Tankar efter PIDfest

Gissa staden.

 

Det där med man ska dokumentera och publicera evidensen för sin forskning enligt FAIR-principerna (Findable, Accessible, Interoperable, Reusable) eller för att vi ska ha "spårbar och identifierbar information [som]...   tillförlitligt [kan] länkas nu och i framtiden" överhuvudtaget,  behövs det ännu rätt mycket målmedvetet arbete. Allra mest samarbete. Det var därför helt fantastiskt att igen träffa experter från hela världen efter några års avbrott på en gemensam konferens.

Det är alltid väldigt nyttigt med globala konferenser, för man blir snabbt påmind om hur lätt det är att bli insnöad i europeiska projekt och västerländska perspektiv. Och att glömma hur vi fortfarande har strukturer som är orättvisa mot kolonialiserade områden. Det vill säga väldigt stora delar av vår planet.

I mina egna presentationer lyfte jag fram nyttan av att fokusera på att metodiskt utveckla de sociala och administrativa strukturer som behövs för att bygga förtroende och beständighet. I Finland har vi gjort ett enormt arbete just kring detta. 

Inom den standardisering av teknologi som är nödvändig för att nå våra mål, har vi nämligen ett inbyggt problem: en standard som funkar för alla är så generisk, att den knappt kan ge en fingervisning om hur man ska implementera den. Slutresultatet är att vi har liten nytta av standardiseringen, eftersom förmågan att samverka förblir minimal. Alla gör ändå på olika sätt och interoperabiliteten förblir liten. Om man å andra sidan utvecklar en konkret och detaljerad standard blir upptagandet lätt litet, då standarden i slutändan i praktiken passar få eller ingen. Dessutom är det dyrt att ändra existerande system och funktioner så att de är förenliga med nya standarder. 

Då det gäller att flytta eller samordna information finns goda tankar kring att låta folk göra som de vill och behöver, och i stället bygga ett nytt lager av tjänster och tekniker som kan länka samman de olika "bubblorna". Som idé tror jag absolut på detta, men min analys är att vi ännu verkligen kämpar med att våra lösningar och standarder är alldeles för generiska och de implementeras (om alls) på vilt olika sätt. Och vad värre är, inom forskningsinfrastrukturerna sker detta ofta på projektbasis, vilket effektivt saboterar långsiktighet och övergripande teknisk planering. Dessutom behöver detta lager ansenliga mängder förvaltning och en fungerande affärsmodell. Det är något som är svårt att organisera. Vem har mandat och vem har resurser (utom de förbenade projekten)?

I varje fall tror jag benhårt på de metoder vi valt i Finland för att tackla problemen.  De ger möjligheter att organisera arbetet utan att gå in på detaljnivå. Tillräckligt fokus sätts på samordning och strategi. Det betyder att  t ex forskningsfältet har möjlighet att organisera sig själv, bara man säkrar tillräcklig kompetens. Och nu talar vi inte om kompetens hos forskarna, utan om hela systemets, inklusive beslutsfattarnas, förmåga att styra digital kunskapsutveckling.

EU har beskrivit samordningen med en ofta framställd graf, som jag ritade om
för att förtydliga betydelsen av just  "governance", som ofta underskattas,
fast den i själva verket utgör grunden för allt.

Diskussioner om data: CODATA, FAIRsFAIR och RDA

Den senaste veckan var en verklig turbovecka för forskningsdata i Esbo och Helsingfors. På söndagen och måndagen var det CODATA-konferens på Riksarkivet. CODATA är en kommittée inom International Science Council (ISC) en rätt färsk sammanslagning av International Council for Science (ICSU) och  International Social Science Council (ISSC). Kort sagt, en global takorganisation för forskning. CODATA är, som namnet låter förstå, det organ som främjar användning och kvalitet av forskningsdata. Temat var forskningsdatahantering i organisationer och vi hade gjort en liten poster om vår nya rekommendation för användning av beständiga identifierare, som vi gjort under vintern här i Finland.

På tisdagen ordnade vi en dubbelworkshop inom FAIRsFAIR. Dels diskuterades datarepositorier och vad det innebär för dem att främja hittbarhet, tillgänglighet, interoperabilitet och återanvändning av forskningsdata, dels hur samma krav tar sig i uttryck då det gäller semantiska artefakter (terminologier, taxonomier, koder, ontologier osv). Vi hade god uppslutning av experter och vi fick mycket material för vårt fortsatta arbete med dessa inte alldeles lätta frågor.

