Modulare Architektur zur performanten Anbindung multipler Retrievalschnittstellen für bibliographische Datenbanken

Transkript

1 27. DGI-Online-Tagung , Frankfurt a. M. Session 9: New Information Services II Modulare Architektur zur performanten Anbindung multipler Retrievalschnittstellen für bibliographische Datenbanken Marc André Selig, Erich Weichselgartner & Christiane Baier Zentrum für psychologische Information und Dokumentation (ZPID), Trier Im Zeitalter digitaler Bibliotheken können einzelne Produkte in verschiedenen Kontexten mit unterschiedlichem Mehrwert und unterschiedlicher Integrationsdichte angeboten werden. Modularität und Interoperabilität sind notwendige architektonische Voraussetzungen für solch eine Diversivikation der Angebotspalette. Für die Erfassung der bibliographischen Datenbank PSYNDEX des Zentrums für psychologische Information und Dokumentation (ZPID) beispielsweise wird ein kommerzielles Datenbank- und Dokumentenmanagementsystem eingesetzt, für den Vertrieb dagegen ein frei verfügbares Backend, das via Middleware solch unterschiedliche Retrievalsysteme wie vascoda, infoconnex, ZPID-Fachportal und Bibliotheksportale (Metalib) bedient. Unsere Lösung unterscheidet zwischen Repräsentation und Abruf von Daten. Das ist eine Abweichung von der üblichen Praxis, bei der der Abruf von Daten die Transformation erst auslöst. In unserem Modell erfolgt die Transformation asynchron, wobei ein vollständiger Cache aller möglichen Antwortfragmente für alle unterstützten Interfaces generiert wird. Durch den Verzicht auf intelligente Backends werden nicht nur Lizenzkosten gespart, sondern wir erreichen extrem schnelle Antwortzeiten mit günstiger Standard-Hardware, ohne daß der Nutzer Funktionalitätseinbußen hinnehmen müßte. Die XML-basierte Middleware erlaubt das rasche Hinzufügen weiterer Vertriebssysteme. Das neue maßgeschneiderte ZPID Web-Retrieval für PSYNDEX ergänzt solche Angebote, bei denen psychologische Fachinformation im Kontext anderer Disziplinen (z.b. infoconnex, vascoda) oder institutionsbezogen lokal verortet (z.b. Universitätscampus) angeboten werden. Der Gebrauch qualitätsgeprüfter wissenschaftlicher Informationen droht im Zeitalter ubiquitärer unspezifischer Internet-Suchmaschinen ins Hintertreffen zu geraten. Dabei zeigen diverse Studien (te Boekhorst, 2003; Klatt, 2001), dass hierfür neben mangelnder Information Literacy auch Zugangshemmnisse verantwortlich sind. Zu den Barrieren können schlechte Auffindbarkeit der Angebote, komplizierte Benutzung, mangelnde Integration, Medienbrüche und hohe Preise gehören. Das ZPID hat sich zum Ziel gesetzt, die Hemmschwellen u. a. dadurch zu überwinden, dass Psychologie-Fachinformationen nutzerfreundlich und zu günstigen Preisen in möglichst vielen Nachfrageszenarien angeboten werden. Dies steht im

