Dette er et åpent prosjektrom for Realfagstermer, et kontrollert emneordsvokabular som utvikles og brukes av Universitetsbiblioteket i Oslo og Universitetsbiblioteket i Bergen. Vokabularet har termer på bokmål, nynorsk og engelsk og har overganger til Tekord, Dewey og Wikidata.
Søk i vokabularet via Emnesøk, Skosmos eller visuelt med LodLive.
Vi bruker sakssystemet (issue trackeren) til GitHub for å diskutere og behandle nye termer og endringer.
Sakene organiseres med etiketter (labels). Se CONTRIBUTING.md for forklaring av de ulike etikettene.
GitHub-tips for bidragsytere:
-
Du blir varslet hver gang noen nevner deg. Du blir også varslet når det kommer nye innlegg i diskusjoner du har opprettet eller kommentert. Som standard får du varslinger på e-post, men du kan endre dette i innstillingene dine.
-
Hvis du ønsker tilbakemeldinger fra bestemte personer, for eksempel fagansvarlige for bestemte fag, kan det være lurt å nevne dem. Under finnes det en oversikt over hvem som er hvem.
-
Funksjonaliteten watch gir varslinger om alle oppdateringer i alle saker og kan fort gi varslingsutmattelse.
(sortert alfabetisk etter brukernavn) (For å varsle alle: @realfagstermer/alle)
Klassifikasjon/emneordsredaksjon:
- @grosyn : Gro Synnøve Nesland
- @vibekelundetrae : Vibeke Stockinger Lundetræ
Fagpersoner Universitetsbiblioteket i Oslo:
- @BioHeidi : Heidi Konestabo: biovitenskap
- @danmichaelo : Dan Michael O. Heggø: fysikk og materialvitenskap
- @edinab : Edina Pozer Bue: geofag og meteorologi
- @jessiclo : Jessica Lönn-Stensrud: mikrobiologi
- @haraldse : Kirsten Borse Haraldsen: biovitenskap
- @kyrretl : Kyrre Traavik Låberg: adferdsbiologi
- @Quether : Trine Høyås: informatikk
- @superLine : Line Nybakk Akerholt: astrofysikk.
- @TorgunnKarolineMoe : Karoline Moe: matematikk.
- Tone Charlotte Gadmar: kjemi.
Fagpersoner Universitetsbiblioteket i Bergen:
- @beatekh : Beate Krøvel Humberset, klassifiserer matematikk, informatikk og fysikk.
- @bubir : Ingunn Rødland, klassifiserer kjemi.
- @ken075 : Kjersti Enerstvedt, klassifiserer geofag og teknologi.
- @Hypsibius : Hege Folkestad, klassifiserer biovitenskap.
Tidligere bidragsytere:
- @bibliomari : Mari Lundevall, tidligere redaksjonsleder (UiO, –2016).
- @jw-geo : Johannes Wiest, student med prosjektstilling for å klassifisere geologi (UiB, 2016–2017).
- @knuthe : Knut Hegna, klassifiserte informatikk, utviklet Roald og Sonja (UiO, –2017).
- @kristinran : Kristin Rangnes, klassifiserte geofag (UiO).
- @mittinatten : Simon Mitternacht, klassifiserte matematikk, informatikk og (teoretisk) fysikk (UiB).
- @mzyg : Marta Zygmuntowska, klassifiserte geofag, fysikk (anvendt) og teknologi (UiB)
- @iloveyellow : Solveig Isis Sørbø, taksonomist
- @starseekr : Trude Westby, klassifiserte informatikk (UiO, 2017–2019).
- Bente Kathrine Rasch, klassifiserer farmasi.
- @Caroline-A : Caroline Susanne Armitage, klassifiserer marinbiologi, delvis vikar for @Hypsibus.
- @violabibaluba : Viola Kuldvere
Omsetjing til nynorsk ble ferdigstilt ved årsskiftet 2015/2016 av:
- Maria Svendsen (@mariaksv): biologi/kjemi)
- Jørgen Eriksson Midtbø (@jorgenem): fysikk/matte)
- Vebjørn Sture (@totlevase): korrektur/nynorsk)
Sjå retningslinjer/diskusjon og eigen prosjektside.
