Door Mirjam Cuper
Ook de KB bekijkt hoe ze haar data toegankelijk kan maken op andere manieren dan via een enkele zoekinterface. Met Delpher-data is een demonstratiesite gemaakt, met ‘pandemieën’ als onderwerp.
Zoeken door digitale erfgoedcollecties gaat tot nu toe redelijk rechttoe rechtaan. Via een interface kun je een zoekwoord intypen, waarna je de resultaten keurig op een rijtje krijgt en ze een voor een kunt bekijken. Krantenarchief Delpher.nl is ook op deze manier ingericht en dat werkt prima; in 2020 is de website bijna 4,5 miljoen keer bezocht. Toch zien we tevens dat gebruikers steeds meer de behoefte hebben om data op andere manieren te bevragen. Meer mensen kunnen ondertussen programmeren, en er ontstaan toepassingen waarmee je zelf een query kunt opstellen om digitale collecties uitgebreider te onderzoeken.
Internationale notebooks
Binnen de wetenschappelijke wereld gebeurt dit al langer met de zogenaamde Jupyter Notebooks (jupyter.org). Deze zijn te gebruiken in een webbrowser en stellen je in staat om code uit bijvoorbeeld Python, Julia of R aan te roepen en aan te passen. Ze lijken op de Datastories die het Netwerk Digitaal Erfgoed ontwikkelt (https://demo.netwerkdigitaalerfgoed.nl/stories).
In andere landen zijn al mooie toepassingen van dergelijke notebooks te vinden. Voorloper is de Australiër Tim Sherrat die de GLAM Workbench (https://glam-workbench.github.io/) heeft ontwikkeld. Hiermee kun je grote Australische collecties bevragen, waaronder Trove, de Australische Delpher. Een goede collectie van soortgelijke workbenches kun je vinden op http://data.cervantesvirtual.com/blog/notebooks/. Hier staan notebooks op waarmee je data kunt onderzoeken van onder andere de British Library, Europeana en de Österreichische Nationalbibliothek. En ook binnen de CLARIAH Mediasuite worden experimentele Jupyter Notebooks aangeboden: https://mediasuite.clariah.nl/documentation/howtos/jupyter-notebooks.
Zoeken én verkennen
Bij de KB bekijken we eveneens hoe we onze data op andere manieren dan via een enkele zoekinterface toegankelijk kunnen maken. In het kader van de coronapandemie hebben we daarom de demonstratiewebsite ‘Met Delpher de diepte in’ opgezet: (http://delpher_demo.kbresearch.nl/). Op deze site verken je de collecties in Delpher op een andere manier en krijg je een dieper kijkje in de geschiedenis van ziektes en pandemieën. Zo kun je ontdekken dat het woord pandemie al voorkwam in 1864, en je kunt de artikelen natuurlijk lezen in Delpher.
Coronagerelateerde woorden
Voor de website hebben we een selectie uit het Delpher-krantenarchief gemaakt op basis van woorden die in 2020 veel voorkwamen in coronagerelateerde berichtgeving. De teksten van deze berichten zijn vervolgens voorbewerkt en geanalyseerd met behulp van Python, zodat we woordclusters en connecties tussen woorden inzichtelijk konden maken. Hierdoor konden we vier categorieën samenstellen die aan de hand van een tijdlijn te doorzoeken zijn. Per jaar worden meerdere details getoond, zoals de top 20 van de meest voorkomende woorden die horen bij de gekozen categorie. Het is een eerste poging om op een nieuwe manier de schatten in Delpher te verkennen. En voor wie zelf met dit soort analyses aan de slag wil gaan: de KB heeft nu ook twee Jupyter Notebooks hiervoor beschikbaar gemaakt.
Mirjam Cuper is data scientist bij de Koninklijke Bibliotheek.
Deze bijdrage komt uit IP #1/2021. Het hele nummer kun je hier lezen.
