壹、後設資料與相關國際標準

　

後設資料(Metadata)在數位典藏領域中最常見的解釋是「資料中的資料」（Data about Data）。以數位相機所拍攝的照片為例，拍攝完的每一張照片都是一筆數位檔案，除了影像資料外，這張照片檔案內還會有EXIF後設資料，上面記載拍攝日期、時間、地點、光圈、快門、焦距、鏡頭以及白平衡設定等多項資料。

　

根據數位典藏與數位學習國家型科技計畫後設資料工作組（以下簡稱後設資料工作組）的解釋，後設資料的定義為[1]：

　

後設資料（Metadata）是一組結構與標準化的背景資料，包括描述性、結構性與管理性三大類型，以及語義性、語法性與詞彙性三大屬性，用來描述每個數位典藏品的內涵與特徵，以便數位典藏品能夠在數位化環境或系統中，達到最佳化資源探索的效能，並能有效率而精準地被探索、呈現、管理、控制與執行相關功能，且順利地與其他數位典藏品進行資源互通與共享，最後還能達成數位典藏品的永久保存目的。

　

由此可知，每一件要永久保存的數位典藏品，背後都應該擁有一組後設資料，這些後設資料是確保數位化成果能被有意義地永久保存，有效率地被搜尋利用。以功能導向而言，後設資料有三種類型[2]：

　

（一） 描述性後設資料：用以描述一項文件或資源的內涵與關聯性，以便於發現與辨識資源，例如：書目記錄與本章之後將介紹的Dublin Core。

　

（二） 結構性後設資料：給予數位典藏品實質的結果，以便於瀏覽、檢索和呈現上述的資源，例如書的章節結構、具翻頁功能的電子全文，全文與相關影像的連結。

　

（三） 管理性後設資料：為了長久的管理、使用與觀看數位化資源的相關資源，如檔案格式、數位化解析度、智財權管理資訊等。

　

物件的後設資料可以隨計畫需求而調整，因此後設資料內容有大有小，各類型物件的編目規範也有所差異。語料庫的後設資料必須顧及許多層面，為了追求資料的健全完整，在後設資料欄位的制訂上會採用多種國際標準，比如Dublin Core都柏林核心集、OLACMS、ISO語言代碼等標準；如果語料庫要做到跨資料檢索，或是與國外進行資料交換，則要使用OLAC開放語言典藏社群所推薦的網路協定標準OAI-PMH。

　

語言學研究的目的是調查瞭解語言行為模式和分析各種語言，執行研究工作時，語言的發音人、語料搜集地點等都是探討項目之一，所以每一個語言樣本的背後都要擁有詳細的描述資料，以做為語言研究的基礎資訊，對於語料庫而言，後設資料的內容屬於較龐大的類型。

　

語料庫工作團隊在進行語料收錄之前，最好先按照計畫需求先完成後設欄位的制訂，仔細考量收錄語料時所必須記錄的資訊，避免完成語料收集工作並且離開調查地點之後，才發現資料掛一漏萬，屆時要再次進行語料收錄、田野調查，不僅費時費力且浪費計畫經費。

　

後設資料工作組強調，後設資料的規劃與實施是數位典藏工作的基礎建設，未來語料的檢索功能和語料的完整性與實用性，都端看後設欄位的詳細與否。有鑑於此，語料庫計畫團隊制訂後設資料欄位時，務必多花功夫，以求完整、全面。以下介紹泛用型的後設資料元素集「都柏林核心集」(Dublin Core)以及幾個與語料庫後設資料相關的國際標準。

　

一、都柏林核心集

　

1995年，OCLC（Online Computer Library Center）與NCSA（National Center for Supercomputing Application）聯合召開第一屆會議，會議上集合了圖書館界、資訊科學界的各領域專家 ，制定了一套專為網路資源而設計的後設資料元素集。這套元素內容依據會議地點美國俄亥俄州Dublin而命名，稱為Dublin Core（簡稱DC），目前Dublin Core已經成為國際標準，後續發展及規格內容由Dublin Core Metadata Initiative（簡稱DCMI）組織管理。

　

Dublin Core的規範力求簡單而有效，目前廣泛使用於數位典藏物件的後設資料上。Dublin Core的每個欄位都可以選擇性或重覆性使用，大部分的欄位也有一套限制性的細項可選用，可以進一步的表達完整的意義。每個元素欄位可以採任意排序呈現，著錄的規則也可按照計畫需求來訂定。非強制性的特色讓Dublin Core易於掌握及使用，但並不一定適用於所有的物件，對於意義與概念複雜的典藏物件更是如此。

