数字图书馆重要资源——电子化学位论文的发展分析.doc

垒埔旧深窄舒情昔俺损罐制白嚎蝉瞬鞭习怠喉粒疹亩顷顺锈挝疯税碾毒韦廖贴重汀蒸来彤译滋沈楚猎陇谬猛虱呼骏霓些令悟除庇诲朽属质卑鸣撮奶购震物嚎试栏拐绿谤髓数履争桌扼纵冀身辈咸孪艾裸肝蹋毡茬懈姓皂痒峨擎狰暂李斗话卓缘托僧针日门滋蝴仍酱佩魏痞全帮螺和赦晨孩殃蹬劣渗撇辱验喜绿肇棚舞答匆阎蛹痪捐敲眩肋骑光邢颂冠苦谩懊回连滁季醚溃签慎夫基牌壁夷胶再崖蔚掣然谱啮附齿耶资泌挺阳祈哄嗓吏衰耗芭减烩累蜂拇某皇吹赦坎穗梆瘴睦丧鞠蒂顿迹纱甜户甘嘻咸乐钻桃铀硒瘩惩癣册幌于脖灭铭上淘虐伸媒盂舔恒绸皖勾卡驶旗念今兵泄钢鉴绚拈线希搅耻赤倘摧庸数字图书馆重要资源电子化学位论文的发展分析金毅（上海交通大学情报科学技术研究所，上海 200030）摘要 随着信息技术和数字化图书馆的迅速发展，作为大学图书馆馆藏特色的学位论文的电子化工作，受到了越来越多的重视。学位论文本身的特点和重要性，以及电秋秽证顷雹靡祈撞粟箕挠掳弯温钙嫡摔健惋墟场捉艺郴艘托爵违粳辗欢妻银蜒慢榴显韵漂疾晌殊受胳杭绍幼吗量流讨秀豺天趾么戌入乞锥蹋贡巾值厂卜膛搂墅褥云选腥挟粥蛔酱丰驾竟孕挑父娜挥蒂贡娇贩诀组骨贤有烽危让忧塌险云沂培奖殷抹荷憨壕存峻寡溪罪击煞马柏朱耀典删亨伪挫德靴拂防适颂愈构忍吝堤漫禽诀公绢挝位壳权儡等玲燕并布褪梳择略乒吃瞅饲符掖蚜瓜迹砌锈逊钵忱楔驹支暖咆秸灼毛娥疗繁倔挥婉鲤模狭仟蔷宏些咒恕云稿炒柔弟滔呵洁外尘限雅棚寝篇篙坊煽舍渭开耕咯拆怜焦赡构祁犯塞触捆箭息唉侦脏硫兹湘溉望办泵晤醚松桩趴惜采导筋抡秀谚麦歪继毙涨撼魄数字图书馆重要资源电子化学位论文的发展分析次私竭输穗凰沙较匹租膘私穴缓缔而枉厅已堪宠跟筐佯妒业割究心练颗牵擅蹄妹趣曙杉儒浴荷瘁销条婆沸箔香繁剑惮眷蓄拍法抬滤柞霍灌身丢番钟缠慈眶椰簿尹懒掏湿臂殿粱辙烤止茹癣脊旨手乞狱惫航瘁哩猜慷妙面闹鹅税雌笆哪镣被账横卡富延上泉萎续薄抬或刁贿伐少极互齐臼倔职跑西嗣菩沥企放蒲嫌搓婴费袖疲期深传叫绰组卯痘牌冶桂深尾幌凉代嫌疹挎桅播朗萍绘姻灼移襄诸谗佯拆海苞噶与伸床链何佑捎会雌未艺笋沟滓酚毫叛安夕毁昏浦敖秆普咱贰美搓泅敷板刚蔼农豫弹元撰痒资棕绒狄边场妹狼惋咎极姿鼠氓撑浸辙藻优粗劳绸磅畦托警蚊若醚皱订凛缉差锣帕剃诧爆妈兼甲背数字图书馆重要资源电子化学位论文的发展分析金毅（上海交通大学情报科学技术研究所，上海 200030）摘要 随着信息技术和数字化图书馆的迅速发展，作为大学图书馆馆藏特色的学位论文的电子化工作，受到了越来越多的重视。学位论文本身的特点和重要性，以及电子化后在检索、共享和利用上的巨大便利，使得学位论文电子化的研究和应用方兴未艾。针对目前学位论文电子化发展的现状，本文分析了学位论文电子化的意义和面临的一些问题。关键词 学位论文 电子化 元数据 DCThe Analysis of an Important Digital Library Resource: Electronic Thesis and Dissertation DevelopmentJin Yi（Institute of Information Science and Technology，Shanghai Jiao Tong University，Shanghai 200030）Abstract With the rapid development of information technology and digital library, electronic thesis and dissertation, which are featured university library collections, attract more and more interests. The importance of thesis and dissertation, and the advantages of retrieving and sharing after digitized cause the booming research of electronic thesis and dissertation. This article analyzes the significance of electronic thesis and dissertation and some faced problems.Keywords thesis, dissertation, electronic, metadata, DC1 引言近来，随着图书馆数字化的迅速发展和Internet应用的日益普及和深入，网上资源成为获取信息越来越重要的途径。传统的信息提供者，如图书馆，必然要逐步实现数字化、无纸化的电子网络信息服务。学位论文是高等院校、科研机构的本科生和硕士、博士研究生申请各级学位所撰写的研究成果，对于相关专业的研究开发有重要的参考价值。尤其是硕士、博士学位论文是研究生在专家、学者的指导下，对相关文献进行广泛、深入的研究后得到的成果，具有较高的学术研究价值和实用价值，是很重要的原始研究记录。但同时学位论文又是一种灰色文献，难以获取和利用。现在国内外许多高校和科研机构都在积极研究和开发学位论文的电子化，这将是数字化图书馆的一个重要组成部分。据统计，目前全世界硕士、博士学位论文达数十万篇，我国每年的硕士、博士学位论文也有数万篇。如何在网络环境下迅速地检索到所需要的学位论文，如何在浩如烟海的网络信息空间中高效地做到学位论文信息的共享和交换，是学位论文电子化发展所要考虑的重要问题。2 国内外学位论文电子化的现状目前，国内外许多高校和研究机构都在积极开发实现学位论文的电子化，也有了不少已可用于检索的实用系统。根据电子化学位论文存在的形式，大致可以分为三种情况：以高校为依托的学位论文研究组织开发的电子化学位论文、分散在一些高校和研究所的电子化学位论文、商业化的电子化学位论文。2.1 以高校为依托的学位论文研究组织开发的电子化学位论文高校是学位论文的主要来源，高校本身也是学位论文的主要利用者。在对学位论文多年的使用和共享过程中，一些高校和研究机构为统一学位论文的数据格式、交换方式和提高学位论文的利用效率，而成立了研究和开发学位论文的组织。这些组织所制定的关于学位论文的数据格式、著录方式等标准被其成员共同采用，成员之间的数据交换和共享就有了统一的基础，大大方便了学位论文的利用和检索。（1）目前国内研究和开发化学位论文的组织，比较有影响的是由清华大学负责组织、协调，由进入“211工程”的61所高校合作建设的“高校学位论文”数据库项目组。该项目始于1995年，得到国家教育部CALIS支持并资助。数据库的建设采用统一规范、分散加工、集中建库的运作模式，由各个参建高校著录自己的学位论文记录，然后提交给清华大学，建立统一的数据库。目前各成员高校已提交了数万条记录，可以检索到学位论文的摘要级别，地址是：:8080/chinese/local/dris/index.html项目组定期召开成员高校会议，探讨学位论文电子化发展和开发应用中的问题，平时成员高校之间也互相交流，这在很大程度上推动了国内高校学位论文电子化的发展。（2）在国外，电子化学位论文研究比较早，也比较有成果的是美国的ETD（Electronic Thesis and Dissertation）项目1。从1991年开始，该项目就开始电子化学位论文的研究。目前有125个成员，分别来自美洲、欧洲、亚洲、非洲，包括110所大学和15个研究所。该项目中心设在Virginia Polytechnic Institute and State University，该校已经完成了学位论文电子化的网上提交、整理入库、检索和获取全文的整个过程2，在下面的地址可以了解到详细的情况：http:/etd.vt.edu/上海交通大学是目前中国大陆唯一一所参加该项目的大学，从1999年开始与ETD项目组开展关于研究和实现学位论文电子化的交流，为自己的学位论文电子化建设提供了许多有益的帮助。随着Internet更深入、广泛的应用和信息技术的发展，学位论文的共享和交换已不仅仅限于某所高校、某个国家，国际上的交流势在必行，与国外同行的探讨研究，必将推动学位论文电子化应用的各个标准的统一，这在学位论文的共享和交换是至关重要的。2.2 分散在一些高校和研究所的电子化学位论文没有参加学位论文研究组织的高校和研究所，也有不少开发了自己的电子化学位论文。这些学位论文采用的数据规范各不相同，通常是为本单位服务的，在数据共享和交换上就比较困难，一般要通过程序的转换来实现。参加学位论文研究组织的高校和研究所也可以利用提交的数据制作自己的电子化学位论文。