MPI-Psycholinguistik - The Language Archive Nijmegen / NL

Transkript

1 MPI-Psycholinguistik - The Language Archive Nijmegen / NL Begehung am Die Angaben entsprechen dem Stand von Nov und stellen nicht die aktuelle Situation im TLA dar Aufgaben Hauptaufgaben: weitere Aufgaben: nicht Teil der Aufgaben: relevante Fachrichtung: Erhebung, Analyse und Archivierung der Dokumentation von bedrohten Sprachen; Entwicklung von Software-Tools und einer portablen Forschungsdaten-Infrastruktur (The Language Archive Technology (LAT)), die auch Archivierungsaufgaben übernimmt (z. B. zur teilautomatisierten Verschlagwortung von Metadaten) Unterstützung des Forschungsdatenmanagements Psycholinguistik, Sprachforschung, Ethnologie Allgemeine Angaben Rechtsform: Gründung / Geschichte:: Anzahl Mitarbeiter: zugehörig zur Max-Planck-Gesellschaft und. zum MPI für Psycholinguistik, TLA aber teilfinanziert, getragen von MPI, KNAW und BBAW seit 1990 werden digitale Daten der Disziplin archiviert, seit Projekt Dokumentation bedrohter Sprachen (DoBeS), Finanzierung durch VW-Stiftung Gründung The Language Archive am MPI für Psycholinguistik MA (davon 7 feste Stellen) Archive und Digitalisierung 8 MA Entwicklung Archivsoftware 7 MA Entwicklung Annotationssoftware 4 MA Entwicklung Knowledgesoftware 4 MA technisches Personal 5 MA Anzahl FTE (Planstellen) 7 Anzahl Hilfskraftstellen (Planstellen) Anzahl FTE (befristet, Drittmittel) 23 Anzahl Hilfskraftstellen (befristet, Drittmittel) Anzahl WissMA 8 (Datenkuratierung) Anzahl IT Zertifizierung: Referenzmodell: ISO TC37 / SC4 ISO DCR DCR, PISA, CMDI Data Seal of Approval kein Referenzmodell Datenbestand Verpflichtung Daten zu sichern? Findet gezielte Datenakquise statt? projektbezogene Verpflichtung Daten zu archivieren Seite 1

2 Anzahl an Projektarchiven: Anzahl an grauer Literatur : Anzahl an Doktorarbeiten: Anzahl an retrodigitalisierten Zeitschriften: Anzahl an Einträgen Nachweiskatalog: Gesamtgröße Archiv: Datensatzgröße: Datenzuwachs jährlich: Altdaten vorhanden: ca. 200 Sprachen archiviert (davon 80 bedrohte Sprachen) ca h (Audio- und Videoaufnahmen), ca mit Metadaten versehene Aufzeichnungen, über 5 Mio. kommentierte Textabschnitte, über 90 Lexika GByte (65 TB) ca. 1 TByte 17 TB / hr Datengenerierung technische Unterstützung bei Datenerhebung (z. B. durch Tools, Software, etc): fachliche Unterstützung bei Datenerhebung: Datenupload Online-Upload möglich? Auswahlkriterien für Aufnahme Werden angebotene Daten abgelehnt? (Gründe) Vertragsverhältnis Datengeber - Datenarchiv: Software / Collection Registry:, mit Hilfe von Language Archive Management and Upload System (LAMUS) fachliche Relevanz, technische Beurteilung und enthaltene Metadatenbeschreibung in CMDI. verschiedene Tools zur Registrierung von Projektdokumenten Kuratierung von Daten Arbeitsschritte zur Datenarchivierung: nicht OAIS-konformes Archiv; kompletter Datenzyklus von Erhebung, Analyse Archivierung und Bereitstellung wird durch Software-Suite aus insgesamt 13 Tools abgebildet und unterstützt Vorbereitung Roh-Daten werden manuell mittels der en ins System eingespielt Integration Bis zur Archivierung werden die Daten automatisch mit wenig manuellem Aufwand durch verschiedene Anwendungen weitergereicht und archivtauglich aufbereitet. Seite 2

3 Werkzeuge für Datenarchivierung: Versionskontrolle: Verhältnis manuelle / automatisierte Datenkuratierung: Aufwand Datenkuratierung insgesamt (Personen, Zeit): wissenschaftliche Bewertung Verwendung Repository-System: Software zur Verwaltung / Ablage der Archivdateien: Software zur Verwaltung Metadaten / Rechte / Versionen: ANNEX, LEXUS, IMEX, TROVA, VICOS, alle verfügbare Software Open Source vergleichsweise wenig bis keine manuelle Kuratierung notwendig, da Daten nur über ein vorgegebene Software-Suite erzeugt und verwaltet werden können 8 MA LAMUS, IMDI-Browser; im Backend strukturierte, verzeichnisbasierte Dateiablage verschiedene Scripts für Synchronisation, Checksummen, Kopiervorgänge, Aktualisierungen etc. Verfügbare Software Open Source; Versuche mit irods als Logical Replication Layer ARBIL, Access Management System (AMS) verfügbare Software Open Source Archivierung von Daten technischer Partner für LZA: Anzahl redundanter Datenkopien: Administration Archivsystem inhouse / extern: garantierter Zeitraum: Erfahrungen mit technischer Migration von Archivdateien: RZ der MPG Garchingen, GWDG Göttingen 4 volle dynamische Kopien mit 50-jähriger Garantie (2 RZ in München, 1 davon Garching, 2 Rechenzentren in Göttingen, 1 davon GWDG 2) 2 Kopien in Nijmegen, 1 Kopie in MPI Leipzig 11 zusätzliche regionale Repositories intern 50 hre Bereitstellung von Daten Arbeitsschritte zur Datenbereitstellung: Werkzeuge für Datenbereitstellung: Registrierung bzw. Login für Nutzer notwendig? Wird die IP und der Zugriff geloggt? Gibt es verschiedene Authentifizierungsstufen? kaum zusätzliche Arbeitsschritte notwendig, um aktuelle und archivierte Daten zur Nachnutzung freizugeben; Daten können mittels verschiedener Tools onlinegesucht, durchsucht und aufgerufen werden LEXUS, TROVA, IMDI-Browser, alle verfügbare Software Open Source ja, Authentifizierung über Shibboleth Seite 3

