Metadata Quality Assessment Framework is a tool aiming to provide building blocks to analyse the quality of metadata records of cultural heritage organisations. It can read JSON, XML or CSV records and runs metrics of general quality dimensions, such as completeness, multilinguality, uniqueness, accuracy. It also provides a SHACL-like vocabulary to create specific validation rules for individual data elements. The tool can be used from the command line, and it can be built into a larger framework, and using it via its API.

The presentation provides an overview of the rule set one can apply for metadata records, and also shows how it is use in practice at the Deutsche Digitale Bibliothek. DDB aggregates data in different metadata schemas (Dublin Core, EDM, LIDO, EAD, METS/MODS). The tool is used to check incoming records, and those records which are transformed for exporting to Europeana. The metadata team sets a uniform set of requirements, and a scoring system to detect issues and qualify individual records.

Wir berichten von den Metafacture-Entwicklungen der letzten anderthalb Jahre, insbesondere der Entwicklung einer Catmandu-Fix-artigen Transformationssprache für Metafacture

(https://github.com/metafacture/metafacture-fix) und einer Web-basierten Oberfläche zum einfachen Ausprobieren und Teilen von Workflows (https://github.com/metafacture/metafacture-playground).

Abstract

Im ersten Teil wird gezeigt, wie wir aus den Daten im Rohformat (PICA+) die wesentlichen Daten extrahieren und so aufbereiten, dass sie im GND-Dashboard angezeigt werden können. Wir stellen das Tool „pica-rs“ [2] vor, das für die Datenextraktion verwendet wird und illustrieren an ausgewählten Beispielen wie die Datenaufbereitung mit der Programmiersprache Python umgesetzt ist. Abschließend wird das Setup vorgestellt, mit dem wir die Daten im Dashboard monatlich aktualisieren.

[2] https://github.com/deutsche-nationalbibliothek/pica-rs

Der zweite Teil erläutert, wie die Statistiken mit der Software Streamlit (siehe [3]) zu einem interaktiven, web-basierten Dashboard aufbereitet werden. Dabei wird es auch um den Wissenstransfer zwischen bibliothekarischen Fachleuten und den Data Sciences gehen.

[3] https://streamlit.io/

Um Forschungsdaten als Linked Open Data (LOD) zur Verfügung stellen zu können und somit verknüpfbar und gut nachnutzbar zu machen, sind bestimmte Anforderungen an die Qualität der Daten zu erfüllen. Im BMBF-geförderten Projekt „KONDA  - Kontinuierliches Qualitätsmanagement von dynamischen Forschungsdaten zu Objekten der materiellen Kultur unter Nutzung des LIDO-Standards“  wurde auf der Basis von Datenanalysen und in enger Zusammenarbeit mit der Cultural-Heritage-Community ein Katalog von gängigen Datenqualitätsproblemen im Kulturerbebereich erstellt. Aktuell wird ein Qualitätsmanagementprozess für strukturierte Forschungsdaten entwickelt, der alle Stationen des Datenlebenszyklus umfasst. Aufbauend auf der inzwischen veröffentlichten neuen LIDO-Version v1.1 und der in den letzten Jahren entwickelten LIDO-Terminologie werden im Projekt zudem domainspezifische LIDO-Profile und -Handbücher z. B. für Malerei und Skulptur sowie für Architektur entwickelt. Im Vortrag werden zum einen das Vorgehen und einige Ergebnisse des KONDA-Projekts vorgestellt, zum anderen wird am Beispiel des LIDO-Standards veranschaulicht, worauf bei der Erzeugung, Verarbeitung und Pflege von Forschungsdaten zu Objekten materieller Kultur zu achten ist, um sie Linked Open Data-fähig zu machen.