2 Einklang mit den strategischen Initiativen des Bundesministeriums für Bildung und Forschung (BMBF) und der Deutschen Forschungsgemeinschaft (DFG) zur Vernetzung und Integration von Fachinformation. Teile der hier berichteten Arbeiten wurden mit Zuwendungen von BMBF und DFG gefördert. PSYNDEX Ausgangspunkt für die im folgenden betrachteten Angebotsszenarien ist die Datenbank PSYNDEX. PSYNDEX weist weitgehend vollständig die psychologische Fachliteratur (Aufsätze aus mehr als 500 Zeitschriften, Bücher, Sammelwerksbeiträge, Reports, Dissertationen) sowie Beschreibungen psychologischer Testverfahren und ausgewählte psychologierelevante audiovisuelle Medien nach. Dokumentiert werden deutsch- und englischsprachige Publikationen von Autoren aus Deutschland, Österreich und der Schweiz. PSYNDEX wird indexiert und klassifiziert nach dem Thesaurus of Psychological Index Terms der American Psychological Association (APA), mit der das ZPID ein Lizenzabkommen geschlossen hat. PSYNDEX enthält (Frühjahr 2005) ca Nachweise mit Abstracts (mit einem jährlichen Zuwachs von rund Neuzugängen). Verschiedene Retrieval-Interfaces und -Kontexte PSYNDEX ist eine Referenz-Datenbank: Bibliographische Angaben ermöglichen die Suche nach dem eigentlichen Dokument. Referenz-Datenbanken dienen der Wiedergewinnung von Wissen. Sie teilen das Problem aller Datenbanken, nämlich dass die Repräsentation der Daten im System nicht mit der Repräsentation der Daten im Kopf des Benutzers übereinstimmt. Es sind also intelligente Retrieval-Werkzeuge gefordert. Für die Abfrage von Datenbanken durch Endnutzer stellt man heute komfortable graphische Benutzungsoberflächen im World- Wide-Web zur Verfügung (was im Gegensatz zu den früher gebräuchlichen textuellen Retrievalsprachen die Hemmschwelle zur Benutzung von Fachinformation deutlich senkt, aber von manchen als Verlust an Funktionalität erachtet wird). Dabei hängt die Gestaltung der Benutzungsschnittstelle vom Kontext bzw. der Intention der zu Grunde liegenden Anwendung ab. Im folgenden werden vier Szenarien dargestellt, in denen ein und dieselbe Psychologie- Datenbank auf unterschiedliche Weise zur Recherche angeboten wird: (1) mit Hilfe eines speziell für PSYNDEX entwickelten barrierefreien Web-Retrievals; (2) im Kontext des Informationsverbundes Pädagogik Sozialwissenschaften Psychologie (infoconnex); (3) als

3 integrativer Bestandteil des Internetportals für wissenschaftliche Information in Deutschland (vascoda); und (4) im Rahmen integrierter Bibliothekssysteme. Architektur Ausgangspunkt für eine nachhaltige und sparsame Architektur ist Standardisierung und Modularisierung. Für den Austausch mit standardisierten Formaten in einer dezentralen verteilten Umgebung bietet sich heute die Extensible Markup Language (XML) an. Ein XML- Kernschema definiert dabei die wesentlichen (suchbaren) Datenbankfelder, Recherchefunktionen und Ergebnisdarstellungen, d.h. also den kleinsten gemeinsamen Nenner der verschiedenen Abfragesystemen. Zu den durchsuchbaren Datenbankfeldern gehören Schlagwörter, Titel, Person, Quelle, Jahr, Institution und Zeitschrift. Die Recherchefunktionalität beinhaltet feldbasierte Suche und Freitextsuche, Trunkierung, Boole'sche Operatoren, usw. Die Ergebnisdarstellung soll für den Benutzer leicht verständlich sein, sowohl die Dateninhalte als auch die Datenstrukturen angemessen repräsentieren und den Medienbruch überwinden helfen, indem sie den direkten elektronischen Bezug des Originaldokuments ermöglicht, d.h. also hinreichend präzise für die Formulierung von OpenURLs ist. Die Erfassung und Vorhaltung von PSYNDEX erfolgt mit Hilfe von Cuadra STAR, einem flexiblen, integrierten Textinformations-Management und -Retrieval-System. Die Stärken von STAR liegen im Bereich der unaufwendigen Anwendungsentwicklung, wovon in besonderem Maße die Datenerfassung profitiert. Der Abruf der bibliographischen Daten beim Retrieval erfolgt allerdings nicht aus dem Datenbanksystem, sondern über ein spezielles Datenbank- Backend und eine XML-Middleware. Bei der verwendeten Architektur erfolgt die Transformation asynchron, wobei ein vollständiger Cache aller möglichen Antwortfragmente für alle unterstützten Interfaces generiert wird. Durch den Verzicht auf intelligente Backends wie z. B. STAR werden nicht nur Lizenzkosten gespart, sondern extrem schnelle Antwortzeiten (0.005 Sekunden/Anfrage) mit Standard-Hardware erreicht, ohne dass der Nutzer Funktionalitätseinbußen hinnehmen müsste. In der Tat sind die Antwortzeiten annähernd konstant mit Datenbankgröße und Anfragekomplexität. Basis für das Datenbank-Backend ist das Simple Web Indexing System for Humans Enhanced (Swish-E), ein freies Indexierungs-System für XML- bzw. HTML-

4 Dokumente. Zwischen den verschiedenen Retrievalsystemen (Datenbank-Frontends) und Swish-E sorgt die XML-Middleware für den standardisierten Datenaustausch. Die XML- Daten sind dabei nach dem Simple Object Access Protocol (SOAP) kodiert. Einen Überblick über die verwendete Architektur gibt Abbildung 1. Architektur der PSYNDEX-Anbindung an verschiedene Retrievalschnittstellen Doku -ment SFX Payment infoconnex Fachportal Psychologie vascoda Bibliotheks -system(e) STAR XML Middleware Z39.50 Swish-E Swish-E Abbildung 1: Architektur der PSYNDEX-Anbindung an verschiedene Retrievalschnittstellen. Nach dem generischen Datenexport wird die interface-spezifische Datenrepräsentation in advance statt on demand vorbereitet (Transformation). Szenarium 1: Fachportal Psychologie (ZPID-Retrieval)

5 Im ersten Szenarium geht es um Psychologie pur, also um eine auf PSYNDEX zugeschnittene Benutzungsoberfläche vom Datenbankhersteller selbst. Der Zugang erfolgt über das Web- Portal des ZPID ( oder direkt mit dem URL Weil nur in einer Datenbank recherchiert wird, konnte die Benutzungsschnittstelle hierfür maßgeschneidert werden. Wichtige Entwicklungsziele waren neben der modularen Architektur hohe Performanz und die Barrierefreiheit: Die Anwendung läuft mit allen Web- Browsern, auch hinter Firewalls und ohne aktiviertes Java bzw. JavaScript; selbst rein textuelle Browser wie zum Beispiel Lynx genügen. Abbildung 2 zeigt die erweiterte Suchmaske des ZPID-Retrievals. Alternativ sind die einfache Suche und die Index Suche wählbar. Die Suchschritte können für erneute Recherchen zu einem späteren Zeitpunkt gespeichert werden ( Suchhistorie ). Die verwendete Architektur erlaubt ca gleichzeitige Nutzer auf einem typischen Standard-Rechner. Abbildung 2: Suchmaske der ZPID-Benutzungsschnittstelle für PSYNDEX ( erweiterte Suche ). Die Schnittstelle ist für den Zugriff auf eine Datenbank optimiert.

6 Szenarium 2: infoconnex Im zweiten Szenarium wird PSYNDEX im Kontext von Bildung und Soziologie angeboten. (Für den Kontext der Medizin sei auf MedPilot und für den Kontext der Wirtschaftswissenschaften auf die GBI verwiesen.) Die drei deutschen Fachinformationszentren IZ-Bildung, IZ-Sozialwissenschaften und ZPID sowie die Schwerpunkt-Bibliotheken dieser Disziplinen betreiben als Gemeinschaftsprojekt den interdisziplinären Informationsdienst infoconnex. Alleinstellungsmerkmal von infoconnex ist die fachübergreifende Suche in den einschlägigen, hier erstmals zusammen absuchbaren Referenzdatenbanken FIS Bildung (Pädagogik), SOLIS (Soziologie) und PSYNDEX (Psychologie) mit einem Gesamtbestand von ca. einer Million Nachweisen. Disziplinübergreifende Recherche Ausgangspunkt der Arbeiten war die Absicht, den Benutzern eine integrierte Dienstleistung mit optionaler Volltextlieferung anzubieten. Insbesondere sollten sie die Möglichkeit erhalten, die drei Datenbanken gleichzeitig zu durchsuchen, ohne sich um die Eigenarten der einzelnen Datenbank-Managementsysteme (DBMS) kümmern zu müssen. Dies hat einen technischen und einen inhaltlichen Aspekt. Auf technischer Seite muss der Datenaustausch (Suchanfrage, Trefferliste) zwischen den heterogenen Datenbanksystemen DB2 (IZ- Bildung), Oracle (IZ-Sozialwissenschaften) und STAR (ZPID) erfolgen. Genau dafür ist die in Abbildung 1 dargestellte Middleware vorgesehen, und die Darstellung wäre um Module für DB2 und Oracle zu ergänzen. Auf inhaltlicher Seite ist zu konstatieren, dass sich hochwertige, intellektuell erschlossene Datenbanken zwar durch adäquate Metadaten-Strukturen und ausgefeilte Verschlagwortung (Thesauri) auszeichnen, diese aber über verschiedene DBMS hinweg wenig Homogenität zeigen. Dadurch muss sich heute noch ein Nutzer, der zwei DBMS absuchen möchte, im Normalfall auch zwei Thesauri ansehen, um die für die Schlagwort-Suche notwendigen Terme zu finden, z. B. Suizidversuch im einen (ZPID-Thesaurus) gegenüber Selbstmordversuch im anderen (IZ-Thesaurus). Das sollte einem an schnellen und trotzdem exakten Ergebnissen interessierten Nutzer nicht zugemutet werden, erst recht nicht, wenn er die Suche über mehr als zwei DBMS ausdehnen möchte. Ein Ansatz zur Überwindung des Problems ist die Implementierung semantischer Vektoren zwischen den Thesauri der interessierenden DBMS, sog. Cross-

