Use Case - Birds from literature

Familiarize-se com o cenário do caso.

Scenario

Projeto de Mobilização de Dados a partir da Literatura “Aves caídas nos Faróis Dinamarqueses, 1883–1939”

use case BL scanner
Scanner de alta resolução para o projeto de digitalização de livros de Heiko Hornig (licenciado sob CC BY-SA 2.5)

Esta narrativa foi desenvolvida como base para os exercícios práticos no curso de mobilização de dados sobre biodiversidade, e o conceito e conteúdo do exercício foi desenvolvido por Alberto Gonzaz-Talavaėn, Andrea Hahn, Laura Russell e Sharon Grant. O exercício baseia-se numa adaptação anterior feita por Alberto González-Talaván, Danny Vélez, Larissa Smirnova, Laura Russell, Mélianie Raymond e Nicolas Noé.

Trata-se de um cenário fictício baseado num projecto real e num conjunto de dados e destina-se apenas a fins instrutivos. projeto original e dataset original são atribuídos ao nó dinamarquês GBIF, DanBIF.

Description

O Museu da História Natural da Dinamarca (NHM-DK) é um centro de investigação associado à Universidade de Copenhaga. A sua biblioteca é um membro da associação de bibliotecas nacionais que recebeu recentemente financiamento estatal para disponibilizar online os recursos mantidos pelos seus membros. O NHM-DK gostaria de começar a digitalização dos cadernos de campo, publicações em revistas científicas e livros detidos na sua biblioteca, alguns dos quais têm um valor histórico significativo.

Após uma breve consulta com os seus parceiros regulares, a NHM-DK recebeu uma sugestão do chefe do gabinete de gestão do Parque Nacional de Nordjylland. Estes gostariam que o conteúdo de uma literatura clássica fosse digitalizado para um projecto em execução: "Aves nos Faróis Dinamarquesa, 1883-1939" (Em dinamarquês, “Fuglene ved de danske Fyr, 1883–1939”). Querem usar quaisquer dados de ocorrência registrados nesses livros de dois faróis (Lodbjerg Fyr e Hanstholm Fyr) para um projeto de uma exposição no local.

O NHM-DK iniciou discussões com o seu nó nacional GBIF, DanBIF, sobre a mobilização das informações contidas nestes volumes, ou seja, preservar seu conteúdo para o futuro e proporcionar acesso online para todos. Com a participação do DanBIF, existe a intenção de publicar e registar os dados extraídos com o GBIF. Uma vez que o GBIF requer que uma licença seja aplicada com todos os dados publicados. o museu decidiu publicar os dados com uma licença Creative Commons que permite o uso de dados com atribuição (CC-BY).

Os serviços de TI necessários são fornecidos pela Unidade Tecnológica da Universidade de Copenhaga, assim como por todos os projectos digitais de museus.

O diretor-adjunto do HHM-DK, que é quem está coordenar esta tarefa, desenvolveu um esboço geral para o trabalho:

  1. O museu executará a digitalização da literatura usando dois funcionários da biblioteca treinados no uso do scanner de bibliotecas para digitalizar volumes delicados. Eles também extrairão o texto com software de digitalização através de OCR (Reconhecimento de Caracteres).

  2. Três voluntários da Sociedade Ornitológica de Copenhaga (COS) que colaboram regularmente com o museu e estão familiarizados com as aves da região foram associados para ajudar e completarão a transferência de dados dos PDFs digitalizados para formato de folha de cálculo. Eles terão de ir ao museu e usar os computadores disponíveis na biblioteca para ter acesso aos arquivos armazenados na intranet do museu (rede privada).

  3. O Curador de Ornitologia no Departamento de Ornitologia do HHM-DK irá liderar a equipa responsável pela verificação taxonómica, curadoria de dados, limpeza, formato e transformação e irá supervisionar a entrada de metadados para o conjunto de dados publicado. Essa equipa inclui um investigador colaborador da Suécia e dois alunos do pós-doutoramento. Foram seleccionados para esta tarefa porque estão habituados a trabalhar com os dados digitais de biodiversidade. Todos eles utilizarão os seus próprios computadores de trabalho.

  4. O Coodenador do Nó DanBIF garantirá que a instituição está adequadamente registada no GBIF como um publicador de dados e que o director adjunto e o curador da ornitologia têm credenciais e acesso adequados à instância do IPT do DanBIF para carregar e publicar os dados.

Colheita de dados originais

No período de 1883-1939, estiveram em funcionamento na Dinamarca 45 faróis e faróis flutuantes. Estes faróis foram utilizados por várias espécies de aves durante as noites do período de migração de aves entre os anos de 1886 e 1939. A presença e as actividades dessas aves foram registadas, especialmente pelos responsáveis desses faróis que recolheram também espécimes enviados para o museu em Copenhaga. Estes pássaros foram cuidadosamente preservados e catalogados por gestores de colecção no museu e ainda hoje é possível encontrar ali espécimes. Foram também documentadas observações sobre as condições meteorológicas durante a noite em que as aves eram observadas pelos faroleiros.

