DMOZ wird am 14. März 2017 abgeschossen

Dmoz Directory to shut down on March 14, 2017 wird so aus meiner Sicht am besten übersetzt.

Ich war früher ein großer Fan solcher Verzeichnisse, lehre sie aber derzeit nicht mehr, obwohl ich ihr Grundprinzip nach wie vor nützlich und wichtig finde. Ausführlicher dazu:

https://archivalia.hypotheses.org/3357 (2014)

Die Vorlage:dmoz ist derzeit in 2569 Artikeln eingebunden, heißt es in den „Fragen zur Wikipedia“.

Via
http://blog.digithek.ch/dmoz-wird-geschlossen/

Drei Lieder für eine Singstimme – wie Google uns in die Irre führt

Wiederholt schon habe ich Google Books wegen seiner Bevormundung des Nutzers bei Auslieferung von Suchergebnissen getadelt (Nachweise). Bei Suchanfragen, die vergleichsweise wenige Treffer produzieren, erwartet man eine vollständige Übersicht. Aber Google enthält einem Treffer vor, auf die man nur mit zusätzlichen Suchworten kommt.

Um OCR-Fehler (Fehllesungen, falsche Worttrennungen) zu umgehen, ist es sinnvoll, nicht von vornherein die präziseste Suchanfrage zu verwenden.

Zu „drei lieder für eine singstimme“ (Phrasensuche) findet die Buchsuche 28 Ergebnisse

https://www.google.de/search?q=%22drei+lieder+f%C3%BCr+eine+singstimme%22&num=100&tbm=bks

Davon sind 11 Bücher in Vollansicht. Wähle ich aber die Option kostenlose Google E-Books so werden 18 Treffer angezeigt, also sieben mehr.

Setze ich kraft hinzu, kommen weitere Treffer hinzu, doch es fehlt immer noch die gesuchte Stelle im „Magazin für Pädagogik“ 1853. Diese wird erst gefunden, wenn ich nach „drei lieder für eine singstimme“ leopold kraft suche.

#googlebooks

Änderungen bei den „Growing Snippets“ von Google Books

BC Kämper hat 2009 in einem Archivalia-Beitrag (erneut: Best of Archivalia Adventskalender 2013) die Methode der Growing Snippets erläutert, mit der man in Google Books den als kleinen Auszug angezeigten Text nach vorne und hinten erweitern kann.

Es funktioniert derzeit nur noch der ohne Leerzeichen zwischen Textende und finalem “ platzierte Asterisk * bzw. zwischen initialem “ und Textbeginn. Nicht mehr die Variante mit Leerzeichen bzw. zwei Sternchen.

„*S. 17 wird unter den Werken, die um 1400″ funktioniert noch (wenn man anders als bei WordPress dargestellt, “ am Anfang verwendet!). Zur Veranschaulichung drei Screenshots.

growing_1

growing_2

growing_3

#googlebooks

Internetführer zum englischsprachigen Deep Web, erstellt mit Hilfe eines Intelligenten Suchagenten

Die „Deep Web Research and Discovery Resources“

http://whitepapers.virtualprivatelibrary.net/DeepWeb.pdf

aus Marcus P. Zillmans „Virtual Private Library“

http://www.virtualprivatelibrary.com/

sind gleich in zweierlei Hinsicht interessant, nämlich zum einen aufgrund ihres Gegenstands, zum anderen aufgrund der Tatsache, dass ein Intelligenter Suchagent, der von Zillman entwickelte „Subject Tracer Information Bot”, die versteckten Internetquellen gesammelt und Kategorien zugeordnet hat.

Die „Virtual Private Library“ bietet eine ganze Reihe formal, nach Sachgebiet oder Zielgruppe definierter Linksammlungen, die durch solche „Subject Tracer Information Bots” erzeugt wurden, die das Internet laufend auf sonst nicht zugängliche, aktuelle Quellen hin durchsuchen, wie man dem “About” der Virtuellen privaten Bibliothek

http://whitepapers.virtualprivatelibrary.net/Backgrounder%20-%20Virtual%20Private%20Library.pdf

entnehmen kann.

Digitalisate finden – auch 2017 eine Herausforderung

Wer Materialien zu Herolden des 16. Jahrhunderts für mich hat: bitte gern. Vorhin sah ich, dass eine neu ins Netz gestellte Wiener Handschrift zur Stadtgeschichte Wiens aus dem 17. jahrhundert auch die Beschreibung der Türkenbelagerung von Paul Pesl enthält, an den ich mich als Herold erinnerte. In meinen Notizen fand ich einen Hinweis auf

https://books.google.de/books?id=IGtAAAAAYAAJ&pg=PA14 (US)

Bevor ich das Buch ins Internet Archive lade, prüfe ich natürlich, ob es dort schon ist. Ich habe dazu in Chrome eine Suche ia definiert, nach der ich nur das Suchwort eingeben muss. Ergebnis: Seit 2008 ist das gesuchte Buch von Mayr über Lazius online (miserabel, mit Textverlust).

http://archive.org/search.php?query=wolfgang+lazius%20AND%20mediatype:texts

Aber eigentlich müsste man das Digitalisat doch noch auf anderem Wege finden? Wie beim Internet Archive habe ich eine Suche KVK definiert, die aber eher unbrauchbar ist und keine Digitalisate nachweist. Man muss im KVK direkt suchen und das Feld „Nur digitale Medien suchen“ mit einem Häkchen versehen. Über EROMM kommt man zu archive.org (und hathiTrust, US only), über die Suchmaschine des ÖBV zum Phaidra-Digitalisat.

Google scheint es im Internet Archive nicht zu finden.

google_fail_2017_1

Aber wieder einmal bevormundet uns Google, weil die Suchmaschine die übliche Form Geschichtsschreiber statt des originalen Geschichtschreiber wählt. Man kann die ursprüngliche Suche (noch) erzwingen, indem man den Hinweis unter der Trefferliste beachtet. Sucht man die Phrase „Wolfgang Lazius als Geschichtschreiber Österreichs“ hat Google es bei mir auf Platz 6.

Europeana: Fehlanzeige.

EOD Search: gerade defekt!

Update zu:
Vorlegung gemacht von Bruder Johan Tetzel … (1518) – wie zuverlässig kann man Digitalisate ermitteln?
https://archivalia.hypotheses.org/59120

Weitgehend wertlose Suchtipps

Der Prometheus-Newsletter empfiehlt:

https://brightside.me/wonder-curiosities/10-ways-to-search-google-for-information-that-96-of-people-dont-know-about-256760/

Diese Müllseite zur Google-Suche beeindruckt durch fehlende Belege und Falschinformationen.

1. Ich selbst suche so gut wie nie mit OR.

2. Die Synonymsuche mit Tilde wurde 2013 eingestellt.

3. Die korrekte Suche innerhalb einer Website geht so: site:brightside.me salad

4. Immer wieder wird der wertlose Asterisk empfohlen.

5. AROUND nutze ich selbst nicht.

6. Suche mit Timeframe nutze ich selbst nicht.

Das Ergebnis von Entdeckungen 1911…1930 ist so gut wie nutzlos.

Nutzt jemand dieses Feature?

7. Title nutze ich in Google Books, URL nicht.

8. Related nutze ich selbst nicht

9. Die Phrasensuche nutze ich fast immer

10. Ausschluss mit – nutze ich selten.

Zitatsuche: Statuenliebe

Den Stoff der Verlobung eines jungen Mannes mit einer Statue habe ich kurz in meinem Artikel Ring in der Enzyklopädie des Märchens angesprochen. Man findet diese und weitere Arbeiten zum Thema mittels der von mir empfohlenen „Zitatsuche“ (Beispiele), wenn man nach dem Standardaufsatz von Baum 1919 sucht:

https://www.google.de/search?tbm=bks&hl=de&q=baum+%22young+man+betrothed%22

Die auf diese Weise gefundenen Literaturangaben kann man für weitere Zitatsuchen verwenden. Einige Titel, die sich mit Zitatsuchen zum Erzählstoff finden lassen:

Jean-Marie Sansterre: La Vierge Marie et ses images chez Gautier de Coinci et Césaire de Heisterbach. In: Viator 41 (2010), S. 147-178
https://dipot.ulb.ac.be/dspace/bitstream/2013/61756/7/Gautiercesaire.pdf
Gefunden:
Suche nach „Les Légendes du ’Fiancé de la Vierge’ dans la littérature médiévale“ = Wyrembek et al.
(das zitierte Werk von Wyremebek et al. wurde von mir ins Internet Archive hochgeladen:
https://archive.org/details/wyrembek_fiance_1934)

Carlo Donà: Dall’anello di Venere allo sposo della Vergine. In: Temi antropologici, nuclei mitici e rielaborazione letteraria nella narrazione medievale germanica e romanza (2008), S. 73-104
https://www.academia.edu/887968/Dall_anello_di_Venere_allo_sposo_della_Vergine
Gefunden:
https://www.google.de/search?q=%22marmorbilde%20der%20venus%22 (Titelphrase)
Oder
https://www.google.de/search?q=huet+%22legende+de+la+statue%22 (Autor Huet + Titelphrase)

Claudio Galderisi: Le récit du mariage avec la statue: Résurgences et modalités narratives. In: Derselbe: Diegesis (2005), S. 77-104. Zuerst in: Romania 119 (2001) S. 170-195
Gefunden im Buch
https://books.google.de/books?id=falTLfSoi_IC&pg=PA540
Dieses auffindbar etwa über
https://www.google.de/search?tbm=bks&q=baum+%E2%80%9Cyoung+man%E2%80%9C+gautier (Autor Baum + Titelphrase „young man“ + Quellenautor Gautier)

Christian Begemann: Der steinerne Leib der Frau. Ein Phantasma in der europäischen Literatur des 18. Und 19. Jahrhunderts. In: Aurora 59 (1999), S. 135-159
http://www.ndl3.germanistik.uni-muenchen.de/publikationen/publikationen_downloads/homepage11515steinernefreu.pdf
Gefunden:
https://www.google.de/search?tbm=bks&q=%22venusring%22+aurora (Titelstichwort in Anführungszeichen1, Stichwort aus Zeitschriftentitel)

György Németh: Love of statues. In: Heorte (1997), S. 115-139
https://www.academia.edu/5452571/Love_of_statues
Gefunden:
https://www.google.de/search?q=%22venusring%22+aurora (gleiche Suche wie eben)
Eine ungarische Version 1996 ebenda
https://www.academia.edu/13276962/Szobrok_szerelme_Love_of_statues_

Rolf-Dietrich Keil: Die Knidos-Sage – Varianten von Lukian bis Thomas Mann. In: Arcadia. Zeitschrift für allgemeine und vergleichende Literaturwissenschaft 23 (1988), S. 304-311
War zeitweilig frei zugänglich (de Gruyter)
Gefunden:
https://www.google.de/search?q=huet+%22legende+de+la+statue%22

Denise Paulme: La statue du Commandeur. In: Revue de l’histoire des religions 153 (1958), S. 34-67, hier S. 45-50
http://www.persee.fr/doc/rhr_0035-1423_1958_num_153_1_8775
Gefunden:
https://www.google.de/search?q=huet+%22legende+de+la+statue%22 (Suche mit Huet wie oben)

Man kann auch nach Katalogen von Erzählmotiven suchen.

Das Motiv ist verzeichnet in Thompsons Motif-index unter T 376: „T376. †T376. Young man betrothed to statue. Man puts marriage ring on finger of statue of Venus (Virgin Mary). She afterwards forbids him the embraces of an earthly bride. **Baum PMLA XXXIV 523ff.; Alphabet Nos. 48, 465, 656; Ward II 609 No. 22, 621 No. 31, 626 No. 7; Scala Celi 111b No. 620.“

Zitatsuche:

https://www.google.de/search?q=%22t+376%22+motif+statue

Das Motiv ist u.a. in Tubachs Exempel-Katalog unter Nr. 4101 zu finden:

https://www.google.de/search?tbm=bks&q=tubach+4101

Von der Forschung übersehene Werke lassen sich natürlich auch mit der Zitatsuche nicht finden. Das betrifft die Textsammlung von Hans Lebede: Der Ring der Venus (1925), die mir bei den Recherchen für den EM-Artikel entgangen war, die ich aber antiquarisch erwerben konnte. Zitiert wird in der einschlägigen Fachliteratur nur Hans Lebede: Der Ring der Venus. Ein Beitrag zur Wanderung literarischer Motive. In: Der Türmer 21,2 (1919) S. 523-528.

merimee

  1. Damit kann man eine wortwörtliche Suche bewirken. []

Alternativen zu Google

Anna Knoll berichtet in Open Password (#139, noch nicht online) über eine Konferenz in London, bei der auch Phil Bradley auftrat und über Alternativen zu Google sprach: „Zuerst stellte er mit „Bing“ und „DuckDuckGo“ zwei bewährte und bekannte Suchmaschinen vor. Sein Favorit ist jedoch „Yandex“, die populärste Suchmaschine Russlands mit mächtigen Suchoperatoren.

Weitere Suchmaschinen, die gegebenenfalls in Erwägung gezogen werden sollten, waren die Metasuchmaschinen „Trovando.it“ und „Soovle“, die visuellen Suchmaschinen „Dothop“ und „Carrotsearch“, die Suche in ähnlichen Seiten mit „Similiar sites“ und „Similiar site search“, die Nachrichtensuche in „Newsmap“ und „Newsnow“ sowie die Suche nach Tönen in „Soungle“. Dazu kamen „Social Mention“, „IceRocket“ und viele weitere Search Engines für die Suche in sozialen Netzwerken und Blogs. Bradleys Fazit lautete, dass Google nicht die beste Suchmaschine sei und es sowieso nicht DIE eine Suchmaschine gäbe, die alles könne. Informationsprofis müssen sich der Rechercheanfrage anpassen und die geeignetste Suchmaschine auswählen: „Good searchers use the variety of tools.“ (Links ergänzt, in der Hoffnung, dass alle korrekt sind. Socialmention ist gerade nicht erreichbar. KG).

Wenn Infomationsprofis aber wiederholt feststellen, dass Google ihren Bedürfnissen am besten entgegenkommt und andere Suchmaschinen nur ausnahmsweise hilfreich sind? Dann sind das wohl keine Profis …

Die Rückkehr der Schnipsel

Entgegen meiner letzten Äußerung hat Google Books den Rückwärtsgang eingelegt. Die wohl Anfang Oktober eingetretenen dramatischen Änderungen wurden offenbar diese Woche rückgängig gemacht. Der am Montag vorgenommene Quaritsch-Test erbringt jetzt andere Ergebnisse, nämlich 16 relevante Treffer (HathiTrust 132 in Vollansicht) statt einem.

Früher abgespeicherte Schnipsel funktionieren wieder:

https://books.google.de/books?id=_yLiAAAAMAAJ&q=seckenheim

Mein Test zu „Ritter Toggenburg“ 1940-1960 führt nun zu 20 Treffern, wobei laut sichtbaren Schnipseln alle relevant sind:

https://www.google.de/search?hl=de&tbo=p&tbm=bks&q=%22ritter+toggenburg%22&tbs=,cdr:1,cd_min:01.01.1940,cd_max:31.12.1960&num=100

Zum Vergleich: HathiTrust: 444 Treffer, davon 5 in Vollansicht (im Oktober dasselbe Ergebnis).

Puh, nochmal Glück gehabt. Ja, wir dürfen aufatmen, aber Google kann jederzeit wieder an seiner Suche herumspielen und die Wissenschaft (und die BürgerInnen) mit irreführenden Ergebnisse betrügen. Richtig bleibt: Google zeigt nur einen Bruchteil der potentiell relevanten Treffer (wenn man mit HathiTrust vergleicht).

Um so wichtiger ist es, die Volltextsuchen zu kennen, die Google-Scans durchsuchen. Während die Google-Partner Oxford und Gent Scans zugänglich machen, bieten sie keine Volltextsuche. Neben HathiTrust sind also nur zu nennen:

Delpher in den Niederlanden
http://www.delpher.nl/
(Für Quaritsch soll es in der „Boeken Googlecollectie ca. 532 Treffer geben, in Wirklichkeit sind es beim Aufruf aber nur 11)

Opacplus der BSB München
https://opacplus.bsb-muenchen.de/metaopac/start.do (Häkchen bei „Suche auch in Volltexten“, durchsucht werden teilweise auch jüngere eigene Digi20-Bestände)

Austrian Books Online der ÖNB Wien
http://search.obvsg.at/primo_library/libweb/action/search.do;?mode=Basic&vid=ONB&tab=onb_fulltext
(Die „Historischen Volltexte“ sind nicht direkt von der Startseite aus erreichbar.)

