Vývoj centralizovaného rozhraní pro vytěžování velkých dat z webových archivů

Poskytovatel

Ministerstvo kultury

Program

Program na podporu aplikovaného výzkumu a experimentálního vývoje národní a kulturní identity na léta 2016 až 2022 (NAKI II)

Veřejná soutěž

NAKI II 2 (SMK02018DG002)

Hlavní účastníci

Národní knihovna České republiky
Sociologický ústav AV ČR, v. v. i.
Západočeská univerzita v Plzni / Fakulta aplikovaných věd

Druh soutěže

VS - Veřejná soutěž

Číslo smlouvy

16/2018/OVV

Název projektu anglicky

Development of the centralized interface for the web content and social networks data mining.

Anotace anglicky

The project presents a comprehensive solution of the access to data from the Czech Web Archive and the way, how to provide them to the researchers for scientific and research reuse. The project connects a topic of the digital humanities - the study of the humanities based on digital or electronic data - with the possibilities of the content reusing from the Czech Web Archive. National Library of the Czech Republic continuously stores Czech Web content and has one of the biggest collections dating from 2005. It brings a comprehensive understanding of creating, linking and interpreting the unique electronic data (web resources) that can be compared across many years. The project aims to process, analyze, categorize, and then offer the content of Web Archive for specific research utilization. There are three main pillars to solve in the frame of the project activities - the data management section, data processing section and finally the R&D data reusing section. All of them will be interconnected altogether. The goal of the data section is to prepare data for the deep research analysis of the relevant content for highly specialized research purposes. The aim is to integrate faceted and full-text search engines that enables to define data sets useful for the research of humanities. Data processing section focuses on the development and direct application of the automated analysis tools on the relevant data sets - e. g. by using speech recognition methods or topic detection. The aim of the R&D data reusing section is to create a sociological research based on the utilization of automaticMally pre-processed data sets and to define, how the datasets can be used also in the other areas of humanities.

Kategorie VaV

AP - Aplikovaný výzkum

OECD FORD - hlavní obor

60500 - Other Humanities and the Arts

OECD FORD - vedlejší obor

50401 - Sociology

OECD FORD - další vedlejší obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

CEP - odpovídající obory
(dle převodníku)

AF - Dokumentace, knihovnictví, práce s informacemi
AO - Sociologie, demografie
BC - Teorie a systémy řízení
BD - Teorie informace
IN - Informatika

Hodnocení poskytovatelem

V - Vynikající výsledky projektu (s mezinárodním významem atd.)

Zhodnocení výsledků projektu

Problematika vytěžování dat a open source řešením je v současnosti velice aktuální. Nová řešení umožňují zefektivnit výzkum, zvýšit kvalitu výstupů a ve všeobecnosti uvést do praxe filozofii tzv. digital humanities. Projekt je vysoce kvalitní a jeho výstupy jsou využitelné doma i v zahraničí. Cíle projektu byly, pokud jde o jejich počet, kvalitu a skladbu, naplněny na 100 %. Dosažené výsledky byly úspěšně prezentované i v zahraničí. Vyvinuté softwarové nástroje jsou svou kvalitou a možnostmi, které nabízejí, srovnatelné a konkurenceschopné s obdobnými zahraničními produkty.

Zahájení řešení

1. 3. 2018

Ukončení řešení

31. 12. 2022

Poslední stav řešení

U - Ukončený projekt

Poslední uvolnění podpory

1. 2. 2022

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP23-MK0-DG-U

Datum dodání záznamu

6. 6. 2023

Celkové uznané náklady

24 550 tis. Kč

Výše podpory ze státního rozpočtu

24 550 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč