikidata ci siano due codici VIAF.
Il lavoro manuale è fondamentale e su Wikidata i volontari non manca, piuttosto mi sembra che il problema sia lato VIAF che ha molto lavoro arretrato che i soli sistemi automatici non potranno mai smaltire.
Ti faccio due esempi che ho incontrato recentemente: l'anonimo ravennate, inteso come l'autore della Cosmografia https://www.wikidata.org/wiki/Q15634526 su questo non credo che ci siano grossi problemi di omonimia
Tre codici VIAF: https://viaf.org/viaf/42633688/ https://viaf.org/viaf/22271409/ https://viaf.org/viaf/220009197/
Oppure Bruno Sperani pseudonimo di Beatrice Speraz: https://www.wikidata.org/wiki/Q15630208
Quattro codici VIAF: https://viaf.org/viaf/10658167/ https://viaf.org/viaf/229024764/ https://viaf.org/viaf/121723181/ https://viaf.org/viaf/280773826/
E ce ne sarebbero a decine di questi casi: io li inserisco tutti in Wikidata se vedo che non ci sono omonimie e che le date o i titoli delle opere combaciano, non credo di fare male e non credo che sia Wikidata a dover scegliere IL cluster, ma sia VIAF a dover verificare opportunamente i doppioni e unirli se è il caso.
Questo solo per spiegarti il mio punto di vista e come agisco nei miei edit su Wikidata. Magari commetterò degli errori ma quando trovo due o più codici VIAF, sceglierne uno solo mi sembra un azione di POV e per cui inserisco tutti.
Saluti
Il giorno 21 gennaio 2014 17:08, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Il giorno 21 gennaio 2014 16:21, Accurimbono accurimbono@yahoo.it ha
scritto:
IMHO: Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che essere molto più completo della Wikipedia inglese.
Questa mi pare una proposta coerente e ineterssante, da approfondire.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non il contrario: non sta a noi Wikimediani decidere quale cluster è il più adatto, o rappresentativo, sono _tutti_ adatti perché tutti identificano lo stesso autore. Dovrebbe anzi essere VIAF a utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Su questo non si può essere d'accordo perché se fosse possibile ottenere in maniera corretta e rapida l'associazione di più identificativi VIAF a un unico item di Wikidata allora avremmo anche la soluzione dell'intero problema. Vale a dire: bisogna innanzitutto vedere i problemi a monte, perché quello che succede poi nel VIAF e poi ancora in Wikidata, sono solo conseguenze di difficoltà che stanno a un livello superiore e non sono di facile soluzione. Problema di partenza: nella realtà esistono omonimi: sia nelle anagrafi, che negli elenci telefonici e perciò anche nelle enciclopedie e nei cataloghi di biblioteca. Soluzioni:
- usare identificativi univoci attrubuendoli alle persone: per es. il
codice fiscale 2) disambiguare: tecnica che consiste nell'aggiunta di informazioni che distinguono, come per es. in Wikipedia si distingue tra: http://en.wikipedia.org/wiki/Winston_Churchill http://en.wikipedia.org/wiki/Winston_Churchill_(1620-1688) http://en.wikipedia.org/wiki/Winston_Churchill_(1940-2010)
Il catalogo ha sempre usato la seconda tecnica perché anche il catalogo automatizzato ha mantenuto le convenzioni che erano già proprie del catalogo cartaceo, inserendo modifiche solo di carattere meramente funzonale per poter gestire i record tramite un database ma che non hanno influito sulla struttura del record: per cui se per il catalogo automatizzato l'identificativo del record è una stringa numerica o alfanumerica univoca, invece l'identificativo della PERSONA, della realtà a cui il record si riferisce rappresentandola con un surrogato, è rimasto la stringa che compone il suo NOME, eventualmente arricchita da altre informazioni per disambiguare gli omonimi, aggiunte come qualificazione (informazioni tra parentesi che seguono il nome: innanzitutto le date di nascita o nascita e morte).
Oggi si ragiona in maniera diversa perché c'è convergenza tra le innovazioni concettuali nell'ambito del catalogo (iniziate a partire da circa il 1998) e contemporaneamente le esigenze collegate al sorgere del semantic web e dei linked data. È solo ora che si dice: le persone-autore non possono essere più identificate dai nomi ma ci vogliono identificativi univoci: e se applichiamo i principi dei linked data devono essere delle URI.