7 Konkordanzen (Kluck, 2001). Diese Vektoren (z. B. Suizidversuch -> Selbstmordversuch, Abtreibung -> Schwangerschaftsabbruch) stellen die Grundlage semantischer Transfers von einem DBMS zum nächsten dar, wodurch das Schlagwort, das der Nutzer eingegeben hat, im Hintergrund modifiziert und an weitere Ziel-Datenbanken propagiert werden kann. Von diesen Aktivitäten bemerkt der Nutzer in seiner Such-Oberfläche nichts, außer, dass seine Ergebnismenge im Normalfall deutlich mehr qualifizierte Dokumente aufweist, als es ohne Transfer der Fall gewesen wäre. Wir haben solche Konkordanzen zwischen Psychologie und Soziologie und Psychologie und Pädagogik entwickelt. Die darin verwendeten semantischen Relationen umfassen, angelehnt an die in Thesauri üblichen Relationen: Äquivalenz (Suizid / Selbstmord) Verwandtschaft (Gruppendruck / Gruppenentscheidung) Ober- / Unterbegriff (Tier / Haustier) So erhält man nun z. B., wenn man nach Suizidversuch suchen lässt, nicht nur 836 Treffer aus der psychologischen Datenbank PSYNDEX, sondern dazu 109 Treffer aus SOLIS, die mit Selbstmordversuch" verschlagwortet wurden. Ein zukünftiger Schritt wird nun sein, die Ergebnismenge im Hintergrund weiter nach Sub-Clustern zu analysieren, also Begriffe oder Kombinationen zu finden, die es dem Nutzer ermöglichen, die Suche mit den für ihn relevantesten Termen fortzuführen. Es ist offensichtlich, dass durch die Ausdehnung der Suche auf mehrere DBMS die Ergebnismenge erst einmal vergrößert wird, während der Nutzer an einer möglichst kleinen, möglichst seinen Suchzielen entsprechenden Menge interessiert ist. Solche weiterführenden Optionen bleiben einer intelligent aufgebauten Such-Oberfläche vorbehalten. Abbildung 3 zeigt die erweiterte Suchmaske des infoconnex-retrievals ( Die Recherche erfolgt gleichzeitig in den drei Referenzdatenbanken FIS Bildung (Pädagogik), SOLIS (Soziologie) und PSYNDEX (Psychologie). Durch Klicken auf das Symbol kann der Thesaurus aufgerufen werden.

8 Abbildung 3: Suchmaske der infoconnex-benutzungsschnittstelle für die drei Referenzdatenbanken FIS Bildung (Pädagogik), SOLIS (Soziologie) und PSYNDEX (Psychologie) ( erweiterte Suche ). Die Schnittstelle ist für den Zugriff auf drei Datenbanken ausgelegt. Szenarium 3: vascoda Im dritten Szenarium wird PSYNDEX im Kontext nahezu aller wissenschaftlichen Disziplinen angeboten. Das vom Bundesministerium für Bildung und Forschung (BMBF) und von der Deutschen Forschungsgemeinschaft (DFG) geförderte Internetportal vascoda will allen Nutzerinnen und Nutzern, die an wissenschaftlicher Information interessiert sind, Zugang zu Publikationen, Dokumenten und Daten unterschiedlicher Fachrichtungen und Formate bieten. vascoda ist ein interdisziplinäres Internetportal für wissenschaftliche Information in Deutschland und vereinigt Internetdienste zahlreicher wissenschaftlicher Bibliotheken und Informationseinrichtungen. Durch die systematische Bündelung unterschiedlicher Angebote in einem gemeinsamen Portal bietet vascoda ein integriertes wissenschaftliches Informationssystem mit Zugriff auf elektronische Volltexte, Dokumentenlieferdienste und Pay-per-view-Optionen. An vascoda sind über 40 Einrichtungen mit fast 30 Angeboten beteiligt. Das Ziel ist ein einfacher und transparenter Zugang zu den vielfältigen und bislang noch weitläufig verteilten Informationsangeboten von

