Tietolinja
01/2006

Tietohuollon standardointi 2006 : tilannekatsaus

Juha Hakala
Helsingin yliopiston kirjasto

URN:NBN:fi-fe20061268

ISO:n tekninen komitea 46 (Information and documentation) kokoontui helmikuussa 2006 Chiang Maissa, Thaimaan toiseksi suurimassa kaupungissa. Aikatauluun oli sovitettu myös useiden alakomiteoiden ja työryhmien tapaamisia. Tässä artikkelissa kerrotaan keskeiset kokouskuulumiset ja pohditaan tietopalvelualan standardoinnin tilannetta yleensä.

ISO TC 46 vastaa noin 80 standardista. Elektroninen julkaiseminen ja tekniikan kehitys yleensä pakottavat paitsi uusimaan perinteisiä standardeja – esimerkkinä ISBN:n ja ISSN:n modernisointi – myös rakentamaan uusia. Komitean uusin aluevaltaus ovat teosten tunnisteet sekä asiakirjahallintoon liittyvät standardit.

ISO on tietenkin vain yksi väylä standardien kehittämiseen. Monet uudet toimijat pitävät ISO:n standardointiprosessia kankeana ja työläänä, ja käyttävät muita reittejä intressiensä ajamiseen. Esimerkiksi Internetin standardeja rakentavat sekä Internet Engineering Task Force (IETF) että World Wide Web Consortium (W3C). ISO:n sisälläkin eri tekniset komiteat voivat "tunkeutua" toistensa toimialoille joko suunnitelmallisesti Joint Technical Committee –järjestelmän avulla, tai tiedostamatta intressiristiriitaa.

TC 46 on osallistunut monien digitaaliseen arkistointiin liittyvien standardien kehittämiseen JTC 171:ssä, mutta digitaalisen aineiston pitkäaikaissäilytyksen tärkein standardi, Open Archival Information System (OAIS, ISO 14721:2003), on toisen teknisen komitean tuotos. ISO:n tasolla tässä ei välttämättä ole ongelmaa, mutta Suomessa Tietohuoltokomitea ei ole voinut käynnistää standardin kääntämistä, koska se "omistaa" vain TC 46:n tuotokset. OAIS:n suomalainen vastuutaho ei ole delegoinut standardin suomentamista muille, eikä ole halunnut hoitaa asiaa itsekään. Tilanne on turhauttava, koska OAIS:n kaltaisen vaikutusvaltaisen määrityksen tunnettuutta pitää parantaa, ja se on vaikeaa jos tekstiä ei ole käytettävissä suomeksi.

Hyvä esimerkki standardien "valumisesta" ISO:n ulottumattomiin on Z39.50:n seuraaja, SRU/SRW-protokolla. Sen toimituskunta kävi mielenkiintoisen keskustelun siitä, missä SRU/SRW pitäisi standardoida. NISO (National Information Standards Organization, Yhdysvaltojen tietohuoltokomiteaa vastaava elin) hylättiin, koska se nähtiin liiaksi kirjastoihin sitoutuneena. NISO-standardina SRU/SRW ei ehkä olisi kelvannut kustantajille ja kirjakaupoille, jotka eivät ole piitanneet SRU/SRW:n edeltäjästäkään, Z39.50-tiedonhakustandardista.

ISO torjuttiin sen vuoksi, että sen standardointiprosessi oli kriitikkojen mielestä liian hidas ja kankea. Liiasta kirjastomyönteisyydestä TC 46:sta olisikin ollut vaikea moittia, koska kustantajien vaikutusvalta on viime aikoina kasvanut (tästä myöhemmin lisää).

SRU/SRW:n standardointikanavaksi valittiin lopulta OASIS (Organization for the Advancement of Structured Information Standards; http://www.oasis-open.org). Sen tavoitteena on elektronisen kaupankäynnin standardien kehittäminen. Väljästi tulkiten SRU/SRW:n kaltaisen tiedonhakuprotokollan voi nähdä tästäkin näkökulmasta, mutta minun mielestäni on silti valitettavaa, että ISO TC 46:lle jää tiedonhakustandardien kehittämisessä pelkkä kumileimasimen rooli.

Vaikka tärkeitä standardeja valuu ISO:n ulottumattomiin, on TC 46:lle edelleen kyllin tekemistä. Lyhyessä artikkelissa on mahdotonta tarkastella koko työsarkaa, mutta seuraavassa muutamia keskeisiä teemoja.

ISSN-standardin modernisointi käynnistyi loppuvuodesta 2003 ja urakan on tarkoitus valmistua alkuvuodesta 2007. Työhön liittyvää aineistoa löytyy osoitteesta http://www.collectionscanada.ca/iso/tc46sc9/wg5.htm.

Toisin kuin ISBN:llä, ISSN:llä ei ollut erityisiä teknisiä ongelmia. Noin 10 miljoonasta ISSN-tunnisteesta vasta vähän päälle miljoona on käytetty. Mutta ISSN-yhteisöllä oli ristiriitaisia tavoitteita; kun jotkut halusivat erottaa lehden eri manifestaatiot toisistaan antamalla niille eri ISSN:t, muut halusivat tuoda ne kaikki yhteen antamalla kausijulkaisun kaikille manifestaatioille saman ISSN-tunnisteen, mikä olisi muuttanut nykyisen käytännön kokonaan. Kirjastot ja kirjakaupat vastustivat tätä voimakkaasti, kun taas kustantajille yksikin tunniste olisi riittänyt.

Uuden ISSN:n haaste on toteuttaa nämä toisilleen ristiriitaiset tavoitteet. Tämä onnistuu ISSN-L –tunnisteella. Entiseen tapaan kausijulkaisun kaikille ilmiasuille annetaan oma ISSN, mutta sen lisäksi ensimmäisen ilmiasun ISSN tallennetaan sen ja kausijulkaisun kaikkien muiden ilmiasujen "linking ISSN" -tunnisteeksi. ISSN-L ei ole uusi tunniste, vaan ISSN:llä on kaksi erillistä roolia.

ISSN-modernisointiryhmä tapasi maaliskuussa 2006 ja keskusteli muun muassa siitä, miten ISSN-tunnisteet tallennetaan. Jos ISSN ja ISSN-L ovat täysin identtisiä, ne on tallennettava tietojärjestelmissä eri kenttiin (tai saman kentän eri osakenttiin) ja asetettava haettavaksi eri indekseistä. Vastaava tapaus on henkilön nimen esiintyminen tekijänä ja kohdehenkilönä.

Vaikka ISSN-L olisi sama kuin ISSN, se voidaan tallentaa tietojärjestelmään niin, ettei sekaantumisen vaaraa ainakaan periaatteessa ole. Sen eteen voidaan esimerkiksi jättää kirjaimet ISSN-L, ja/tai ISSN-tunnisteeseen oleellisesti kuuluva tavuviiva voidaan jättää pois.

ISSN-työryhmä kokoontui maaliskuussa 2006 ja keskusteli eri vaihtoehdoista ISSN-L -tunnisteiden käsittelemiseksi. Teknisesti suoraviivaisin vaihtoehto, eli se että ISSN:ää ei uusiokäytetä ISSN-L -tunnisteena, ei ole realistinen sen vuoksi etteivät kustantajat halua antaa nykyistä enempää ISSN-tunnisteita. Mutta ISSN- ja ISSN-L -tunnisteiden päällekkäisyys voi aiheuttaa ongelmia; vaikka esimerkiksi kirjastojärjestelmät osaisivat erottaa ne toisistaan, jotkin muut sovellukset eivät tähän välttämättä pysty. Esimerkiksi OpenURL-resoluutiossa on oltava tarkkana, käytetäänkö ISSN:ää vai ISSN-L:ää.

ISSN-työryhmällä riittää siis vielä pohdittavaa ennen kuin työ on valmis. Ja sen tiedämme jo nyt, että kirjastojärjestelmiä joudutaan muuttamaan aika tavalla, ennen kuin ne tukevat uutta standardia. Remontti on oleellisesti suurempi kuin se, mikä jouduttiin tekemään ISBN:ää varten. Skeptikot voivat kysyä, onko ISSN-L enää ISSN, vaiko toinen tunniste, joka vain näyttää ISSN:ltä? Työryhmän näkemys on, että ISSN:llä on nyt kaksi roolia, jotka edellyttävät erilaisia tallennus- ja indeksointikäytänteitä.

Laajennuksesta huolimatta uusi ISSN ei poikkea mitenkään oleellisesti vanhasta ISSN-standardista tai muista TC 46:n tunnuksista. Mutta DOI on erilainen tapaus.

DOI ei ole vain tunniste, vaan myös tunnistejärjestelmä, kuten sen virallisesta nimestäkin ilmenee. Tunnistejärjestelmille on ominaista se, että ne ovat toiminnallisia (actionable): jos klikkaat hiirellä HTML-sivulla olevaa DOI-tunnusta, pääset (yleensä) suoraan dokumenttiin. Erotuksena perinteisestä URL-linkistä DOI on tai sen pitäisi olla pysyvä; yleisesti ollaan kuitenkin sitä mieltä, että linkkien samoin kuin elektronisten dokumenttien pysyvyys on ennemminkin organisatorinen kuin tekninen kysymys.

Tunnistejärjestelmissä (DOI, URN, ARK) on tunnisteen lisäksi muita komponentteja. Esimerkiksi DOI:ssä linkitys perustuu Handle system’in (http://www.handle.net/) varaan, joka puolestaan soveltaa http-protokollaa. Yleisesti ottaen tunnistejärjestelmän eri komponentit voivat olla enemmän tai vähemmän näkyvästi sidoksissa toisiinsa; Uniform Resource Name eli URN-tunnisteista linkitykseen käytettävä tekniikka ei näy millään tavalla, kun taas DOI-tunnisteiden riippuvuus Handle system’istä ja http-protokollasta on varsin ilmeistä.

Yleisesti ollaan sitä mieltä, että tunniste ja sen taustalla oleva linkityspalvelu pitäisi irrottaa toisistaan. Tällöin järjestelmä on vähemmän herkkä tekniikan muuttumiselle, mutta toisaalta sen implementointi voi olla vaikeaa, koska mitään verkon peruspalveluita ei pitäisi käyttää suoraan. Tämän riippuvuuden välttämiseksi on esitetty muun muassa OpenURL:n käyttöä tunnisteiden ja linkityspalveluiden yhdistämiseen.

Standardoinnin kannalta DOI tarjoaa vähintään kaksi mielenkiintoista haastetta:

• DOI sallii sen, että tunnisteena (DOI suffix) käytetään mitä tahansa sisäistä järjestelmää. Lisäksi DOI:ta voi soveltaa periaatteessa mihin tahansa kohteeseen. Periaatteessa DOI voisi siis korvata kaikki nykyiset TC 46:n kehittämät tunnistejärjestelmät. Kustantaja voi antaa kirjalle DOI:n ja ikioman tunnisteen (esimerkiksi luvun joka näyttää oikealta ISBN:ltä, mutta ei ole sellainen). DOI-järjestelmän tukijat sanovat, ettei tätä tule tapahtumaan, mutta DOI-standardiluonnoksessa ei ole tekstiä, joka kieltäisi tämäntyyppisen DOI-käytön.
• Riittääkö se, että DOI:sta standardoidaan vain tunnuksen rakenne (mikä on nykyinen tavoite), vai pitäisikö järjestelmän muitakin osia ja erityisesti Handle System saattaa ISO-standardeiksi?

Standardoinnin kannalta Handle System voi olla vaikea tapaus sen vuoksi, että se on Corporation for National Research Initiatives’in (http://www.cnri.reston.va.us/) rekisteröimä tavaramerkki. Järjestelmä on määritelty Internet Engineering Task Forcen RFC-teksteissä 3650-3652, mutta nämä RFC:t kuuluvat kategoriaan Informational, eli ne eivät määrittele standardia vaan vain välittävät tietoa Internet-yhteisölle.

Koska International DOI Foundation on TC 46:n yhteistyöorganisaatio, sen hallinnoima ja jo muualla (NISO:ssa) standardoima järjestelmä voidaan tuoda ISO:on suoraan Draft International Standard –julkaisuna. Tavoitteena lienee DOI:n standardointi niin sanotusti läpihuutojuttuna. Minun mielestäni edellä kuvatuista ongelmista pitäisi keskustella, ja päättää mitkä osat tunnistejärjestelmistä standardoidaan, ja esittää miten DOI:n ja muiden tunnisteiden mahdollinen päällekkäisyys estetään. Lisäksi pitäisi vielä ottaa kantaa siihen, voiko ISO standardoida useita tunnistejärjestelmiä. URN olisi DOI:ta helpompi tapaus kahdesta syystä: se ei salli (rekisteröimättömien) sisäisten tunnistejärjestelmien käyttöä eikä mikään osa järjestelmästä ole rekisteröity tavaramerkki.

Chiang Main kokouksessa DOI-debatti oli vielä sangen vaisua, mutta pinnan alla kuohui. Tästä voi päätellä, ettei DOI:n standardointi välttämättä ole aivan niin helppoa, kuin hankkeen puuhamiehet toivovat. Mutta DOI:n hylkääminen on erittäin epätodennäköistä, sillä kustantajien ja kirjakauppojen vaikutusvalta TC 46:ssa on suuri, ja ne voivat omalla arvovallallaan ajaa läpi hankkeita ja näkemyksiä, jotka kirjastojen näkökulmasta ovat ongelmallisia. Hyviä esimerkkejä "mielenkiintoisista" ratkaisuista viime vuosilta ovat ONIXin ottaminen ISBN:n metadataformaatiksi sekä ISTC:n tukiorganisaation valinta.

Uusi ISBN määrää, että kustantajan on toimitettava kirjojen metatiedot kansalliselle ISBN-keskukselle. ONIXin valinta metadataformaatiksi virallistaa DOI:n aseman, ja pakottaa ISBN-keskukset kehittämään ONIX-MARC –konversioita. Jos formaatiksi olisi valittu MARC, konversiovastuu olisi ollut kustantajilla, eikä ONIX olisi saanut ISO:n hyväksyntää. Epäsuora seuraus ONIXin statuksen noususta on se, että ISBN-keskusten pitää ryhtyä ONIX-kouluttajiksi; tähän asti asia on usein hoidettu varsin heikosti, mistä syystä kustantajien tallentama ONIX-data saattaa olla laadultaan huonoa. Varmistaakseen sen, että ISBN-keskukseen saapuvat ONIX-tietueet ovat hyvätasoisia ja jos mahdollista yhteensopivia MARCin kanssa, keskusten kannattaa ryhtyä ONIX-kouluttajiksi. Tämä askel ei ole iso, jos koulutuskokemusta on jo kertynyt muiden formaattien kuten MARCin ja Dublin Coren parissa.

ISTC on tekstimuotoisten teosten tunniste. Tavoitteena on, että teoksille ja niiden ekspressioille – esimerkiksi Shakespearen Hamletille ja sen käännöksille – annetaan ISTC-tunnus. Teosten metadata on tarkoitus koota globaaliin tietokantaan.

Rakenteeltaan ISTC on varsin yksinkertainen (http://www.collectionscanada.ca/iso/tc46sc9/istc.htm):

ISTC-keskukseksi (International Centre) oli tarjolla kaksi kandidaattia: OCLC sekä konsortio, jonka jäsenet olivat tekijänoikeusjärjestö CISAC, Nielsen BookData sekä R.R. Bowker. Alun perin tarjokkaita oli vain yksi, mutta OCLC:n ja kumppaneiden tiet erkanivat; syyksi on esitetty sitä, että edellinen halusi teostietojen luonnin pohjaksi WorldCat-tietokantansa, kun kustantajat halusivat aloittaa Books in Printistä. Konsortiossa OCLC:n vastuulla oli ollut ohjelmistokehitys, ja tässä työssä oli päästy jo demojen tasolle. Kustantajilla ei vastaavaa teknistä asiantuntemusta ollut.

TC 46:n äänestys päättyi konsortion niukkaan voittoon vuonna 2005. Tavoitteena oli viimeistellä järjestelmä nopeasti (http://www.collectionscanada.ca/iso/tc46sc9/istc.htm):

Huhtikuussa 2006 on edelleen epäselvää, käynnistyykö kansainvälisen ISTC-keskuksen toiminta lainkaan. Keskuksen tietojärjestelmien rakentamisen kustannukset ovat isot, ja konsortion jäsenet epäilevät, saadaanko niihin sijoitettuja rahoja takaisin. Jos ISTC-järjestelmään liittyminen olisi kallista, kansallisia keskuksia syntyisi mahdollisesti vain muutamia. ISSN-verkosto on esimerkki siitä, että pienetkin vuosimaksut voivat olla monille maille liikaa.

OCLC olisi voinut rakentaa ISTC-tietojärjestelmän pitkälti nykyisen ohjelmisto- ja laitteistoympäristönsä varaan, minkä vuoksi perustamis- ja käyttökustannukset olisivat olleet pienemmät kuin konsortiolla. Emme tietenkään voi olla varmoja, olisiko OCLC:kään löytänyt toimivaa liiketoimintamallia, mutta nykyinen tilanne, jossa taloudelliset syyt jarruttavat merkittävän standardin käyttöönottoa, on ainakin TC 46:ssa ensimmäinen laatuaan.

Jos ISTC-konsortio heittää pyyhkeen kehään, on pohdittava ISTC-standardin muokkausta niin, että kansainvälisen keskuksen vastuita kevennetään. OCLC ei tiettävästi ole enää kiinnostunut ISTC-keskuksena toimimisesta. Koko ISTC-standardin heittäminen romukoppaan olisi huonoin vaihtoehto, koska FRBR-mallia tukevissa kirjastojärjestelmissä teosten tunnisteet ovat välttämättömiä teosten erottamiseksi toisistaan.

Yleisesti ottaen kustantajien, kirjakauppojen ja kirjastojen yhteistyö TC 46:ssa sujuu kohtuullisesti. Kaikkien kirjaketjussa mukana olevien pitää osallistua alan standardointiin, eikä vähiten sen vuoksi että sovelluksemme ovat integroitumassa. Suomessa Kirjan tie –hanke on esimerkki tästä kehityksestä.

Edellä mainitut esimerkit kertovat kuitenkin siitä, etteivät kaikki intressit ole kaikille kirja-alan toimijoille yhteisiä. Jatkossa edunvalvonta voi käydä entistä tiukemmaksi, ja on sääli että harva kirjasto kokee ISO:n toimintaan osallistumisen tärkeäksi. TC 46:n kokoukset ovat varsin pieniä (60-70 henkeä), ja aktiivisten kokousosallistujien määrä on tästä vain osa. Merkittävä osa näistä aktivisteista edustaa nykyään kustantajia.

Suomessa kustantajat ja muut kirja-alan edustajat eivät toistaiseksi ole osallistuneet Tietohuoltokomitean toimintaan suoraan. Ne ovat toki olleet aktiivisesti mukana omalta kannaltaan keskeisissä asioissa, kuten uuden ISBN-standardin suomentamisessa. Mutta siinä missä TC46:n tasolla kirjastojen pitäisi aktivoitua, Suomessa standardointiin tarvitaan lisää kirja-alan edustajia.

Miten resurssien vähyys sitten näkyy TC 46:n arjessa? Minun mielestäni esimerkiksi siten, että uusia avauksia on niukasti.

TC 46:n ala on Information and documentation, eli periaatteessa hyvin laaja. Sillä on muutamia vuosia sitten tehdyn uudelleenorganisoinnin jälkeen seuraavat alakomiteat:

• SC 4 Technical interoperability
• SC 8 Quality – Statistics and performance evaluation
• SC 9 Identification and description
• SC 11 Archives/records management

TC 46 on julkaissut vuosien mittaan 88 standardia. Ne laaditaan alakomiteoiden perustamissa työryhmissä. Lisäksi TC 46:n alaisuudessa on pysyviä työryhmiä, jotka vastaavat maakoodeista, merkkikonversioiden määrittelystä sekä terminologiasta.

TC 46 ja useimmat alakomiteat kokoontuvat kerran puolessatoista vuodessa. Poikkeus säännöstä on SC 11, joka kokoontuu kaksi kertaa vuodessa. SC 11 onkin ollut viime vuodet erittäin aktiivinen, ja se on julkaissut useita merkittäviä asiakirjahallinnon organisointia koskevia standardeja. Toisin kuin muut alakomiteat se on myös keskittynyt yleisten raamien määrittelyyn, ja jättänyt käytännönläheiset asiat muille. Hieman analoginen tapaus olisi, jos TC 46 laatisi yleisen mallin digitaaliselle kirjastolle.

Hyvä kysymys onkin, pitäisikö tämäntyyppinen standardi laatia? Digitaalisille arkistoille on määritelty OAIS-malli (Open Archives Information System), ja puutteineenkin tällä standardilla on ollut suuri vaikutus digitaalisen arkiston sovelluksiin ja laajemmin siihen, miten digitaaliset arkistot hahmotetaan. Vastaavasti digitaalisia kirjastoja koskeva ymmärryksemme kärsii siitä, ettei meillä ole yleiskuvaa siitä, millaisia nämä järjestelmät ovat, ja miten niiden tulisi toimia.

Minusta TC 46:n tulisikin laajentaa toimialaansa, ja rakentaa perinteisten käytännönläheisten standardien rinnalle yleisempiä määrityksiä. OAIS-standardi ja SC 11:n antama malli ovat rohkaisevia esimerkkejä tämäntyyppisen standardoinnin hyödyllisyydestä. Mutta uudenlaisten standardien laadinta edellyttää mandaatin sekä henkilöitä, jotka kykenevät tämäntyyppiseen kehitystyöhön.

Aika näyttää, saadaanko TC 46:lle uusi alakomitea, jonka toimialana olisi (digitaalisten) dokumenttien hallinta ja arkistointi. Jos saadaan, sen pitäisi tehdä tiivistä yhteistyötä muun muassa OAIS-standardin kehittäjien sekä muiden digitaalista arkistointia kehittävien ryhmien kanssa. Digitaalisten aineistojen hallinta ja pitkäaikaissäilytys kulkevat käsi kädessä, mutta eivät ole sama asia.

Muista alakomiteoista SC 9 on ollut aktiivinen. Uusia tunnistejärjestelmiä on tulossa kaksi, International Standard Collection Identifier (ISCI) sekä International Standard Party Identifier (ISPI), josta kirjastot käyttivät pitkään työnimeä International Standard Authority Data Number. Valitettavasti emme päässeet yksimielisyyteen siitä, että auktoriteettitietojen tunniste tarvitaan, ja aloite ISPI-standardin laadintaan tuli tekijänoikeusjärjestöiltä.

Vaikeimpien haasteiden edessä on SC 4. Sen toimiala on periaatteessa räjähdysmäisesti laajentunut, kun kirjastot ovat alkaneet soveltaa uusia ja uudentyyppisiä järjestelmiä. Käytännössä SC 4 on pudonnut kärryiltä; kuvaavaa on, että tiedonhakustandardi Z39.50:n uutta versiota kehitetään täysin riippumatta ISO:sta. ISO ILL –standardin modernisointiyritys vuonna 2004 meni kiville, ja uutta kaukopalvelustandardia rakennetaan käytännössä SC 4:stä riippumatta. OpenURL:n tai Shibbolethin kaltaiset uudet standardit kehitetään NISO:ssa tai kokonaan kirjastoalan ulkopuolella. SC 4:llä on vakava legitimiteettiongelma: sen perinteisten standardien merkitys on laskussa, samalla kun se ei ole kyennyt rakentamaan uusia.

SC 4:n houkuttelemattomuus liittyy siihen, että ISO koetaan jähmeäksi organisaatioksi. Totta onkin, että komitea joka kokoontuu kerran puolessatoista vuodessa, ei pysy kehityksessä mukana. SC 4:n uudella vastuutaholla (Uuden Seelannin kansalliskirjasto) onkin runsaasti työtä toiminnan palauttamiseksi oikealle uralle.

Juha Hakala, kehittämisjohtaja
Helsingin yliopiston kirjasto
PL 26, 00014 HELSINGIN YLIOPISTO
Email: juha.hakala(at)helsinki.fi