Development of the centralized interface for the web content and social networks data mining.
Public support
Provider
Ministry of Culture
Programme
Programme for the Support of Applied Research and Exp. Development of National and Cultural Identity dor the Years 2016-2022 (in short, "NAKI II")
Call for proposals
NAKI II 2 (SMK02018DG002)
Main participants
Národní knihovna České republiky<br>Sociologický ústav AV ČR, v. v. i.<br>Západočeská univerzita v Plzni / Fakulta aplikovaných věd
Contest type
VS - Public tender
Contract ID
16/2018/OVV
Alternative language
Project name in Czech
Vývoj centralizovaného rozhraní pro vytěžování velkých dat z webových archivů
Annotation in Czech
Projekt předkládá ucelené řešení problematiky zpřístupnění dat z českého webového archivu a jejich poskytnutí badatelské obci pro vědecké a výzkumné využití. Propojuje oblast digital humanities, tj. studium humanitních věd na základě digitálních nebo elektronických dat, s možnostmi využití dat z českého webového archivu. Národní knihovna České republiky již od roku 2005 kontinuálně ukládá obsah českého webu a disponuje tak jednou z největších sbírek dat tohoto charakteru. Ta poskytuje komplexní představu o tvorbě, propojování a interpretaci unikátních elektronických dat (webových zdrojů), které je možno porovnávat napříč časovým spektrem. Hlavním cílem projektu je zpracování dat českého webového archivu za účelem umožnění široké odborné veřejnosti využívat potenciálu dlouhodobě shromažďovaných a dosud z velké části nezpracovaných dat. Projekt bude rozdělen na tři hlavní pilíře - datovou, procesní a badatelskou část, které jsou vzájemně propojeny. Cílem datové části projektu je příprava dat pro badatelskou analýzu v oblasti relevantních dat pro specifikované badatelské záměry. To zahrnuje vytvoření plně integrovaného fasetového a full-textového vyhledávače, který umožní badatelům jasně definovat část dat, kterou potřebují pro realizaci svého výzkumu. Na vyhledávač pak bude navázána exportní aplikace, která umožní badatelům získat datové sety pro jejich výzkum ve formátech, které běžně využívají ke své práci. Procesní část projektu je zaměřena na vytvoření a aplikaci automatických analytických nástrojů na relevantní data. Jedná se zejména o automatické přiřazení metadat dokumentům s využitím metod rozpoznávání řeči a metod sémantické analýzy textu. Cílem badatelské části projektu je vytvoření sociologických výzkumů, které konkrétně aplikují zpracovaná data, ale zároveň definují, jak mají vypadat výstupy cílů z předchozích částí.
Scientific branches
R&D category
AP - Applied research
OECD FORD - main branch
60500 - Other Humanities and the Arts
OECD FORD - secondary branch
50401 - Sociology
OECD FORD - another secondary branch
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
CEP - equivalent branches <br>(according to the <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">converter</a>)
AF - Documentation, librarianship, work with information<br>AO - Sociology, demography<br>BC - Theory and management systems<br>BD - Information theory<br>IN - Informatics
Completed project evaluation
Provider evaluation
V - Vynikající výsledky projektu (s mezinárodním významem atd.)
Project results evaluation
The issue of data mining and open source solutions is currently very relevant. New solutions enable the streamlining of research, the improvement of output quality, and, in general, the implementation of the philosophy of so-called digital humanities. The project is of high quality, and its outputs are usable both domestically and abroad. The project's goals, in terms of their number, quality, and composition, were achieved 100%. The achieved results were successfully presented abroad. The developed software tools are comparable and competitive with similar foreign products in terms of their quality and offered capabilities.
Solution timeline
Realization period - beginning
Mar 1, 2018
Realization period - end
Dec 31, 2022
Project status
U - Finished project
Latest support payment
Feb 1, 2022
Data delivery to CEP
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data delivery code
CEP23-MK0-DG-U
Data delivery date
Jun 6, 2023
Finance
Total approved costs
24,550 thou. CZK
Public financial support
24,550 thou. CZK
Other public sources
0 thou. CZK
Non public and foreign sources
0 thou. CZK