Google Books betrügt uns weiter

Ein Leserkommentar meint, dass es wieder besser werde. Ich selbst habe dafür keine Anhaltspunkte, wohl aber Hinweise darauf, dass auch bei den gemeinfreien Büchern (derzeit für uns: vor 1875) nur ein Bruchteil der möglichen Treffer angezeigt werden.

http://www.inetbib.de/listenarchiv/msg59437.html

Während Google Books für die Suche nach Quaritsch 1860-1875 nur einen relevanten Treffer findet, gibt es in HathiTrust 132 in Vollansicht.

Wissenschaftliche Suchmaschine Vérsila eingestellt

„Biblioteca Digital Vérsila A Biblioteca Digital Vérsila foi incorporada por uma empresa dos EUA e encerrou suas atividades em 1 de setembro de 2016. Em 10 meses de existência, a Vérsila tornou-se o maior acervo digital acadêmico do hemisfério sul, alcançou 100 milhões de visualizações de páginas e entregou gratuitamente o melhor da produção científica internacional a usuários de mais de 70 países, com o reconhecimento de importantes instituições científicas do Brasil e do mundo pelos serviços prestados à comunidade.“ (http://versila.com/)

Ich hatte am 1. Juli 2016 die Existenz der Metasuchmaschine gemeldet, fand aber nichts über die Hintergründe heraus, und auch die um Hilfe gebetenen LeserInnen blieben stumm.

Ein Nachtrag zu meinem Artikel über OA-Suchmaschinen.

Volltextsuchen des Internet-Archive

Seit 2009 ist die Search-Inside-Suche (jetzt mit einem BETA versehen) für die Texte des Internet Archive auf der Wikisource-Seite zum Internet Archive verlinkt. In Archivalia habe ich immer wieder auf die Probleme mit der Suche hingewiesen.

Volltextsuchen (13.3.2012) (nicht sonderlich zuverlässig)

Suche in Volltexten des Internet Archive (13.4.2014) (Suche ausnahmsweise erfolgreich)

Nach wie vor nahezu unbrauchbare Volltextsuche des Internet Archive (12.2.2015)

Tipps zur Volltextsuche in Digitalisaten (18.8.2015) (nur Einwortsuche funktioniert)

Zur Suche im Volltext der Bücher des Internet Archive (1.10.2015)

Lokale Suche für Digitalisate im Internet Archive (1.2.2016) (Funktionierte gar nicht mehr)

Nun wird so getan, als sei die Volltextsuche ein neues, großartiges Feature.

Neu ist aber in der Tat die Suche in der Wayback Machine (die gabs aber vor langer Zeit auch schon einmal):

http://blog.digithek.ch/neu-suche-in-der-wayback-machine/

Wie Google Books auch bei der Vollansicht betrügt

Die Suche nach Gmünd mit Zeiteingrenzung 1910-1916 und Vollansicht erbringt 17 Treffer (PDF). Davon sind drei Reprints von Werken aus dem 19. Jahrhundert, fünf bieten entgegen der Versicherung Vollansicht nur Auszüge wie andere Bücher im Rahmen des Partnerprogramms:

Gmünder Künstler im Bannkreis der Staufer
Pfeffer und Vanille für die Seele: ein einzigartiges Kochbuch
Wißlinger G’Schichtle und mehr
Vor und auf der Alb: 30 Wandertouren zu attraktiven Zielen
Eurogasauto. Guida GPL & metano per auto

#googlebooks

Wie Google Books uns derzeit gewaltig in die Irre führt

Zu meinem Beitrag „Dramatische Verschlechterung bei der Arbeit mit Google Books“ gab es nur wenig Resonanz. Null in INETBIB und Google+, 4 Kommentare hier, ein paar auf Twitter und Facebook.

Auf Facebook:

Lilja Triolet: „Das scheint nicht das einzige Problem. Peter Glaser machte schon vor Jahren darauf aufmerksam, dass Scanaufarbeitungen nicht von fachlich ausgebildeten Kräften vorgenommen werden und auf diese Weise letztlich Literatur und historische Texte verfälscht werden könnten. Diese Umstände hätten längst Gegenstand des Settlements sein müssen, quasi als weltweite Kontrolle, dass da vernünftig (und entsprechend entlohnt) gearbeitet wird. Es wäre ein „Tor“ gewesen, die Eigentumstrukturen für eine derart heilige Aufgabe ernsthaft zu hinterfragen und eine „Weltgemeinwesen“ orientierte Kontrolle (plus Support) irgendwie praktisch in der Debatte zu installieren.“

Tobias A. Kemper: „Ist mir auch aufgefallen. Viele Sachen aus dem 19. Jh. weg. Suche nach Personen mit massiv weniger Ergebnissen.“

Andreas Praefcke: „Ich habe letztens eigentlich immer noch ganz gut Informationen gefunden, die ich gesucht habe. Es ging u. a. um Sachen aus meiner Theatersammlung, zu denen ich seit etwa 10 Jahren nicht mehr im Internet recherchiert hattee und die damals keine Lösung fanden, jetzt aber mit Google, Google Images und eben auch Google Books schnell zu lösen waren. Ich habe aber auch das Gefühl, dass man weniger Snippets als früher zu sehen bekommt.“

Widerspruch kam also von niemand. Das Problem besteht darin, die eingetretenen Änderungen empirisch auf breiter Grundlage nachzuweisen, da wohl niemand über Backups von Google-Books-Suchen verfügt (meine eigenen Beobachtungen im Artikel können durch mich selbst nicht wesentlich vermehrt werden).

Was aber möglich ist, ist die Google-Treffer mit den Resultaten von HathiTrust, das ja überwiegend aus Google-Scans besteht und meist auch die OCR übernommen hat, zu vergleichen. Sowie mit ggf. weiteren im Netz auffindbaren Volltexten.

Vor Jahren habe ich mich mit Schillers Ballade Ritter Toggenburg befasst (siehe den Wikipedia-Artikel). Um weitgehend moderne Teilansichten über das Partnerprogramm zu vermeiden, wählte ich den Zeitraum 1940-1960 und grenzte die Treffer in Google Books entsprechend ein. Bei solchen Abfragen spart sich Google eine Trefferanzahl, es sind 25 (Trefferliste als PDF gespeichert). Angesichts der früheren Popularität der Ballade kann sie durchaus auch in naturwissenschaftlichem Kontext zitiert worden sein.

Die erweiterte Volltextsuche [in HathiTrust] nach der exakten Zeichenfolge Ritter Toggenburg und der Datumseingrenzung 1940-1960 erbringt 444 Treffer (Zahl schwankt, bei erster Suche 447), davon 5 in Vollansicht. Es gibt leider sehr viele Dubletten, allein bei der Vollansicht sind zwei abzuziehen. Alle drei verbliebenen Treffer sind insofern relevant, als sie tatsächlich Schillers Gedicht erwähnen.

hathitrust_toggenburg

Der erste Treffer bei Google Books (GBS) ist mit „keine Vorschau“ bezeichnet, alle anderen sollen eine Snippet-Ansicht bieten. Aber von den 24 verbleibenden Treffern bietet genau einer, nämlich derjenige, der schon in der Trefferliste einen Textauszug anzeigt, tatsächlich ein Snippet. Alle anderen 23 ergeben als Fehlermeldung „Es wurden keine mit Ihrer Suchanfrage – „ritter toggenburg“ – übereinstimmenden Dokumente gefunden.“, wenn man sie anklickt.

Wenn man bei der Suche im Buch im zweiten Treffer die Anführungszeichen weglässt, ändert sich nichts. Toggenburg wird nicht gefunden, aber bei der Suche nach Ritter sieht man einen Schnipsel, der tatsächlich „Ritter Toggenburg“ zeigt.

gbs_toggenburg_1

Von den 25 Treffern weisen 11 Seitenzahlen auf. Im JffL (Treffer 4) soll auf Seite 235 Ritter Toggenburg vorkommen. Durch Snippets (Suche nach Ritter) stellt man fest, dass es sich um Bd. 11/12 von 1953 handelt. Seit 2010 (!) ist eine Volltextsuche vom MDZ angekündigt, aber bisher nicht realisiert. HathiTrust findet im Band nichts zu „Ritter Toggenburg“, und auf Seite 235 (und auf der Seite davor und den zwei Seiten danach) ist auch nichts von ihm zu finden.

Ich habe die über 400 Titel in HathiTrust (HT) anhand der Trefferliste durchgesehen und, mich auf mein Kurzzeitgedächtnis verlassend, nur in zwei Fällen Übereinstimmungen gefunden: bei GBS Nr. 1 (Musikwerk, ohne Ansicht) und der Literaturgeschichte von DeBoor (GBS Nr. 12).

