Projekt Europeana Newspapers – online brána k evropským historickým novinovým sbírkám

Následující článek, jehož hlavním cílem je krátce představit projekt Europeana Newspapers čtenářům časopisu ITlib a odborné veřejnosti na Slovensku, vznikl hned z několika důvodů. V první řadě je to projekt velice zajímavý a přínosný, což obecně u mezinárodních projektů financovaných z fondů EU nebývá (bohužel) zrovna pravidlem, takže si slovenská veřejnost, vzhledem k faktu, že v projektu nefiguruje žádný slovenský partner, jistě zaslouží být o projektu informována v rámci „československého“ kontextu– čímž se dostáváme k postavě autora článku (který je sice národnosti české, ale narodil se jako a vždy zůstane Čechoslovák), jemuž se dostalo cti řídit diseminaci a PR projektu Europeana Newspapers v prvním roce jeho realizace, a tak s radostí přijal nabídku připravit o projektu krátký informační článek pro tento časopis. Veškeré další informace a aktuality projektu mohou případní zájemci nalézt na jeho oficiálních webových stránkách1, kde se mohou mj. přihlásit k odběru pravidelného Newsletteru.

Pozadí vzniku a hlavní cíle projektu

Nedílnou součástí každého národního kulturního dědictví jsou noviny– zdánlivě zcela obyčejná věc každodenní spotřeby, která nás obyčejně přestane zajímat hned druhý den po přečtení, kdy si do nich v lepším případě zabalíme svačinu do práce. Z knihovnického hlediska ovšem staré noviny představují unikátní zdroj historických informací, které vytvářejí velmi komplexní a bohatý odraz dějin, který je vzhledem k obecné povaze médií nutné vždy brát s rezervou a interpretovat v rámci historických souvislostí, což je činnost jako stvořená pro různé historiky, badatele, komentátory či hledače dějinných souvislostí. Před příchodem digitalizace byly historické novinové sbírky vesměs uloženy v temných depozitářích, kde na ně sedal prach, který občas smetl náhodný návštěvník. Dnes se tedy díky novým technologiím otevírá brána k tomuto znovuobjevenému zdroji historických informací, která umožní si pročítat a zkoumat historické noviny komukoliv z pohodlí domova. Na cestě k volné dostupnosti většiny evropských historických novinových sbírek online jsme však teprve na samotném počátku, a jednou z globálních evropských aktivit k naplnění tohoto cíle je i představovaný projekt. Zasvěcenější čtenáři by mohli jistě namítnout, že většina národních institucí zodpovědných za uchovávání a poskytování novinových sbírek již v digitalizaci novinových fondů značně pokročilo, či ji některé z nich dokonce úspěšně dokončily, a měli by samozřejmě pravdu. Projekt Europeana Newspapers začíná právě tam, kde končí proces digitalizace v mateřské instituci. Digitalizace totiž neznamená automatické zpřístupnění získaných dat, které se po ukončení procesu digitalizace mohou velice snadno objevit ve stejně zaprášených depozitářích, jako tomu bylo u jejich papírových „matek“, což se v současné době běžně děje. Důvodem je především poměrně finančně i organizačně náročný proces funkčního zveřejnění digitalizovaného novinového obsahu, k jehož vylepšení a zjednodušení by představovaný projekt rád přispěl. Projekt je tvořen a realizován v rámci partnerství důležitých evropských hráčů v oboru zpřístupňování digitálního novinového obsahu, přičemž na tomto místě zmíníme především Královskou knihovnu v Nizozemí, což je dnes jediná země Evropy, která zrealizovala online přístup ke svým novinovým sbírkám2.

V rámci projektu bude předávat své cenné know-how takovým způsobem, aby i ostatní státy mohly v dohledné době zpřístupnit svůj novinový obsah, a to pomocí portálu Europeana3. Nyní se jistě ctěný čtenář ptá, proč je k tomuto zapotřebí mezinárodního projektu, když se každý stát může poučit z nizozemského řešení a naimplementovat nad svým obsahem vlastní řešení? Jediným důvodem jsou – peníze. Nizozemský systém je skvělý, ale jeho implementace byla tak nákladná (i proto, že byla v EU první), že by si jí téměř žádný jiný evropský stát nemohl dovolit. Hlavní cíle projektu v tomto smyslu jsou: zpřístupnit v rámci systému Europeana až 18 milionů digitalizovaných novinových stránek s využitím fulltextového vyhledávání, vylepšit, zefektivnit a zlevnit procesy vedoucí k transformaci digitalizovaných novinových sbírek v plně využitelný a zpřístupněný digitální obsah, standardizace novinových metadat s důrazem na digitalizované zdroje.

Partnerství projektu tvoří především poskytovatelé digitalizovaného obsahu, tedy vesměs národní, resp. státní knihovny (Berlín, Hamburg, Nizozemí, Estonsko, Rakousko, Francie, Finsko, Lotyšsko, Polsko, Turecko, Velká Británie a Jižní Tyrolsko), jako techničtí partneři pak významné univerzitní knihovny (Manchester, Innsbruck, Bělehrad) společně s předním světovým komerčním dodavatelem řešení v oblasti „dolování obsahu“ z digitalizovaných dokumentů (CCS GmbH). Celkem je v projektu18 partnerů ze 12 evropských zemí včetně Turecka. Česko ani Slovensko v tomto projektu bohužel zastoupeno není, což snad nijak negativně neovlivní budoucí zpřístupnění českých, resp. slovenských historických novinových sbírek – koneckonců, výstupy projektu jsou a budou veřejné (nicméně je škoda prostředků, které v případě partnerství mohly být použity k transformaci několika milionů českých, resp. slovenských digitalizovaných novinových stránek).

Aktivity projektu

I když popisovat strukturu aktivit evropských projektů bývá často poněkud nezábavné, v případě představovaného projektu se tentokrát budeme držet struktury řízení realizace projektu, jelikož je logická a celkem přehledná, takže pomůže čtenářům poměrně složitý proces lépe pochopit. Aktivity projektu jsou rozvržené do 36 měsíců – projekt začal v únoru 2012 – v rámci šesti pracovních balíčků (WP). Celý projekt je pak koordinován Státní Berlínskou Knihovnou, která je známá svým zřejmě celosvětově nejrozsáhlejším rejstříkem historických novinových titulů (rejstříkem, nikoliv katalogem – ono i komplexně zmapovat, jaké všechny novinové tituly v historii vycházely, je téměř sisyfovský úkol).

WP1 Koordinace a řízení projektu (Státní Berlínská Knihovna)

Zde jen ve stručnosti poznamenejme, že řídit a zdárně zrealizovat

takto náročný mezinárodní projekt není žádná legrace, a bylo nutné aplikovat mnoho metodických i funkčních postupů, včetně např. online kolaborativního prostředí či důsledného risk managementu.

Hlavní cíl balíčku je jasný – úspěšná implementace projektu.

1 http://www.europeana-newspapers.eu/

2 Projekt „Historische Kranten“ – dostupný na http://kranten.kb.nl/

3 Více viz http://www.europeana.eu/portal/

WP2 Rafinace digitalizovaných novin (Královská knihovna Nizozemí)

Rafinace je sice termín vypůjčený z chemie, ale nejlépe se i v češtině hodí na proces „získání a vyčištění kvalitního digitálního obsahu z digitalizovaných materiálů“, který tvoří páteř celé aktivity. Cesta od digitálních souborů naskenovaných novin k portálu, jaký vybudovali v Nizozemí (viz výše), je totiž dlouhá a trnitá. Důvody jsou přitom různé – nedostatečná kvalita skenů, specifičnost novinového obsahu (netradiční fonty, skladba článků a jejich nepravidelná segmentace), finančně i časově náročný proces metody OCR apod. V tomto smyslu má aktivita tyto základní, navzájem posloupné cíle: analyzovat digitalizované novinové sbírky partnerů a následně z nich vybrat 18 milionů těch nejlepších pro další rafinaci, definovat minimální požadavky na kvalitu vstupního digitalizovaného materiálu pro rafinaci a použití v rámci pokročilých služeb systému Europeana, koordinovat a zrealizovat rafinaci vybraných sbírek, s využitím zdokonalených procesů OCR, OLR (Optical Layout Recognition) a NER (Name Entity Recognition), poskytnout doporučení o nejlepší praxi procesu rafinace digitalizovaných novinových sbírek.

WP3 – Evaluace a hodnocení kvality (University of Salford)

V podobných komplexních projektech bývá zvykem věnovat celou sadu aktivit neustálému průběžnému vyhodnocování kvality procesů projektu, ať už organizačních, nebo technických. Nejinak je tomu i v projektu Europeana Newspapers, kde je vzhledem k jeho povaze dokonce nezbytné navrženou metodiku projektu v jeho průběhu neustále pozměňovat a zdokonalovat. K tomu slouží celá řada unikátních nástrojů vyvinutých na Univerzitě Salford v Manchesteru, která tuto projektovou aktivitu koordinuje. Jejím cílem je především skutečná využitelnost výsledků a výstupů projektu, včetně např. vzhledu a funkcionality budoucí brány (online portálu), pomocí které budou uživatelé v budoucnu přistupovat k digitálnímu novinovému obsahu. Autor článku netuší, jaká je situace na Slovensku, ale v ČR je právě zanedbávání či vyslovená ignorace podobných evaluačních aktivit častou příčinou někdy až do očí bijící nesmyslnosti a nepoužitelnosti výstupů mnoha projektů financovaných z fondů EU.

WP4 – Agregace a zpřístupnění digitalizovaných novin( Královská knihovna Nizozemí)

Poté, co dojde k úspěšné transformaci vybraných digitalizovaných novinových exemplářů do formy digitálních souborů, bude třeba zajistit jejich agregaci pomocí služby Evropská knihovna4 a jejich následné zpřístupnění v rámci systému Europeana, kde bude pro tyto účely vytvořen speciální novinový portál. Aktivitu znovu vede Královská knihovna Nizozemí, protože jak jsme se již zmiňovali, jako jediná instituce v Evropě má s realizací uceleného národního systému zpřístupnění digitálních historických novinových sbírek zkušenosti. Součástí této aktivity je i zmapování současného stavu v oblasti napříč Evropou (rozsah, povaha, stav digitalizace, stav rafinace, stav zpřístupnění) a vytvoření celoevropského registru digitalizovaných novinových sbírek. Výsledkem pak nebude nic jiného než funkční portál, ve kterém bude možné zdarma fulltextově prohledávat 18 milionů novinových stránek dodaných partnerskými knihovnami projektu.

WP5 – Doporučení nejlepší praxe v oblasti novinových metadat (Univerzita Innsbruck)

Další povahou technická sada aktivit projektu se týká poměrně klíčového aspektu celého procesu rafinace a agregace novinového obsahu, a to jsou metadata. V současné době neexistuje žádný centrální standard pro identifikační popis digitalizovaného novinového obsahu, což značně problematizuje sdílení obsahu či jeho přenos mezi jednotlivými platformami. V tomto směru mají aktivity pracovního balíčku následující dílčí cíle: zmapovat a zanalyzovat existující a v praxi používané metadatové formáty pro digitální novinové kolekce, navrhnout a publikovat nový ideální metadatový standard, založený na modelech typu METS, MOTS, ALTO apod., vytvořit online veřejnou znalostní bázi standardu pro libovolné využití knihovnami po celém světě a její úspěšné rozšíření.

WP6 Diseminace a využití výsledků projektu (LIBER)

Posledním pracovním balíčkem projektu je koordinace jeho diseminačních aktivit se zaměřením na odbornou veřejnost, s cílem maximálního budoucího využití výsledků projektu napříč celou Evropou. V tomto smyslu je důležitá systematická propagace projektu v rámci odborné veřejnosti, a to nejen všemi partnery projektu ve svých vlastních geografických oblastech, ale i v nepartnerských zemích (např. pomocí takového článku) pomocí tzv. přidružených členů projektu, což jsou vesměs instituce z dalších evropských zemí, které mají v gesci či drží významnou část objemu národního kulturního dědictví v novinové oblasti. Samozřejmostí je aktivní účast projektu na všech významných

mezinárodních a vybraných národních konferencích, a to nejen v EU, ale i v zámoří (v roce 2012 bylo i projektu úspěšně přednášeno v Torontu či Washingtonu, což u podobných evropských projektů není zdaleka samozřejmé). V roce 2014 by měla být uspořádána série celkem 10 národních informačních dnů, tedy celodenních akcí v 10 evropských zemích, které budou zaměřeny na propagaci výsledků projektu, a to v národním jazyce. Pro zástupce odborné veřejnosti, především pak držitele digitalizovaných novinových sbírek, jsou pak určeny 3 tematické, chronologicky navazující mezinárodní diseminační workshopy (o rafinaci, o agregaci, o přínosu projektu k agendě Europe 2020).

Shrnutí a závěr

V prostoru vyhrazeném pro představení projektu jsme měli možnost obsáhnout jen zlomek všech zajímavostí a výzev, které projekt přinesl a aktuálně přináší všem partnerským institucím. Kromě zpřístupnění obsahu vzniklého v rámci projektu mohou jeho výsledky přispět ke snadnějšímu a levnějšímu zpřístupnění i dalších sbírek historických novin, a to nejen v zemích EU, ale po celém světě. V současnosti existující nástroje a postupy jsou často nedostatečné, ať už z hlediska jejich kapacity, kvality či nákladů– závěrem můžeme prozradit, že Nizozemí svého cíle dosáhlo nakonec tak, že odeslalo miliony skenů novin do Indie, kde je na zakázku ručně přepsali živí lidé. Pevně věřím, že postupy a výsledky vytvořené v rámci projektu v budoucnu přispějí k realizaci poněkud méně tradičního způsobu transformace historických novinových sbírek v otevřený zdroj informací a inspirace komukoliv s přístupem k internetu