tunnisteistamista

Tunnisteistaminen on tietojen merkitsemisen prosessi, jossa dataobjekteja - kuten tiedostoja, kuvia, artikkeleita tai muita digitaalisia kohteita - varustetaan tunnisteilla eli avainsanoilla ja luokituksilla. Tunnisteiden tarkoituksena on parantaa tiedon löydettävyyttä, hallittavuutta sekä analysointia sekä tukea suodatusta, hakua ja ryhmittelyä.

Prosessiin voi sisältyä sekä manuaalista että automaattista tunnisteistamista. Käyttäjät lisäävät tunnisteita kohteisiin, kun taas järjestelmät voivat ehdottaa tai suorittaa tunnisteita luonnollisen kielen käsittelyn, koneoppimisen ja sääntöihin perustuvan luokittelun avulla. Tunnisteet voivat olla yksittäisiä sanoja, fraaseja tai hierarkkisia luokituksia; ne voivat muodostaa kontrolloituja sanastoja, folksonomioita tai ontologioita. Tuloksena syntyy metatietokerros, joka parantaa hakujen relevanssia, suosituksia ja tilastointia.

Standardeja ja yhteentoimivuutta koskevat viitekehykset ohjaavat tunnisteistamista ja sen yhteensopivuutta eri järjestelmien kanssa. Yleisimmät standardit ovat Dublin Core, schema.org sekä IPTC-kuvivalikot ja MARC-kirjastosektorilla. ISAD(G) -arkistolähteiden metatiedot sekä muut alakohtaiset mallit voivat korostaa erityisvaatimuksia. Tunnisteistamisen tulisi yleensä olla yhteensopivaa organisaation metatietomallin kanssa ja mahdollistaa sanastojen ja luokitusten kierrätyksen sekä kannat eri järjestelmien välillä.

Haasteet liittyvät muun muassa epäjohdonmukaisiin tai monikielisiin tunnisteisiin, polyseemiaan sekä hallinnointiin, ohjeistukseen ja versionhallintaan. Epätarkat tai virheelliset tunnisteet voivat heikentää löydettävyyttä ja vaikuttaa analyyseihin. Lisäksi yksityisyys ja tietosuoja ovat tärkeitä, etenkin kun tunnisteet koskevat henkilöitä tai herkkiä tietoja.