9 Fachinformationszentren und wissenschaftlichen Bibliotheken, Hochschulen und Forschungseinrichtungen, wissenschaftlichen Fachgesellschaften und anderen Anbietern wissenschaftlicher Information. In Analogie zu den verbreiteten Suchmaschinen ist die einfache vascoda-suche bewusst schlicht gehalten, aber die zugrunde gelegten Informationen genügen wissenschaftlichen Ansprüchen. Anbindung Für die Anbindung der Informationsangebote stellt der vascoda-betreiber (z.zt. HBZ, früher FIZ-Karlsruhe) eine Web-Services-Schnittstelle zur Verfügung (zur Kommunikation zwischen Web-basierten Anwendungen). Übertragen werden dabei XML-codierte Datenstrukturen, die nach den Simple Object Access Protocol (SOAP) Vorschriften verpackt sind. Tatsächlich stecken die SOAP-Nachrichten im Körper einer HTTP-Nachricht. Die Spezifikation des Web-Service erfolgt ebenfalls standardisiert mit der XML-basierten Web Services Description Language (WSDL). vascoda greift auf die gleiche PSYNDEX- Middleware zu wie infoconnex und das ZPID-Retrieval. Abbildung 4 zeigt die erweiterte Suchmaske des vascoda-retrievals ( Die Recherche erfolgt gleichzeitig in ca. 30 Datenbanken, die Treffer werden sequentiell je Fach in der Reihenfolge der Antwortzeiten angezeigt. Das vascoda-dach soll nur einer ersten Orientierung dienen: Bei Anklicken eines Treffers erfolgt eine Verzweigung ins Fachportal, also z.b. zum PSYNDEX-Retrieval des ZPID.

10 Abbildung 4: Suchmaske der vascoda-benutzungsschnittstelle ( erweiterte Suche ). Ohne weitere Einschränkung werden die Datenbanken von ca. 30 wissenschaftlichen Disziplinen durchsucht. Für die Recherche in vascoda muss der Browser Javascript, Frames und Cascading Stylesheets unterstützen. Szenarium 4: Bibliotheksportal(e) Für die Anbindung von PSYNDEX an integrierte Bibliothekssysteme (z.b. MetLib) wird die Middleware um das Z39.50-Protokoll erweitert. Dies ermöglicht den Zugriff auf die Psychologie-Datenbank über die integrierten Clients der regionalen bzw. lokalen Anwendungssysteme. Für die Nutzerinnen und Nutzer vor Ort hat das den Vorteil, dass die vertraute Benutzungsoberfläche und Suchsyntax erhalten bleiben.

11 Fazit Egal ob single point of entry mit einfacher und vertrauter Suchsyntax (vascoda, Bibliotheksportal), ob Fächercluster im Informationsverbund (infoconnex, MedPilot) oder optimierte fachspezifische Recherche, ein Datenbank-Backend und eine Middleware können alle Szenarien hoch performant bedienen. Psychologische Fachinformationen sind in allen Kontexten zu Hause. Literatur te Boekhorst, P; Kayß, M.; & Poll, R. (2003). Nutzungsanalyse des Systems der überregionalen Literatur- und Informationsversorgung, Teil I. URL: richt_teil_1.pdf Klatt, R; Gavriilidis, K.; Kleinsinglinghaus, K.; Feldmann, M. u.a. (2001). Elektronische Information in der Hochschulausbildung. Innovative Mediennutzung im Lernalltag der Hochschulen. Opladen: Leske + Budrich. Kluck, M.; Krause, J.; & Marx, J. (2001). Transfer Components for Accessing Different Layers of Data Quality and of Repository Types. ETB Working Paper. URL: