Ctrl+K

Lessons

Lessons#

Einzelne Unterrichts-Sitzungen, von Studierenden durchgeführt; vorwiegend konservativ als Seminarvortrag; Note aufgrund der schriftlichen Ausarbeitung.

Worum geht es, was sind LOD? Kontextwissen, Einführungstexte:

Bücher, in denen man erst mal nachschauen kann:

  • cimiano2020: [CCMG20b] bzgl. Linguistik tiefgehend, für viele andere Themen eine kurze Einführung aus Vogelperspektive

  • swwo2020: [AHG20]: bzgl RDF + semantischer Modellierung tiefgehend

Lesson Linked Data#

(ggf. WIF, nicht KI)

JB 2024-04-26: Thema wurde von JB schon intensiver behandelt; ggf. erwitern / zusammenlegen mit Lesson Linked Open Government Data?

Was ist mit Linked Data gemeint?

Hint

https://www.w3.org/DesignIssues/LinkedData.html expectations of behavior:

  • Use URIs as names for things.

  • Use HTTP URIs so that people can look up those names.

  • When someone looks up a URI, provide useful information, using the standards (RDF*, SPARQL).

  • Include links to other URIs, so that they can discover more things.

Es gibt ein Machtwort von TBL zum http-range-14 Problem Lesson http range 14: Hier schon Zusammenhang herstellen.

Datenbank über LOD Schaemata:

Interessant wäre:

  • Wie kommen diese Abbildungen zustande, was bedeuten die Kanten?

  • Wie können wir diese Quellen nutzen?

Weitere Literatur vielleicht doch nicht, weil zu speziell / zu technisch:

Lesson Linked Open Government Data#

(ggf. WIF nicht KI)

wichtiges Thema: https://www.govdata.de/neues/-/blogs/hochwertige-datensatze … Durchführungsverordnung …

Lesson http range 14#

Problem, Diskussion, Lösung ausführlich darstellen. Einstiegs-Literatur siehe HTTPRange-14

Dublin Core#

Lesson Wikidata and DBpedia#

Lesson SKOS#

JB 2024-04-26: https://www.jbusse.de/dtt2023/e_skos.html

JB 2024-04-26: SKOS Begriffe sind Instanzen, keine Klassen! z.B. Personen, Dokumente, Begriffe (PDK): https://www.jbusse.de/semauth/pdkSandboxOntologies.html#ID_1976288145

2024-04-26: Visualisierung JB des SKOS-Schema: https://www.jbusse.de/semauth/smmm2013_ anwendung_schema-visualisierung.html

Bibliographie:

Grundlagen:

Lesson Wordnet#

JB 2024-04-26: https://www.jbusse.de/dtt2023/e_wordnet.html

diskutieren u.a.:

  • Beispiel online: “day”

  • Synset

  • Datenschema

  • Wordnet per API anfragen

Bibliographie:

dann auch Babelnet hinzunehmen, oder extra Sitzung?

Bibliographie:

andere abgeleitete große Knowledge Graphs:

Lesson Ontolex Lemon#

JB 2024-04-26: Text siehe https://www.jbusse.de/dtt2023/e_ontolex-lemon.html, insbesondere die

Literatur:

DCAT-AP dot de#

JB 2024-04-26: Die Hauptklassen von https://www.w3.org/TR/vocab-dcat-3/

Literatur:

noch mehr Literatur:

DCAT in Bezug auf WEMI:

Data described in a catalog can come in many formats, ranging from spreadsheets, through XML and RDF to various specialized formats. DCAT does not make any assumptions about these serialization formats of the datasets but it does distinguish between the abstract dataset and its different manifestations or distributions. (https://www.w3.org/TR/vocab-dcat-2/#introduction)

The original Recommendation [VOCAB-DCAT-1] published in January 2014 provided the basic framework for describing datasets. It made an important distinction between a dataset as an abstract idea and a distribution as a manifestation of the dataset. (https://www.w3.org/TR/vocab-dcat-3/#motivation)

the base specification of DCAT at W3C only considers relationships between a catalogue and the datasets described in the catalogue, and between a dataset and the distributions that represent the manifestations of the dataset. (https://joinup.ec.europa.eu/release/dcat-ap-how-model-dataset-series)

Lesson RDFS#

Anknüpfen an RDF (Inhalte siehe Lesson RDF 1.2 im Detail) … dann das “S” erklären in RDFS

Grundlegende Konzepte#

RDF Schema 1.1, W3C Recommendation 25 February 2014, https://www.w3.org/TR/rdf11-schema/

Entailment, logische Ableitung, ausmaterialisieren, implizites Wissen explizit machen:

RDF 1.1 Semantics, W3C Recommendation 25 February 2014, https://www.w3.org/TR/rdf11-mt/

RDF 1.1 Turtle, Terse RDF Triple Language. W3C Recommendation 25 February 2014 https://www.w3.org/TR/turtle/

Lesson RDFS plus#

Grundlagen:

Lesson Named Graphs#

Lesson SPARQL#

Grundlagen:

  • swwo2020, Chapter Querying the Semantic Web—SPARQL https://doi.org 10.1145/3382097.3382104

SHAQL#

Grundlagen:

  • swwo2020, Chapter Extending RDF: RDFS and SCHACL https://doi.org 10.1145/3382097.3382105

Studienprojekt#

Unterrichte#

Dieser Abschnitt: Lessons, die von JB vorbereitet wurden

Lesson FRBR#

F wie Funktional#

Das Framework FRBR ist entstanden aus einer gleichnamigen Studie [IFLAStudyGroup06]

Studie 2006

Lernziel: Kennenlernen von Fragestellung, Vorgehensweise der FRBR-Studie von 2006 (online: https://www.ifla.org/wp-content/uploads/2019/05/assets/cataloguing/frbr/frbr-deutsch.pdf).

Bitte im Text lokalisieren, nachverfolgen:

  • Ziel der Studie:

    Ziel ist es, einen klar definierten, strukturierten Rahmen zur Verfügung zu stellen, um die in bibliografischen Datensätzen verzeichneten Daten mit den Bedürfnissen der Benutzer dieser Datensätze in Verbindung zu setzen. (ebd, S.7)

  • Vorgehensweise:

    Für diese Studie wurden die Merkmale auf einer logischen Ebene definiert. Das heißt, die Merkmale werden bezüglich der Eigenschaften der Entitäten ausgedrückt, so wie ein Benutzer sie betrachten würde, und nicht als spezifische Datenelemente, wie sie von Katologisierern beschrieben würden. (S.30)

  • Welches Typ von Modell wurde in der Ergebnissicherung verwendet? Wie „funktioniert“ dieser Modelltyp? Spielt dieser Typ von Modell heute noch eine Rolle?

Abschnitte:

  • Kap 1.2. Ansatz

  • Kap 2. Ziele, Umfang und Methodik

  • Kap 3. Entitäten

    • 3.1. Übersicht

    • 3.2.1 bis 3.2.4: WEMI

  • 4.1 Merkmale von Entitäten

weitere Literatur:

Weiterentwicklung

Wichtiger Meilenstein:

Editors: Chryssoula Bekiari, Martin Doerr, Patrick Le Bœuf, Pat Riva; Contributors: Trond Aalberg, Jérôme Barthélémy, Chryssoula Bekiari: FRBRoo v. 3.0: FRBR object-oriented definition and mapping from FRBRER, FRAD and FRSAD.

interessant hier:

The Manifestation entity was defined in FRBRER in such a way that its definition could be interpreted as covering something physical and conceptual at the same time: it was defined in turn as the “physical embodiment” of an expression of a work and as an entity that represents all the physical objects that bear the same characteristics. Discussion with members of the original FRBR Study Group [ footnote 8: Tom Delsey and Beth Dulabahn participated in the Working Group’s first meeting in Paris in 2003. ] showed that the Manifestation entity was actually meant as an entity all instances of which are sets; and sets, in the mathematical sense of the term, can have more than one member, or just one member (in which case they are called singletons). (1.2.2. Refinement of Group 1 Entities, S.16f, Herv. im Original)

Werk vs. Expression#

Lernziele:

  • kennenlernen des Begriffs Werk (auch im Unterschied zur Expression) aus FRBR

Quellen:

Auftrag: Recherchieren Sie den Ursprung und ggf. Versionen der folgenden Abblildung (Quelle hier: https://www.isko.org/cyclo/work):

Auftrag:

  • Erläutern Sie und geben Sie Beispiele für den Unterschied zweichen “same work, new expression” und “new work”

  • Entwicklen Sie Faustregeln, anhand derer wir feststellen können , „wie unterschiedlich“ zwei Werke sind?

  • Woher stammt die obige Abbildung, wer ist die Autorin?

  • Wie werden Work und Expression im Modell FRBRoo definiert? Welche Erweiterung(en) liefert dieses Modell?

  • Wie werden Work und Expression definiert im Library Reference Model (LRM) von 2017?

Expression, Manifestation, Item#

Unterschied Expression, Manifestation, Item

Quellen:

konventionell in FRBR: F2 Expression und F3 Manifestation Product Type

  • WEMI in FRBR 2006 kurz darstellen

Problem in in LRMoo [BDLBoeufR21] (online: https://www.cidoc-crm.org/frbroo/sites/default/files/LRMoo_V0.7(draft 2021-06-29).pdf): Manifestation ist eine eine Subclass einer Expression:

  • F1 Work

  • F2 Expression

    • F3 Manifestation

    • F34 Controlled Vocabulary

  • E24 Physical Human-Made Thing

  • F5 Item

Genauer: Im Dokument https://www.cidoc-crm.org/frbroo/sites/default/files/LRMoo_V0.7(draft 2021-06-29).pdf besteht folgende Klassenhierarchie: F3 Manifestation Subclass of: F2 Expression (S.20)

Das wurde so auch in die aktuelle Version https://cidoc-crm.org/sites/default/files/cidoc_crm_version_7.1.3.pdf übernommen.

In https://www.cidoc-crm.org/frbroo/sites/default/files/FRBRoo_V2.4.pdf (2015) war es dagegen noch keine Subclass-Beziehung.

Wenn wir uns auf die alten FRBR Dokumente beziehen und auch das Buch von Heidrun Wiesenmüller (https://www.basiswissen-rda.de/, ISBN 978-3-11-053868-7) gut lesen, scheint diese Subclass-Beziehung falsch zu sein: Gemäß RDA sind Manifestation und Expression zwei ziemlich verschiedene Dinge, in OWL jedenfalls disjointe Klassen. TBD, klären … und für die veranstaltung LOGD ein gutes Beispiel, wie schwierig es sein kann, eine Ontologie zu erstellen.

weitere Dokumente:

FRBR für digitale Entitäten: FaBiO

Weitere verwandte Quellen:

  • http://www.sparontologies.net/: “SPAR LogoThe Semantic Publishing and Referencing Ontologies, a.k.a. SPAR Ontologies, form a suite of orthogonal and complementary OWL 2 DL ontology modules for the creation of comprehensive machine-readable RDF metadata for every aspect of semantic publishing and referencing”

Diskussion im Skript: WEMI digital

Lesson CIDOC#

(Hinweis zur Aussprache: CIDOC ist kein EN-Begriff, also nicht “saidok”, sondern einfach auf DE “sidok”.)

Aktuelle Version: Definition of the CIDOC Conceptual Reference Model, Version 7.1.3, February 2024

Zeigen: Ausschnitte aus der Klassenhierarchie: CIDOC CRM Class Hierarchy Table 3: CIDOC CRM Class Hierarchy, p.48ff … mit Fokus auf E73 Information Object … Mehrfachvererbung! …

interessante Klassen:

  • E71 Human-Made Thing

    • E28 Conceptual Object

      • E89 Propositional Object (frbr:work)

        • E73 Information Object

      • E90 Symbolic Object

        • E73 Information Object

        • E41 Appellation

          • E42 Identifier (rdf:IRI)

      • E55 Type (skos:Concept)

  • E73 Information Object (frbr:expression)

    • E31 Document

      • E32 Authority Document

    • E33 Linguistic Object

[BDLBoeufR21] https://www.cidoc-crm.org/frbroo/sites/default/files/LRMoo_V0.7(draft 2021-06-29).pdf: Mapping von FRBRoo nach CIDOC CRM

  • E89 Propositional Object

    • F1 Work

  • E73 Information Object

    • F2 Expression

      • F3 Manifestation

  • E24 Physical Human-Made Thing

    • F5 Item

Als OWL-Ontologie: http://erlangen-crm.org/ - erlangen-crm/ecrm: ecrm_current.owl , ecrm based on 7.1.3 iso version, last month

Merkzettel, weitere interessante Aspekte:

Adopting the principle of monotonicity has active consequences for the basic manner in which classes and properties are designed and declared in the CIDOC CRM. In particular, it forbids the declaration of complement classes, i.e. classes solely defined by excluding instances of some other classes. * [BBC+24], S. 29

konkrete Fragestellung, noch weiter recherchieren: Wie reagiert DC auf die Entwicklungen in FRBR und RDA, hier CIDOC?

Lesson RDF 1.2 im Detail#

Material:

  • RDF 1.2 auf Papier ausgedruckt, ersatzweise in einem pdf-Reader mit Annotationsmöglichkeit (lediglich ein Smartphone reicht nicht)

Wir lesen Teile des Textes im Detail, und verstehen ihm im Idealfall vollständig.

Ergebnissicherung:

Einzelne Unterrichst-Sitzungen, die idealerweise teilnehmeraktivierend als moderierte Gruppenarbeit durchgeführt werden könnten.

Grundlagen:

Lesson Parkhausdaten#

siehe vorläufig https://www.jbusse.de/logd/aehnlichkeit-von-csv-dateien#logd-bsp-parkhausdaten-2024-04-19

2024-04-26 Uebersicht#

Diese Lesson: Vorausschau Zusammenhänge

SKOS#

Merkzettel#

This study provides evidence that ChatGPT can generate accurate records that conform to multiple metadata standards. [ … ] ChatGPT was able to generate both accurate existing authority records and entirely original ones, and it could generate records using both RDA and Dublin Core standards. https://www.researchgate.net/publication/374430098_From_ChatGPT_to_CatGPT_The_Implications_of_Artificial_Intelligence_on_Library_Cataloging

https://www.researchgate.net/publication/327964780_Dublin_core_State_of_art_1995_to_2015

Contents