Analyse der MAB2-Datensätze der Deutschen Bibliothek

  In diesem Anhang werden 2,5 Millionen Datensätze der Deutschen Bibliothek statistisch ausgewertet. Ziel ist es festzustellen, welche Felder in den Datensätzen wirklich genutzt werden, wie das Verhältnis zwischen Büchern aus Verlagen und sonstiger Literatur ist, welche Beziehungen (Hierarchien, Verweise) zwischen den Datensätzen existieren.

Die Analyse war erforderlich, da es keine statistischen Informationen zu den MAB2-Datensätzen der Deutschen Bibliothek gab.

Die Verteilung und Nutzung der MAB2-Felder ist wichtig für:

• Normierung: welche Felder gibt es überhaupt, welche muß man genauer überprüfen.
• Vergleich von Datensätzen (Dublettenkontrolle).
• Verknüpfung von Datensätzen: wie ist der hierarchische Aufbau bzw. die Verlinkung mit anderen Datensätzen, z.B. den Normdaten.
• Beurteilung der Qualität der Datensätze. Zum Beispiel haben Datensätze mit Schlagwörtern eine höhere Qualität als Datensätze ohne Schlagwörter.
• Aufbau von Indexen zur Suche in der Datenbank: zum Beispiel welche Felder man für den Index Autor nutzt sowie die Abschätzung der Größe des Indexes.

Im Rahmen des KOBV-Projektes ([KOB99]) wurden von der Deutschen Bibliothek (DDB) 2,5 Millionen Datensätze der Deutschen Nationalbibliographie (DNB) erworben. Für die Statistik werden Datensätze der Deutschen Bibliothek aus den Jahren 1986 bis 1998 sowie die Nachlieferungen bis Februar 1999 verwendet. Die Datensätze wurden von der DDB im Format MAB2 auf Magnetbändern geliefert. Die Analyse der Daten erfolgt in zwei Schritten. Zuerst werden die Daten aus dem MAB2-Bandformat in das MAB2-Diskettenformat umgewandelt. Danach werden die Datensätze mit dem Perl-Script mab2stat (siehe Anhang C Kurzbeschreibung der Software, Seite ) analysiert. Die Berechnung der Statistik für alle Datensätze dauerte auf dem Rechner se2 ca. 2 Stunden.