Onsdag, torsdag och fredag var det sedan stort RDA-möte på Aalto-Uni. Research Data Alliance är ett ännu större globalt expertsamarbete än CODATA. Inom organisationen arbetar man med att utveckla olika praktiska lösningar och generella rekommendationer.  Det finns flera grupper som jobbar med olika frågor kring t ex metadata, identifierare och interoperabilitet. Under mötet ordnades många olika typer av evenemang. Ett var en paneldiskussion, där jag snappade upp en bra jämförelse av Pilvi Torsti: "Data är inte som olja, utan som vatten". Så sant. Olja är en usel jämförelse. Data är ingen bristvara. Dessutom är kvaliteten A och O.

Det var en del saker som klarnade och framför allt kunde jag (åter)knyta många viktiga kontakter men olika nyckelpersoner på det internationella planet. Jag tror det var en viktig vecka för finsk forskningsdatahantering, eftersom det var många som nu hade möjlighet att delta första gången i evenemang på denna nivå. Själv ser jag allt klarare vad jag tycker att vi behöver utveckla och göra, både vad gäller nationella rekommendationer och utveckling av forskningsinfrastruktur.

En ypperlig avslutning på veckan blev att höra Magnus Lindbergs Kraft, just så kändes alltsammans. Nedan en tidig inspelning av ett framförande som video. För mig vad det första gången jag såg Lindberg live, vilket det tillförde en hel del måste jag säga.

Krigssampo

WarSampo: Finnish World War II on the Semantic Web 

from SeCo Research Group on Vimeo.

Att länka historien är en spännande tanke och ett imponerande pilotprojekt har också gjorts i och med den så kallade Sotasampo. Man har utgående från CIDOC CRM skapat länkar och visualiseringar, mellan massor av digitala källor från olika håll. Ambitionen att tillgängliggöra historien är god och man har också gått vidare från andra till första världskriget och ännu längre bakåt i tiden. Genom att länka källor och gå ända in på textnivå ger man möjligheten att hitta avsevärt bättre bland materialen. Den nya semantiska sätten att organisera informationen är dessutom ett steg från traditionell pappersvärld till en riktig digital kontext.

Samtidigt finns det åtminstone sett ur ett akademiskt humanistiskt perspektiv en del problem med projekten. Sotasampo kan varken anses fungera som forskningsverktyg ("digital metod") för vetenskapliga historiska frågeställningar eller som en vetenskaplig publikation inom humaniora. Den är snarast en sökhjälp och kan i bästa fall, om man har tur, avslöja mönster, kopplingar eller anomalier som kan ge upphov till vetenskapliga historiska frågeställningar. Jag tycker att det är viktigt att se skillnaden: den akademiska dimensionen med projekt som Krigssampo eller Osma Suominens alldeles vansinnigt coola Annif är helt och hållet teknologisk. Därmed inte sagt att de inte skulle vara relevanta och intressanta och kunna användas som viktiga verktyg i synnerhet inom minnesorganisationer.

Nu skulle det emellertid vara viktigt att man från finansieringshåll ser skillnaden mellan olika typer av projekt. I värsta fall kan vi ha en situation där pengar som är ämnade och tänkta att stöda humanistisk och samhällsvetenskaplig forskning under den lockande och trendiga "digital humaniora"-etiketten i själva verket används på ren teknisk utveckling, vars betydelse för humanistisk forskning i värsta fall kan ifrågasättas. Själv är jag rädd att en sådan utveckling kan slå tillbaka riktigt illa både mot digital humaniora och öppen forskning. Om de knappa resursernas fördelning upplevs som orättvis och oskälig kommer taggarna fram hos också hos de bästa och mest framstegsvänliga humanisterna.

I bästa fall arbetar man förstås integrerat och tillsammans mot gemensamma mål så att den tekniska utvecklingen både föder ny humanistisk och informationsvetenskaplig teknisk kunskap. Att välja ut, organisera och dokumentera källor och material är inte lätt, allra minst om man vill göra vetenskaplig forskning på innehållet. Det krävs stora insikter både i källmaterialet och dess semantiska och kontextuella dimensioner för att kunna använda digitala metoder inom humaniora och samhällsvetenskap. Man måste till exempel kunna bedöma vad som saknas i materialet. Samtidigt hälsar jag med glädje den nya utvecklingen som de första stegen mot en genuin digitalisering. Vi har duktigt folk när det gäller semantisk webb här i Finland.

