Contrôle qualité de notices du Sudoc

Photo originale : redberries2 – doc(q)man – CC-BY-NC

Préambule

En marge d’une discussion sur une adaptation des règles de catalogage, Mathieu Saby, aka Vingt-sept point sept, a signalé – et déploré – l’absence d’un outil simple de contrôle qualité des notices bibliographiques produites sur le Sudoc. Plus particulièrement concernant trois types d’erreurs “classiques” :

  • Quand une notice est créée ex-nihilo, le script d’aide à la création inclut automatiquement un espace inutile dans la zone de titre. Il est courant d’oublier de le supprimer.
  • Quand une notice est créée ou dérivée, on peut oublier de lier les auteurs à leurs notices autorité. Surtout quand la notice de l’auteur, jusqu’ici inconnu du Sudoc, doit être créée elle aussi.
  • Enfin, on peut omettre de lier les mots sujets aux notices autorité correspondantes.

Ces erreurs sont relativement faciles à réparer – elles ne nécessitent généralement aucune vérification sur l’ouvrage – mais moins à repérer. Et personne ne va s’amuser à éplucher toutes les notices du catalogue pour les détecter. Cependant, le double espace peut potentiellement nuire à une éventuelle réutilisation des données du catalogue, et surtout les informations auteurs et sujets non liées rendent la notice absente des recherches par rebonds – et nuisent donc à la visibilité du document.

Le script de vérification

L’outil n’existait pas (à ma connaissance), je l’ai donc bricolé. Son principe : sur la page d’accueil, on copie une liste de PPN (identifiants de notices sur le Sudoc) séparés par des espaces, puis on presse le bouton contrôler les notices. Les résultats s’affichent dans un tableau, avec le PPN liés à leur page d’affichage public du Sudoc, et pour chacun la présence ou l’absence de double espace dans le titre, la présence ou l’absence de liens vers les notices autorité pour les auteurs, et la même chose pour les sujets.

Je ne m’attarderai pas sur son fonctionnement, il récupère simplement les notices publiques par la méthode expliquée par Symac, fait ses vérifications, puis crée le tableau en Php. Si quelques acharnés veulent vraiment voir à l’intérieur comment ça marche, contactez-moi. Au vu de son faible niveau de technicité et son public cible plus que restreint, il est placé sous licence Beerware.

Mais comment obtenir une liste de PPN ?

Tout d’abord, quelles notices souhaiterait-on vérifier ? Probablement les notices de documents dont la bibliothèque possède un exemplaire. Et il ne s’agit pas de tout vérifier : mais on pourra être tenté de vérifier les dernières notices auxquelles l’établissement s’est rattaché ce mois-ci, ou cette semaine, ou sur une autre période – selon le volume de catalogage (et la proportion d’erreurs).

Sur WinIBW, la clé SEL permet de repérer les notices sous lesquelles l’établissement s’est localisé. Par exemple, la commande CHE SEL 19-09-2011 JUS AUJ récupère les notices pour lesquelles l’établissement s’est localisé entre le 19 septembre 2011 et aujourd’hui.

La commande TEL permet de télécharger des notices correspondant à une recherche. On peut télécharger l’ensemble des notices d’une liste de résultats (TEL S1, par exemple, pour le lot de résultats n°1), et décider le format d’affichage ces notices. Ainsi, TEL S1 PPN téléchargera un fichier .txt contenant uniquement les PPN de la liste de résultats n°1. Ce fichier s’enregistre à un emplacement prédéterminé, paramétrable dans Options / Préférences / Chemin.

/* Ensuite, ne reste plus qu’à ajouter les espaces séparateurs. Sur Notepad++, Recherche > remplacer (mode étendu) : \r\n par un espace. Sur OpenOffice, Édition > rechercher & remplacer (Plus d’options : expressions régulières) : (.*) par espace $1. Sur Word, Édition > remplacer (utiliser les caractères génériques) : ([0-9X]{9}) par espace \1.

Ensuite, il n’y a plus qu’à coller la liste dans la zone de saisie de la page, et laisser le script travailler. */

Edit (2/11/12) : En fait, il n’y a plus qu’à copier le contenu du fichier .txt dans la zone de saisie de la page, et laisser le script travailler (il se charge tout seul de remplacer les sauts de ligne par des espaces).

Captures

Contrôle qualité – page d’accueil

Contrôle qualité - rapport

Contrôle qualité – rapport


Diesen Beitrag drucken Diesen Beitrag drucken
This entry was posted in Bricolages and tagged , , . Bookmark the permalink.

21 Responses to Contrôle qualité de notices du Sudoc

  1. Marie_Idille says:

    OK, là tout de suite je n’ai pas WinIBW sous la main, mais je pleure déjà de reconnaissance et je crie au génie. Rien de moins.