Il VIAF nasce proprio per attribuire identificativi di quesot genere agli autori raggruppando record da tante fonti e creando gruppi tra i record riferiti alla stessa persona-autore. Il punto è che non può riuscirci manualmente perché sarebbe ingestibile, ma deve applicare un algoritmo per raggruppare i record riferiti alla stessa persona e nello stesso tempo mantenere distinti i record riferiti a persone con lo stesso nome ma che in realtà solo solo omonimi.
Allora come fa una procedura automatica a distinguere gli omonimi e tenerli da parte senza raggrupparli insieme? Tutto il lavoro del VIAF è finalizzato a risolvere questo problema. Anche l'importazione degli identificativi delle voci di Wikipedia nel VIAF e viceversa manitiene le stesse procedure automatiche usate per risolvere questo problema.
Quindi: nel caso per es. di Barack Obama, la procedura automatica ha concluso che non c'erano sufficienti informazioni sicure per dire che quel certo Barack Obama proveniente da SBN fosse lo stesso Barack Obama che era già presente già in VIAF con identificativo, e non un omonimo. Pertanto, ha concluso negativamente, ha mantenuto distinti i record e ha creato un nuovo record cluster. La stessa cosa è successa in tutti gli altri casi analoghi.
Noi, se esaminiamo uno per uno i record non matchati, possiamo in molti casi rimettere le cose a posto, magari facendo ricerche e approfondendo quanto e se necessario. Ma i doppioni del VIAF sono milioni e non si può pensare che si possano esaminare manualmente se non spiengendo le singole istituzioni fornitrici dei record a fare il lavoro e comunicare tutti gli errori e la soluzione. È ciò che in Italia dovrebbe fare l'ICCU per quanto riguarda tutti gli errori della procedura di importazione dei record SBN nel VIAF.
Per concludere: anche se volessimo inserire in Wikidata i doppioni del VIAF, dovremmo fare un lavoro manuale su ttuti i casi non matchati. Ma forse allora non ha molto senso solo per inserire doppioni, vista la mole del lavoro. Semmai se ci fosse questa disponibilità di tempo e volontari sarebbe molto più strategico far correggere le situazioni e quindi eliminare i doppioni. Se fosse possibile associare automaticamente i doppioni allora il problema non esisterebbe neppure: il VIAF lo avrebbe già fatto. Il problema sono i casi di ambiguità, le informazioni incomplete, che non consentono all'algoritmo di procedere anche a causa della prudenza con cui è stato realizzato per esaminare i casi e decidere su fusioni o creazione di doppioni evitando però errori (meglio un doppione che persone diverse raggruppate insieme per errore come se fossero la stessa persona).
Ecco perché dire che i dopppioni possono anche andare bene perché identificano lo stesso autore, è un'affermazione che può essere fatta solo da un umano e vagliando caso per caso. Ma non può essere generalizzata perché non si può darlo per scontato. E pertanto non è una soluzione, se cerchiamo soluzioni che oltre ad essere corrette efficaci, cioè abbiano anche un buon rapporto tra costi, tempi e benefici
Pierfranco
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 16:18, Francesco Gabrielli < francesco.gabrielli.1979@gmail.com> ha scritto:
Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che più completo della Wikipedia inglese.
Inoltre riguardo le duplicazioni del codice VIAF in Wikidata, queste secondo me queste sono legittime, in quanto spesso per lo stesso autore su VIAF sono presenti due o più codici, a volte anche 4 o 5! Deve essere VIAF a unire i suoi cluster, e poi Wikidata si adeguerà, non sta a noi Wikimedia decidere quale cluster è il più adatto, sono tutti adatti perché identificano lo stesso autore. Dovrebbe anzi essere VIAF ad utilizzare gli elenchi delle voci Wikidata con codici VIAF doppi per identificare i cluster duplicati e unirli.
Infine essendo i due database in continua evoluzione, sarebbe bene che ci fosse un BOT che si occupi in continuo (che giri ogni notte da server) della sincronizzazione tra VIAF e Wikidata, aggiornando gli elementi che vengono modificati o aggiunti o uniti. Solo così avremo i due DB sincronizzati.