4 Zugriff: Wie wird ein Missbrauch von Daten verhindert/kontrolliert (z.b. wirtschaftliche Nutzung)? Rollenkonzept: Qualitätssicherung: Schutzmechanismen für bestimmte Informationen: Online über Portal Open Access direkter Zugriff: wenige Datensammlungen Restricted Open Access Verhaltenskodex muss durch User aktiv zugestimmt werden: weniger als 3 Datensammlungen Protected User fragt Eigentümer an, Art der Nutzung wird festgehalten, Zustimmung Verhaltenscodex, Zugang: die meisten Datensammlungen Closed nur Eigentümer hat Zugang: wenige Datensammlungen k.a. Datenbearbeiter/-geber Projektmitarbeiter Datennutzer Administrator Daten werden durch entsprechende Tools qualitätsgesichert erstellt, archiviert und bereitgestellt Access rights können für jeden Datensatz individuell gesetzt werden; Eigentümer kann Zugriffsrechte in bestimmten Fällen einschränken personenbezogene Metadaten/Dateien raumbezogene Metadaten/Dateien Metadaten & Interoperabilität Mindestanforderungen an Daten: Mindestangaben für Datensätze müssen vorliegen, geringe technische Vorgaben, hohe Formatkonsistenz wird angestrebt Verwendung von Standards:, s. u. ISO Metadatenmodell: Vorhandene Schnittstellen: Sichtbarkeit der Metadaten in anderen Portalen / Aggregatoren: Sichtbarkeit der archvierten Dateien in anderen Portalen / Aggregatoren: IMDI, CMDI (bis Juni 2013 Umstellung auf CMDI) eigene Anpassungen an Metadaten? OAI-PMH, Mapping auf Dublin Core, falls erforderlich aktive Beteiligung an der Weiterentwicklung von Standards System für Persistente Identifikatoren: handle: jedes Datenobjekt (= Strukturelle Metadaten, beschreibende Metadaten, Audio / Video-Dateien, Annotationen, Text) wird in separater Datei gespeichert und erhält individuell ein PID Anzahl PIDs insgesamt Nicht-Technische Dienstleistungen Bereitstellung Guidelines, Ratgeber etc.: Antragsberatung: Schulungen / Workshops: - zu den verschiedenen Anwendungen der LAT - zur Dokumentation von Sprache - Dokumentenarten (Audio / Video / Photo, Lexika) - Metadaten und Standards. OnlineTutorials, Klassische Schulungen hauptsächlich für Projektbeteiligte, aber einige Kurse sind auch offen für externe Wissenschaftler Seite 4

5 Weiterentwicklung Standards: Support Datenmanagement:, aktive Beteiligung Finanzen: Einnahmen hresbudget: davon speziell für das Datenzentrum k.a. Basisfinanzierung: 7,5 Stellen durch bi-nationale Kooperation (NL 53 %, D 47 %) NL MPI Nijmegen (3 MA) D Max Planck Gesellschaft (MPG) (2,5 MA) D Berlin Brandenburgische Akademie (BBAW) (1MA) NL Dutch Academy of Science (KNAW) (1MA) andere MA durch externe Projekte Zeitraum der vertraglich Finanzierung 7 hre (momentan für 5 hre), nach 3 hren Evaluation (Stand Nov. 2012) nachhaltige Finanzierung? Drittmittel: restliche Finanzierung: Gebühren für das Archivieren Gebühren für die Nutzung von Daten: 100 % durch MPI für Psycholinguistik mit Ende des DoBeS-Projekts läuft Finanzierung für Entwicklung der LAT aus keine, da in TLA nur Daten aus Projekten (wie z. B. DoBeS, u. a.) archiviert werden keine Finanzen: Ausgaben Kostenstruktur nach Kostenträger: Personalkosten Planstellen Drittmittelstellen Hardware / Software Reisekosten, Gebäudeinstandhaltung 7 Stellen Stellen Kostenstruktur nach Kostenstellen: Höhe Durchschnitts-Kosten pro 1 GB Daten: Daten akquirieren und aufbereiten Daten archivieren Daten zugänglich machen Softwareentwicklung Kosten für PIDs MPI-TLA hat 10 hre lang 8 FTE s für die Toolentwicklung größtenteils durch Projekte und externe Gelder finanziert Negativa nicht funktionierende / optimierbare Workflows oder Prozesse: nicht gelöste Probleme: Aufrechterhaltung der gesamten Infrastruktur nach Auslaufen der aktuellen Projektförderung noch unklar Seite 5