Bereits wenn man die Trefferlisten vergleicht, sieht man, wie irreführend die GBS-Liste ist. Ins Auge springt bei HT die große Bedeutung von Franz Schubert für die Rezeption der Ballade im Schrifttum – Schubert kommt bei GBS nicht vor! Die naturwissenschaftlichen Treffer fehlen in HT.

Um die Anzahl der Dubletten in HathiTrust etwas besser einschätzen zu können, habe ich das Erscheinungsjahr 1955 ausgezählt. 11 von 35 Treffern sind auf Anhieb als Duplikate zu erkennen. Man kann also davon ausgehen, dass knapp ein Drittel Dubletten bei HT abzuziehen ist. Es bleiben also für Ritter Toggenburg in HT für die Erscheinungsjahre 1940-1960 etwa 300 reale Treffer. Bisher bestätigte relevante Treffer in GBS: drei (in Zahlen: 3).

Von den Zeitschriften scheint außer dem JffL nichts (außerhalb von HT) online vorzuliegen (teste Google und teilweise EZB/ZDB). Das Wiener Goethe-Jahrbuch weist in den Bänden 1939 bis 1947 bei HT tatsächlich einen Treffer auf (der bei der Suche nach 1940-1960 nicht gefunden wurde), also kann auch GBS Nr. 2 bestätigt werden. Damit erhöht sich die Zahl der nachweislich relevanten Treffer auf vier.

Um das Ergebnis abzusichern, muss nun jeder einzelne Treffer in GBS anhand von HT, soweit möglich, überprüft werden, wobei es zunächst genügt, nach Toggenburg zu suchen (angezeigt werden ja leider keine Schnipsel, sondern nur Seitenzahlen).

Nr. 5: Das Statistische Jahrbuch bezieht sich (das zeigt nur das Thumbnail und die Begriffswolke) nur auf Schleswig-Holstein, das Digitalisat ist wohl zu jung für HT (Juni 2016). Wieso sollte der Ritter Toggenburg darin vorkommen? Nr. 6: Tellur ist nach Thumbnail Gmelins Handbuch Aluminium, das ich bei HT nicht zu 1950 mit der Suche nach Gmelins Handbook finde. Die Obstbauzeitschrift Nr. 11 ist nicht in HT. Nr. 16 ist aufgrund unvollständiger Metadaten nicht auf Anhieb zu finden in HT, desgleichen Nr. 24, wobei ich in GBS die Wortwolke zu Visby anklickte – um nichts zu finden (andere Begriffe wie Inseln funktionieren und erbringen Snippets).

Suche nach Toggenbuch im Buchtext bei HT. Fehlanzeige bei Nr. 7, 8, 9, 10, 13, 14, 17, 19, 20, 21, 22, 23, 25. In 13 Fällen könnte also anhand von HT ausgeschlossen werden, dass Ritter Toggenburg vorkommt. Das betrifft auch Werke wie „Dichter im Alltag: Bilder zu einer unbekümmerten Literaturgeschichte“, deren Titel auf Anhieb einschlägig erscheint.

Es bleibt also dabei: Alles spricht dafür, dass von den 25 Treffern nur vier relevant sind (HathiTrust: ca. 300), also die gewünschte Zeichenfolge Ritter Toggenburg aufweisen. Nur bei einem Treffer funktioniert die Suche IM Buch. Auf Platz 12 steht DeBoors Literaturgeschichte, die entgegen der Angabe Googles bei der Suche im Buch tatsächlich relevant ist. Man kann also nicht davon ausgehen, dass die tatsächlich relevanten Treffer Snippets aufweisen oder nur auf den obersten Plätzen stehen.

Dass da etwas „gewaltig faul“ ist, zeigt auch der Ngram-Viewer, der auch für Zeitspannen, bei denen GBS nichts findet, Treffer behauptet! Für 1946-1955 liefert die verlinkte Suche nur 5 Treffer (also weniger als es nach der übergreifenden Suche sein müssten), darunter auch ein in der ersten Trefferliste nicht angezeigtes Buch „Weltfahrt eines Schiffbauers“ (laut HT nicht relevant).

Google hat juristisch freie Fahrt (siehe auch den aktuellen Artikel in der „Presse“), tritt aber nun bei den Snippet-Büchern plötzlich auf die Bremse.

Wissenschaftliche Bewertung: Zusammen mit den früheren Beobachtungen zum Google-Books-Fail erweist sich die Suche nach Büchern, die in Snippet-Form vorliegen, als so gut wie unbrauchbar. Durch zahlreiche irrelevante, also falsche Treffer werden Forscher in die Irre geführt. Die Kontrollmöglichkeit in HathiTrust dürfte den wenigsten bekannt sein.

Rechtliche Bewertung: Ich bin zwar kein UWG-Experte, denke aber, dass Anbieter eines Informationsangebots, auch wenn es kostenlos ist, wahrheitsgemäße Auskünfte geben müssen (Google zeigt ja Werbung in GBS!). In einem so riesigen Index wird man sicher rechtlich hinnehmen müssen, dass ein kleiner Teil der Suchergebnisse nicht das liefert, was man erwarten darf. Aber in dem von mir untersuchten Fallbeispiel ist es so, dass fast alle Treffer Schrott sind und aufgrund der nicht mehr angezeigten Snippets geeignet sind, das Publikum massiv in die Irre zu führen. Das geht so nicht.

Nachtrag: Der Beitrag wurde um 21:56 veröffentlicht. Nun ist es 23:26 und die Trefferliste sieht deutlich anders aus. Die Obstbauzeitschrift ist jedenfalls verschwunden, neu sind die oben genannte „Weltfahrt“, Liederdichter, „Revue internationale de la chocolaterie“ und „Zeitschrift für Württembergische Landesgeschichte“. Wieder erheblich anders sieht die mit einem US-Proxy gerade aufgerufene Trefferliste in den USA aus (PDF): 8 neue Titel.

Nachtrag 31.10.2016: Aus Berkeley kam die erwartbare Antwort:

Our staff at our storage facility were kind enough to check the text for your wanted information. Here’s their response.

At any rate, thanks for giving us the citation – it helps. However, I don’t find any mention of Ritter Toggenburg in the „Schweizerische Zeitschrift für Obst- und Weinbau – Band 63 – Seite 423“ or in the following or preceding pages. Ritter Toggenburg is a ballad by Friedrich Schiller, this journal is about fruit-culture, mostly viticulture, and the article that contains page 423 is more a report with no references to literature and Ritter Toggenburg as far as I can see. We are happy to scan the article for you if you wish.

Die Trefferliste (21 Treffer) sieht inzwischen vollständig anders aus (PDF). Nur die ersten drei Treffer stimmen überein, der Rest ist offenkundig „Such-Müll“.

#googlebooks

Fragment über Google Books (2011)

2010 hatte ich auf einen Call for Papers von Dirk Lewandowski zum Thema Suchmaschinen geantwortet und war in die Schaar der Mitarbeiter aufgenommen worden, konnte aber meinen Beitrag nicht fertigstellen. Gründe: Überforderung, anderweitige Überlastung, schlechtes Zeitmanagement? Was auch immer, er blieb ein Torso. Das Fragment mag angesichts der bei Google Books eingetretenen und womöglich noch zu befürchtenden Änderungen als „historische“ Momentaufnahme der Veröffentlichung wert zu sein, zumal ich nicht den Eindruck habe, dass mir seither bekannt gewordene Studien die von mir aufgeworfenen Fragen zum Retrieval aus Benutzersicht überzeugend behandelt haben.

Google Book Search – Leistungen und Probleme

Von Klaus Graf

Was die Ende 2004 gestartete Buchsuche von Google im
Bereich des Ebook-Marktes, des Buchhandels, des
Bibliothekswesens und der Wissenschaft ausgelöst hat, kann
in seiner Bedeutung kaum überschätzt werden. Kontrovers
wird über das Angebot weltweit vor allem deshalb
diskutiert, weil es auf zwei Säulen ruht – dem
Verlagsprogramm und dem Bibliotheksprogramm – und die
zweite Säule, das Scannen von urheberrechtlich noch
geschützten Büchern in Googles Partnerbibliotheken, als
juristisch überaus problematisch angesehen wird.
Gerichtlich noch nicht anerkannt ist ein in den USA
ausgehandelter Vergleich (“Settlement”) zwischen den
Rechteinhabern (Verlage und Autoren) auf der einen und
Google auf der anderen Seite. Während es dazu unzählige
Stellungnahmen gibt, fehlt es an
informationswissenschaftlichen Studien, die Leistungen und
Probleme der Google Buchsuche in den Blick nehmen. Solche
Recherchen werden durch die Geheimhaltung, die Google
hinsichtlich wesentlicher Details dieses Angebots
praktiziert, erheblich erschwert. Massenhafte
automatisierte Abfragen blockt Google konsequent.

Im Oktober 2004 wurde auf der Frankfurter Buchmesse das
Verlagsprogramm des damals “Google Print” genannten
Angebots vorgestellt, im Dezember 2004 folgte die
Ankündigung des umstrittenen Bibliotheksprogramms, und es
begannen in der Google-Websuche erste Treffer aus der
Buchsuche sichtbar zu werden. Um das Spezifische von Google
Books (künftig: GBS), wie es heute offiziell heißt,
herauszuarbeiten, empfiehlt sich ein kurzer Blick auf
Vorgänger und Konkurrenten.

Soweit sich vor dem Start von GBS Bibliotheken in der
Massendigitalisierung engagierten, gab es bereits
Sammlungen gescannter Bücher, die sowohl die Bilder der
gescannten Seiten als auch den OCR-Text und eine
buchübergreifende Volltextsuche anboten. Herausgegriffen
sei die nach wie vor im Netz befindliche Seite der Suche
für die “Digital General Collection” der Bibliothek der
University of Michigan. Der Umfang wurde im Januar 2011 mit
30.000 Bücher angegeben. Die Sammlung dürfte seit der
Partnerschaft mit Google kaum ausgebaut worden sein.

http://porter.umdl.umich.edu/g/genpub/

Während die Seite optisch kaum spartanischer denkbar ist,
werden ausgefeilte Suchmöglichkeiten (z.B. eine
Proximity-Search) geboten, die man nicht nur bei GBS,
sondern auch bei dem von der University of Michigan
koordinierten Kooperationsprojekt HathiTrust vermisst.
Nicht nur bei deutschsprachigen Digitalisierungsprojekten
sucht man noch 2011 allzu oft eine konsequente
OCR-Durchführung und eine buchübergreifende Volltextsuche
vergebens. Während das Münchner Digitalisierungszentrum bei
dem Projekt Digi20 endlich einmal eine Volltextsuche
realisiert hat, arbeitet das Göttinger
Digitalisierungszentrum nach wie vor weitgehend ohne OCR.
Soweit deutsche Bibliotheken ihre digitalen Sammlungen mit
Hilfe der Firma Semantics anlegen, wird zwar eine
buchübergreifende Volltextsuche angeboten, aber eine
Metasuche für die diversen Bibliotheksprojekte existiert
nicht, und da ein Zugriff auf den OCR-Text anders als bei
den Public-Domain-Büchern in GBS – nicht möglich ist, ist
dieser Wissensschatz für die Google-Websuche (und andere
Suchmaschinen) nicht erreichbar.

Im Vergleich zur Sichtbarkeit von Google-Produkten befinden
sich Angebote wie das
US-Zeitschriftendigitalisierungsprojekt JSTOR, das seit
Anfang 1997 Bibliotheken lizenzpflichtig angeboten wird,
oder NetLibrary (gegründet 1998) in der akademischen
Nische. Bis 2010 war die Volltextsuche in JSTOR den
Abonnenten vorbehalten (während das kleinere Project MUSE
schon lange eine Volltextsuche für das allgemeine Publikum
ermöglichte). NetLibrary-Bücher können nach wie vor nur in
den lizenzierenden Institutionen einzeln oder im Paket
durchsucht werden.

Bereits vor GBS war – seit Oktober 2003 – das Angebot des
großen US-Online-Buchhändlers Amazon “Search Inside” auf
dem Markt, der das Durchsuchen eines Teilbestands der von
ihm angebotenen Bücher und Zugriff auf die gescannten
Seiten unmittelbar vor und nach dem Treffer ermöglicht.
Eine Suchanleitung durch Amazon existiert nicht. Seit 2007
vertraut der deutschsprachige Buchhandel auf das Portal
Libreka. Hier gibt es immerhin eine erweiterte Suche, aber
hinsichtlich der Details ist die “Hilfe” alles andere als
hilfreich.

Mit – im Januar 2011 – über 2,6 Mio. Texten ist das
Internet Archive der größte Konkurrent für GBS. Seit
September 2002 ist die Sektion “Texts” online. Sie enthielt
aber zunächst nur gespiegelte Inhalte vor allem aus dem
Project Gutenberg, für das bis heute E-Texte ohne Scans im
Vordergrund stehen, auch wenn inzwischen teilweise
Imagedateien zu den erfassten Texten angeboten werden. Die
Philosophie von GBS war diesbezüglich von Anfang an
diametral entgegengesetzt: Angezeigt wird standardmäßig
nicht der OCR-Text, sondern das gescannte Seitenbild. Auf
den Start von GBS reagierte das Internet Archive bzw. sein
Gründer Brewster Kahle mit der Gründung der Open Content
Alliance (OCA), der auch Suchmaschinen-Rivale Yahoo!
beitrat. Der andere große Rivale, Microsoft, sponsorte
nicht nur OCA-Digitalisierungen in Bibliotheken, sondern
zog ein unmittelbares Konkurrenzprodukt zu GBS auf, Live
Search Books. Dieses Angebot hatte nur ein kurzes Leben:
von Dezember 2006 bis Mai 2008.

Hinsichtlich der Volltextsuche kann aber das Internet
Archive keineswegs als Konkurrent von GBS gelten, denn
diese findet sich auf der Website der Open Library – gut
versteckt.

http://openlibrary.org/search/inside

Diese Volltextsuche – eine Anleitung fehlt – war längere
Zeit deaktiviert und erfasst anscheinend keineswegs alle
OCR-Texte des Internet Archives. Sie dürfte auch den
wenigsten bekannt sein., da die Standardsuche der
Textsektion ausschließlich Metadaten durchsucht.

Dieser kurze Blick auf andere Angebote zeigt: Hinsichtlich
der Reichweite ist GBS konkurrenzlos, zumal ausgewählte
GBS-Suchergebnisse in die Google-Websuche integriert sind.
Hinsichtlich der Dokumentation, die bei den anderen
Angeboten gar nicht oder nur rudimentär vorhanden ist,
profitiert GBS von der Erkundung der Google-Websuche durch
unzählige Suchmaschinen- bzw. Google-Spezialisten, die auch
von Google selbst nicht dokumentierte Features wie etwa den
AROUND-Operator erörtern.

Ein Konkurrent für eine vergleichbare Buchvolltextsuche ist
nicht in Sicht. Die Europeana, zurückgehend auf eine
Anti-Google-Initiative, setzt anders als ein
Vorläuferangebot nicht auf Volltexte, sondern auf Metadaten
und ist im Kern noch nichts anderes als ein OAI-Harvester.
Ob bei der Weiterentwicklung dieses Angebots der
Volltextrecherche in Buchinhalten hinreichend Beachtung
geschenkt wird, bleibt abzuwarten. Die “Gemeinsamen
Eckpunkte von Bund, Ländern und Kommunen zur Errichtung
einer „Deutschen Digitalen Bibliothek (DDB)” (Finale
Fassung vom 02.12.2009) äußern sich zu dem Gegensatz
Metadatensuche vs. Volltextsuche nicht.

Geht es um den Zugriff auf wissenschaftliche
Fachinformationen, steht für mich fest, dass auch die
vielen anderen wissenschaftlich verwertbaren
Volltext-Corpora im “Deep Web” und die unzähligen
Digitalisate (image-Format) durch Suchmaschinen mit
hinreichend differenzierten Suchmöglichkeiten erschlossen
werden müssen. Dies gilt auch für die Suche in
kostenpflichtigen Volltexten, selbst wenn diese Inhalte
nicht frei zugänglich sind. Es liegt nahe, spezielle
Volltextsuchen für wissenschaftliche Zwecke mittels des
Google-Index zu realisieren, wie man dies etwa bei
Open-Access-Repositorien-Inhalten bereits versucht hat:

http://roar.eprints.org/content.html

Die Nutzung einer Google Custom Search Engine hat jedoch
zwei Haken: Was Google nicht erfasst, kann auch diese Suche
nicht finden. Es ist bekannt, dass Google bei der Erfassung
wissenschaftlicher Fachliteratur im Netz merkliche Lücken
aufweist (Hagedorn/Santelli 2008). Und: Die Custom Search
Engine bietet ärgerlicherweise nicht alle Treffer, die die
gewählten Kriterien (Vorkommen auf genau definierten
Websites) erfüllen. Es besteht also eindeutig ein Bedarf an
einem Ergänzungsangebot zu Google hinsichtlich
wissenschaftlich motivierter Volltextsuche.

