Della caccia a eventi e personaggi nascosti negli archivi ...goy/materiale/1718/Goy1718.pdf ·...

Dip. di Informatica e Dip. di Studi Storici (Università di Torino)Fondaz. Istituto Piemontese A. Gramsci (Polo del '900)

Della caccia a eventi e personaggi Della caccia a eventi e personaggi nascosti negli archivi storici nascosti negli archivi storici

(o dell'uso del Semantic Web per (o dell'uso del Semantic Web per (o dell uso del Semantic Web per (o dell uso del Semantic Web per valorizzare le risorse culturali)valorizzare le risorse culturali)

Anna Goy (Dipartimento di Informatica, Università di Torino)

aprile 2018Anna Goy 1

Il Polo del '900 a TorinoDove: 8.000 mq c/o Quartieri Militari juvarrianiOnline: www.polodel900.itpBiblioteca: 300.000 volumi Archivio: 900 fondi archivistici, 130 000 fotografie 21 000 manifesti 130.000 fotografie, 21.000 manifesti, 53.000 audiovisivi, ...Tour: archivi.polodel900.it/tour/#/startTour: archivi.polodel900.it/tour/#/start9centRo: www.polodel900.it/9centro

Regione PiemonteComune di TorinoCompagnia di S. Paolop g19 enti culturalieventi, concorsi, mostre, ...aprile 2018 2

L'Istituto A. GramsciDove: al Polo del '900

Online: www gramscitorino itOnline: www.gramscitorino.itBiblioteca: 60.000 volumi + numerosissime riviste e giornai g

Archivio: 220 fondi, 33.000 fotografie, 4.000 manifesti, 1.000 audiovisivi, bandiere, striscioni e oggetti ( 25% d li hi i d l P l d l '900)(= 25% degli archivi del Polo del '900)

Archivio fotografico online: www gramscitorino it/archiviofotografico htmlwww.gramscitorino.it/archiviofotografico.html

aprile 2018 3

Archivi e risorse culturaliIl patrimonio culturale conservato negli archivi storici è estremamente prezioso per alimentare nei cittadini la consapevolezza della propria storia, c lt ra identitàcultura, identitàQuesto patrimonio deve essere una fonte accessibile non solo agli studiosi, ma al

pubblicof ibil i bil fruibile e comunicabile

viva e attrattiva (per es. per il turismo) coinvolgente per le

nuove generazioni

aprile 2018 4Anna Goy

Accesso alle risorse d'archivio

L'accessibilità e la fruibilità sono condizioninecessarie per rendere il patrimonio culturale p parchivistico vivo, attrattivo e coinvolgenteL'accesso è possibile grazie a:p g disponibilità di cataloghi digitali

e metadati ricchi di informazionie metadati ricchi di informazioni integrazione tra diversi cataloghi

i t i lt i ( Li k d integrazione con altre risorse (es. Linked Open Data)

i di ffi i bili strumenti di accesso efficaci e usabili


Il ruolo delle ICT - I

Le ICT possono fornire un contributo: nella digitalizzazione delle risorse

ll'i t i d i t d ti ti i di i nell'integrazione dei metadati usati in diversi archivi

ll' i hi t d i t d ti nell'arricchimento dei metadati nell'integrazione con altre risorse disponibili

( i )(es. Linked Open Data) nella costruzione di strumenti di accesso


Il ruolo delle ICT - II

Quali tecnologie, in particolare?1 Open API e Web Services (REST e SOAP) 1. Open API e Web Services (REST e SOAP)

integrazione di archivi eterogenei costruzione di strumenti di accesso

2. Tecnologie semantiche (Semantic Web) integrazione di archivi eterogenei

i hi t d i t d ti arricchimento dei metadati integrazione con Linked Open Data

3 Tecnologie di NLP (es Information Extraction) 3. Tecnologie di NLP (es. Information Extraction) arricchimento dei metadati

