Instytucje kultury i nauki coraz częściej digitalizują swoje zasoby, ale samo posiadanie plików to dopiero początek. Kluczowe jest ich uporządkowanie i udostępnienie w sposób, który umożliwia realne wykorzystanie danych. Narzędzie OpenRefine pozwala nie tylko na masowy upload plików do Wikimedia Commons, ale także na jednoczesne dodawanie danych strukturalnych i integrację z Wikidanymi. To rozwiązanie, które zmienia sposób pracy z kolekcjami cyfrowymi.
Od arkusza do modelu danych
OpenRefine często kojarzy się jako narzędzie do „porządkowania tabel”, ale jego możliwości są znacznie szersze. To środowisko pracy z danymi, które pozwala:
- analizować duże zestawy danych,
- poprawiać ich jakość i spójność,
- łączyć je z zewnętrznymi bazami (np. Wikidanymi),
- przygotowywać dane do publikacji i dalszego wykorzystania.
Dla instytucji oznacza to przejście od prostego „wrzucania plików do internetu” do świadomego zarządzania informacją. OpenRefine działa trochę jak pomost między wewnętrznym systemem katalogowym a otwartymi projektami Wikimedia. To szczególnie ważne, gdy zależy nam nie tylko na udostępnieniu zdjęcia czy skanu, ale także na tym, by był on poprawnie opisany, powiązany z autorami, miejscami i wydarzeniami oraz możliwy do odnalezienia w różnych kontekstach.
Należy pamiętać, że masowy upload zaczyna się dużo wcześniej niż samo przesyłanie plików. Najważniejszy etap to przygotowanie arkusza danych. Tworząc arkusz (np. w Excelu), warto od razu przypisać kolumny do konkretnych właściwości z Wikidanych, np.:
- autor → właściwość „creator” (P170),
- przedstawia → „depicts” (P180),
- data powstania → „inception” (P571),
- miejsce → „location” (P276).
Dzięki temu już na etapie przygotowania danych budujemy strukturę zgodną z ekosystemem Linked Open Data. Takie podejście sprawia, że arkusz przestaje być przypadkowym zestawem danych, a staje się uporządkowanym modelem informacji. W praktyce oznacza to łatwiejsze mapowanie w OpenRefine, większą spójność opisów i mniejsze ryzyko błędów przy imporcie. Co ważne, dane przygotowane w ten sposób mogą być od razu wykorzystane zarówno w Wikimedia Commons, jak i w Wikidanych.
Kolejnym krokiem jest ich uporządkowanie i ujednolicenie. OpenRefine pozwala szybko poprawić niespójności, ujednolicić nazewnictwo, uporządkować daty czy usunąć duplikaty. Dzięki temu surowy eksport z systemu katalogowego zamienia się w spójny i wysokiej jakości zbiór danych, gotowy do masowego uploadu i dalszej integracji.
Dane jako część sieci wiedzy
Jedną z najważniejszych funkcji OpenRefine jest tzw. reconciliation, czyli dopasowywanie danych do istniejących wpisów w Wikidanych lub innych baz danych. Oznacza to, że dane, które w arkuszu są zapisane jako tekst — na przykład nazwisko autora czy nazwa miejsca — mogą zostać powiązane z konkretnymi obiektami w Wikidanych. Zamiast pozostawać zwykłym ciągiem znaków, zaczynają funkcjonować jako elementy większej struktury danych.
Autor przestaje być tylko nazwą wpisaną w kolumnie, a staje się konkretną osobą z przypisanym identyfikatorem Wikidanych (QID), powiązaną z innymi informacjami, takimi jak data narodzin i/lub śmierci, miejsce działalności czy inne dzieła. Podobnie dzieje się z miejscami, wydarzeniami czy tematami przedstawionymi na zdjęciach.
To zasadnicza zmiana jakościowa. Zamiast tworzyć odizolowane opisy plików, instytucja zaczyna budować dane, które są częścią globalnej sieci wiedzy. Dzięki temu zasoby stają się łatwiejsze do odnalezienia, porównywania i ponownego wykorzystania — zarówno przez ludzi, jak i przez narzędzia analityczne. Proces ten jednak nie ogranicza się tylko do dopasowywania istniejących elementów. OpenRefine umożliwia również tworzenie nowych wpisów w Wikidanych w sytuacji, gdy dany obiekt jeszcze tam nie istnieje. W ten sposób instytucja nie tylko korzysta z Wikidanych, ale aktywnie współtworzy ten zasób.
Na tej samej zasadzie Open Refine umożliwia dodawanie danych strukturalnych podczas przesłania plików do Wikimedia Commons (Structured Data on Commons). Są one bezpośrednio powiązane z Wikidanymi, więc w efekcie publikacja pliku i jego opis przestają być oddzielnymi działaniami — odbywają się równolegle, w jednym spójnym procesie. Podczas przesyłania pliku nadajemy mu pełny kontekst informacyjny: przypisujemy autora, datę, temat czy powiązania z konkretnymi obiektami w Wikidanych.
Wszystko opiera się na wcześniej przygotowanym schemacie, w którym kolumny z arkusza są mapowane do odpowiednich właściwości. Dzięki temu dane są dodawane automatycznie i konsekwentnie dla całego zestawu plików. W porównaniu do ręcznego dodawania plików to duża zmiana jakościowa. Zamiast tworzyć każdy opis osobno i ryzykować niespójności, instytucja pracuje na jednym modelu danych, który zapewnia jednolitość, wysoką jakość informacji i możliwość ich dalszego wykorzystania w różnych kontekstach.
Dlaczego to ma znaczenie dla instytucji?
Widoczność i dostępność
Nowe możliwości analizy danych
Publikowanie zasobów w projektach Wikimedia oznacza włączenie ich do globalnego obiegu wiedzy. Pliki i dane nie pozostają już tylko w lokalnym systemie instytucji, ale zaczynają funkcjonować w środowisku, z którego korzystają miliony użytkowników. Mogą być wykorzystywane w artykułach Wikipedii, pojawiać się w wynikach wyszukiwania i trafiać do materiałów edukacyjnych oraz badań.
Powiązanie danych z Wikidanymi otwiera zupełnie nowe możliwości ich wykorzystania. Zasoby mogą być analizowane razem z innymi zbiorami danych, wykorzystywane w projektach badawczych i stanowić podstawę do tworzenia nowych narzędzi, wizualizacji czy aplikacji. Instytucja staje się częścią ekosystemu otwartej nauki, w którym dane są nie tylko dostępne, ale też aktywnie używane.
Skalowalność i powtarzalność
Jedną z największych zalet pracy w OpenRefine jest możliwość wielokrotnego wykorzystania raz przygotowanego procesu. Schemat uploadu i model danych mogą być stosowane przy kolejnych kolekcjach lub aktualizacjach istniejących zasobów. Dzięki temu instytucja buduje trwałe kompetencje i rozwiązania, które działają nie tylko jednorazowo, ale wspierają długofalową strategię udostępniania danych.
OpenRefine zmienia sposób myślenia o publikowaniu zasobów cyfrowych. To nie tylko narzędzie do uploadu, ale platforma do budowania jakościowych, powiązanych danych. Dzięki niemu instytucje mogą jednocześnie udostępniać pliki, porządkować informacje i włączać swoje zbiory w globalny ekosystem wiedzy.
Redakcja tekstu: Agnieszka Nowicka – Szopa