Il giorno 21 gennaio 2014 15:06, Pierfranco Minsenti < pierfranco.minsenti@gmail.com> ha scritto:
Attenzione all'uso di questa lista perché dal punto di vista del
rapporto tra VIAF e Wikipedia contiene anche corrispondenze "inesatte" tra VIAF e SBN, vale a dire, contiene sia casi di:
- identificativo SBN inserito in cluster VIAF multirecord, quindi il
cluster che contiene anche record francesi, tedeschi ecc. sia casi di: 2) identificativo SBN inserito in cluster VIAF monorecord che cioè contiene solo l'identificativo di un record proveniente da SBN perché è un cluster doppione (che se il matching riuscisse perfetto non dovrebbe esistere). Quindi: CASO 1 = match positivo = il match tra record SBN e altri record provenienti da altre fonti e già presenti nel VIAF è riuscito bene; CASO 2 = match negativo, per cui si è creato un doppione nel VIAF.
Esempio: Barack Obama: il record cluster VIAF che raggruppa molti record è: http://viaf.org/viaf/52010985/#Obama,_Barack Quindi il record VIAF 52010985 può essere considerato quello "ufficiale". MA il cluster 52010985 pur contenendo vari record da varie fonti NON contiene il record da SBN perché in quel caso il match ha dato esito negativo.
Ma nella lista inviata compare invece il cluster VIAF 305358548 in corrispondenza del record da SBN per Barack Obama UMCV307371. Il cluster 305358548 è di quei casi che contengono solo un record di provenienza italiana: quindi http://viaf.org/viaf/305358548/ è un doppione che non dovrebbe esistere
In Wikipedia e Wikidata per Barack Obama esiste solo l'identificativo VIAF 52010985 e non l'identificativo VIAF 305358548 che invcece compare nella lista. Per questo dico che la lista contiene anche casi che dal punto di vista dell'uso che fa Wikipedia e Wikidata del VIAF sono "sbagliati" dato Wikipedia e Wikidata non dovrebbero contenere identificativi VIAF di doppioni (anche se innegabilmente sono casi che esistono nella realtà del VIAF, oggi).
In casi come questo, se il VIAFbot esaminasse la lista di corrispondenze tra VIAF e SBN, cercherebbe di trovare in Wikidata la stringa 305358548 e non trovandola salterebbe l'associazione visibile nella lista tra VIAF 305358548 e SBN UMCV307371. Per cui l'identificativo UMCV307371 non verrebbe importato in Wikidata. Quindi la lista va bene se l'intento è di farla usare a una procedura automatica di confronto, ma non va usata per lavori manuali prendendola come una rappreesentazione "corretta" in tutti i casi (nel senso spiegato sopra) delle relazioni tra VIAF e SBN, una volta che si sa come Wikiepdia/Wikidata usano il VIAF.
Domanda: hai postato la lista perché pensi che tra le persone iscritte a questa mailing list ci sia qualcuno che sarebbe in grado di usarla insieme al VIAFbot? Lo chiedo perché non so se c'è qualcuno in grado di farlo ma anche perché non vedo altri usi utili.