Annif from Osma Suominen on Vimeo.

Mera Wikidata!

"Wikidata-banner" by Markus Krötzsch - https://ddll.inf.tu-dresden.de/web/Wikidata/Maps-06-2015/en. Licensed under CC0 via Wikimedia Commons.

I fredags ordnades den första Wikidata-träffen i Finland på Yle. Som man kan se på bilden ovan, så behöver vi i Finland se till att vi får mera material ordenligt taggade i den nya ontologin, som kommer att fylla en allt viktigare funktion i t ex Googles sökningar.

På plats fanns en imponerande bredd aktörer från Finland, förutom Wikimedia och Yle, t ex Kommunförbundet, Finna, Kultturisuomi, Finto, Linked Data Finland, Nationalgalleriet, Museiverket, Helsingfors Universitets bibliotek och Finlands Artdatacentra. Som synes väcker Wikidata stort intresse även utanför kulturarvssektorn, som gått i bräschen.

En del av materialet finns att se på webben. Vad som gjorde mig glad och tillfreds var att de mest duktiga typerna jag vet alla var lite ivriga att komma igång. Tekniken är nämligen lite bortom min kompetens att bedöma, så det har varit den enda frågan som för mig varit lite öppen: är det lysande konceptet fungerande i praktiken? På basis av kommentarerna verkar det definitivt så.

Till saken hör att jag tror att vi kan ha hjälp och stöd av Wikidata, då vi behöver få ordning på våra nationella it-system och -resurser. Men det förutsätter aktivitet och fördomsfritt handlande. Nu står det alltså fritt för oss att vänta och se eller att sätta i gång. Det förra är en klart större risk än det föregående. Därför blev jag så glad för den positiva no nonsense-inställningen bland de närvarande pionjärerna. Wikidata är allt annat än färdigt, men det har en stor potential och blir bättre ju mer man använder det. Som en biprodukt kommer dessutom Wikipedia att bli ännu mycket bättre. För insatta som undrar om skillnaden/relationen mellan Dbpedia och Wikidata rekommenderades denna Quora-tråd och denna artikel (Tack Micke och Susanna för tipsen).

***

En sak som jag kom att fundera på efter det ytterst lärorika seminariet var, hur dylika öppna projekt fungerar. Jag har skrivit om ämnet tidigare apropå MySQL och det är något som också blivit tydligt inom de Open Science-projekt jag bekantat mig med. Och det det är väldigt tydligt när det gäller både Wikipedia och Wikidata.

Det ser nämligen kanske utåt ut som om projekt som Linux är väldigt självorganiserande fenomen. Det leder också till en ofta ogrundat kritisk inställning: "Vem som helst kan delta" tolkas som att det inte finns något system för kvalitetskontroll eller någon hierarki. Lite som missförståndet kring mottot "Vem som helst kan laga mat" i Råttatouille. "Alla kan" betyder inte att alla kan, utan att alla som kan får.

I verkligheten handlar det om benhårda meritokratier med mycket strikt kontroll. Folk vet inte alltid att Wikipediaartiklar faktiskt genomgår granskning, i synnerhet om de inte själva skrivit och sedan plötsligt fått se sina texter ändrade. Det händer inte alltid, men är det centrala och viktiga artiklar är granskningen faktiskt rätt noggrann. Man ska följa reglerna då man skriver i Wikipedia t ex då det gäller noggrannhet i källhänvisningar och vad gäller opartiskhet. Samma gäller Wikidata. Det finns noggranna regler och tillvägagångssätt. Samtidigt som det är det bästa argumentet gäller, finns det också ledare som har sista ordet och på vars mycket stora kompetens och engagemang allt hänger.

Som fenomen är det mycket intressant, hur dylika gemenskaper och verksamheter organiseras. Klart är i alla fall att det är mycket hängivna och begåvade människor som är drivkrafter. En del förvandlas till företag som Google, ursäkta Alphabet, medan andra förvandlas till nätverk av institutioner. Såsom webben eller Wikipedia.

Note to self

Hade i dag en kort, men riktigt intressant diskussion med Stefan Gradmann, en av hjärnorna bakom det nya kommande semantiska Europeana. Det var tal om humaniora och digitalisering. Gradmann förfäktade tanken om att uppdelningen i de två kulturerna inte kan användas schablonmässigt som en beskrivning av naturvetenskaper versus humanistiska vetenskaper. Han menade att det finns områden inom exempelvis kärnfysiken där man opererar med mycket vaga begrepp, medan det inom humaniora finns områden som är mycket precisa och opererar med absoluta, entydiga termer och metoder. Nånstans går ändå skillnaden mellan tänkande och forskning som baserar sig på tolkning och naturliga språk, och dito som är mer matematiska-logiska till sin karaktär.

Jag vidhöll att det naturliga språkets oklarheter och föränderligheter ändå är det som är drivkraften och innehållet i all intellektuell verksamhet. Som Gradmann själv sade, omdefinierar man ständigt begrepp inom många områden – i synnerhet de humanistiska. Utan denna process och det naturliga språkens dynamiska karaktär återstår bara kalkyler. De bara i sig själva, ensamma och utan tolkning, förklaring eller betydelse blir irrelevanta. Om det var vi helt ense.

Varpå jag frågade om hur man då kan tycka att det går att göra semantisk kodning. Hur kan man skapa en modell och ett system som i längden återspeglar något av betydelse? Hur kan systemet hänga med, hur kan användaren tolka begreppen rätt?

Gradmanns svar var intressant: Problemet är att webben saknar tidsdimensionen. Tiden tog slut. Men jag funderade vidare. Det är mycket, mycket dubbelt med semantisk kodning, tycker jag. Å ena sidan, som med Europeana, löser man galant problem som traditionella biblioteks- och arkivsystem tampas med. Inte minst när det gäller att sammanföra informationen på ett bra sätt. Det kräver absolut att man spränger de gamla strukturerna och gör ordentlig begreppsanalys på innehållet.

Å andra sidan har vi just detta problem: om vi programmerar in betydelser i språket är de fast i en viss tid och kontext. Därför bör också själva modelleringen av informationen anses vara en händelse som måste dokumenteras med tid, rum och aktörer. Men informationen blir så rik, koden så oöverskådlig och dessutom ofta dold för användarna – som i regel dessutom går där ribban är lägst när det gäller informationssökning – att man sannolikt aldrig riktigt, på riktigt, kommer att kolla och kritiskt granska betydelser och strukturer som datorn använder.

Länkad data

I går deltog vi från Brages Pressarkiv i ett seminarium om öppen data på Aalto-universitetet. Arrangör var Eero Hyvönens SeCo-grupp som stått för det mesta av utvecklingen av semantiska system och ontologier i vårt land. Seminariets huvudtalare var Jeffrey Jaffe, vd för W3C.

Jaffe förutspådde att utvecklingen av mediavärlden, kulturen, ekonomin och vårt samhälle kommer att fortsätta med lika dramatiska förändringar som under de senaste två decennierna. Webben är inte färdig än. Enligt honom är omvälvningarna ingalunda slut ännu. Han talade om webben som en öppen plattform, html5 som det gemensamma formatet för att integrera medier, om konvergens mellan olika medier (och i slutändan inställer sig frågan om det knappast är självändamål med flera helt separata medier?) och om betydelsen av mobilteknologi och spelindustrin som drivkraft i den tekniska utvecklingen.

Det intressantaste för oss "innehållsproducenter" (eller strängt taget metadataproducenter) var ändå frågan om länkad data, samt frågan om proveniens. Proveniensen blir allt viktigare då information allt enklare kan presenteras skilt från sin ursprungliga kontext. Hur kan man då bedöma eller hjälpa användaren att bedöma trovärdigheten och tolka materialet korrekt? Användare tenderar dessutom att fästa mycket uppmärksamhet vid annat än traditionellt källkritiska saker, då de bedömer trovärdigheten av information på webben. Frågan om metadatas proveniens har därför också ältats inom Dublin Core-samarbetet. Nu lyfts frågan upp även inom W3C.

