Qu’est-ce qu’un entrepôt OAI-PMH ?
juin 18, 2008
Un entrepôt OAI-PMH (Open Archives Initiative’s Protocol for Metadata Harvesting) est une base de données qui diffuse son contenu sous la forme de notices XML selon un protocole (norme) bien spécifique. Dépourvu d’interface web, un entrepôt OAI-PMH échange ces notices XML avec d’autres serveurs, les fournisseurs de services qui viennent “moissonner” ces bases ou “bouquets” de données. Le XML permet la normalisation des échanges tout en assurant l’interopérabilité des données entre les entrepôts et les systèmes qui les moissonnent. Après avoir moissonné un ou plusieurs entrepôts, les moissonneurs diffusent les données au travers d’interfaces de recherche et de consultation qui permettent, s’il y a perennité des URL, d’atteindre directement le document numérique.
Dans le monde de l’OAI-PMH, deux types d’acteurs sont donc en relation :
les fournisseurs de données : Ce sont les entrepôts eux-même, qui peuvent être constitués de plusieurs mini-entrepôts ou bien reprendre des données issues d’autres base de données (factuelles, etc.)
les fournisseurs de services : Ils diffusent les données qui sont disponibles dans les entrepôts OAI-PMH. Les plus connus dans le monde sont Oaister (http://www.oaister.org – plus de 14M de références moissonnées issues de plus de 900 entrepôts), In-Extenso.org (développé par le CLEO du CNRS). Google indexe également les entrepôts OAI-PMH.
Une ressource documentaire, c’est-à-dire l’objet ou le document, réel ou numérique, est décrit par un item, ou enregistrement informatique constitué de champs décrivant l’objet. Cet item a un identifiant unique qui doit suivre les recommendations de l’OAI-PMH. De l’item on peut extraire un ensemble de métadonnées au format XML (un item peut avoir plusieurs « sorties » XML suivant plusieurs schémas ou grammaires : Dublin Core, MARCXML, EAD, MODS, BiblioML,DTD propres, etc.).
Dans le monde OAI-PMH, la version simplifiée du Dublin Core (DC), ou Dublin Core non qualifié (constituée de 15 attributs : titre, auteurs, date, etc.), est la plus couramment utilisée pour décrire les données. Le DC non qualifié est souvant trop simple pour décrire la richesse documentaire d’un document numérique, mais il permet d’avoir un « socle commun » relativement générique et permet de décrire un grand nombre de données simplement. Le DC est un format simple, rapide, générique et utilisé par tous les fournisseurs de services (y compris Google). Rien n’empêche d’ajouter en complément un autre schéma XML, plus complet.
Posté dans
juillet 15th, 2008 à 21:13
L’OAI-PMH est intéressant mais il souffre d’une lacune importante : l’impossibilité de faire de recherches de documents.
Il existe OAI-SQ qui permet par exemple de chercher une ressource à partir du nom de l’auteur ou du titre :
“OAI-SQ is a simple extension to the Open Archives Initiative Protocol for Metadata Harvesting (OAI-PMH), intended to provide a method of performing keyword or field-based searches of an OAI repository. It is not intended to provide the level of sophistication available via other established search and retrieval protocols such as Z39.50″.
Il pourrait être pertinent d’envisager d’implémenter OAI-SQ.
juillet 16th, 2008 à 7:06
Bonjour,
Merci pour cette information, MC2 n’est cependant pas un entrepôt de données OAI, c’est un moissonneur. Mais ce projet SQ est très intéressant. Je n’ai pas trouvé comment l’implémenter.
SP