4 Crowdsourcing (user-generated content)4. Crowdsourcing (user generated content) arricchimento dei metadati

5. Information Visualization e HCI5. Information Visualization e HCI costruzione di strumenti di accesso


La collaborazione Unito e Ist. Gramsci

Progetto Harlock'900 (2016-2019) Dip. di Informatica (Unito) + Ist. A. Gramsci (To)p (U ) G ( )

obiettivo = testare il framework obiettivo testare il framework su un piccolo insieme di risorse

Progetto PRiSMHA (2017-2019)Dip. di Informatica e Dip. di Studi Storici (Unito)

+ Ist. A. Gramsci/Polo del '900 (To)

obiettivo = progettare e costruire una piattaforma di crowdsourcing per l'arricchimento semantico dei metadatil'arricchimento semantico dei metadati


Harlock'900 - IStrumenti di accesso

offrire agli utenti la possibilità di i i d i d li navigare tra i documenti degli

archivi storici in modo + efficace rispetto ai classici cataloghirispetto ai classici cataloghi

possibilità di scoprire ed esplorare p p pconnessioni tra luoghi, eventi, persone, organizzazioni e le risorse che li " t ""raccontano"

applicazione web che permette di esplorare storie personali e fatti storici avvenuti in Piemonte tra il 1943 e il 1945 e di scoprire le risorse 1943 e il 1945 e di scoprire le risorse d'archivio che ne parlano


Harlock'900 - II


PRiSMHA: semantic layer - IArricchimento dei metadati Semantic layer: metadati semantici che Semantic layer: metadati semantici che

descrivono il contenuto delle risorseStrumenti:Strumenti:◦ Ontologie computazionali:

forniscono al sistema la forniscono al sistema la conoscenza di dominio◦ RDF triplestore:

Abcdef OWL◦ RDF triplestore:

base di conoscenza di (meta)dati che descrivono il contenuto delle risorse d'archivio nei termini definiti dall'ontologia


PRiSMHA: semantic layer - IIMarisa Diena. Un intenso impegno civile – Ricordi autobiografici del Novecento. Lupieri Editore/Fondaz. Ist. Piemontese A. Gramsci, 2006

Ernesto Valabrega, fratello di mia madre, g , ,dirigeva, come aveva fatto il nonno, la fabbrica di mobili; [...] il 24 marzo 1944, fu catturato dai fascisti proprio1944, fu catturato dai fascisti proprio nello stabilimento. [...]

C fli ti A ti C ll ti

cattura C t

ConflictingAction

f i ti

Collective

ISAinstance-of has-agent

instance-ofcattu a

EVCapture fascisti

Personhas_time has_patient

g

TimeInt

EV "E t24.3.44Dayinstance-ofISA


"ErnestoValabrega"

Dayhas-name

PRiSMHA: semantic layer - IIIL'ontologia: HERO(Historical Event Representation Ontology)


PRiSMHA: semantic layer - IVIl triplestore (RDF):<https://w3id.org/dataset_resistenza/resource/event/16,

http://www.w3.org/1999/02/22-rdf-syntax-ns#type,http://www.w3.org/1999/02/22 rdf syntax ns#type, https://w3id.org/hero/HERO-EVENT#Capture>

<https://w3id.org/dataset_resistenza/resource/event/16, http://www.w3.org/2000/01/rdf-schema#label, 'Cattura di E.V.'>

<htt // 3id /d t t i t / / t/16<https://w3id.org/dataset_resistenza/resource/event/16, https://w3id.org/hero/HERO-EVENT#hasParticipant, https://w3id.org/dataset_resistenza/resource/object/24>

<https://w3id.org/dataset_resistenza/resource/object/24, _http://www.w3.org/1999/02/22-rdf-syntax-ns#type, https://w3id.org/hero/HERO-ROCS#Collective>