Descrição dos dados analógicos

Este é um exemplo da descrição de uma série de observações de espécies de um dos livros (em alemão, exceto o nome comum para a espécie que é fornecido em Danish).

use case BL analogue

Descrição de dados digitalizados e traduzidos

Este é um exemplo da saída digitalizada e traduzida do exemplo analógico acima.

use case BL scanned

Descrição dos dados digitais

Estudando o extrato do livro, os voluntários da Sociedade de Ornitologia de Copenhaga sugerem extrair os seguintes dados do texto digitalizado e traduzido:

  • O nome científico como aparece no livro

  • Nome(s) comum(ns) em dinamarquês como aparece no livro

  • Localidade

  • Ano/mês/dia

  • Número de indivíduos observados

  • Sexo

  • Estágio de vida

  • Observações

  • URL da página de livro digitalizado em que a ocorrência é fornecida

Exercises

Download the exercise sheet. (MS Word, 2.8 MB)

Exercise 1

Captura de dados

As verificações e o reconhecimento de caracteres (OCR) dos livros foram concluídos. Os dados de ocorrência devem agora ser extraídos dessas fontes e compilados em um formato de folha de cálculo.

Os dados originais estavam em alemão e, para torná-los mais amplamente utilizáveis quando publicados on-line, o gestor do projeto gostaria de torná-los disponíveis em inglês.

2. Cerchneis tinnunculus, Linn. ( "Taarnfalk") nests in several steeples around Viborg.

At the churches of Mönsted and Daubjerg there were several family groups in 1880, each of 7 individuals, suggesting a particularly abundant source of food on the surrounding heather (lizards). In the area of Thisted, where the tower falcon broods very often, young were always present in broods of 6, only once did I find a group of 7 on Egebäksande (H.)

In Horsens I found kestrels brooding on the churches of Vähr, Hansted, Hundslund, Thyrsted and Oelsted. In the steeple of Vähr I found a nest with 6 eggs on 6 May 1875, 6 eggs on 30 April 1876, 4 eggs on 28 April 1878; in 1877 and 1879 there were none, on 2 May 1880 they had 5 eggs, in 1882 also 5 eggs, and in 1883 seven.

In Oelsted 5 eggs on 3 May 1879, in 1882 also 5, and in 1883 6 eggs.

On the churches (Our Lady’s and St. Peter’s) of Copenhagen, I have often seen it in the autumn and winter of 1879; in spring 1880, it brooded on Our Lady’s church, the "round tower" and the law firm building (in a valve) and certainly also on St. Peter’s Church. (F.)

  1. Assuma o papel de um voluntário encarregado de transformar o texto traduzido numa tabela com ocorrências individuais. As ocorrências precisarão de números únicos atribuídos a cada uma elas.

  2. Crie uma tabela usando os campos de dados listados no Descrição dos dados digitais usando os dados encontrados no exemplo acima registado por: Fr. Lütken.

  3. Use a tabela de exercícios para fornecer as suas respostas e envie a folha de cálculo crada no passo anterior.

Nos exemplos utilizados, as ocorrências individuais nem sempre contêm dados para completar todas as colunas da tabela.

Exercise 2

Gestão de dados

Os dados foram agora compilados num formato de folha de cálculo pelos voluntários da Sociedade Ornitológica de Copenhaga. Assumindo o papel do Curador Ornitológico no Departamento de Aves, foi-lhe atribuída a responsabilidade dos problemas de qualidade dos dados no conjunto de dados.

Através da georreferenciação retrospectiva, as coordenadas foram adicionadas ao conjunto de dados juntamente com a localidade, mas nenhuma outra geografia ao nível superior. Uma vez que todas as observações foram feitas na Dinamarca, o continente e o país podem facilmente ser acrescentados. Além disso, somente o nome científico foi fornecido. Os níveis superiores da taxonomia podem ser obtidos usando software como o OpenRefine. Também está consciente de que existem erros tipográficos que foram cometidos pelos digitalizadores.

  1. Download UC-BL-2-ForCleaning.zip. (45 KB)

  2. Identificar e corrigir quaisquer anos inválidos.

  3. Verificar e corrigir a taxonomia.

  4. Verificar se as coordenadas estão corretas para as duas localizações fornecidas. Corrija as que não estão. As coordenadas devem estar no formato decimal.

  5. Adicione quaisquer dados para elementos ausentes que possam ser derivados usando os dados disponíveis

  6. Lembre-se de manter as informações originais fornecidas e documentar suas alterações e assunções como parte dos registos individuais e metadados.

  7. Use a tabela de exercícios para fornecer as suas respostas e envie a o ficheiro de texto estraido no passo 1.

o conjunto de dados deve conter apenas os anos no intervalo 1883-1939

Exercise 3

Publicação de dados

Para este exercício, irá desempenhar o papel da pessoa responsável pela publicação online dos dados limpos através da rede GBIF. Foi fornecido um ficheiro multimédia e um ficheiro de histórico de identificação que deverá ser publicado juntamente com as observações. O membro da equipa responsável pela qualidade dos dados forneceu conjuntos de dados limpos para serem publicados.

  1. Download UC-BL-3-ForPublication.zip. (65 KB)

  2. Utilize a instalação do IPT fornecida anteriormente para publicar o conjunto de dados fornecido.

  3. Use a folha de exercícios para fornecer as suas respostas e ligar ao conjunto de dados publicado.