Jaffe berättade att över tre procent av materialet på webben är försett med RDF-metadata som möjliggör användning av semantiska länkningar. Siffran är häpnadsväckande stor, och jag skulle gärna veta lite mer om hur man kommit till den.

Klart är i alla fall att webb 3.0 är på kommande. Så glöm portalerna. Länka data i stället.

Kulturarvsordningar

I många muséer finns det bibliotek och arkiv, i arkiv finns det föremål och i bibliotek finns arkivalier. Redan för tusentals år sedan behövde man kunna ordna sina skrifter och sin kunskap. Bibliotekarier och arkivarier har specialiserat sig på att ordna skrifter, så att man kan hitta vad som behövs. Visserligen har det länge handlat om kunskap som till stora delar funnits i huvudet på folk, men strukturerna i materialet har ändå behövts för att hitta fram.

Den tryckta bokens parentes och det växande antalet böcker har gjort biblioteksmänniskorna till experter på att skapa metadata. Å andra sidan är de i dag kanske alltför invanda med pressepokens fysiska, oföränderliga exemplar och sitt sätt att strukturera informationen. Bibliotekssystemen är i dag enorma resurser med förhållandevis god (enhetlig) kvalitet, men i grunden för allt finns fortfarande kortkatalogens sätt att hantera informationsförvaltningen.

Ett arkiv består av handlingar som uppstått inom en verksamhet. En person, en släkt eller en organisation är arkivbildare. Sättet att ordna materialet är därför helt annorlunda, det baserar sig på ursprung, dokumenttyp och kronologisk ordning. Det är sammanhanget som ger varje dokument sin betydelse, och det reflekteras i dess placering, såsom breven i ett personarkiv, som kan vara ordnade enligt motpart i korrespondensen och sedan enligt datum. I arkiv behövs inga ämnesord som i en bibliotekskatalog, kontexten säger det som behöver sägas.

En museisamling liknar följaktligen mer ett bibliotek än ett arkiv till sin idé och även i hur det administreras. Också en del av de samlingar som går under namnet ”arkiv” i dag är de facto alltså snarast samlingar. Därför finns det också inom arkivvärlden olika system med olika logik.

I dag förväntar man sig att sökning skall vara enkelt, det skall vara snabbt och helst ske via ett enda gränssnitt. Kravet är fullständigt rimligt i sig. Det är därför projekt som Europeana och det Nationella digitala biblioteket kommit till. Tekniken skall nog kunna klara det. Uppdelningen mellan de olika kulturarvsinstitutionerna är på sätt och vis konstgjord och ibland mer eller mindre slumpmässig.

Men ett problem utgörs ändå av att man i minst ett par sekler ordnat sin information på så olika sätt. Dessutom borde man i dag lära sig att tänka digitalt. Det är möjligt att bryta de gamla informationsstrukturerna inom alla sektorer och gå in för en rikare struktur. Men det kräver ett fördomsfritt förhållningssätt och noggrann semantisk analys att resurserna: vad betyder egentligen de olika elementen i alla kataloger och databaser? Vilken typ av information innehåller de?

Det krävs mod att bryta sönder de gamla strukturerna. I gengäld kan vi få mycket fina sökningar som lätt brädar google. För gemene informationssökare är det helt egalt om materialet förvarats i ett arkiv eller katalogiserats i ett bibliotek. Man måste få fram det som är relevant.

Rädda ontologierna!

Det ser just nu lite smått oroväckande ut med tanke på vårt lands framstående utveckling av den semantiska webben. Trots att kunnande finns och arbetet på den svenska versionen av YSO, döpt till Allso, börjar komma i gång vid Åbo Akademis bibliotek, velas det med de stora besluten.

Den fortsatta finansieringen för Eero Hyvönens även i utlandet berömda FinnOnto-projekt är fortfarande öppen och vi väntar ännu med spänning på vad Nationalbibliotekets "övergång" till användning av YSO i praktiken kommer att innebära.

Att även en engelsk version av YSO börjar vara klar (vilket borde ge möjlighet till länkningar med te x Wordnet?) borde ju verkligen få beslutsfattarna att skärpa sig. Genom nästan hela det stora projektet kring det nationella digitala biblioteket har det talats om semantiska sökningar coh förhoppningarna har varit stora!

Nu gäller det att få de grundläggande besluten fattade och det kvickt.