Solange aber bei wissenschaftlichen Suchmaschinen wie
Bielefelds BASE die Auswertung von Metadaten und nicht die
Volltextrecherche im Vordergrund steht, bleibt GBS die
wichtigste wissenschaftliche Volltextsuchmaschine.

Wie sich die Bücher in GBS darstellen ist “Ansichtssache”

Als Einheiten zählen in GBS zum einen die im Rahmen des
Bibliotheksprogramms gescannten Bibliotheksbücher und zum
anderen die Bücher des Partnerprogramms, die entweder von
Google selbst gescannt werden oder vom
Verleger/Rechteinhaber im PDF-Format eingereicht werden.
Jede Einheit erhält von Google offenbar eine eindeutige
Kennung (ID), die sich in der URL niederschlägt. es ist
damit zu rechnen, dass diese IDs konstant bleiben und
dauerhaft die Einheit bezeichnen, sofern das Buch von
Google in seinem Index belassen wird. Hinsichtlich der
Public-Domain-Bücher gibt es vereinzelte Beobachtungen,
dass Google, ohne dass Gründe ersichtlich sind, Bücher
entfernt. Um eine Seite in GBS zu verlinken, genügt die
Angabe der ID und der jeweiligen Seitencodierung (z.B. PA27
für S. 27, PR8 für S. VIII). Der von Google bei jeder Seite
angebotene Zitierlink kann also rigoros zusammengestrichen
werden. Beispiel:

http://books.google.de/books?id=nkgPAQAAIAAJ&dq=uhland&pg=PR11#v=onepage&q&f=false

wird zu

http://books.google.de/books?id=nkgPAQAAIAAJ&pg=PR11

GBS bietet seine Inhalte in den folgenden “Ansichten” an:

(1) Nur Metadaten, keine Vorschau

In großem Umfang hat GBS reine Metadaten importiert, die
nicht zuletzt aus dem WorldCat stammen. Diese Bücher liegen
nicht digitalisiert vor.

(2) Keine Vorschau

Diese Bücher sind zwar digitalisiert und ihr Volltext ist
in der Regel mit der allgemeinen Suche von GBS
durchsuchbar, es ist jedoch keine Suche im Buch verfügbar.
Nicht immer wird die Bibliothek mit Digitalisierungsdatum
angegeben, es kann daher Fälle geben, bei denen die
Zuordnung zu Gruppe (1) oder (2) nicht sicher gelingt bzw.
mit zu großem Aufwand verbunden ist.

(3) Snippet-Ansicht

Nur als Schnipsel werden Buchinhalte dieses kontroversen
Ansichtstyps dargestellt. Es handelt sich um meistens noch
um urheberrechtlich geschützte Bücher, die in Bibliotheken
gescannt wurden. Allerdings werden, ohne dass dazu von
Google eine Auskunft zu erhalten war, auch eindeutig
gemeinfreie Drucke z.B. des 18. Jahrhunderts nur in
Schnipselform angezeigt. Es kann im Buch gesucht werden.
Angezeigt werden maximal drei Schnipsel, auf die
Trefferzahl (1-3) ist aber kein Verlass. Es kommt aber auch
zunehmend vor, dass trotz positivem Treffer gar keine
Schnipsel angezeigt werden.

(4) Vorschau

Diese Bücher stammen aus dem Partnerprogramm. Die Verlage
können frei entscheiden, ob es bei einem Buch die
Möglichkeit geben soll, dass der Nutzer ganze Seiten
einsehen darf. Neben Büchern, in denen ganze Kapitel frei
lesbar sind, gibt es andere (z.B. Nachschlagewerke), die
nur wenige Probeseiten enthalten. Beispielsweise waren in
großem Umfang Seiten von “Die deutsche Literatur des
Mittelalters. Verfasserlexikon” (2. Auflage) frei
einsehbar, was aber der Verlag wieder rückgängig gemacht
hat (offenbar zugunsten einer Präsentation in Libreka).
Einzelne Seiten können nicht ohne Vorkenntnisse
abgespeichert oder gedruckt werden. Dieses DRM ist
allerdings sehr leicht zu überwinden, z.B. durch Sichten
des Medien-Reiters im Browser Firefox).

(5) Vollständige Ansicht

Vergleichsweise wenige Bücher aus dem Partnerprogramm
können vollständig gelesen werden. Davon wiederum ein
kleiner Teil bietet einen PDF-Download an, und es gibt
sogar einige Bücher unter Creative-Commons-Lizenzen. Auf
die im Dezember 2010 für US-Bürger eröffnete Möglichkeit,
den Volltext via Google eBooks zur Nutzung in der Cloud zu
erwerben, soll nicht näher eingegangen werden. Die meisten
Bücher in vollständiger Ansicht sind gescannte
Bibliotheksexemplare, die GBS als Public Domain ansieht.
Jeder PDF-Download ist mit einer Vorsatzseite versehen, der
die kommerzielle Nutzung unterbinden möchte, was aber nicht
als verbindliche Lizenzvereinbarung anzusehen ist. In
großem Umfang stehen Digitalisate von Google auch in
HathiTrust und den Servern der Bibliothekspartner München
und Gent sowie im Internet Archive zur Verfügung.
HathiTrust macht beispielsweise auch europäische Literatur
nach 1909 und vor 1923 für US-Bürger verfügbar, die bei
Google nicht in vollständiger Ansicht vorliegt, auch nicht
für US-Bürger.

Google unterscheidet die Benutzer anhand ihrer IP-Adressen
hinsichtlich der vollständigen Ansicht in US-Bürger und
Nicht-US-Bürger, wobei letztere sehr viel weniger zu sehen
bekommen als erstere. Als restriktive “moving wall” aus
Gründen urheberrechtlicher Vorsicht dient ein Zeitraum von
etwa 140 Jahren: Anfang 2011 wurden die meisten im Jahr
1870 außerhalb der USA erschienenen Publikationen von GBS
freigegeben. Damit werden unzählige Werke, die in Europa
aufgrund der urheberrechtlichen Regelschutzfrist (70 Jahre
nach dem Tod des Urhebers) eindeutig gemeinfrei sind, für
EU-Bürger von GBS blockiert.

Rätselhaft ist, wieso GBS in nicht zu vernachlässigendem
Umfang auch ältere Literatur (durchaus auch Werke aus dem
18. Jahrhundert) zwar US-Bürgern, nicht aber Europäern in
Vollansicht zur Verfügung steht. Urheberrechtliche Bedenken
scheiden hier aus. Freilich ist dieses Rights Management
sehr einfach zu umgehen, indem man einen US-Proxy nutzt.
Auch ohne spezifische Vorkenntnisse kann jeder einen der
(in der Regel mit Werbung überladenen) webbasierten
Anonymizer nutzen, der die in Google (und HathiTrust) für
Nicht-US-Bürgern unzugänglichen Inhalte verfügbar macht.
Google erschwert aber den Nutzern solcher Angebote oder des
Firefox-Addons GoogleSharing das Surfen z.B. bei der
Navigation oder der erweiterten Suche.

GBS ist erheblich größer als seine Konkurrenten. Aktuelle
Zahlen liefert das im Dezember 2010 publizierte
Zusatzmaterial zu Michel et al.: “In 2004, Google began
scanning books to make their contents searchable and
discoverable online. To date, Google has scanned over
fifteen million books: over 11% of all the books ever
published. The collection contains over five billion pages
and two trillion words, with books dating back to as early
as 1473 and with text in 478 languages. Over two million of
these scanned books were given directly to Google by their
publishers; the rest are borrowed from large libraries such
as the University of Michigan and the New York Public
Library.” Da das Google Books Team als Mitautor erscheint,
repräsentieren diese Angaben die Selbsteinschätzung
Googles.