Pierfranco
Il giorno 21 gennaio 2014 13:40, Luca Martinelli < martinelliluca@gmail.com> ha scritto:
> Il 21 gennaio 2014 13:15, Pierfranco Minsenti > pierfranco.minsenti@gmail.com ha scritto: > [...] > > A proposito di Max Klein e VIAF: ti ricordi che poco prima di > Natale (il > > 20/12/2013) avevo scritto sulla lista che da fine novembre si > notava nel > > VIAF un grosso cambiamento nella situazione dei record SBN grazie > > all'applicazione di un diverso algortimo + nuovo export da SBN che > > migliorava molto la percentuale di record provenienti da SBN e > matchati con > > un cluster VIAF anziché isolati? > [...] > > Ho ricevuto il file aggiornato poco fa, lo allego alla mail. Stavolta > gli ho chiesto pure di mettere le etichette collegate ai numeri. Non > ho avuto letteralmente tempo di controllare se ha capito quello che > gli avevo chiesto (tutti i codici VIAF che hanno un codice SBN > all'interno, con tanto di etichetta "Nome Cognome"), qualcuno > potrebbe > farlo per favore? > > > Il 21 gennaio 2014 13:21, Pierfranco Minsenti > pierfranco.minsenti@gmail.com ha scritto: > > Aggiungo alla mia richiesta questa osservazione generale: in ogni > caso il > > VIAFbot dovrebbe comunque funzionare periodicamente per assicurare > che nuovi > > record immessi nel VIAF siano poi anche presenti come > identificativi in > > Wikidata. > > Se funzionasse periodicamente, i nuovi match positivi tra cluster > VIAF e > > record provenienti da SBN, veerificati a partire dalla fine > novembre 2013, > > oggi determinerebbero una crescita significativa del numero di > > identificativi SBN presenti in Wikidata rispetto alla situazione > frutto del > > lavoro del VIAFbot del giugno 2013. > > Sfondi una porta aperta. Ho già chiesto in passato a Max se si poteva > fare una cosa del genere, ha fatto un po' orecchio da mercante. > Eppure, ci sono ben due liste di errori da cui potrebbe trarre > informazioni: > * > https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... > (elementi di Wikidata con più di un valore VIAF = doppioni) > * > https://www.wikidata.org/wiki/Wikidata:Database_reports/Constraint_violation... > (elementi di Wikidata *diversi* che hanno lo stesso valore VIAF) > > Pure se si volesse limitare alla prima lista, di lavoro ce n'è. > > -- > Luca "Sannita" Martinelli > http://it.wikipedia.org/wiki/Utente:Sannita > > _______________________________________________ > 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
Quindi, prendiamo il caso famoso di Charles Dodgson, autore dei libri su Alice e altri per l'infanzia, pubblicati con lo pseudonimo letterario di Lewis Carroll, ma che era nella vita di tutti i giorni un matematico e ha anche pubblicato opere di matematica, firmate però con il nome reale di Charles Dodgson. Quindi un autore che ha distinto nettamente le opere all'interno della propria produzione attribuendole a ude nomi diversi. Per la tradizione catalografica angloamericana degli ultimi 40 anni, questo è un caso di doppia identità bibliografica per cui vengono create non una ma due schede di autorità:
- una intestata a Charles Dodgson
- una intesta a Lewis Carroll
Le schede catalografiche delle pubblicaziooni sono collegate all'uno al all'altra nome in maniera pertinente.
Questo significa che nel catalogo della Library of Congress (e della British Library e in Canada, Australia ecc. ovunque vengono applicate le nrome angloamericane) tra persona reale e nomi autore c'è una corrispondenza: 1:1 in moltissimi casi; 1:molti in certi casi
Invece una enciclopeedia non è costruita così: tra le sue voci e le entità che descrive (che possono essere entità reali o immaginarie) c'è sempre corrispondenza 1:1. La stessa impostazione (quindi corrispondenza 1:1) però è tipica anche di certi cataloghi, come quello italiano e in genere quelli dell'europa continentale.
Questo eccellente esempio di Pierfranco è il motivo per cui - in modo volutamente esagerato e provocatorio - nell'intervento delle stelline 2013 [1] dicevo che utilizzare owl:sameAs con dbpedia (e quindi per estensione ora con wikidata) è il male assoluto (boutade che sta per un più corretto "potrebbe presentare qualche problema se la granularità dei due sistemi non è la stessa").
Ci sono tantissimi altri esempi, i miei preferiti sono Mick Foley vs Cactus Jack / Mankind / Dude Love che se lo gestisci come una singola entità/identità vai in crisi quando descrivi "semanticamente" la Royal Rumble 1998. O tiger mask e black tiger dove un wrestler "recitò" con entrambe le identità. E poi il classico Joseph Ratzinger / Benedetto XVI che causa dimissioni è stato una bomba per molti cataloghi che non gestiscono le identità (due soluzioni, in molti è rimasto Benedictus <papa ; 16.> con forma variante Ratzinger, Joseph e li bisogna pregare non scriva più alcunché altrimenti è un dramma catalografico e non; in altri casi invece si è ripristinato Ratzinger, Joseph con l'eccellente risultato che a posteriori anche le Bolle sono sotto il nome della persona e non del Papa).