<https://w3id.org/dataset_resistenza/resource/object/24, http://www.w3.org/2000/01/rdf-schema#label, 'fascisti'>http://www.w3.org/2000/01/rdf schema#label, fascisti

<https://w3id.org/dataset_resistenza/resource/event/16, https://w3id.org/hero/HERO-EVENT#hasParticipant, https://w3id.org/dataset_resistenza/resource/object/39>

<htt // 3id /d t t i t / / bj t/39<https://w3id.org/dataset_resistenza/resource/object/39, http://www.w3.org/1999/02/22-rdf-syntax-ns#type, https://w3id.org/hero/HERO-TOP#Person>

<https://w3id.org/dataset_resistenza/resource/object/39, https://w3id.org/hero/HERO-EVENT#hasName, 'Ernesto Valabrega'>

...


PRiSMHA: semantic layer - V

Come si fa a costruire metadati semantici (rappresentazione RDF se a c ( app ese a o e del contenuto delle risorse)? Chi lo fa???

1. Information Extraction uso di strumenti di NLP per estrarre uso di strumenti di NLP per estrarre automaticamente informazioni dai testi (... quando i testi sono disponibili!)

2. Crowdsourcing (user-generated content)piattaforma web per la costruzione piattaforma web per la costruzione collaborativa dei metadati semantici (risorse digitalizzate!)


PRiSMHA: semantic layer - VISinergia tra Information Extraction e Crowdsourcing

Marisa Diena. Un intenso impegno civile – Ricordi autobiografici del Novecento. Lupieri Editore/Fondaz. Ist. Piemontese A. Gramsci, 2006

estraz. autom.

t d ti h d imetadati che descrivonoil contenuto delle risorsed'archivio (RDF triplestore)

piattaformacollaborativacollaborativa


PRiSMHA: Information Extraction Named Entity Recognition: riconoscimento auto-

matico di rif. a persone, organizzazioni, luoghi, datel i i d ll'8 tt b '43 iIl pomeriggio dell'8 settembre '43 ero in tram,

diretta a San Mauro, dove c'erano Renata e altri amici. A un certo punto, in corso Casale, si vide

b t i b d i lt iun assembramento verso i bar da cui alta risuonava una voce dalla radio. Scesi e udii il proclama del maresciallo Badoglio che annunciava l'armistizio.

Event mining: riconoscimento automatico di espressioni che denotano eventi (e partecipanti)p ( p p )Gli effettivi del generale Schlemmer [...] Durante il cammino effettuano le ultime stragi: a Grugliasco massacrano 66 persone garibaldini eGrugliasco massacrano 66 persone, garibaldini e civili; a Nichelino uccidono 13 garibaldini della Brigata Pisacane. Tenteranno di proseguire verso il Vercellese; bloccati però anche lì dai partigiani,


Vercellese; bloccati però anche lì dai partigiani, finiranno per arrendersi il 3 maggio nelle mani degli Alleati.

PRiSMHA: Crowdsourcing survey - ISarra S. La nuova frontiera per la condivisione della conoscenza: uno studio sui sistemi di crowdsourcing per le risorse culturali. Tesi di laurea Magistrale, Università di Torino, aa 2016/2017

Modello di crowdsourcing in settori culturali: diverso da quello usato in settori commerciali1. com: benefici economici vs cult:

partecipazione volontaria 2 f ll i di ti t lt ità iù 2. com: folla indistinta vs cult: comunità più

ristretta, ("appassionati")Cl ifi d i d lli di d i Classificaz. dei modelli di crowdsourcing Dunn S. & Hedges M. Crowd-sourcing Scoping Study(crowds.cerch.kcl.ac.uk/wp-content/uploads/2012/12/Crowdsourcing-

t d iti df)connected-communities.pdf)Dunn S. & Hedges M. Commencted Communities(www.ahrc.ac.uk/documents/project-reports-and-reviews/connected-communities/crowd-sourcing-in-the-humanities/)/ g /)in base a diversi aspetti:


PRiSMHA: Crowdsourcing survey - II Asset type: tipo di risorsa/oggetto/dato Process type: tipo di processo (dipende – anche –Process type: tipo di processo (dipende anche

dal tipo di risorsa) [*] Task type: tipo di attività svolta dal partecipante Task type: tipo di attività svolta dal partecipante

sulle risorse (dipende – anche – dal tipo di risorsa)

Output type: tipo di risultato prodotto (può Output type: tipo di risultato prodotto (può essere tangibile o immateriale – es. consapevolezza e conoscenza)

[*] Tipi di processi (Dunn & Hedges): Tagging collaborativo (gereralm. testo libero) Tagging collaborativo (gereralm. testo libero)

corpus di risorse ricercabili attraverso parole chiave Trascrizione Correzione o modifica di un contenuto (es. OCR)


PRiSMHA: Crowdsourcing survey - III Collegamento (connessione tra risorse) Registrazione (patrimonio culturale immateriale

conservaz in forma tangibile; es raccolta dei ricordi conservaz. in forma tangibile; es. raccolta dei ricordi di una comunità, x es. parole in disuso)

Commento, critica e raccolta di preferenze Commento, critica e raccolta di preferenze Categorizzazione (classificazione = assegnazione di

risorse a categorie predefinite) Catalogazione (creazione di metadati strutturati e

descrittivi, secondo determinati standard) Contestualizzazione (arricchimento di una risorsa

associandole altri contenuti attinenti)Georeferenziazione (ubicazione di info geografiche) Georeferenziazione (ubicazione di info geografiche)

Mappatura (creazione di una rappresentazione spaziale, geografica o concettuale/mentale)spa a e, geog a ca o co ce ua e/ e a e)

Traduzione aprile 2018 20Anna Goy

PRiSMHA: Crowdsourcing survey - IVZ iZooniverse (www.zooniverse.org) 1,6 milioni di iscritti e 72 progetti attivi

progetti di ogni tipo soprattutto scientifici ( progetti di ogni tipo, soprattutto scientifici (es. classificaz. documenti storici, immagini di galassie, animali)

per partecipare non è necessaria alcuna per partecipare non è necessaria alcuna specializzazione o competenza specifica conoscenza "popolare"


PRiSMHA: Crowdsourcing survey - VScribe (scribeproject.github.io)

framework per la creazione di progetti di i i di i i i trascrizione di testi scritti a mano

nato dalla collaborazione tra Zooniverse e NYPL (N Y k P bli Lib ) L b(New York Public Library) Labs


PRiSMHA: Crowdsourcing survey - VIPyBossa (pybossa.com) framework per il crowdsourcing, basato sul

C d fti ( d f i )server Crowdcrafting (crowdcrafting.org) usato in più di duemila progetti, ha raccolto più

di due milioni di contributi (es: trascrizione di di due milioni di contributi (es: trascrizione di documenti scritti a mano; trascrizione di video e audio; analisi di immagini, video e suoni; geo-tagging; identificaz. di tti f i di oggetti, facce, suoni; arricchimento di dati)

il team di sviluppo sta il team di sviluppo sta testando l’integraz. di strumenti di AI per supportare il lavoro (es. identificaz. di immagini, riconoscim. immagini, riconoscim. facciale, traduzione)


PRiSMHA: Crowdsourcing survey - VIIMi P tMicroPasts (crowdsourced.micropasts.org) progetto per il crowdsourcing e il crowdfounding

(nato dalla collaborazione tra UCL Institute of Archeology (nato dalla collaborazione tra UCL Institute of Archeology di Londra e il British Museum, con il finanziamento dell'Arts and Humanities Research Council)l i tt f di d i P B la piattaforma di crowdsourcing usa PyBossa

ospita progetti in ambito archeologico, storico e per la salvaguardia del patrimonio culturale per la salvaguardia del patrimonio culturale