I perioden 2017-2019 har Realfagstermer blitt oversatt til engelsk, kategorisert og mappet til Wikidata med hjelp fra en rekke studenter:
- Jeanette Viken (@jeanetvi)
- Olav Bjerke (@olavbje)
- Anja Maria Aardal (@anjamaa)
- Gunvor Evenrud (@gunvorev)
- Eirill Strand Hauge (@eirillsh)
- Jenny Marie Skytte Af Sätra (@jennynnej)
- Eirik Bager Sundmark (@ebsundmark)
- Jakob Lindtorp (@JakobUiO)
- Marit Sandberg (@maritsan)
- Ole Andreas Hoel
- Mirna Porobic (@mirnap)
- Islam Hadjilah
- Trine Høyås (@Quether)
En bieffekt har vært generell kvalitetsheving av vokabularet gjennom at en rekke feil og sammenslåingskandidater har blitt oppdaget. Se Prosjekt «Kinderegg» for mer om prosjektet.
I perioden 2015-2019 har Humord og Realfagstermer blitt mappet til Norsk WebDewey. Som med Kinderegg-prosjektet har en bieffekt vært en generell kvalitetsheving av begge vokabular. Takk særlig til Hege Nenseth (@HegeNenseth), Kristine Aalrust Kristoffersen (@kaalrust) og Vibeke Stockinger Lundetræ (@vibekelundetrae) som har bidratt med mye på Realfagstermer-siden.
Authority data is currently maintained in Sonja and converted to JSON (RoaldIII data model) using RoaldIII. RoaldIII is also used to mix in mappings and translations before exporting RDF/SKOS and MARC21.
The conversion is done by running python publish.py, which only
runs a conversion if any of the source files have changed. You
can run python publish.py -f to force a conversion even if no
source files have changed (useful during development).
Please see the RoaldIII repo for more details on the conversion.
The RoaldIII JSON data is found in realfagstermer.json. This does
not currently include data from the Nynorsk translation project.
Complete, distributable RDF/SKOS and MARC21 files are found in the
dist folder. These includes mappings and all translations.
Example concept in JSON:
{
"id": "REAL004162",
"type": [
"Topic"
],
"created": "2014-08-25T00:00:00Z",
"modified": "2014-12-17T00:00:00Z",
"prefLabel": {
"nb": {
"value": "Cellekommunikasjon"
},
"en": {
"value": "Cell signalling"
}
},
"altLabel": {
"nb": [
{
"value": "Cellesignalisering"
}
],
"en": [
{
"value": "Cell signaling"
}
]
},
"hiddenLabel": {}
},Characteristics:
-
Realfagstermer contains only concepts, no facets, arrays or other thesaurus constructs.
-
Concept properties
-
id(string): an unique identifier. -
type(array): at least one type (Topic,Geographic,Temporal,GenreForm,CompoundHeadingorVirtualCompoundHeading). -
created(datetime string): a creation date. -
modified(datetime string): a modification date. -
prefLabel(language map): one preferred term per language. A preferred term for the language codenbis required, while others are optional. -
altLabel(language map array): any number of alternative terms per language. -
hiddenLabel(langauge map array): any number of hidden terms (not yet implemented). -
editorialNote(array): any number of editorial notes (in Bokmål only). -
definition(language map): one definition per language (currently only Bokmål though). -
ddc(string): a DDC number (these should eventually be moved to the mapping project). -
msc(string): a MSC number. -
elementSymbol(string): a chemical element symbol. -
related(array): Any number of IDs for related concepts. -
broader(array): Any number of IDs for broader concepts. -
narrower(array): Any number of IDs for narrower concepts. -
component(array): Any number of IDs for components that make up theCompoundHeadingorVirtualCompoundHeading(emnestreng). Note that concepts of this type do not have their own terms, since the compound terms are generated from the concepts. Example:{ "id": "REAL014060", "type": [ "CompoundHeading" ], "created": "2015-03-10T10:07:34Z", "component": [ "REAL002845", "REAL007608" ] }
-
-
Term properties:
value(string): The term value.hasAcronym(string): An acronym (used only ifvalueis the full form).acronymFor(string): The full form (used only ifvalueis an acronym).
-
Note that terms do not have their own IDs, so the relationship between acronyms and their full form is represented by embedding. Example:
{ "prefLabel": { "nb": { "hasAcronym": "DCOM", "value": "Distributed component object model" } } }When converting to SKOS core, we simplify the model by removing term-term relationships.
A large part of the vocabulary (~ 8000 concepts as of Nov 2018) has been mapped to Wikidata:
PREFIX skos: <http://www.w3.org/2004/02/skos/core#>
PREFIX owl: <http://www.w3.org/2002/07/owl#>
PREFIX real: <http://data.ub.uio.no/realfagstermer/>
SELECT ?concept ?term ?wd_item
FROM <http://data.ub.uio.no/realfagstermer>
WHERE
{
?concept a skos:Concept ;
skos:prefLabel ?term ;
skos:mappingRelation ?wd_item .