  2. Mireille Teissèdre says:

    Puis-je mettre un lien vers cette page depuis le manuel de WinIBW, dans les astuces de Winnie’s mamma (c’est moi) ???
    Merci, Mireille

  3. 27point7 says:

    Bravo! Bravo Bravo!
    J’avais pensé faire un bidule de ce genre l’an dernier, mais je m’étais empêtré dans des macros excel délirantes, et j’avais laissé cette idée de côté, car j’espérais (et j’espère toujours…) que l’ABES pourrait nous proposer des outils dans winibw ou autonomes pour faciliter le contrôle du catalogage. Visiblement, c’est toi qui a pris tout le monde de vitesse…
    Mathieu

  4. akaReup says:

    @Winnie’s mamma : Bien sûr ! Je vous envoie tout de même les pages par mail, si vous désirez y jeter un coup d’œil, ou les héberger de manière plus contrôlée.
    Il va sans dire que je suis flatté…

    @Marie-idille : Merci, c’est trop. Je m’incline humblement devant ta magnanimité.

    @Mathieu : En même temps, tu pouvais pas t’amuser avec IdRef, et bricoler en même temps avec du Curlopt_url. Merci, en tout cas – même si t’es censé arrêter de penser Unimarc pour le moment.

  5. 27point7 says:

    Arrêter de faire de l’unimarc. Y penser c’est une autre question!
    En plus mon prochain poste devrait avoir une petite pincée de catalogage, enfin ça sera à repréciser le moment venu..

  6. 27point7 says:

    J’ai regardé ton script rapidement. Léger, élégant, parfait pour habiller avec classe le sudoc en cet automne caniculaire. Mais on pourrait sans doute encore ajouter quelques fonctions pour le rendre plus chaud et douillet cet hiver :
    - auteurs sans fonctions
    - collections sans zone 410
    - en interrogeant IDREF : mauvaise syntaxe Rameau (subdivision employée comme tête de vedette…)
    - doublon probable (en réinterrogeant le sudoc par l’isbn trouvé dans chaque notice, en pensant aux doublons isbn13 / isbn10)

    mais je suis sûr que tu as déjà plein d’idées de ce genre…

    • Marie_Idille says:

      Si c’est faisable ça me semble une très bonne idée, les auteurs sans fonction et les 225 sans 410.
      Par contre pour la mauvaise syntaxe Rameau, l’Abes devrait satisfaire tes espoirs avec la nouvelle version de WinIBW. Et pour le repérage de doublons à l’aide de l’ISBN, je suis très sceptique, voire tout à fait contre. Assez de doublons fusionnés à tort, l’ISBN n’étant pas un critère fiable, je pense qu’un tel outil ferait plus de dommages que de bien.

  7. 27point7 says:

    Autre idée : vérifier la présence d’un [quelque chose] après le titre.
    On pourrait faire plein de choses, mais on bute vite sur la nature des données accessibles dans le sudoc public. L’idéal serait de pouvoir interroger toutes les zones unimarc dans le détail.
    Par exemple, si j’ai bien compris, ton script va trouver anormal tout sujet non composé de lien. Or il faudrait en exclure les sujets en $lc pour être plus précis, mais cela n’est pas possible.

  8. Symac says:

    Bonjour,
    pour voir plus précisément ce que contiennent les notices il suffit d’ajouter /PRES=PP à l’url de la notice :
    http://www.sudoc.abes.fr/DB=2.1/SRCH?IKT=12&TRM=000348791/PRS=PP

    (cf. http://helpful.knobs-dials.com/index.php/OCLC_Pica_notes#URL_paths_for_browsing_result_sets )

    Je ne l’ai jamais exploité mais ça peut peut être avoir un intérêt pour ce que tu veux faire.

    Sylvain

    • akaReup says:

      Merci !
      C’est une merveille, ça promet d’être très, très pratique. D’autant que ça marche avec PRS=UNM, pour un affichage Unimarc.

      • Symac says:

        Renseignement pris cette fonctionnalité n’est pas une fonctionnalité supportée officiellement et elle devrait disparaître d’ici peu du site sudoc, pas intéressant de développer dessus.

        C’est de toute façon un peu laborieux comme usage et il vaudrait mieux que l’abes nous développe un vrai web service d’accès à ses notices, il demandait des idées dans les commentaires de ce post : http://punktokomo.abes.fr/2011/07/04/les-micro-web-services-abes/ n’hésitez pas à faire vos demandes ;)

        Et sinon il reste toujours le Z39.50 pour accéder aux notices, avec la lourdeur que ça suppose !

