Bilden dokumenterar en av de många intervjuer som på 1960-talet gjordes med utvandrade svenskar i Chicago (arkivuppteckning ULMA Sv-Am 1962:1:77)

Vi på Digisam är glada att få vara en del av projektet ”TillTal – Tillgängligt kulturarv för forskning i tal”. Tillsammans med ISOF och KTH ska vi undersöka nya metoder och verktyg för att orientera i och bearbeta större mängder historiska talinspelningar.

Texten nedan har tidigare publicerats på www.sprakochfolkminnen.se

 —

I institutets samlingar finns tiotusentals timmar inspelat tal. Projektet TillTal har nu fått anslag på 9,7 miljoner för att utreda hur man med talteknologins hjälp kan göra den stora arkivskatten mer tillgänglig för forskning.

9,7 miljoner i anslag

Kungl. Vitterhetsakademien och Riksbankens Jubileumsfond har beslutat att ge 9,7 miljoner kronor i anslag till projektet ”TillTal – Tillgängligt kulturarv för forskning i tal” som är ett samarbete mellan Institutet för språk och folkminnen, Kungliga Tekniska högskolan och Digisam. Tanken är att utgå från det stora talmaterial som finns i institutets arkiv och undersöka hur taltaknologiska metoder kan göra inspelningarna mer tillgängliga för forskare. Projektet startar 2017 och pågår till och med 2020.

Tiotusentals timmar tal

Den stora arkivskatten med ljudande material innehåller mängder av godbitar för humanistisk och samhällsvetenskaplig forskning men är ändå dåligt utnyttjad.

”Det är svårt att forska i eftersom det inte går att söka i materialet. Är man intresserad av ett ord eller fenomen är det hopplöst att leta igenom. Bara i våra samlingar finns ungefär 13 000 timmar talinspelningar som är digitaliserade och att lyssna igenom alltihop en enda gång, åtta timmar om dagen, fem dagar i veckan skulle ta mer än sex år”, berättar projektledaren Rickard Domeij.

Syftet med projektet TillTal är att hitta metoder och verktyg för att kunna hantera och bearbeta stora mängder historiska talinspelningar.

Utmaning med historiskt material

Nyckeln till att kunna hantera och analysera stora mängder talinspelningar finns i talteknologin. Det är ett område som fått stort genomslag på senare år, taligenkänning finns till exempel i de flesta moderna mobiltelefoner. Även inom forskningen har talteknologin utvecklats som metod.

”De talteknologiska metoder som finns bygger på analyser och statistik om hur talet ser ut idag. I projektet vill vi undersöka hur man skulle kunna använda talteknologi för att forska i historiskt material. Med ett sådant forskningsverktyg skulle man kunna ta fram mycket spännande material ur väldigt stora mängder data”, säger Rickard Domeij.

Utmaningarna med det historiska talmaterialet är att både inspelningskvaliteten och dialekter, ord och uttryck skiljer sig från de moderna inspelningar som ligger till grund för dagens talteknologiska metoder. Viktigt med samarbete

En viktig del i projektet är att språkteknologer och forskare arbetar tillsammans. Från institutet deltar förutom språkteknologer även forskare i dialekter och i folkminnen. ”Det användarcentrerade arbetet är viktigt och därför ska språkteknologerna och forskarna tillsammans undersöka behoven och utveckla metoder som passar”, säger Rickard Domeij.

Linn Kierkegaard, Institutet för språk och folkminnen

Länkar

Mer om Språkteknologi

Riksbankens jubileumsfond: Forskning på samlingar i arkiv, bibliotek och museer får 38 miljoner kronor

Riksbankens jubileumsfond: TillTal – Tillgängligt kulturarv för forskning i tal

Bikes rule the road Foto: astrangelyisolatedplace CC BY

Igår, 1 maj, började Riksarkivets nya regel om bilder att gälla. Bildregeln handlar om hur bilder får användas och juridiskt hanteras i Riksarkivets verksamhet. Regeln är tänkt att omfatta alla former av bilder, från fotografier till konstverk, som finns hos Riksarkivet. Den gäller även avbildningar av bildkonst, dvs. när någon fotograferar av ett konstverk, fotografi eller annan typ av bild och sedan använder den kopian på olika sätt.