　

目前Dublin Core欄位有兩種層級，較簡單的Dublin Core欄位中，採用15個元素欄位來描述數位典藏物件；至於完整Dublin Core欄位，則是在15個元素欄位中，再細分修飾語欄位，欄位內容包含使用對象、出處以及版權所有者等，更利於資料被搜尋使用。

　

15個Dublin Core欄位其下包含的修飾語又分Element Refinement元素精緻化、Element Encoding Scheme元素編碼表兩種，使用的原則有三大項：

　

1. 一對一原則：Dublin Core一次只描述一個數位典藏品，內容相同但屬於複製本或不同版本的物件，在Dublin Core元素中的創作者(Creator)、貢獻者(Contributor)等欄位的內容會不同。

　

2. 簡化原則：元素欄位可以不使用任何修飾語，僅保留資料值。

　

3. 適當的資料值：隨著物件不同，填入元素欄位或是修飾語欄位內的內容也會不同，應仔細斟酌填寫才能發揮後設資料的效用。

　

Dublin Core 有簡單容易制訂的特性，未經專業訓練的使用者也能制訂後設資料，甚至可以自行發展編輯器；此外，Dublin Core 的彈性大，內容可依需求延伸、選擇，同時又具有可重複性及可變性，符合多樣類型的數位典藏需求；最後，Dublin Core是以英文為發展基礎，易於國際上通用，是其強力優勢，因而成為國際間普遍應用的後設資料標準。

　

表1-1、Dublin Core一覽表[3]

Element	Definition	Qualifiers
		Element Refinements	Element Encoding Schemes
Title	A name given to the resource	Alternative
Creator	An entity primarily responsible for making the content of the resource
Subject and Keywords	The topic of the content of the resource		LCSH MESH DDC LCC UDC
Description	An account of the content of the resource	Table of Contents Abstract
Publisher	An entity responsible for making the resource available
Contributor	An entity responsible for making contributions to the content of the resource
Date	A date associated with an event in the life cycle of the resource	Created Valid Available Issued Modified	DCMI Period W3C-DTF
Resource Type	The nature or genre of the content of the resource		DCMI type vocabulary
Format	The physical or digital manifestation of the resource	Extent Medium	IMT
Resource Identifier	An unambiguous reference to the resource within a given context		URI
Source	Reference to a resource from which the present resource is derived		URI
Language	A language of the intellectual content of the resource		ISO 639-2 RFC 1766
Relation	A reference to a related resource	Is version of Has version Is replaced by Requires Is part of Has part Is referenced by References Is format of Has format	URI
Coverage	The extent or scope of the content of the resource	Spatial Temporal	DCMI point ISO 3166 DCMI box TGN DCMI Period W3C-DTF
Rights Management	Information about rights held in and over the resource	AccessRights License RightsHolder

　

　

　

二、語料庫後設資料相關國際標準

　

（一） OLACMS 後設資料元素集

　

「開放語言典藏社群」(Open Language Archives Community, OLAC)是一個由個人或組織所組成的國際性合作協會，成立於2000年12月，目前的主要協調人為Steven Bird與Gary Simons ，中央研究院鄭錦全院士是諮詢委員，中央研究院語言學研究所黃居仁研究員是顧問。

　

鑑於全世界許多組織都需要使用到語言資源，例如語言學家、工程師、檔案管理相關人士、軟體發展商和出版商等，大部分的使用者都希望透過單一介面就能取得所需的資源，包含描述語言的相關資訊、用來查詢語言的工具等，但是不同的語言資源散佈於網路各處，使用者難以一次就找到所需的資源，因此OLAC設立兩個目標，[4]一是針對語言典藏發展一套一致性的實踐指引；二是發展具有互通性的語言資源儲存器與服務中心。

　

為了完成這兩項目標，OLAC以Dublin Core Metadata Initiative與Open Archives Initiative（簡稱OAI）所制訂的兩個標準作為基礎，以達到與國外資料庫進行資料交換、跨資料檢索的目的。

　

後設資料上，OLAC以Dublin Core的15個元素欄位進行修改，制訂出一套更詳細的後設資料欄位，即為OLACMS，欄位如表1-2：

　