Mit diesen – durchaus eindrucksvollen – Angaben muss es
sein Bewenden haben, da quantitative Auswertungen der von
GBS angebotenen Trefferlisten keine zuverlässigen
Ergebnisse erbringen können. Reine Phantasie sind etwa
Angaben am Kopf der Trefferliste, zu dem Suchwort
geschichte existierten “ungefähr 17.300.000 Ergebnisse”
(das folgende nach einer Recherche am 10. Januar 2011).
Während die Google Websuche dem Nutzer zu geschichte
immerhin acht Trefferseiten anbietet, kommt man durch
Weiterblättern in 100er-Schritten nur zu 333 Ergebnissen
(wenige Minuten später waren es dann nur noch 330). Dass es
sich dabei nur um eine winzige Auswahl handeln kann, über
deren Ranking nichts bekannt ist, zeigt die Suche mit dem
Zeitintervall 1860-1870, die für alle Ansichtsformen 281
Treffer ausgibt (die gleiche Suche mit US-Proxy: 303
Treffer). Für das Erscheinungsjahr 1879 fanden sich 219
Treffer, davon nur 5 in Vollansicht (US-Proxy: 236, davon
176 in vollständiger Ansicht).

Wer hofft, dies liege an dem Allerweltbegriff Geschichte
und bei geringen Trefferzahlen sei die Anzeige exakt, wird
enttäuscht. Das zugegebenermaßen exotische Suchwort
Sustentationskommission ergab in der deutschsprachigen GBS
17 Treffer, in der US-Version 18 (später 19), auch die
französischsprachige Version bot mit 18 mehr als die
deutsche. Die dem deutschsprachigen Publikum vorenthaltenen
Treffer boten durchaus wichtige Hinweise zu dieser kaum
bekannten Institution aus der Zeit um 1800, unter anderem
eine Seite aus einem Buch von 1805.

Angesichts der Fluktuation im Suchindex, die ja auch von
der Google-Websuche bekannt ist, und der Unterschiede in
den Sprachversionen empfiehlt es sich, bei
wissenschaftlichen Recherchen in GBS immer auch die
US-Version zu nutzen und die gleiche Suche zu verschiedenen
Zeitpunkten durchzuführen.

Nach eigenen Beobachtungen ist die Abdeckung der zentralen
geisteswissenschaftlichen Forschungsliteratur des 19.
Jahrhunderts einschließlich der Zeitschriften durch GBS als
gut zu bezeichnen. Große Lücken gibt es selbstverständlich
bei der deutschen Lokal- und Regionalliteratur, die von den
Google-Partnern allenfalls München in größerem Umfang
besitzt. das deutschsprachige Wikisource-Projekt
dokumentiert auf seiner Seite “Württembergische
Oberamtsbeschreibungen” die vorhandenen Digitalisate. Von
den 64 Bänden der ersten Bearbeitung (bis 1885) sind etwas
mehr als die Hälfte (36 Bände) bei GBS einsehbar, 6 von
Google digitalisierte Bände bietet nur das Münchner
Digitalisierungszentrum in vollständiger Ansicht, 10 wurden
anderweitig digitalisiert (auf Benutzerwunsch durch die ULB
Düsseldorf oder durch Wikisource-Mitarbeiter). Drei der
noch ausstehenden Bände hat Google nach eigenen Angaben am
29. August 2008 in der Bayerischen Staatsbibliothek
digitalisiert, es wird jedoch (auch für US-Bürger) nur eine
Snippet-Ansicht angeboten. Auch das MDZ stellt sie (noch?)
nicht zur Verfügung.

2008 untersuchte Ed Jones anhand einer Zufallsauswahl,
wieviele von den im 1874/82 gedruckten Katalog der
traditionsreichen Athenaeums-Bibliothek in Boston
aufgeführten Bücher unter den Public-Domain-Büchern in GBS
vorhanden waren. Von 398 überprüften Einträgen waren 235 in
GBS vertreten, also rund 60 Prozent (Jones 2010).

Zumindest für die Disziplinen, für die der Zugriff auf
Bücher des 19. Jahrhunderts nach wie vor wichtig ist, kann
angesichts dieser Befunde behauptet werden, dass die
GBS-Volltexte inzwischen eine mit Altbestand gut
ausgestattete Forschungsbibliothek repräsentieren.

Qualitätsmängel

Wer häufiger mit GBS-Büchern arbeitet stößt immer wieder
auf Fehlscans, ja sogar auf ganze Bücher, die aufgrund des
Textverlusts als unbrauchbar bezeichnet werden müssen.
Mintunter werden solche missratenen Scans auch vom Münchner
Digitalisierungszentrum – offenkundig ohne
Qualitätskontrolle – eingestellt. James 2010 hat die
Scanqualität in GBS jedoch mittels einer Zufallsstichprobe
von 50 Büchern, aus denen 2500 Seiten gesichtet wurden, als
gut beurteilt (siehe auch Conway 2010): Weniger als 1 % der
untersuchten Seiten wies Fehler auf, die ihre Lesbarkeit
beeinträchtigten. Für Wissenschaftler, die ein dringend
benötigtes Buch aufgrund von Scanfehlern sich anderweitig
beschaffen müssen, bleiben diese jedoch ärgerlich.

Enorme Fortschritte sind bei der Frakturschrifterkennung
durch die OCR von GBS zu registrieren. Während diese bei
dem Internet Archive immer noch völlig unbefriedigend ist,
hat sich GBS inzwischen weit von seinen unsäglichen
Anfängen in diesem Bereich, reinem Buchstabensalat,
entfernt. Bei Antiquaschriften ist die OCR als sehr gut,
bei Frakturschriften in der Regel immer noch als gut zu
bewerten. Allerdings gibt es immer noch “Altlasten” mit
unbrauchbarer OCR. Mitunter wird anscheinend die OCR gegen
eine neue, bessere ausgetauscht (siehe z.B. Graf 2007).

http://books.google.com/books?id=PbYTAAAAYAAJ
http://books.google.de/books?id=Gb8TAAAAYAAJ

Qualität der Scans, der OCR und der Metadaten
(Spracherkennung), mehrbändige Werke, Dubletten

Mehrere Suchbegriffe, Synonymbehandlung/Stemming, Ranking
der Ergebnisse

Quantitative Auswertung

Qualitative Auswertung

Literaturverzeichnis

Bailey, Charles W.: Google Books Bibliography. Version 6:
4/12/2010. Online:
http://www.digital-scholarship.org/gbsb/gbsb.htm

Conway, Paul: Measuring Content Quality in a Preservation
Repository: HathiTrust and Large-Scale Book Digitization.
Vortrag: 7th International Conference on Preservation of
Digital Objects (iPRES2010) September 19 – 24, 2010,
Vienna, Austria. Online:
http://www.ifs.tuwien.ac.at/dp/ipres2010/papers/conway-20.pdf

Dougan, Kirstin: Music to our Eyes: Google Books, Google
Scholar, and the Open Content Alliance. In: portal:
Libraries and the Academy 10 (2010), S. 75-93. Online:
DOI: 10.1353/pla.0.0088

Duguid, Paul: Inheritance and loss? A brief survey of
Google Books. In: First Monday 12 (2007). Online:
http://firstmonday.org/issues/issue12_8/duguid/index.html

Graf, Klaus: Wort Raub-Ritter 1781 belegt. In: Archivalia
15. Dezember 2007. Online:
http://archiv.twoday.net/stories/4537828/

Hagedorn, Kat/Santelli, Joshua: Google Still Not Indexing
Hidden Web URLs. In: D-Lib Magazine 14 (2008). Online:
http://www.dlib.org/dlib/july08/hagedorn/07hagedorn.html

Jacsó, Péter: Metadata mega mess in Google Scholar. In:
Online Information Review 34 (2010), S. 175-191. Online:
DOI: 10.1108/14684521011024191

James, Ryan: An Assessment of the Legibility of Google
Books . In: Journal of Access Services 7 (2010), S. 223 –
228
DOI: 10.1080/15367967.2010.503486
Eingesehen:
http://scholarspace.manoa.hawaii.edu/bitstream/10125/15358/3/google1.pdf.txt

Jones, Ed: Google Books as a General Research Collection.
In: Library Resources & Technical Services 54 (2010), S.
77-89. Online:
http://national.academia.edu/EdJones/Papers/117683/Google_Books_as_a_General_Research_Collection

Nunberg, Geoffrey: Google’s Book Search: A Disaster for
Scholars. In: The Chronicle of Higher Education 31. August
2009. Online:
http://chronicle.com/article/Googles-Book-Search-A/48245/?sid=at&utm_source=at&utm_medium=en

Nunberg, Geoffrey: Counting on Google Books. In: The
Chronicle of Higher Education 16. Dezember 2010. Online:
http://chronicle.com/article/Counting-on-Google-Books/125735

