I två intensiva dagar fångade Graham Bell likt en magnetisör vår uppmärksamhet och fick de mest obskyra aspekter av metadata och hur den kommuniceras att framstå som andlöst spännande. Gång på gång gav han prov på en närmast encyklopedisk kunskap, inte bara om om ONIX utan även om bokbranschen i stort.

Förutom att det var ett par väldigt lärorika dagar blev vi också glatt överraskade av den stora uppslutningen. När vi först kontaktade Graham var det i syfte att flyga över honom för privatundervisning, men det visade sig snart att vi inte är ensamma om att intressera oss för ämnet. Så tack alla nyfikna och intresserade kursdeltagare från Libris, Kungliga biblioteket, Stockholms stadsbibliotek, Elib, Förlagssystem, Bokia, Södertörns högskola, Stockholms universitet, BTJ, Norstedt och Bonnier. Särskilt tack också till Natur & Kultur som lånade ut sina fina lokaler till oss!

METADATA, KATALOGDATA, ARTIKELDATA ELLER MARGINALIA?
Metadata (”data om data”) är ett ganska nytt begrepp, hämtat från datorernas domän. Långt innan det myntades på 70-talet (av systemvetaren Bernard Plagman) var postorderkataloger fulla av artikeldata och bibliotekarier världen över hade skapat och organiserat katalogposter i hundratals år. Även marginalia, dvs. randanmärkningar av olika slag, har funnits betydligt längre än begreppet metadata. När man börjar titta närmare på hur just eböcker kan berikas med olika former av data som inte är en del av själva det litterära verket, finns det poänger i att återigen använda sig av fler begrepp än bara metadata. Om inte annat därför att de tekniska ramverk och språk som används skiljer sig åt.

XML-ramverket ONIX har exempelvis vunnit terräng över hela världen som standardsättet att kommunicera artikeldata mellan förlag, distributörer och återförsäljare. ONIX är mycket omfattande, det malldokument som beskriver alla möjliga fält är över 20 000 rader långt. Men även om ONIX låter dig beskriva exempelvis var författaren till ett verk växte upp, gick i skolan, och var han eller hon ”flourished” så är ONIX i grund och botten avsett för att beskriva en säljbar produkt snarare än ett litterärt verk.

Katalogdata är det begrepp som kanske oftast används i biblioteksvärlden, och det tekniska format som används för att göra katalogdata maskinläsbar har sedan 60-talet varit MARC. MARC är till skillnad från nästan alla andra format för bokdata inte xml-baserat, även om det sedan 2002 finns en standard för att översätta MARC till xml. Wouter van der Velde är ansvarig för Springerkoncernens digitalisering av cirka 7000 titlar per år. Han sa nyligen i den här intervjun att det svåraste och mest kostsamma arbetet för Springer är att anpassa böckernas metadata för att vara kompatibelt med MARC. Även många bibliotek världen över investerar tungt i att översätta ONIX-baserad artikeldata till MARC-baserad katalogdata.

Marginalia är ett samlingsbegrepp för användargenererad metadata. Bokmärken, randanmärkningar och understrykningar är några exempel. Arbetsgruppen för epub3 hade som målsättning att skapa ett öppet format för att göra möjligt att flytta marginalia mellan olika tekniska plattformar men denna del av specifikationen tycks tills vidare ha bordlagts. Marginalia skulle också kunna sammanfattas som en typ av post publication-metadata. (Pre- och post publication metadata är de begrepp som används i epu3-specifikationen, svensk översättning efterlyses.)

Metadata slutligen, eller mer specifikt pre publication-metadata kan delas in i två kategorier; beskrivning av den delen av en ebok som i brist på bättre ord kan kallas content, och av den delen som vi kan kalla wrapping.

Content-relaterad pre publication-metadata är grunden för all form av ”social reading” eller ”enhanced reading” som eböcker öppnar upp för. Digg’s grundare Kevin Rose pratar om några fantasieggande exempel i den här intervjun.

En viktig pusselbit i att få den här typen av metadata att fungera på ett standardiserat sätt är xml-ramverket RDF (Resource Description Framework) som i princip skulle göra det möjligt att märka upp hela ett litterärt verks handling på ett sätt som gör den maskinläsbar. Har man mer måttfulla ambitioner skulle det exempelvis vara möjligt att märka upp författare och medarbetare i enskilda kapitel. PRISM är namnet på ett annat metadata-format som har stor spridning i tidnings- och magasinvärlden och som nu även vunnit stöd i epub3-specifikationen. PRISM är särskilt bra just på att märka upp särskilda delar av en publikation. Begreppet granularity brukar användas för att beskriva hur inzoomad eller högupplöst metadata är. RDF och PRISM är optimerade för väldigt hög grad av granularity.

Wrapping-relaterad pre publication-metadata hör till andra änden av granularity-skalan. Det här är den metadata som skrivs in i en eboks opf-fil, typiskt sett bokens titel, författarens namn, namn på övriga medarbetare, vem som producerat filen etc. Tack vare Dublin Core-protokollet garanteras maximal interoperabilitet. Det som står i opf-filen borde kunna tolkas av alla eboksläsare men också av sökmotor-spindlar som crawlar webben, förutsatt att eboken i fråga ligger on-line vilket blir allt vanligare att den i en eller annan form gör. Därför är det en besvikelse att så lite av den här metadatan plockas upp av eboksläsare. Det har exempelvis varit nödvändigt att fulkoda för att många eboksläsare ska presentera en så fundamental sak som att ett verk har flera författare. Texter som beskriver verket eller författaren går utmärkt att bädda in i opf-filen, men jag har hittills inte stött på någon eboksläsare som klarar att tolka och presentera sådan information.

PROPRIETÄR METADATA vs. CROWDSOURSAD
Om vi trots ovanstående använder ordet metadata som ett paraply-begrepp som betecknar alla sorters data om verket, kan denna kategoriseras längs en skala där proprietär metadata utgör enda änden, och crowdsourcad den andra.

Att metadata är proprietär, dvs. att den tillhör någon, innebär att inte vem som helst har rätt att ändra på den eller addera till den. Ägaren är ofta ett verks upphovsman eller förlag men det finns även proprietär metadata som ägs av andra instanser. ISBN och ISTC är exempel på metadata som är auktoriserad.

Med hjälp av en boks ISBN går det att härleda vilket förlag som gett ut just denna utgåva, och i vilket land boken kommit ut. På så vis tillhör den på sätt och vis förlaget, men förlaget har i själva verket bara blivit tilldelat ett nummer av den nationella ISBN-centralen. I Sverige är denna knuten till Kungliga Biblioteket, i många andra länder är motsvarande centraler kommersiellt drivna.

ISTC är också proprietär metadata, men den tillhör inte ett särskilt förlag utan indikerar verkets identitet oavsett vilken utgåva det är frågan om eller vilket förlag som står bakom just den utgåvan. ISTC står för international standard text code och kan sägas ha konstruerats för att bringa ordning i den röra som uppstår när ISBN-systemet inte längre räcker till.

Ett ISTC-nummer kan exempelvis se ut så här: ISTC 03A 2009 000C299F D och förutom att vara oberoende av förlag och utgåva är det även oberoende av vad som på biblioteksspråk brukar kallas manifestation. De tydligaste exemplen på ett verks olika manifestationer är att ett och samma verk kan nå läsaren i form av pappersbok, ebok eller ljudbok och fortfarande ha ett och samma ISTC-nummer. Huruvida även en serietidningen, ett datorspel eller en film som är baserat på en litterär förlaga också kan räknas som manifestationer av verket dryftas av de lärde. Inom ISTC-systemet skulle bara serietidningen kvala in.

ISTC är alltså en auktoriserad typ av proprietär metadata i betydelsen att varje verk som tilldelas en ISTC-beteckning får den tilldelad av the International ISTC agency, en organisation som helt enligt vad namnet antyder är internationell i sann bemärkelse: det finns bara en i världen och den enda har hela världen som upptagningsområde.

Ett annat exempel på metadata som är auktoriserad och som har mycket lite att göra med förlaget eller upphovsmannen är den metadata som skapas och katalogiseras av bibliotek.

Proprietär metadata är viktigt för sökbarhet. Det kanske kan framstå som en plattityd eftersom sökbarhet brukar anföras som den självklara anledningen till att metadata är viktigt över huvud taget. Det är emellertid oriktigt, metadata är bra för mycket annat också.

Så alltså: Proprietär metadata är viktigt för sökbarhet.

Och sökbarhet är allt viktigare i en värld där det ständigt tillkommer allt fler manifestationer av verk och där allt fler verk samsas om samma sökruta. Med hjälp av ISTC skulle det vara möjligt att gruppera sökresultat efter verk snarare än efter manifestation, vilket idag är standard. Det skulle också vara relativt enkelt kunna lägga in dynamiskt uppdaterbara länkar i eböcker, som utöver det sedvanliga ”andra verk av samma författare” även skulle kunna lista ”andra manifestationer av detta verk”. Inom ISTC-arkitekturen finns vidare ett smart konstruerat stöd för att spåra verks relationer till andra verk, exempelvis hur ett översatt verk relaterar till sin förlaga. ISTC-standarden har dock ännu inte fått brett genomslag, vilket säkert beror på att det är tekniskt krävande att ansöka om att bli tilldelad ISTC-nummer.

Beskrivande texter är ett annat exempel på metadata som befinner sig ganska högt upp på den vertikala skalan. Det är ofta förlaget som står bakom texten men det är inte ovanligt att densamma redigeras eller kanske skrivs om helt av återförsäljare. Just beskrivande texter är också ett exempel på hur svårt det blir med bra metadata när ett verk plötsligt finns i flera manifestationer hos många olika återförsäljare. Den text som beskriver verket är ofta samma för alla manifestationer. Möjligtvis med ett tillägg om vem som läst in ljudboken. Ändå måste en förläggare med flerkanals-ambitioner ofta lägga in denna identiska text i en lång rad olika gränssnitt, allt från det interna affärssystemet till iTunes producer. Har ett korrfel smugit sig in någonstans händer det ofta att felaktiga versioner av de beskrivande texterna blir liggande i olika system. Det händer även att böcker som av någon anledning vunnit ny aktualitet – kanske på grund av att författaren sommarpratat eller vunnit något pris – ändå inte får sina beskrivande texter uppdaterade.

Ytterligare en utmaning för den som vill presentera ett verk, oavsett manifestation, har att göra med att omslagsbilderna ofta ser lite olika ut för de olika manifestationerna. Omslagsbilder är förvisso inte metadata i egentlig bemärkelse men det här är en typ av problem som måste lösas av samma system (och människor) som har till uppgift att hantera metadata. Exempelvis har sajten Library Thing en väldigt sofistikerad funktion för att välja inte bara vilken manifestations omslagsbild som ska representera verket, utan även vilken utgåvas.

I andra änden av skalan finns den metadata som är crowdsourcad, ett begrepp som betecknar att den kan skapas och organiseras av praktiskt taget vem som helst. Ett exempel är de läsarrecensioner som postas på återförsäljares sajter. Ett annat exempel är Amazon Kindles funktion för att spåra och jämföra vilka passager i en ebok som strukits under av läsare världen över, och visa för den individuella läsaren hur många andra som också funnit en viss text intressant. I och med den roll Amazons tekniska ramverk spelar i att möjliggöra den här metadatan, skulle man faktiskt kunna klassificera den som auktoriserad och crowdsourcad på samma gång.

INBÄDDAD METADATA vs. MEDFÖLJANDE
En sista distinktion som kan vara värd att göra är den mellan medföljande och inbäddad metadata. Den senare typen har före eboken gjorde entré varit begränsad till ISBN, titel, författarens namn, förlaget och dess adress, ofta tryckt i bokens kolofonsida. All övrig information som är nödvändig för att kunna sälja boken, exempelvis pris eller genrebeteckning, har förlaget skickat till en grossist, en artikeldatabas eller direkt till en återförsäljare i form av en datafil, på senare tid allt oftare formaterad enligt ONIX-ramverkets regler. En stor del av metadatan för en fysisk bok är alltså rent konkret skild från själva boken.

Så behöver det inte vara för eböcker. Särskilt i och med epub3 finns det stora möjligheter att bädda in både artikeldata och annan metadata i själva filen. Exempelvis blir det möjligt att bädda in ONIX-formaterad metadata i opf-filen, vilket inte varit möjligt förut.

Ibland kostar det att vara Publit. För någon vecka sedan levererade vi en bok som kostade 5 600 kronor att göra. Kunden betalade 69 kronor. Dålig affär tänker ni. Bra affär tänker vi. Hur då?

Vi garanterar ju att skicka beställda böcker från oss inom fem arbetsdagar. Förlaget hade tagit till några dagar extra för att vara säkra på att få boken i tid. Vad kunden inte märkte var dock att ett kort strömavbrott i Skåne gjorde att ordern inte kom fram som den skulle till tryckeriet. Detta var heller inget vi kunde se. När kunden så ringde så var det samma dag som boken skulle vara framme. Dom hörde av sig kring lunch och när dom kom hem på kvällen så låg boken i brevlådan. Vi var ju två dagar sena med leveransen så det var bara att agera. Filer skickades, böcker trycktes och budfirmor tjänade fina pengar.

Och vi fick en glad kund!

Som bekant har vi skapat Publit för att göra det enklare att publicera böcker, och i syfte att bättre förstå vad det innebär så gör vi emellanåt just det. Nu har vi gjort en bok om korv. Den heter ”Isterband, Spickekorv och Chorizo” och anledningen att vi tagit oss an den är att denna bok är min svärmors rättesnöre när det gäller att tillverka korv, och hon tillverkar inte vilken korv som helst. Boken är skriven av fem forskare i Lund som under ett antal år gjorde till sin uppgift att laga, äta och skriva om korv. Den kom ursprungligen ut på Signum förlag 1983 och det exemplar som varit i min svärmors ägo höll vid det här laget fullkomligt på att falla sönder.

Eftersom jag tyckte det var en skam att boken inte funnits i tryck på decennier så beslutade jag mig att göra något åt saken. Jag letade rätt på författarna och frågade om jag fick ge ut den på nytt. Dom blev väldigt glada över frågan och vi upprättade ett avtal om utgivning.

Författarna när det begav sig: Göran Bengstsson, Carita Brinck, Görgen Göransson, Göran Odham och Gunilla Westerdahl. Foto Drago Prvulovic

Det var den enkla biten, sedan skulle boken produceras också.

Jag fick svärmor att offra sitt enda exemplar och ”skickade in den till Publit” för skanning. Det visade sig att hela boken var full av kommentarer och radanteckningar; egna idéer, utvecklingar av recept och alternativa mått. Boken hade alltså i någon bemärkelse berikats (hade det varit en ebok så skulle denna marginalia kunnat delats av andra med samma bok). Vi blev därför tvungna att sudda bort alla kommentarer efter att ha skrivit ut kopior till svärmor (boken förstördes i och med skanningen).

Efter detta var gjort ocr-tolkade vi boken för att kunna sätta om den och konvertera till ebok. Att ocr-tolka recept visade sig vara en rysare eftersom namn mått och ingredienser ofta är på främmande språk. Många och långa timmar senare kunde vi börja sätta om boken i InDesign och även göra ett nytt omslag, illustrera inlagan, köpa bildrättigheterna till ett författarporträtt som vi använt i inlagan och lägga upp allt på vårt Publitkonto. Innan vi kunde publicera skrev vi in metadata och angav vilka priser som skulle gälla i olika kanaler. Klart!

Sedan igår är Isterband, Spickekorv och Chorizo återuppstånden och tillgänglig för beställning i all svensk bokhandel! Dessutom så kan du köpa boken direkt av oss genom widgetshoppen. Klicka på bilden längst uppe till vänster i denna post.

Den som väntar på något gott...

Det har varit en hel del jobb men det riktiga kneget återstår: arbetet med att marknadsföra och sälja. Min nästa blogpost som förläggare kommer att handla om denna del av arbetet. Julhandeln, here I come!

Ett stort tack till Patricia Dunphy som illustrerat och formgivit boken!

Temat kan verka snävt; IT som redskap för att publicera och hitta vetenskapliga artiklar. I själva verket är det dock svårt att hitta texter någon annan stans som så ingående behandlar detaljapekter av API-design eller för den delen epub3-specifikationen.

I senaste numret skriver chefredaktören Sîan Harris om hur stora förlag organiserar sig för att hantera övergången till ett så kallat workflow som hanterar boken som ett digitalt masterformat vilket kan anpassas till tryck såväl som till ebok.

I artikeln intervjuas Wouter van der Velde på den tyska förlagsjätten Springer, som varje år producerar 7000 eböcker.

Det är intressant att höra honom bekräfta det som också varit Publits egen erfarenhet: Ska man hantera så här stora produktionsvolymer så krävs till en början tunga systeminvesteringar. För även om man lägger ut många moment på underleverantörer, så måste man ha absolut kontroll över alla led i processen och systematiskt arbeta med att säkra kvalitet. Att göra det innebär till exempel att ha rutin för att cirkulera ut konverterade titlar för både innehållslig och teknisk korrektur, men också att ständigt arbeta med guidelines, white papers eller vad man nu vill kalla det; en uppsättning dokument som definierar hur eböckerna ska formateras. För att kunna producera så här stora volymer blir det nämligen inte bara nödvändigt att arbeta underleverantörer utan också att ha många olika samtidigt. Om var och en av dessa har lite olika sätt att hantera exempelvis blockquote-taggen eller line-height attributet så kommer det innebära oöverstigliga problem den dagen hela katalogen av eböcker exempelvis måste konverteras från epub2 till epub3, vilket är ett steg som många förlag nu börjar närma sig. Därför måste varje aktör som på allvar vill syssla med eboksproduktion ha sin egen tolkning av epubspecifikationen, som ju är ganska vag på många ställen.

Men hur komplicerat det än må vara att organisera storskalig eboksproduktion, så är Springers största utmaningen intressant nog arbetet med att göra de producerade titlarna sökbara. För Springer genereras större delen av intäkterna av biblioteksutlåning, och man har därför lagt ner mycket arbete på att anpassa sina system så att de kan exportera så kallade Marc-artiklar, dvs. bibliotekens eget metadataformat. För oss som är orienterade mot kommersiell distribution är det ONIX som hägrar snarare än Marc. Men oavsett språk eller dialekt så är vi fullkomligt eniga i analysen: När man väl producerat eböcker som håller världsklass så börjar det svåra: att prestera riktigt bra metadata.

Ingen stor grej alltså, kan tyckas. Men vi som sysslar med eböcker dagligdags har fått lära oss den hårda vägen att vara uppmärksamma på vad som sker när eboksläsare uppdateras. Det har nämligen hänt åtminstone än en gång förut att iBooks plötsligt börjat tolka felfria epub-filer väldigt ofördelaktigt. Bristande bakåtkompatibilitet och specialanpassningar av den officiella epubspecifikationen är för övrigt inte ett problem som är unikt för iBooks, andra eboksläsare har lika egna lösningar. Därför är det inte ovanligt att vi blir tvungna att tröska genom hela vår katalog av eböcker för att säkerställa att de fortfarande fungerar som de ska. Situationen är inte olik den mörka era som webbutvecklare världen över helst vill glömma, då browser-tillverkare konkurrerade med varandra genom att tolka html och css på sina egna vis.