Bildregeln består av 20 punkter om upphovsrätt, användning och integritetsskydd. Regeln innehåller även interna riktlinjer för hur de 20 punkterna ska tolkas och fem praktiskt användbara mallar. En av dessa är en informationstext till Riksarkivets besökare och externa användare. De fyra övriga är avtalsmallar som handlar om olika typer av reglering av rättigheter och ansvar.

Bildregeln har skrivits med utgångspunkt i Riksarkivets regeringsuppdrag att som statlig arkivmyndighet bevara, tillhandahålla, tillgängliggöra och lämna ut material ur arkiven till allmänheten. För att det uppdraget ska kunna omfatta även bildmaterialet hos Riksarkivet krävs att Riksarkivet fastställer hur en juridisk hantering av bildmaterialet bäst kan fungera i Riksarkivets verksamhet. Det är det som återspeglas i den nya bildregeln.

En viktig markering i regeln är att den digitala avfotografering som sker uteslutande av andra fotografier eller bildkonstverk, dvs. där avbildningen saknar kreativt eller skapande inslag, jämställs med vanlig reproduktion genom skanning eller fotokopiering. Sådana kopior saknar enligt Riksarkivet upphovsrättsligt skydd. Detta kompletteras i bildregeln av uppfattningen att någon ny upphovsrätt aldrig ska uppstå för en avbildning av fotografier eller bildkonst som inte längre är upphovsrättsligt skyddade.

I bildregeln framgår även att Riksarkivet inte tar ansvar för den användning som sker av besökare eller andra utomstående användare av olika typer av bildmaterial som finns hos Riksarkivet. Ansvaret ligger istället uteslutande hos användaren, som uppmanas av Riksarkivet att respektera gällande upphovsrättslagstiftning och integritetsskydd.

Riksarkivet hoppas att den nya bildregeln ska vara till nytta även för andra kulturarvsinstitutioner och myndigheter i deras dagliga hantering av bildmaterial som finns hos dem.

Riksarkivets nya bildregel finns här

En broschyr om regeln finns här

En instruktionsfilm om regeln finns här 

Rolf Källman

Cogs. Foto: Stuart Madeley CC BY-NC-SA

Digisam och Sunet bjuder in till ett öppet seminarium den 2 maj i Sunets lokaler i Stockholm. Seminariet riktar sig till leverantörer av system som idag används för att hantera kulturarvsinformation (som exempelvis samlingssystem) och som är intresserade av att höra mer om Digisams samarbete med Sunet kring digital lagring för tillgängliggörande samt den tjänst för lagring och back up som erbjuds igenom Sunet.

Alla systemleverantörer som är intresserade av möjligheten att koppla in sina system till denna lagringslösning kommer att få möjlighet att testa det under ett hackathon som kommer att anordnas den 3-4 maj.

Anmälan skickas till sanja.halling@riksarkivet.se senast den 25 april.

Sanja Halling

Kungliga Biblioteket. Foto: Bronks. CC 0.

Vad har ettor och nollor med kulturarv att göra? Det är tydligen många som undrar, för fredagen den 9 oktober 2015 lockade seminariet ”Digitala vägar till samlingarna” närmare 80 personer till Kungliga bibliotekets hörsal. Arrangör var Digisam i samverkan med KB och SWE-CLARIN, och deltagarna i huvudsak kolleger från forskningsbibliotek, arkiv och museer.

Dagen började med Lars Borin från Språkbanken/SWE-CLARIN som introducerade CLARIN som språkteknologisk infrastruktur. Därefter fick vi ta del av några exempel på tillämpningar från olika områden. Jussi Karlgren från Gavagai och KTH talade om hur han processar stora mängder textdata från bl a riksdagsdebatt, medier, bloggar och social media och på det viset kan läsa av vad det är folk snackar om – och hur. Jussi lyfte också frågan om hur minnesinstitutionerna bör förhålla sig till den dramatiskt ökande textualiteten. Mycket som blir text idag har aldrig blivit det förut, men ska chattar och sms samlas in bara för att det idag är möjligt? Leif-Jöran Olsson från Språkbanken/SWE-CLARIN presenterade sitt arbete med Dramawebben, och tecknade hur språkteknologiska verktyg kan visa vägen till oprövade forskningsfrågor och nya sätt att analysera t ex dramatiskt innehåll.

Bild från Leif-Göran Olssons presentation.

Jens Edlund från KTH talade sedan om taldata, vad talteknologer kan utvinna ur t ex inspelade intervjuer, och hur mycket av språket som egentligen handlar om vad som händer mellan orden. I stort sett samtliga talare pekade på den gällande upphovsrättslagstiftningen som ett utvecklingshinder för minnessektorn och hela området digital humaniora. Vikten av öppna licenser på publicerade material kan inte nog understrykas.

Som avslutning fick vi peptalk av Peter Krantz från KB, som påminde om att nyttan av data ligger i användningen och att många institutioner fortfarande lägger för mycket energi på förpackning/editering och gränssnitt. Sådant tillgängliggörande möjliggör absolut viss användning, men styr också förståelsen och hindrar annan användning än den institutionen planerat för. Ofta lägger man också för stor vikt vid samlingarnas magnitud eller bländas av drömmen om perfekt data – ouppnåeligt rent, felfritt, kristalliskt! Peter pläderade övertygande för att myndigheter och institutioner istället (också) bör bygga sig digitala lastkajer och låta utomstående hämta ut rådata för egen bearbetning och forskning. Minns att små dataset kan vara till stor glädje, och även ofullständig/lågkvalitativ data kan göra stor nytta!

Ta gärna del av dagens presentationer här:

• Lars Borin – Vad är SWE-CLARIN?
• Jussi Karlgren – Minnesinstitutioner och ny text
• Leif-Jöran Olsson – Dramawebben
• Jens Edlund – Taldata
• Peter Krantz – Vad kan man göra nu genast?

Cecilia Lindhé och Marie Lennersand kunde tyvärr inte vara med i fredags, men vi försöker ordna ett nytt seminarium med dem längre fram. Återkommer om detta!

Johanna Berg

Interiör från Art Gallery NSW, Australien. Ca 1935. Detalj. Inga kända copyright-restriktioner.

Det senaste året har jag tillsammans med Göran Konstenius på KB lett arbetet i Digisams AV-grupp. Som alla våra arbetsgrupper och nätverk innehåller den smarta och trevliga människor med breda erfarenheter från olika hörn i kulturarvet. De samtal som förts på våra möten har uppmärksammat mig på att vi kanske skulle ha glädje av en mer diversifierad diskussion om begreppet tillgänglighet. En som tydliggör viljeinriktningen Total öppenhet utan inskränkningar, men ändå accepterar och ger utrymme för att det finns många steg på vägen dit som alla är värdefulla även om de inte når ända fram (just nu).

Total öppenhet kan exemplifieras med Rijksmuseum i Amsterdam som tillhandahåller konstbilder i hög upplösning för fri nedladdning, och direkt inbjuder folk att återanvända dem utan restriktioner, till och med kommersiellt. De är ett föredöme för kulturarvsinstitutioner i hela världen, och alla museer, arkiv och bibliotek bör sträva efter att gå i deras spår.

Men tyvärr finns situationer där en institution som digitaliserar (ännu) inte kan fullt ut tillgängliggöra resultatet öppet pga sådant som annans upphovsrätt, integritetsskäl eller forskningsetiska överväganden. Och i stället för att resonera på ett svartvitt sätt – som om valet alltid stod mellan Totalt öppenhet och Total slutenhet – behöver vi kanske titta närmare på vad som kan finnas i gråskalan däremellan.
 
För nog är tillgång för bara viss tid, för vissa användare, viss användning, eller till och med under geoblockering ändå bättre än ingen tillgång alls?

