Tổng quan nghiên cứu

Viện Thông tin Khoa học Xã hội là trung tâm thông tin hàng đầu của Việt Nam với hơn 35 năm xây dựng và phát triển kể từ ngày thành lập theo Quyết định số 93/CP ngày 08/5/1975. Đơn vị đang tàng trữ một khối lượng di sản tri thức đồ sộ gồm gần 400.000 cuốn sách đa ngôn ngữ, 58.003 tấm ảnh tư liệu, 23.441 tấm phim kính cùng hàng chục nghìn tài liệu Hán Nôm và bản thảo viết tay quý hiếm có nguy cơ xuống cấp cơ học cao. Tuy nhiên, việc khai thác nguồn tài nguyên này trong nhiều năm qua gặp rào cản lớn do hệ thống phần mềm quản trị cơ sở dữ liệu CDS/ISIS cũ bộc lộ nhiều hạn chế về dung lượng lưu trữ dưới 500 MB và không hỗ trợ giao diện mạng toàn văn.

Vấn đề nghiên cứu trọng tâm của luận văn là giải quyết bài toán hiện đại hóa hạ tầng thông tin - thư viện tại Viện Thông tin Khoa học Xã hội thông qua việc nghiên cứu, thử nghiệm và ứng dụng phần mềm nguồn mở Greenstone. Mục tiêu cụ thể của đề tài là khảo sát năng lực công nghệ của Greenstone, so sánh với hệ thống hiện hành, xây dựng thử nghiệm các bộ sưu tập số đặc thù và đề xuất hệ thống giải pháp hoàn thiện quy trình số hóa tài liệu.

Nghiên cứu được triển khai trong phạm vi hoạt động của Viện Thông tin Khoa học Xã hội với dữ liệu khảo sát thực tế giai đoạn từ năm 2004 đến năm 2010. Ý nghĩa thực tiễn của đề tài thể hiện ở việc nâng cao 100% khả năng tiếp cận tài nguyên thông tin nội sinh và tài liệu quý hiếm cho độc giả trên môi trường mạng, đồng thời giúp cơ quan tiết kiệm 100% kinh phí mua bản quyền phần mềm thương mại đắt đỏ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn vận dụng lý thuyết phát triển phần mềm nguồn mở theo triết lý của Free Software Foundation do Richard Stallman khởi xướng và định nghĩa chuẩn hóa của David Wheeler. Nền tảng này xác định bốn quyền tự do cốt lõi của người dùng: tự do vận hành chương trình, tự do nghiên cứu mã nguồn, tự do chỉnh sửa và tái phân phối bản sao mà không phải chi trả phí bản quyền thương mại. Mô hình kiến trúc phần mềm thư viện số Greenstone do Dự án Thư viện số New Zealand (Đại học Waikato) phát triển với sự bảo trợ của UNESCO được sử dụng làm mô hình công nghệ trung tâm.

Hệ thống khái niệm chính trong nghiên cứu bao gồm:

  • Tài nguyên thông tin số: Tập hợp có tổ chức các đối tượng số được lưu trữ theo các giao thức chuẩn để truy cập và chia sẻ trong môi trường điện tử.
  • Số hóa tài liệu: Quy trình hai giai đoạn gồm quét hình tạo tệp ảnh số và nhận dạng ký tự quang học nhằm chuyển đổi văn bản sang mã ký tự máy đọc được.
  • Bộ siêu dữ liệu Dublin Core: Chuẩn quốc tế ANSI/NISO Z39.85-2001 gồm 15 yếu tố mô tả cơ bản nhằm chuẩn hóa thông tin thư mục và siêu dữ liệu trong môi trường mạng.
  • Chuẩn mã hóa ký tự Unicode TCVN 6090:2001 và giao thức gặt hái siêu dữ liệu OAI-PMH.

Phương pháp nghiên cứu

Nguồn dữ liệu của nghiên cứu được thu thập trực tiếp từ kho tư liệu của Viện Thông tin Khoa học Xã hội và 10 cơ sở dữ liệu thư mục sẵn có trên hệ thống CDS/ISIS với tổng số hơn 270.000 biểu ghi. Cỡ mẫu thực nghiệm được xác định là 434 biểu ghi báo cáo khoa học (bao gồm 54 đề tài và 380 chuyên đề) cùng hệ thống tài liệu Hán Nôm và ảnh tư liệu lịch sử. Phương pháp chọn mẫu có chủ đích được áp dụng nhằm ưu tiên các nhóm tài liệu nội sinh có tần suất sử dụng cao, tài liệu độc bản và các tư liệu viết tay dễ rách nát cần được bảo tồn cấp bách.

Phương pháp phân tích được lựa chọn gồm phương pháp thống kê mô tả, phân tích tổng hợp tài liệu và so sánh đối chiếu kỹ thuật. Lý do lựa chọn phương pháp so sánh đối chiếu là nhằm làm rõ sự khác biệt giữa Greenstone và CDS/ISIS trên 7 tiêu chí kỹ thuật: hỗ trợ tiếng Việt Unicode UTF-8, xuất bản web, giới hạn dung lượng cơ sở dữ liệu, quản lý toàn văn, cấu trúc siêu dữ liệu, công cụ tìm kiếm và cơ chế in ấn hiển thị. Timeline nghiên cứu được thực hiện từ tháng 1 năm 2009 đến tháng 9 năm 2010.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, nghiên cứu đã xây dựng thành công Cơ sở dữ liệu Báo cáo kết quả nghiên cứu trên nền tảng Greenstone với tổng quy mô 434 biểu ghi số hóa toàn văn. Cơ cấu dữ liệu bao gồm 1 đề tài cấp Nhà nước (chiếm khoảng 0,23%), 12 đề tài cấp Bộ (chiếm 2,76%), 41 đề tài cấp Viện (chiếm 9,45%) và 380 báo cáo chuyên đề thành phần (chiếm 87,56%).

Thứ hai, tác giả đã tùy biến thành công chuẩn siêu dữ liệu Dublin Core từ 15 yếu tố cơ bản lên 16 trường thông tin đặc thù nhằm đáp ứng đầy đủ yêu cầu quản lý đề tài khoa học xã hội: nhan đề đề tài, nhan đề chuyên đề, tác giả, đồng tác giả, chủ đề, thể loại, từ khóa, thời gian thực hiện, thời gian kết thúc, cơ quan quản lý, cơ quan chủ trì, người phản biện, đánh giá kết quả, kinh phí thực hiện, mã số đề tài và số trang.

Thứ ba, khảo sát thực nghiệm chứng minh Greenstone vượt trội hoàn toàn so với CDS/ISIS về khả năng mở rộng quy mô. Trong khi CDS/ISIS bị khống chế cứng ở mức tối đa 16 triệu ký tự cho mỗi cơ sở dữ liệu (tương đương dung lượng dưới 500 MB) và không có chức năng tìm kiếm toàn văn tích hợp, Greenstone có khả năng quản lý hàng triệu tài liệu với dung lượng hàng chục Gigabyte, hỗ trợ chỉ mục toàn văn tức thì qua trình duyệt Web.

Thứ tư, nghiên cứu chuẩn hóa quy trình biên mục bán tự động qua giao diện thủ thư Librarian Interface với 4 mô-đun chuẩn hóa: Gather (thu thập), Enrich (biên mục 16 trường Dublin Core), Design (thiết kế giao diện tìm kiếm) và Create (kết xuất cơ sở dữ liệu sang Internet hoặc CD-ROM).

Thảo luận kết quả

Nguyên nhân của việc CDS/ISIS không còn đáp ứng được yêu cầu tại Viện Thông tin Khoa học Xã hội là do phần mềm này sử dụng bảng mã ASCII cũ (TCVN 5712-1999), phụ thuộc vào máy chủ Webisis phức tạp và thiếu cơ chế bảo mật phân quyền. Ngược lại, Greenstone giải quyết triệt để sự cố mã hóa nhờ cơ chế mặc định UTF-8 theo chuẩn TCVN 6090:2001, hỗ trợ hơn 60 ngôn ngữ và tích hợp giao thức trao đổi OAI-PMH.

Khi so sánh với kinh nghiệm thực tiễn tại Thư viện Trường Đại học Khoa học Tự nhiên Thành phố Hồ Chí Minh (đơn vị đã xây dựng 41 bộ sưu tập số từ năm 2004) và Thư viện Học viện Ngân hàng Thành phố Hồ Chí Minh (với bộ sưu tập tiền cổ và văn bản nội bộ), kết quả ứng dụng tại Viện Thông tin Khoa học Xã hội cho thấy tính thích ứng rất cao với các nguồn tin xám và tài liệu Hán Nôm đặc thù.

Dữ liệu đánh giá có thể được mô hình hóa trực quan qua bảng tổng hợp 7 chỉ tiêu kỹ thuật giữa CDS/ISIS và Greenstone, kết hợp cùng biểu đồ phân bố 434 biểu ghi khoa học nội sinh. Điều này chứng minh Greenstone là lựa chọn chuyển đổi số tối ưu cả về mặt kỹ thuật lẫn hiệu quả kinh tế cho các thư viện chuyên ngành tại Việt Nam.

Đề xuất và khuyến nghị

  1. Ban hành quy chế nộp lưu chiểu bắt buộc đối với 100% báo cáo kết quả nghiên cứu khoa học dưới dạng tệp điện tử nguyên bản (PDF/Word) trong thời hạn tối đa 30 ngày sau khi nghiệm thu chính thức, do Ban Giám đốc Viện Thông tin Khoa học Xã hội trực tiếp chỉ đạo và phê duyệt từ quý I năm 2011.

  2. Nâng cấp hạ tầng máy chủ và trang bị hệ thống quét chuyên dụng khổ A0-A4 kèm phần mềm nhận dạng ký tự quang học OCR hiện đại, nhằm nâng tỷ lệ nhận dạng chính xác văn bản tiếng Việt và chữ Hán Nôm đạt từ 95% trở lên, do Trung tâm Công nghệ Thông tin triển khai trong giai đoạn 2011-2013.

  3. Mở rộng số hóa toàn diện khối di sản tài liệu truyền thống với mục tiêu xử lý tối thiểu 58.003 tấm ảnh tư liệu, 23.441 tấm phim kính và 10.466 cuốn sách tiếng Nhật cổ, đưa vào hệ thống phục vụ trực tuyến định kỳ 20% khối lượng tư liệu mỗi năm do Phòng Quản lý Hoạt động Thông tin - Thư viện chủ trì.

  4. Tổ chức định kỳ 2 khóa đào tạo nghiệp vụ mỗi năm về kỹ thuật biên mục Dublin Core trên giao diện Librarian Interface và quản trị hệ thống Greenstone cho 100% cán bộ thông tin - thư viện, bảo đảm tính đồng bộ và chuẩn xác trong việc xây dựng cơ sở dữ liệu số liên thông.

Đối tượng nên tham khảo luận văn

  1. Cán bộ lãnh đạo và nhà quản lý thư viện: Nắm vững phương pháp luận và 7 tiêu chí đánh giá chuyển đổi hệ thống phần mềm, xây dựng chiến lược số hóa tài liệu giảm thiểu 100% chi phí bản quyền công nghệ cho cơ quan.

  2. Cán bộ nghiệp vụ thông tin - thư viện: Vận dụng trực tiếp quy trình xử lý 16 trường siêu dữ liệu Dublin Core và quy tắc đặt tên tệp tin chuẩn hóa 8 ký tự để thiết lập các bộ sưu tập số chuyên đề một cách khoa học.

  3. Giảng viên, học viên cao học và sinh viên ngành Khoa học Thư viện (Mã số 60.20): Khai thác hệ thống lý luận về phần mềm nguồn mở, kinh nghiệm số hóa 434 biểu ghi thực tế và các bài học chuyển đổi hệ thống làm tài liệu học tập, nghiên cứu chuyên sâu.

  4. Kỹ sư công nghệ thông tin và phát triển phần mềm thư viện số: Tham khảo kiến trúc tích hợp các plugin định dạng tài liệu, cơ chế gặt hái siêu dữ liệu qua giao thức OAI-PMH và chuẩn giao tiếp liên thư viện Z39.50.

Câu hỏi thường gặp

  1. Phần mềm Greenstone mang lại lợi ích gì vượt trội so với CDS/ISIS? Greenstone hỗ trợ chuẩn Unicode UTF-8 toàn diện, quản lý tệp toàn văn không giới hạn dung lượng thay vì mức chặn 500 MB của CDS/ISIS, đồng thời tích hợp giao diện web thân thiện giúp người dùng tra cứu tài liệu từ xa dễ dàng.

  2. Chuẩn Dublin Core trong luận văn được mở rộng như thế nào? Dựa trên 15 yếu tố cơ bản của chuẩn ANSI/NISO Z39.85-2001, tác giả đã thiết lập hệ thống 16 trường thông tin chuyên biệt cho báo cáo khoa học, bổ sung các trường quan trọng như Nhan đề chuyên đề, Người phản biện, Kinh phí thực hiện và Mã số đề tài.

  3. Quy mô cơ sở dữ liệu thực nghiệm trên Greenstone tại Viện đạt mức nào? Hệ thống đã tích hợp và số hóa hoàn chỉnh 434 biểu ghi nghiên cứu khoa học nội sinh, bao gồm 54 đề tài các cấp (1 đề tài cấp Nhà nước, 12 đề tài cấp Bộ, 41 đề tài cấp Viện) và 380 báo cáo chuyên đề chuyên sâu.

  4. Giải pháp nào được đề xuất để bảo tồn nguồn tài liệu cổ rách nát? Nghiên cứu đề xuất quy trình số hóa hai giai đoạn: quét hình ảnh kỹ thuật số bảo tồn nguyên dạng hơn 58.003 ảnh và 23.441 phim kính, sau đó xử lý OCR nhận dạng văn bản để tạo lập chỉ mục tìm kiếm mà không cần thao tác trực tiếp trên bản gốc.

  5. Greenstone có thể liên thông dữ liệu với các thư viện khác không? Greenstone hỗ trợ đầy đủ giao thức OAI-PMH và chuẩn Z39.50, cho phép tự động trích xuất, chia sẻ và liên thông cơ sở dữ liệu với các hệ thống thư viện số lớn như Đại học Khoa học Tự nhiên và Học viện Ngân hàng.

Kết luận

  • Luận văn đã đánh giá toàn diện thực trạng và khẳng định tính cấp thiết của việc số hóa tài nguyên thông tin tại Viện Thông tin Khoa học Xã hội.
  • Chứng minh phần mềm nguồn mở Greenstone là giải pháp công nghệ tối ưu, khắc phục triệt để các rào cản kỹ thuật của phần mềm CDS/ISIS cũ.
  • Xây dựng thành công cơ sở dữ liệu thực nghiệm 434 biểu ghi báo cáo khoa học và bước đầu số hóa khối tài liệu Hán Nôm quý hiếm.
  • Chuẩn hóa cấu trúc 16 trường siêu dữ liệu Dublin Core phục vụ công tác quản trị và tra cứu tài liệu nội sinh.
  • Đề xuất hệ thống 4 nhóm giải pháp kỹ thuật, chính sách và đào tạo nhân lực có tính khả thi cao cho giai đoạn 2011-2015.

Đóng góp lớn nhất của công trình là cung cấp một khung quy trình chuyển đổi số hoàn chỉnh, tiết kiệm kinh phí cho hệ thống thư viện chuyên ngành tại Việt Nam. Các cơ quan thông tin - thư viện cần sớm áp dụng mô hình Greenstone để giải phóng tiềm năng kho tài liệu khoa học xã hội phục vụ đắc lực cho công tác nghiên cứu và đào tạo quốc gia.