AP2: Erfassen & Kategorisieren von Datenbeständen „Kooperative Langzeitarchivierung für Wissenschaftsstandorte“ http://kolawiss.uni-goettingen.de AP2: Erfassen & Kategorisieren von Datenbeständen Expertenworkshop 09.12.2008 Göttingen Sven Vlaeminck Niedersächsische Staats- und Universitätsbibliothek (SUB) Göttingen Historisches Gebäude, Papendiek 14, 37073 Göttingen Fon: 0551 39-4773 | Mail to: vlaeminck@sub.uni-goettingen.de

AP2 – Ziele & Methodik Ziele: Methode: Ermittlung von Eigenschaften der Datenbestände Ermittlung von Kriterien zur Kategorisierung Einbeziehen heterogener Datenbestände Methode: Evaluierung des Ist-Standes durch Nachnutzung des nestor-Online-Surveys 2007 („Bedarfsabklärung zur Langzeitarchivierung digitaler Daten an der Universität Göttingen“) Literaturstudium

= Ist-Stand Erfassung = „Kooperative Langzeitarchivierung für Wissenschaftsstandorte“ http://kolawiss.uni-goettingen.de = Ist-Stand Erfassung = Ergebnisse der Bedarfsabklärung zur Langzeitarchivierung digitaler Daten an der Universität Göttingen des nestor – Netzwerks [www.langzeitarchivierung.de]

„Gibt es Daten, die über den aktuellen Gebrauch hinweg erhalten bleiben sollen?“

Interesse an & Planung von Maßnahmen zur digitalen Langzeitarchivierung

Die Verwendung von Metadaten…

Metadatenstandards

Genutzte Formate Insgesamt wurden 96 (!) unterschiedliche Formate genannt. Schwerpunkte: Adobe PDF, Formate der MS-Office Familie, JPG, TIFF, Plain Text.

Genutzte Formate II

Datenmengen nach Fakultät

Ergebnisse Großes Interesse & großer Bedarf Kaum konkrete Planungen Starke Divergenz bei Datenumfang Formate stark heterogen, häufig proprietär Geringe Metadatenimplementierung Kaum standardisierte Metadatenschemata Komplexe Ausgangslage für dLZA von Forschungsdaten

= Kategorisierungsansätze = „Kooperative Langzeitarchivierung für Wissenschaftsstandorte“ http://kolawiss.uni-goettingen.de = Kategorisierungsansätze =

Wie lassen sich Forschungsdaten kategorisieren? Viele Ebenen der Kategorisierung denkbar: Nach ihrer (fachwissenschaftlichen) Herkunft… Nach MIME-Type o.ä. … Nach ihrem Inhalt / Content… Nach der Datengröße (z.B. in GB)… Vorschlag: Kategorisierung anhand von Kriterien, die Auswirkungen (z.B. auf Kosten oder Policy) haben… Daher: Kategorisierung anhand von Vorhaltezeiträumen & Formateignung für dLZA Vorteile: Ausreichend generisch, quantifizierbar…

Dimension I: Kategorisierung nach Vorhaltzeiträumen Kategorisierung nach geplanter Archivierungszeit Vier sinnvolle Vorhaltezeiträume: bis zu 5 Jahren bis zu 10 Jahren bis zu 30 Jahren mehr als 30 Jahre => Überführung in Service Level

Dimension II: Format-Eignung Ermittlung & Bewertung der Format-Eignung für dLZA anhand von sieben Kriterien Offenheit & Lizenzfreiheit Verbreitungsgrad Selbstdokumentation Robustheit Komplexität Schutzmechanismen Abhängigkeiten Diese Kriterien verfügen über unterschiedlich viele Ausprägungen: z.B.: Kriterium: (geringe) Abhängigkeiten Ausprägung I: Unabhängigkeit von bestimmter Hardware Ausprägung II: Unabhängigkeit von bestimmten OS Ausprägung III: Unabhängigkeit von bestimmter Software Ausprägung VI: Unabhängigkeit von externen Ressourcen

Beispiele:

Bewertung der Format-Eignung Bestimmen der Format-Eignung* durch Gewichtung der Relevanz verschiedener Kriterien-Ausprägungen (abhängig von Policy, z.B. zwischen 1 & 9) Vergabe von Punktwerten für bestimmte Formate ( z.B. Bedingung sehr gut erfüllt =2 Punkte, Kriterium mittelmäßig erfüllt = 1 Punkt, Kriterium nicht erfüllt = 0 Punkte) Multiplikation der Punktwerte für Gewicht der Kriterien-Ausprägung und dem vergebenen Wert Division durch die Anzahl der Ausprägungen eines Formats. Der Punkt-Gesamtwert bestimmt die Eignung des Formats – je höher er ausfällt, desto geeigneter ist ein Format * Nach: Rog, Judith / van Wijk, Caroline: Evaluating File Formats for Long-term Preservation. National Library of the Netherlands, Den Haag, 2008

Die Kategorisierungsmatrix (I)

Die Kategorisierungsmatrix (II)

Die Kategorisierungsmatrix (III)

Die Kategorisierungsmatrix (IV) Kategorisierungsdimension „Vorhaltezeitraum“ noch nicht implementiert Bei einer Formatbewertung für alle „Vorhaltezeitraum“ ergibt sich folgende Grafik (-> fiktive Werte!)

Diagramm zur Format-Eignung

Vielen Dank für Ihre Aufmerksamkeit! „Kooperative Langzeitarchivierung für Wissenschaftsstandorte“ http://kolawiss.uni-goettingen.de Vielen Dank für Ihre Aufmerksamkeit! Nun ist Raum für Anmerkungen und zur Diskussion…

= Leitfragen zur Diskussion = Ist diese Form der Kategorisierung zielführend? Ist das vorgeschlagene Konzept ausreichend generisch UND ausreichend konkret? Werden weitere Kriterien und Ausprägungen gesehen, die Eingang in eine Bewertung erhalten sollten? Sehen Sie andere sinnvolle Ebenen für eine Kategorisierung von Forschungsdaten? Fehlen Ihnen grundlegende Punkte, die Ihrer Meinung nach unbedingt Eingang in eine Kategorisierung finden müssten?