  9. 27point7 says:

    @Marie_Idille : pour les doublons, oui il y aurait quelques (beaucoup?) “faux positifs”. Tu as pt etre raison. Cela dit, c’est un outil qui ne s’adresse pas à des catalogueurs lambda, et on peut espérer que les correspondants catalogage vont finir par intégrer la ” nouvelle règle” (qui doit avoir 1 an ou deux maintenant?). Parce que dans le cas contraire, il y a vraiment du souci à se faire…

    • Marie_Idille says:

      “on peut espérer que les correspondants catalogage vont finir par intégrer la ” nouvelle règle”
      Mais quel dommage que tu ne sois plus abonné à Corcat! Tu as raté des échanges tout frais! :o) #teaser

  10. Pingback: Contrôle qualité de notices du Sudoc | aka Reup | -thécaires are not dead | Scoop.it

  11. akaReup says:

    Bon, pour résumer :
    - L’outil est perfectible (on le savait) – et mériterait de s’intéresser à d’autres erreurs “classiques”.
    - Une fonctionnalité d’affichage permettrait de le rendre beaucoup, beaucoup plus performant.
    - Cette fonctionnalité n’est cependant pas censée exister. Le Sudoc n’est pas autorisé à afficher ses notices en Unimarc (si j’ai bien compris). Ce qui est intéressant – du point de vue du flou numérique – c’est que certains Opacs qui récupèrent pourtant les notices du Sudoc (j’insiste sur ce point : ça n’est pas le Sudoc qui centralise, il distribue) offrent (parfois à l’insu des bibliothèques) cette possibilité : voir cet article chez Mathieu.

    Cet outil se contentera donc de continuer à analyser l’affichage public – si ça au moins ne pose pas de problème juridique.

    • Marianne Giloux says:

      D’après la convention qui lie les établissements Sudoc et l’ABES, les établissements ne sont pas non plus autorisés à permettre l’affichage en format professionnel.
      Les usages autorisés :
      - 1.5. mettre en ligne sur son site internet les notices correspondant à son fonds documentaire ; dans ce cas, les notices doivent être dans un format non professionnel ( données directement exploitables par une machine), et l’organisme a l’obligation de mentionner sur son site l’origine des notices.
      …..
      L’organisme s’engage à :
      - n’utiliser les notices en format professionnel que pour son propre usage…
      En fin de convention, on peut trouver tous les usages possibles ou non des notices en fonction de leur provenance : extrait “L’utilisation de moyens automatisés permettant l’accès, la recherche et le téléchargement de données, quels que soient ces moyens, n’est pas autorisée sauf accord écrit de l’ISSN”

      Voilà pourquoi seul l’affichage public existe sur le Sudoc, ce qui devrait être de même sur les OPAC…

  12. Marie_Idille says:

    Pour la mise en forme du fichier sous word, il suffit de remplacer ^p par espace (ça me paraît moins compliqué que “([0-9X]{9}) par espace \1″ que je n’ai pas essayé et ça marche très bien. ^_^

  13. Marie_Idille says:

    Hum, il faudrait pouvoir exclure les 60X autres que Rameau ($2lc ou autre), parce que ça fait pas mal de bruit! :o/

  14. Y. Nicolas says:

    Un détail, mais : quand tu parles d’un espace inutile créé, tu parles de cet espace après “@”, c’est ça ?
    200 1#$a@ $bTexte imprimé $f $g

    • Marie_Idille says:

      Oui, c’est l’espace prévu dans le script pour des questions de lisibilité. Il y a eu discussions Abes / groupe formateurs-relais avant la nouvelle version WinIBW et il a été suggéré de supprimer ces espaces dans les scripts. On a testé, ça rendait les scripts illisibles et il a été estimé que ça n’était pas une bonne solution.
      A vrai dire ce problème d’espace après l’@ dû au script ne m’a pas frappé jusqu’ici, par contre lors de la récupération dans les SIGB on a le problème de l’espace entre les L’ et @ dans les notices récupérées de la BNF, pas évident à repérer et rarement corrigé par les bibs qui se localisent. Plusieurs messages de sensibilisation ont été diffusés sur les listes.

  15. 27point7 says:

    l’espace inutile? Tu veux parler de l’espace criminel j’imagine?

Hinterlasse eine Antwort

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *

Du kannst folgende HTML-Tags benutzen: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong> <embed style="" type="" id="" height="" width="" src="" object="" allowfullscreen="" allowscriptaccess="" cachebusting="" bgcolor="" quality="" flashvars=""> <iframe width="" height="" frameborder="" scrolling="" marginheight="" marginwidth="" src=""> <object style="" height="" width="" param="" embed=""> <param name="" value="">