[論文レビュー] Annotation as a New Paradigm in Research Archiving

Dirk Roorda, Charles van den Heuvel|arXiv (Cornell University)|Oct 7, 2014

Research Data Management Practices参考文献 13被引用数 3

ひとこと要約

本論文は、検索結果やトピック割り当て、言語的特徴といったデジタル人文学研究の成果物を、ポータブルで多機能なアーティファクトとして扱うことで、それらを保存・再利用するための新しいパラダイムとしてアノテーションを提案する。このアプローチは、18世紀の学術的通信文書を対象とするCKCCプロジェクトとヘブライ聖書データベースDTHBの2つの事例研究を通じて検証され、アノテーションを活用したアーカイブ手法が、共同作業が可能で再現可能かつ拡張可能な人文学研究を実現することを示している。

ABSTRACT

We outline a paradigm to preserve results of digital scholarship, whether they are query results, feature values, or topic assignments. This paradigm is characterized by using annotations as multifunctional carriers and making them portable. The testing grounds we have chosen are two significant enterprises, one in the history of science, and one in Hebrew scholarship. The first one (CKCC) focuses on the results of a project where a Dutch consortium of universities, research institutes, and cultural heritage institutions experimented for 4 years with language techniques and topic modeling methods with the aim to analyze the emergence of scholarly debates. The data: a complex set of about 20.000 letters. The second one (DTHB) is a multi-year effort to express the linguistic features of the Hebrew bible in a text database, which is still growing in detail and sophistication. Versions of this database are packaged in commercial bible study software. We state that the results of these forms of scholarship require new knowledge management and archive practices. Only when researchers can build efficiently on each other's (intermediate) results, they can achieve the aggregations of quality data by which new questions can be answered, and hidden patterns visualized. Archives are required to find a balance between preserving authoritative versions of sources and supporting collaborative efforts in digital scholarship. Annotations are promising vehicles for preserving and reusing research results. Keywords annotation, portability, archiving, queries, features, topics, keywords, Republic of Letters, Hebrew text databases.

研究の動機と目的

• デジタル学術研究における中間的成果物の持続的かつ再利用可能な保存手法の欠如に対処する。
• 静的ソースバージョンの保存に重点を置く従来のアーカイブの限界を克服し、動的で共同作業可能な研究出力を重視する。
• 研究者が互いの（中間的）成果物を効率的に活用できるようにし、より高品質なデータ統合を実現する。
• 権威あるソースの保存と、共同作業や進化を遂げる研究プロセスの両立を支援する知識管理フレームワークを開発する。
• 実世界の人文学研究プロジェクトにおいて、アノテーションベースのアーカイブ手法の実現可能性と利点を示す。

提案手法

• 検索結果やトピックモデル、言語的特徴といった研究出力を、多機能でポータブルなコンテナとしてアノテーションとして設計する。
• 出力に加えてプロバンス、文脈、メタデータを保持するアノテーションシステムを実装する。
• アノテーションパラダイムを、CKCC（18世紀の手紙）とDTHB（ヘブライ聖書テキストデータベース）の2つの大規模なデジタル人文学プロジェクトに適用する。
• 異なるプラットフォームやツール間でアノテーションが相互運用可能で再利用可能であることを保証し、長期的保存を支援する。
• 標準化されたフォーマットとメタデータを用いて、既存のデジタル図書館やテキスト解析インfraストラクチャとの統合を可能にする。
• 研究プロセスにアノテーションを統合し、孤立した静的出力ではなく、反復的で共同作業可能な学術研究を支援する。

実験結果

リサーチクエスチョン

• RQ1 デジタル学術研究の途中段階の成果物（例えばトピックモデルや特徴抽出）を、どのように効果的に保存・再利用できるか。
• RQ2 アノテーションが、人文学研究プロジェクト間での協働作業と再現可能性をどのように促進できるか。
• RQ3 アーカイブは、権威あるソースバージョンの保存と、進化を遂げる共同作業プロセスの両立を、どのようにバランスさせるか。
• RQ4 アノテーションベースのシステムは、デジタル学術研究の出力の再利用可能性とポータビリティをどの程度向上できるか。
• RQ5 人文学研究において、アノテーションをコアなアーカイブパラダイムとして採用する際の実務上の課題と利点は何か。

主な発見

• アノテーションは、検索結果やトピック割り当て、言語的特徴といった多様な研究出力を効果的にポータブルに運ぶ役割を果たす。
• アノテーションベースのアプローチにより、研究者が互いの成果物を積み重ねて活用できるようになり、データ品質の向上と隠れたパターンの発見が可能になる。
• CKCCプロジェクトでは、2万通の歴史的手紙に対するトピックモデリング結果のプロバンスと文脈が、アノテーションによって保持されたことが実証された。
• DTHBプロジェクトでは、進化を続けるデータベースバージョンにおいても、ヘブライ聖書のより洗練された言語的特徴を表現・保存するのにアノテーションが有効に機能した。
• このアプローチにより、静的アーカイブから動的で共同作業可能な研究エコシステムへのシフトが可能となり、出力が単に保存されるのではなく、積極的に再利用されるようになる。
• 本研究は、複雑なデータと進化を続ける研究手法を伴う大規模で長期的な人文学研究プロジェクトにおいて、アノテーションベースのアーカイブ手法が実現可能で有益であることを確認した。