Orwant, Jon: Kommentar zu Nunberg, Geoffrey: Google Books:
A Metadata Train Wreck. In: Language Log 29. August 2009.
Online:
http://languagelog.ldc.upenn.edu/nll/?p=1701#comment-41758

Supporting Online Material zu Michel et al. 2010. Online:
http://www.sciencemag.org/cgi/content/full/science.1199644/DC1

Vincent, Luc: Google Book Search: Document Understanding on
a Massive Scale. In: Document Analysis and Recognition.
ICDAR 2007. 23-26 Sept. 2007, S. 819 – 823. Online:
DOI: 10.1109/ICDAR.2007.4377029
Eingesehen:
http://www.vincent-net.com/luc/papers/07icdar_googlebooks.pdf

Wikisource: Google Book Search. In: Wikisource die freie
Quellensammlung
http://de.wikisource.org/wiki/Wikisource:Google_Book_Search

#forschung #googlebooks

Dramatische Verschlechterung bei der Arbeit mit Google Books

Für eine Anfrage beim Bischöflichen Archiv in Chur Ende August verlinkte ich einen Schnipsel aus Google Books (GBS) über ein von Vasella ohne Quellenangabe erwähntes Verzeichnis der Gefangenen von Seckenheim 1462, der jetzt verschwunden ist.

https://books.google.de/books?id=_yLiAAAAMAAJ&q=verzeichnis+seckenheim+1462+gefangene

Auch wird das Buch von Vasella bei der Suchanfrage nicht mehr gefunden, und Google behauptet wahrheitswidrig es gebe keine Treffer für Seckenheim im Buch. HathiTrust weist aber die Seiten 131 und 207 nach.

Dergleichen passiert in letzter Zeit bei mir, einem GBS-Intensivnutzer, immer wieder. Neulich waren über Nacht ein paar Tabs futsch, und ich fand den Hinweis auf einen von mir seinerzeit übersehenen Aufsatz über den Hofhistorikus Abraham Hosemann und Ansbach erst wieder, als ich in der Browser-History den vor mir herausgesuchten ZBLG-Link fand. Im Sommer war der Hinweis auf ein wichtiges Digitalisat weg.

Am 24. September legte ich ein Google-Doc zum Crailsheimer Inschriftenband bzw. zu den Herren von Bebenburg an, in das ich seither sechs Links zu Google-Schnipseln mit Stichworten kopierte. Alle Links funktionieren (im Gegensatz zu den Volltextlinks) nicht mehr (die Bücher sind aber noch online). Das gleiche Bild auch bei anderen Projekten von mir.

Man sollte also einigermaßen wichtige Hinweise immer sichern (was leicht gesagt ist, wenn man zunächst noch nicht weiß, was sich als wichtig erweist). Volltext-Fundstellen in GBS, dass man die Anhäuser Inschriften an den WürttGAV gemeldet habe (schon Mitte 19. Jahrhundert) und dass man ebenfalls im 19. Jahrhundert dazu aufforderte Crailsheimer Inschriften zu sammeln, finde ich nicht mehr wieder. Ich hatte sie zunächst nicht als hinreichend relevant eingeschätzt.

Von den 26 Ergebnissen zu Sein Schwiegersohn, Wilhelm von Bebenburg weisen 4 tatsächlich diesen Eintrag auf (sie stammen alle aus einem Werk, früher wurde mit der Suche ein Aufsatz von Bühler im Heimatbuch Leipheim gefunden) – der Rest ist offenkundig Buch-Spam, der ersichtlich nichts mit der Suchanfrage zu tun hat. Es stellt sich die Frage, ob Google mit seinen irreführenden Einträgen massiv gegen deutsches und EU-Recht verstößt.

Frühere Beobachtungen mit heute verglichen:

Der Vogt von Lorch (Google-Fail) (Februar 2016)- die Beobachtungen können heute nicht mehr nachvollzogen werden, die Rezeptionszeugnisse sind auch mit US-Proxy inzwischen verschwunden.

Google-Fail (September 2015) – auch hier ist es schlechter geworden. „what a jump for“ hat nur noch 4 statt 8 Treffer. Übrigens: HathiTrust Search Results: 1,782 items found for „what a jump“ in Full-Text + All Fields (Google Books derzeit 31).

Wie Google seine Nutzer bevormundet (August 2014). Heute: Ihre Suchanfrage „“a.VI.30.“ salzburg“ stimmt mit keinem Buchergebnis überein. Früher: 10 Treffer. Heute: Ihre Suchanfrage „„Dr med Albrecht“ Münsinger“ stimmt mit keinem Buchergebnis überein. Früher: 1 Treffer.

Google Books: Diverse Suchen ausprobieren! (August 2013). Für „Domus und Religion in Montaillou“ früher 31 Treffer, heute 13 (darunter kein einziges relevantes Snippet!). Auch sonst sind die seinerzeit diskutierten anderen Treffer zurückgegangen.

Zitatsuche Medizingeschichte (Februar 2016) – für kühnel „leibärzte der habsburger“ früher 38 Ergebnisse, heute nur noch 18.

Offenkundig hat Google die Anzahl der zu einer Suchanfrage angezeigten Snippet-Bücher drastisch reduziert! Ich möchte diese Verschlechterung der Recherchequalität durchaus dramatisch nennen. Die verschwundenen Schnipsel gaben höchst wichtige Hinweise für die Forschung, sie ermöglichen es, entlegene Belege aufzufinden.

Alles fließt, auch Google Books. Während man aber über Googles Everflux bei der Websuche leicht Informationen findet, gibt es zu dem kommerziell für die Suchmaschinenoptimierung uninteressanten Google Books kaum weiterführende Informationen (auf Deutsch bietet wohl Archivalia die dichteste Berichterstattung).

Wer hat ähnliche oder andere Erfahrungen gemacht?

Updates:

15.10.2016 Fragment über Google Books (2001)
https://archivalia.hypotheses.org/59945

Wie Google Books uns derzeit gewaltig in die Irre führt
https://archivalia.hypotheses.org/60007

#googlebooks

Französische Artikeldatenbanken nun frei zugänglich

http://pascal-francis.inist.fr/home/

„Francis und Pascal sind zwei bibliographische Aufsatzdatenbanken, die das CNRS seit 1972 betreibt. Sie standen bislang kostenpflichtig bzw. nur Nutzern in Bibliotheken mit Abonnement zur Verfügung und sind nun seit Mai 2016 frei über das Internet zugänglich. Dabei deckt Pascal die Naturwissenschaften, Technik und Medizin ab, Francis die Geistes- und Sozialwissenschaften. Insgesamt umfassen beide Datenbanken 14 Millionen bibliographische Nachweise aus Fachzeitschriften und Tagungsbänden aus dem Zeitraum 1972 bis 2015, wobei allerdings das Übergewicht deutlich bei den Naturwissenschaften liegt (12 Millionen Nachweise). Für Francis werden rund 2.300 Zeitschriften ausgewertet. Die Geschichtswissenschaften gehören leider nicht zum erfassten Fächerspektrum, aber man findet immerhin verwandte Fachgebiete wie Kunstgeschichte, Literaturgeschichte, Religionsgeschichte, Technik- und Wissenschaftsgeschichte, Archäologie und Vorgeschichte, neben weiteren Disziplinen wie Geographie, Ethnographie, Linguistik etc. “

https://francofil.hypotheses.org/4528 mit erfreulich kritischen Bemerkungen.

Die südkoreanische Suchmaschine Naver

Bei der Suche nach Klaus Graf werden auf der Ergebnisseite die Treffer nach den verschiedenen Mediengattungen (Wikipedia, Webdokumente, Blogs, Nachrichten usw.) gelistet. Bei den Fachinformationen dominiere ich.

„Naver is the number one search engine in South Korea, far outpacing Google locally.“ (World Search Engines)

Siehe auch
http://blog.xeit.ch/2016/01/naver-die-groesste-suedkoreanische-suchmaschine-im-ueberblick/

naver_klaus-graf

Yandex

Blog.digithek.ch macht auf ein Videotutorial von Phil Bradley zur russischen Suchmaschine Yandex aufmerksam.

https://www.yandex.com/search/?text=Vorlegung%20gemacht%20von%20Bruder%20Johan%20Tetzel&lr=177 liefert einige einschlägige Treffer, aber die Phrasensuche beharrt darauf:

There are no results for your search
Spelling error corrected for „“Vorlegung gemacht von Bruder Johan Tetzel““