Per inciso anche come viene gestito Charles Dodgson / Lewis Carroll è corretto ma non perfetto perché da qualche parte dovresti scriverlo che si tratta della stessa identità (per relazioni che sono comuni etc). Cioè quello che si proporrebbe di fare EAC-CPF [2] vedi questi esempi [3, 4].
Sorry per l'OT su entità/identità (e sul wrestling) :-)
Salvatore
[1] “L’integrazione tra archivi e biblioteche alla prova del web semantico”. In *Biblioteche in cerca di alleati. Oltre la cooperazione, verso nuove strategie di condivisione*. Bibliografica, 2013. Da NON leggere perché è piuttosto noioso ;-) [2] http://eac.staatsbibliothek-berlin.de/ [3] Gorʹkij, Maksim and Peškov, Aleksej Maksimovič. France. (Multiple identities) http://www3.iath.virginia.edu/eac/cpf/examples/Gorki.XSD.xml [4] Gregorius XVI, 1831-1846 and Cappellari, Bartolomeo Alberto, 1765-1846. Italy. (Multiple identities) http://www3.iath.virginia.edu/eac/cpf/examples/gregoryXVI.XSD.xml
Per inciso anche come viene gestito Charles Dodgson / Lewis Carroll è corretto ma non perfetto perché da qualche parte dovresti scriverlo che si tratta della stessa identità
typo: "dovresti scriverlo che si tratta della stessa entità" (con identità diverse). Mi flagello da solo
Salvatore,
i tuoi commenti sono molto pertinenti e mi pare che ci sia molto spazio per fare riflessioni serie sulla possibilità di riutilizzo di dbpedia in cataloghi secondo la filosofia linked open data ma riflettendo sui problemi che crea da disomogeneità a causa della differenza nel modo di pensare le entità. Tu l'avevi detto l'anno scorso ma mi pare che ci sia molto da approfondire. La mia sensazione è che finora nessuno lo abbia fatto. Quindi forse si può dire che oggi su questa lista nasce un tema di ricerca: eventuali problemi di riutilizzo di dbpedia in relazione ai nuovi cataloghi.
A me pare che la risposta inziale che ho dato sulla differenza di impostazione tra una enciclopedia e un catalogo, in realtà forse merita di non essere presa come un dato di fatto ma dovrebbe essere messa in dicussione. Perché l'architettura dei cataloghi sta cambiando e i cambiamenti incidono molto su queste questioni. L'applicazione del modello concettuale FRAD alle voci di autorità risolverebbe i problemi che dici.
E se i cataloghi si ripensano, forse allora anche Wikipedia dovrebbe ripensarsi in relazione alla questione del rapporto tra le voci e le entità. E lo strumento per farlo ce l'ha: Wikidata.
Pierfranco
Il giorno 22 gennaio 2014 10:19, Salvatore Vassallo < vassallosalvatore@gmail.com> ha scritto:
Per inciso anche come viene gestito Charles Dodgson / Lewis Carroll è corretto ma non perfetto perché da qualche parte dovresti scriverlo che si tratta della stessa identità
typo: "dovresti scriverlo che si tratta della stessa entità" (con identità diverse). Mi flagello da solo
Bibliotecari mailing list Invio messaggi in lista: Bibliotecari@wikimedia.it Configurazione utente: http://mailman.wikimedia.it/listinfo/bibliotecari
Il 21 gennaio 2014 16:21, Accurimbono accurimbono@yahoo.it ha scritto:
IMHO: Ora che Wikipedia e Wikidata sono state connesse, la collaborazione con VIAF dovrebbe cambiare sostanzialmente: secondo me al cluster VIAF dovrebbe essere connesso l'item Wikidata (Qxxxx), non più la voce sulla Wikipedia inglese, che diventerebbe ridondante. Bisognerebbe sentire cosa ne pensa Mark, ma credo che Wikidata ora sia lo snodo centrale dei progetti Wikimedia, oltre che essere molto più completo della Wikipedia inglese.
Anche questa proposta è stata formulata da me a Max Klein circa un anno fa. Fa sempre piacere vedere che "great minds think alike".
L.
bibliotecari@liste.wikimedia.it
-
Accurimbono -
Andrea Zanni -
Francesco Gabrielli -
Luca Martinelli -
Pierfranco Minsenti -
Salvatore Vassallo