• KB och SFI samverkar i filmarkivet.se där vem som helst kan direktstreama film, och den plattformen har ju gjort materialet oomtvistligt mer tillgängligt nu än det var förut då det bara kunde ses efter frambeställning på respektive myndighet. Det är inte totalt öppet, men kan kanske bli så småningom allteftersom skyddstiderna löper ut.
• En del av de äldre svenska spelfilmer som SFI digitaliserat i hög kvalitet kommer framöver att läggas i distribution igen, på kommersiella villkor. Och kan man se de här gamla filmerna på bio i Visby eller Malmö är de ju mer tillgängliga än förut.
• De TV-produktioner som KB har i digitalt format (men lägre kvalitet) tillgängliggörs för forskare, förhoppningsvis snart i en smidigare streaminghantering via SUNETs autenticeringssystem. Kan studenter – eller t o m bara doktorander – i Umeå och Göteborg få direkt access till programmen måste det också räknas som mer tillgänglighet, än när de som tidigare måste beställa filerna på cd-skiva.
• KB:s DigiDaily måste också ha ett erkännande för att digitaliseringen gör materialet mer tillgängligt – om än bara i källaren i Humlegården – än tidigare då tidningarna var i så dåligt fysiskt skick att de inte ens kunde plockas fram i läsesal utan besökare/ forskare var hänvisade till repig mikrofilm (på samma plats). Digitaliseringen och det prydliga gränssnittet har gjort det lättare – och betydligt snabbare – att orientera i materialet, och det är ett framsteg.
• En del av de musikinspelningar som Musikverket förvaltar kan av copyright-skäl inte spridas via webben. Digitaliseras de kan besökare i myndighetens forskarsalar ta del av dem på plats med hörlurar, och då är de ju ändå mer tillgängliga än när de låg kvar på gamla/obsoleta/ospelbara bärare eller var beroende av sällsynta/slutkörda uppspelningsapparater.
• En del av de samtidsdokumentationer som gjorts av t ex Nordiska museet eller Maritima museerna kan innehålla känsligt material av intimt privat/personlig karaktär. De kanske inte kan spridas fritt på webben, men i digitalt format kan de via SWE-CLARIN & SND öppnas för data-mining etc eller kanske lämnas ut bara till forskare som godkänts av den ursprungliga informationsförvaltaren. Då är de mer tillgängliga än när de låg tysta i respektive arkiv.
• En del av de myndighetsarkiv som Riksarkivet förvaltar innehåller integritetskänslig information om enskilda medborgare som inte bör spridas. Men nu digitaliseras t ex inspelningar av polisförhör som därigenom kan göras fortsatt tillgängliga som allmänna handlingar, och dessutom potentiellt som forskningsﾭmaterial med restriktioner som ovan – hur som blir de mer tillgängliga än tidigare.

Trots att det bär mig emot måste jag alltså tillstå att strikta licenser – ja till och med betalväggar! – kan vara motiverade, om det är enda sättet att få ut material över huvud taget. Men det är acceptabla lösningar bara då institutionen av yttre faktorer, tvingande lagar eller avtal explicit hindras från att göra det som bör vara dess naturliga och oförtröttliga strävan: Total öppenhet!
 
Johanna Berg

Foto: Horia Varlan. CC-BY.

Den 6 maj överlämnade EU-kommissionen sin digitala strategiplan för den inre marknaden till EU-parlamentet med flera. I dokumentet framgår bland annat vilka planer EU-kommissionen har för upphovsrätten.

Redan i inledningen skriver ordföranden Jean-Claude Juncker: ”I believe that we must make much better use of the great opportunities offered by digital technologies, which know no borders. To do so, we will need to have the courage to break down national silos in telecoms regulation, in copyright and data protection legislation, in the management of radio waves and in the application of competition law.”

I den digitala strategin framgår att EU-kommissionen vill uppdatera den upphovsrättsliga lagstiftningen genom att öka EU-medborgarnas tillgång till kulturellt innehåll på nätet. Målet är att främja den kulturella mångfalden samtidigt som det är tänkt att skapa nya möjligheter för upphovspersoner och innehållsindustrin. Konkret innebär det att EU-kommissionen bland annat kommer att arbeta fram förslag om harmoniserade lagstiftade undantag för geografiskt gränsöverskridande tillgång till upphovsrättsligt skyddat innehåll för forsknings- och utbildningsändamål och så kallad text- och datamining.

Vad som också nämns är att konsumenter som abonnerar på tjänster för film, musik eller tidningsartiklar hemma även ska kunna ta del av dem under resor till andra EU-länder. EU-kommissionen vill alltså förbjuda eller starkt begränsa så kallad geoblockering. Geoblockering innebär att man som svensk användare eller med ett svenskt abonnemang inte kan ta del av vissa typer av innehåll på sin digitala enhet när man är utomlands. Att använda sig av geoblockering är ett sätt att begränsa territoriell åtkomst till upphovsrättsligt skyddat material. Konsekvensen av EU-kommissionens förslag kan bli att rättighetshavarna till film, TV och annat material framöver inte får använda sig av geoblockning om den anses obefogad.

EU-kommissionens digitala strategiplan hittar du här.

Catharina Ekdahl

Penna och papper. Nationaal Archief, Nederländerna. Inga kända copyright-restriktioner.

Tisdagen den 3 mars arrangerade Digisam en seminariedag om kulturarvets texter i Riksarkivets hörsal i Marieberg. Det var närmare trettio deltagare från flera av de 24 berörda myndigheterna som hade anmält sig för att bland annat lära sig mer om vad ett upphovsrättsligt skyddat litterärt verk kan vara och vad som gäller enligt upphovsrättslagen. En timme innan lunch berättade den inbjudna upphovsrättsorganisationen Alis om vilka de är och hur Alis skulle kunna licensiera de rättigheter till skyddade texter som kulturarvsinstitutionerna kan behöva för att få sprida dem till allmänheten och använda dem på andra sätt.

En presentation av Digisams vägledning om upphovsrätt och angränsande lagstiftning och Digisams juridiska arbete i övrigt inledde eftermiddagens pass. Arbetet kommer under våren att inrikta sig på textområdet och tanken är att upplägget kommer att likna det som har gällt för bildområdet under 2014.

Dagen sista programpunkt och en av de mest uppskattade handlade om ett nytt projekt kallat SWE-CLARIN som Digisam kommer att delta i genom Johanna Berg. Projektet handlar om språkteknologi och att tillgängliggöra texter för forskare på fler sätt än tidigare. Vetenskapsrådet stödjer projektet under en period om fem år. Önskemålet är att kulturarvsinstitutionerna ska bidra med text, brev, utgivna böcker m m som kan vara av intresse för forskare. Ljudinspelningar och film välkomnas också. Det krav som ställs är att textmaterialet ska vara nedladdningsbart som data. Deltagarna på Digisams seminariedag uppmanades att bidra till insamlingen av textmaterial till SWE-CLARIN.

Catharina Ekdahl

Den 9 januari hölls en konferens på Naturhistoriska riksmuseet om digitalisering av naturhistoriska samlingar. Under fjorton föredrag och efterföljande diskussioner blev det tydligt att digitalisering av samlingarna är av stor vikt, och att massdigitalisering är på frammarsch av en anledning. Vi behöver framför allt informationen för vår kunskap om miljön och för att kunna sätta in rätt insatser för en hållbar framtid.

Hedvig Kjellström från KTH beskrev hur Big Data, det vill säga stora och varierande volymer data, kan användas på en rad sätt. Med tillgång till stora volymer data från naturhistoriska samlingar kan information som tidigare legat dold bli synlig och visualiseras. Matthias Obst från Göteborgs Universitet berättade hur både historisk och nutida data kring olika arter använts i en forskningsstudie för att visa hur uppsättningen arter förändrats över tid.

I Nederländerna pågår redan idag massdigitalisering av herbarieark i regi av Naturalis Biodiversity Center. Detta i ett tempo av 35 000 ark per dag! Paris Herbarium har i sin satsning på massdigitalisering av naturhistoriska samlingar gjort det möjligt för människor från alla världens hörn att hjälpa till med märkningen av objekten, så kallad crowd sourcing. I Finland ska de viktigaste samlingarna vara digitaliserade innan år 2025.

En ansökan om medel för att massdigitalisera de omfattande samlingar av herbarieark och insekter som finns på naturhistoriska museer och institutioner i Sverige lämnas in under våren. Digisam följer och deltar i arbetet, med utgångspunkt i att främja och driva massdigitalisering som det mest kostnadseffektiva sättet att digitalisera kulturarvsinstitutionernas samlingar.

Arrangörer av konferensen var GBIF Sweden i samarbete med Naturhistoriska riksmuseet och Digisam. GBIF är ett internationellt projekt som gör information om jordens arter tillgänglig för alla via en portal. Läs mer om konferensen på GBIF Sweden:s blogg.