FILTER(LANG(?term) = "nb")
FILTER(STRSTARTS(STR(?wd_item), "http://www.wikidata.org"))
FILTER NOT EXISTS { ?concept owl:deprecated true . }
}
LIMIT 10This opens the possibility for federated queries, combining data from Realfagstermer with data from Wikidata.
We can for instance list all concepts that are identified as species on Wikidata (wdt:P105 wd:Q7432) and have a mapping to wdt:P815 and a scientific name (wdt:P225):
PREFIX wd: <http://www.wikidata.org/entity/>
PREFIX wdt: <http://www.wikidata.org/prop/direct/>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX skos: <http://www.w3.org/2004/02/skos/core#>
SELECT
?rtTerm ?wdItem ?itisUrl ?sciName
FROM <http://data.ub.uio.no/realfagstermer>
WHERE{
SERVICE <https://query.wikidata.org/sparql>
{
?wdItem wdt:P31 wd:Q16521 ; # er et taxon
wdt:P105 wd:Q7432 ; # rang: art
wdt:P815 ?itisTsn ; # har ITIS TSN
wdt:P225 ?sciName . # har vitenskapelig navn
}
?rtConcept skos:closeMatch ?wdItem ;
skos:prefLabel ?rtTerm
FILTER(LANG(?rtTerm) = 'nb')
BIND(IRI(CONCAT("http://www.itis.gov/servlet/SingleRpt/SingleRpt?search_topic=TSN&search_value=",?itisTsn)) AS ?itisUrl)}
LIMIT 100 In practice, the software behind the sparql endpoint at https://data.ub.uio.no (Fuseki) is not good at optimizing federated queries.
In the example above, the best would be to swap the remote query and the local query, so the local query is carried out first, but in that case, Fuseki makes one request to Wikidata for each item rather than querying all items in a single query (using VALUES), making it terribly slow.
In practice, at least with our current stack, it's therefore better to rather have a script that first queries our local endpoint, then the Wikidata endpoint, and combines the data.
But while slow, federated queries are good for demonstrating the possibilities. Here's a query that compares the preferred terms in our vocabulary and the mapped Wikidata items:
PREFIX schema: <http://schema.org/>
PREFIX wd: <http://www.wikidata.org/entity/>
PREFIX wdt: <http://www.wikidata.org/prop/direct/>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX skos: <http://www.w3.org/2004/02/skos/core#>
SELECT ?realTerm ?wikidataItem ?wikidataTerm
FROM <http://data.ub.uio.no/realfagstermer>
WHERE {
?realConcept skos:mappingRelation ?wikidataItem ;
skos:prefLabel ?realTerm .
FILTER(LANG(?realTerm) = "nb")
FILTER(STRSTARTS(STR(?wikidataItem), "http://www.wikidata.org"))
SERVICE <https://query.wikidata.org/sparql>
{
?wikidataItem schema:version ?o .
OPTIONAL {
?wikidataItem rdfs:label ?wikidataTerm .
FILTER(LANG(?wikidataTerm) = "nb")
}
}
}
LIMIT 10 | realTerm | wikidataItem | wikidataTerm |
|---|---|---|
| Luxemburg | http://www.wikidata.org/entity/Q32 | Luxembourg |
| Stjernerotasjon | http://www.wikidata.org/entity/Q6464 | stjernerotasjon |
| Tungmetaller | http://www.wikidata.org/entity/Q105789 | tungmetall |
| Aktiv læring | http://www.wikidata.org/entity/Q1542052 | |
| Elektronspektra | http://www.wikidata.org/entity/Q905243 | |
| Elektronspektroskopi | http://www.wikidata.org/entity/Q905243 | |
| Dislokasjoner | http://www.wikidata.org/entity/Q737571 | dislokasjon |
| Darmstadtium | http://www.wikidata.org/entity/Q1266 | darmstadtium |
| Metadata | http://www.wikidata.org/entity/Q180160 | metadata |
| Balkan | http://www.wikidata.org/entity/Q23522 | Balkan |
(Try it)
This makes it easy to identify cases where a Norwegian term is missing on Wikidata, or where there is a mismatch between terms – in which case we might want to change either our own term or the Wikidata term or keep them different from each other. Automatic comparison is still complicated by the fact that we use plural for our terms, while Wikidata use singular.