表1-2、OLACMS元素欄位

欄位元素	中文	欄位元素	中文
Contributor	貢獻者	Language	語言
Coverage	涵蓋範圍	Publisher	出版者
Creator	創造者	Relation	關聯性
Date	日期	Rights	權利管理
Description	資料描述	Source	來源
Format	資源格式	Subject	主題
Format.cpu	資源cpu格式	Subject.language	主題使用語言
Fomat.encoding	資源編碼格式	Title	資源標題
Format.markup	標誌語言	Type	資源型態
Format.os	作業系統需求	Type.functionality	軟體資源的功能
Format.sourcecode	程式語言	Type.linguistic	語言學上的資源型態
Identifier	資源識別碼

　

OLACMS採用四個屬性做更詳細的特性定義，另外還包含一個langs附屬屬性。

　

1. refine：用來識別較仔細的意義與特性。

　

2. scheme：規範各元素內容文字是已經標準化的名稱。

　

3. code：用來標記後設資料中，OLAC特有的標誌系統。

　

4. lang：每個OLACMS中必有的屬性，註明元素欄位使用的語言。

　

5. langs：屬於元素的屬性，規範後設資料被閱讀時所採用的語言。

　

（二）跨資料庫檢索網路協定

　

OLAC也為有意進行跨資料檢索的語料庫計畫提供了一套解決方案。為了促進資料庫之間的相互搜尋，OLAC採用Open Archives Initiative（簡稱OAI）[5]所制訂的網路協定–OAI-PMH，透過此協定內容，使用者可以不分系統、應用程式、領域、語言的限制，在網路上搜尋資料，包含後設資料中所登錄的內容也可供搜尋。

　

OLAC透過OAI-PMH的協定，到各個資料提供者(Data Provider)，也就是語料庫中抓取資料，然後在OAI 服務提供者(Service Provider)中建立一個索引。一旦有使用者在網路上搜尋資料時，就可以快速的看到完整而豐富的索引結果。

　

如果語料庫計畫團隊想要與OLAC進行跨資料庫檢索，有兩種方法，一種是由語料庫計畫團隊自行架設OAI Data Provider的伺服器，供OAI Service Provider定期抓取資料。第二種是語料庫計畫團隊依照OLAC建議的XML延伸性標誌語法，將語料庫資料製作成相關的文件，提供給OAI Service Provider。

　

（三）語言代碼國際標準

　

ISO 639 系列是國際標準組織所訂定的語言代碼，分為六個部份[6]。ISO 639-1 是第一部份，於2002年出版，使用兩個字母編碼，用來標示世界上主要的語言，註冊機構為 Infoterm (International Information Center for Terminology)[7] 。ISO 639-2 是第二部份，於1998出版，使用三個字母來表示語言、大語言(macrolanguage)、語系以及語言集合，其中大語言是數種密切相關語言的泛稱；此外，有 mis, mul, und, zxx 等四個特殊代碼以及使用者自行定義的保留碼區(qaa~qtz)，"mis" 表示「未被編碼的語言」(Uncoded languages)，"mul" 表示內容包括多種語言，且不一一標示，"und"表示「未確定的語言」(Undetermined Language)，"zxx" 表示「沒有語言內容」(No Linguistic Content)，使用於系統要求一定要標示語言，但內容不含語言訊息的情況。 ISO 639-2 的註冊機構是美國國會圖書館。ISO 639-3 是語言開放典藏社群(OLAC)目前推薦使用的語言代碼國際標準，於2007年出版，延伸ISO 639-2，但不包括語系、語言集合，目標是以三碼涵蓋所有語言，包括現存、絕跡、歷史、古老與人工的語言，美國國際語言暑期學院(SIL International)[8] 於2002年起參與ISO 639-3標準的制定，已將SIL 語言代碼整合進入新的標準，並自Ethnologue 第十五版起使用該標準。SIL International 也是 ISO 639-3的註冊機構。 ISO 639-5 於2008年出版，延伸ISO 639-2 中的語言集合，以三碼描述語系、語族、語群或是具有共同性質的語言之集合（如手語、混合語、人工語），註冊機構也是美國國會圖書館。 ISO 639-6 於2009年11月出版，試圖以四碼描述全世界所有之語言文字變體，由於才出版不久，除了主要參與制定的機構GeoLang Ltd 外，[9]採用的單位很少。

　