Moa Ranung

Förra veckan (21 – 25 januari) hölls en workshop på temat öppen länkad data på Riksarkivet i Marieberg. Det hela sparkades igång på måndagen med att riksarkivarie Björn Jordell hälsade alla välkomna. Öppen data-evangelisten Peter Krantz berättade för en fullsatt hörsal vad öppen länkad data är och varför det är bra (Peters presentation finns här).

Peter Krantz visar den femstjärniga modellen för öppen data.

Personal från Kungliga biblioteket, Riksarkivet och Riksantikvarieämbetet arbetade tillsammans under veckan med att öppna och länka samman dataset som är av stort intresse också för många aktörer utanför de tre myndigheterna. Det dataset som det fokuserades mest på var auktoritetsposter (uppgifter om personer och organsiationer) från Riksarkivets NAD och ARKIS.

Arbetet tog avstamp från de poster som fanns både hos KB, RAÄ och RA. Man fokuserade på personposter eftersom dessa ofta är lättare att matcha mot varandra än t ex platser. ”Sven Hedin” på Riksarkivet kan enkelt matchas och identifieras som samma person som KBs ”Sven Hedin”.

Rent praktiskt innebar det bl a att några aukoritetsposter för kända personer länkades till så kallade URIer. En URI är en kodsträng som identifierar en unik resurs. Två stora URI-källor är VIAF och DBPedia. Om vi fortsätter med exemplet ”Sven Hedin” så är NADs post om Sven numera länkad till DBPedias Sven Hedin-URI. Till DBPedia pekar redan ett stort antal länkar från andra öppna datakluster. Genom DBPedia är man säker på att det är samma ”Sven Hedin” som andra som länkat till posten avser.

Under veckan så identifierade man också vilka olika typer av auktoriteter som Riksarkivet har, och man tilldelade dessa typer lämpliga kodspråk, s k ontologier. För auktoritetstypen personer använde man ontologin FOAF (Friend Of A Friend – beskriver personer, deras aktiviteter, och hur de förhåller sig till andra personer och objekt). Förutom FOAF användes SKOS för att beskriva ämnesord och hierarkier, Dublin Core för allmänna bibliografiska begrepp, samt DBPedias egen ontologi för att med dess generella klasser och begrepp beskriva ytterligare detaljer, såsom födelseår och platser.

Matchning av RAs auktoritetstyper med lämpliga ontologier.

Det sattes även upp SPARQL-endpoints till den länkade data från RA som skapats under veckan, samt till RAÄs redan publicerade öppna data. En SPARQL-endpoint låter andra få åtkomst till datat så att t ex samsökningar i många datalager går att göra utan att först behöva importera/aggregera allt till en och samma databas.

Veckan avslutades på fredagen inför en åter smockfull åhörarsal med att Martin Malmsten presenterade vad som hade åstadkommits. Riksarkivarien och riksbibliotekarien var på plats, riksantikvarien hade representation närvarande. Alla tre var eniga om att öppen länkad data är bra och något som ska jobbas med i framtiden. Nu kommer Riksarkivet, Kungliga biblioteket och Riksantikvarieämbetet att gå vidare i arbetet med att publicera länkad öppen data till nytta för användare, informationsförvaltare och samhället i stort.

/Susanne

Försäljare i ”spacettes”-dräkter poserar framför raket-allén till Tupperware Home Parties Inc i Orlando, sommaren 1960. Fotograf: okänd, State Library & Archives of Florida (no known copyright restrictions)

Creative Commons-systemet fyllde nyligen tio år – hurra! – och det blir alltmer spritt och använt i hela världen. För kulturarvssektorn har CC erbjudit nya möjligheter att enkelt sprida historiska material, och för användare och publik nya chanser till en mer intensiv och interaktiv användning av källorna.

• Vad är egentligen kommersiellt bruk?
• Skyddar NC-märkning verkligen mot kommersiell användning?
• Kan NC-märkt material användas i skolan? I pressen? I Wikipedia?

Nu finns rapporten, tack vare Open Knowledge FoundationTyskland, även på engelska. Den heter Consequences, risks and side-effects of the license module ”non-commercial use only – NC”och jag tror att den kan vara av intresse också för många svenska institutioner som står inför att öppna sina digitala samlingar och vill göra dem maximalt användbara för så många som möjligt.

Johanna Berg, Digisam