PRiSMHA: Crowdsourcing survey - VIIIP ditPundit (thepund.it) applicazione web (Pundit Annotator client) +

Pundit Server) per l'annotazione di pagine html Pundit Server) per l annotazione di pagine html (gestita dall'azienda Net7)

permette di creare annotazioni "semantiche" p(triple RDF) relazioni tra elementi della risorsa (pagina html) e Linked Open Data

usa lo standard Web Annotation del W3C


PRiSMHA: Crowdsourcing survey - IXHypothesis (web.hypothes.is)

applicazione web per l'annotazione ll b i ( ) h i l d collaborativa (UI + API) che include annotator

(client estensione del browser per creare annotazioni sulle pagine web ) e annotator storeannotazioni sulle pagine web ) e annotator-store(servizio RESTful per la memorizzazione delle annotazioni)

usa lo standard Web Annotation del W3C


PRiSMHA: Crowdsourcing survey - XR itRecogito (recogito.pelagios.org) applicazione web per l'annotazione

collaborativa di documenti basata su collaborativa di documenti, basata su un'architettura a tre livelli (mantenua dall'iniziativa internazionale Pelagios Commons)

obiettivo: identificazione e georeferenziazione di luoghi indicati in testi storici, mappe o tabelle Li k d Linked Open Geo-Geo-data


PRiSMHA: main challengesSfide per PRiSMHA: Dall'analisi dei documenti d'archivio e

d l di l li t i i t i dal dialogo con gli storici costruzione di un modello semantico (ontologia) che sia: ricco (permetta la rappr di entità e relazioni complesse ricco (permetta la rappr. di entità e relazioni complesse,

x es. il ruolo giocato da un'organizzazione in un evento) integrato con i principai modelli esistenti (es: g p p (

Europeana Data Model, Event Ontology, Simple Event Model, CIDOC Conceptual Reference Model)

t i i Event mining (identificazione automatica degli eventi, e dei partecipanti, nei testi storici è molto difficile!)

P tt i di 'I t f i Ut t i d t Progettazione di un'Interfaccia Utente giudata dall'ontologia (ontology-driven UI) per la costruzione collaborativa (crowdsourcing) di costruzione collaborativa (crowdsourcing) di rappresentazioni semantiche ricche


Esperimento - IFacciamo un piccolo esperimento... di costruzione (collaborativa) di rappresentazioni semantiche ricche a partire dal contenuto di una risorsa d'archivio

metadati che descrivonometadati che descrivonoil contenuto delle risorsed'archivio (RDF triplestore)

Testo: estratto dalla biografia di Sergio Garavini (1926-2001) in un doc del Fondo E. Pugno (I t G i T i )(Ist. Gramsci, Torino)


Esperimento - IIIdentifichiamo gli eventiLINEE GUIDA: eventi con qualche rilevanza storica o personale

(non se qualcuno s'è svegliato di cattivo umore, sì se i è i itt l i d t è t t t t )si è iscritto al sindacato o se è stato arrestato)

di ogni evento, è importante identificare (se possibile): possibile): ◦ il tipo di evento (es. arresto)

d è t ( il 1945)◦ quando è avvenuto (es. aprile 1945)◦ dove è avvenuto (es. Piazza Castello, Torino)

hi i t i ti di h ti ( ◦ chi sono i partecipanti e di che tipo sono (es. - Sergio Garavini: persona- CGIL: sindacatoCGIL: sindacato- ...


Esperimento - III

l l !al lavoro!


The endLa strada è ancora lunga, ci sono un sacco di cose da fare...

Se siete interessati a queste tematiche, contattatemi!contattatemi!


Della caccia a eventi e personaggi nascosti negli archivi ...goy/materiale/1718/Goy1718.pdf ·...

Documents

Transcript of Della caccia a eventi e personaggi nascosti negli archivi ...goy/materiale/1718/Goy1718.pdf ·...