表1-3、 部份語言與語言集合之國際標準代碼[10] （製表：蕭素英）

英語名稱	中文名稱	ISO 639-5	ISO 639-3	ISO 639-2	ISO 639-1	備註
Altaic languages	阿爾泰語系	tut		tut		語言集合
Amis	阿美語		ami
Amis, Nataoran	荳蘭阿美語		ais
Artificial languages	人工語言	art		art		語言集合
Atayal	泰雅語		tay
Austro-Asiatic languages	南亞語系	aav				語言集合
Austronesian languages	南島語系	map		map		語言集合
Babuza	巴布薩語		bzg
Basay	巴賽語		byq
Bunun	布農語		bnn
Buriat	布里雅特語		bua	bua		大語言
Buriat, China	巴爾虎布里雅特蒙古語		bxu
Buriat, Mongolia	蒙古國布里雅特語		bxm
Buriat, Russia	俄羅斯布里雅特語		bxr
Chinese	中文、漢語		zho	zho/chi	zh	大語言
Chinese, Gan	贛語		gan
Chinese, Hakka	客語		hak
Chinese, Huizhou	徽語		czh
Chinese, Jinyu	晉語		cjy
Chinese, Late Middle	近代漢語		ltc
Chinese, Literary	文言文		lzh
Chinese, Mandarin	官話		cmn
Chinese, Min Bei	閩北語		mnp
Chinese, Min Dong	閩東語		cdo
Chinese, Min Nan	閩南語		nan
Chinese, Min Zhong	閩中語		czo
Chinese, Old	古漢語		och
Chinese, Pu-Xian	莆仙語		cpx
Chinese, Wu	吳語		wuu
Chinese, Xiang	湘語		hsn
Chinese, Yue	粵語		yue
Creoles and pidgins		crp		crp		語言集合
Daur	達斡爾語		dta
Dongxiang	東鄉語		sce
English	英語		eng	eng	en
English, Middle (1100-1500)	中古英語		enm	enm
English, Old (ca. 450-1100)	古英語		ang	ang
Esperanto	世界語		epo	epo	eo
Formosan languages	台灣南島語族	fox				語言集合；階層關係 map:fox
German	德語		deu	deu/ger	de
Germanic languages	日耳曼語族	gem		gem		語言集合；階層關係 ine:gem
Indo-European languages	印歐語系	ine		ine		語言集合
Japanese	日語		jpn	jpn	ja
Jurchen	女真語		juc
Kalmyk~Oirat	卡爾梅克語、衛拉特語		xal	xal
Kanakanabu	卡那卡那富語		xnb
Kavalan	噶瑪蘭語		ckv
Ketangalan	凱達格蘭語		kae
Kitan	契丹語		zkt
Korean	韓語		kor	kor	ko
Kulon-Pazen	巴宰語		uun
Manchu	滿語		mnc	mnc
Mon-Khmer languages	孟高棉語族	mkh		mkh		語言集合；階層關係 aav:mkh
Mongolian	蒙古語		mon	mon	mn	大語言
Mongolian, Classical	古典蒙古語		cmg
Mongolian, Halh	喀爾喀蒙古語		khk
Mongolian, Middle	中古蒙古語		xng
Mongolian, Peripheral	內蒙古蒙古語		mvf
Mongolian languages	蒙古語族	xgn				語言集合；階層關係 tut:xgn
Oirat, Written	書面衛拉特語		xwo
Paiwan	排灣語		pwn
Papora-Hoanya	巴布拉洪雅語		ppu
Puyuma	卑南語		pyu
Qiang, Northern	北部羌語		cng
Qiang, Southern	南部羌語		qxs
Rukai	魯凱語		dru
Saaroa	沙阿魯阿語		sxr
Saisiyat	賽夏語		xsy
Sign languages	手語	sgn		sgn		語言集合
Sino-Tibetan languages	漢藏語系	sit		sit		語言集合
Siraya	西拉雅語		fos
Taiwan Sign Language	台灣自然手語		tss
Tangut	西夏語		txg
Taroko	太魯閣語（賽德克語）		trv
Thao	邵語		ssf
Tibetan	藏語		bod	bod/tib	bo
Tibetan, Amdo	安多藏語		adx
Tibetan, Classical	古典藏語		xct
Tibetan, Khams	康巴藏語		khg
Tibetan, Old	古藏語		otb
Tibeto-Burman languages	藏緬語族	tbq				語言集合；階層關係 sit:tbq
Tsou	鄒語		tsu
Tungus languages	通古斯語族	tuw				語言集合；階層關係 tut:tuw
Turkic languages	突厥語族	trk				語言集合；階層關係 tut:trk
Uighur	維吾爾語		uig	uig	ug
Uighur, Old	古維吾爾語		oui
Yami	達悟語（雅美語）		tao
Yugur, East	東部裕固語		yuy
Yugur, West	西部裕固語		ybe

　

撰文：蕭素英、詹景勛

致謝：瓦歷斯．浦亞

　

---

　

  全文下載 (32.3 MB, 2,448 hits)

評分：