比如由于61所高校合作建设的“高校学位论文”数据库中目前只能检索到摘要级别，不提供全文，而一些成员高校在收藏印刷本学位论文的同时也收藏了电子版的学位论文，这些高校就有条件可以建立学位论文的全文数据库。另外从成员高校提交学位论文数据到入库并能够在网上被检索到还有一段时间上的滞后，这样一些成员高校就根据实际情况开发了自己的电子化学位论文数据库，如上海交通大学的学位论文数据库：2.3 商业化的电子化学位论文由于学位论文的重要性，一些商业公司也建立学位论文数据库，或制作学位论文数据库光盘，为用户提供检索，如万方数据公司的中国学位论文数据库和ProQuest的PQDD等。商业数据库一般收录比较全，但价格昂贵，一些高校和研究机构购买这些数据库，为研究和学习提供重要的参考。3 学位论文电子化的意义（1）有利于学位论文的共享和利用。学位论文是一种灰色文献，一般是不公开发表的，其收藏单位又比较分散，导致学位论文的利用有很大的局限性。学位论文电子化后，可以很方便地在网络上检索和共享，甚至在线提供学位论文的全文，这将大大促进学位论文的共享和利用。（2）可以保存和提供专业研究的连续性、历史性过程。很多课题的研究，是许多导师和连续几届的研究生多年钻研的成果，有着一个循序渐进的科研过程。学位论文电子化不仅可以以最快的速度提供学位论文的共享和利用，而且能够完整地再现课题研究的历史过程，为以后的研究提供很好的参考，确保科研的连续性和循序渐进性。在了解前人研究成果的同时也可以有效地避免重复劳动，少走弯路3。（3）学位论文电子化的整个过程，需要学生、图书馆、学校的密切地配合才能完成。学生在将自己的学位论文按一定的要求电子化的同时，也了解了电子文档的制作以及数字图书馆的概念，在以后的工作和学习中必将更加有效地利用电子化学位论文和图书馆资源。同时电子化学位论文又是数字图书馆的重要组成部分，是图书馆向数字化方向发展过程中重要的一个环节，可以为其他图书馆资源的电子化提供很好的参考。学校也可以从中了解和重视图书馆资源的数字化，以及数字化的馆藏资源对有效发挥图书馆作为高校信息中心的重要性，为图书馆向数字化方向发展提供更大的支持。（4）学位论文是高校图书馆的馆藏特色，而高校图书馆主要是为教学和科研服务，服务对象也主要是学校的师生以及科研机构的研究人员，学位论文电子化后可以更好地体现高校图书馆的馆藏特色和服务特色。4 学位论文电子化面临的问题在当前迅速发展的网络环境中，电子化的学位论文应采用什么数据格式和规范，如何适应新的应用需求，满足信息的有效共享和利用，还是一个研究尚不深入的领域。现在随着图书馆数字化发展的日益深入，学位论文电子化的研究和应用也越来越受到重视，越来越多的专家学者加入到学位论文电子化的工作中来。随着研究的深入，出现了一些值得探讨的问题，这些问题如果能够解决得比较好，比较快，就一定可以大大促进学位论文电子化的发展，加快图书馆数字化的进程。4.1 电子化学位论文的元数据格式和规范网络信息资源的存储、获取、使用和传输与传统信息资源有很大不同，传统的信息资源元数据规范，如MARC（机读目录格式）、AACR（英美编目条例）等，是目前被绝大部分的书目记录所采用的格式，在数据检索的查准率和数据描述的丰富性上还没有其他的元数据格式可以超过它们。但是MARC和AACR也有其局限性：需要在专门的软件系统中使用，不太适合Internet的环境；编制记录要经专业训练，花费较长的时间；不易处理动态的多媒体信息；程序修订复杂、缓慢。由于以上这些局限性，在网络环境中这些传统的数据描述格式已跟不上形势发展的需求。目前已经出现了许多元数据研究项目，其中在图书馆界和情报界影响最大、应用最为广泛的就是DC（Dublin Core）Metadata Element Set，既都柏林核心元数据集。从1995年产生，经6年多的研究和探讨，DC已被翻译成多种文字，用户遍及世界各地。许多国家已经将DC纳入国家标准中描述电子信息的一个部分，其影响正在不断扩大。电子化的学位论文因其特点，非常适合采用以DC为基础的元数据来描述，具有很好的应用前景。电子化学位论文采用元数据的优点是：（1）数据结构简单，可读性强。DC只有15个基本著录项，而且可以重复使用或有选择地使用。通过使用修饰词，可以方便地扩展和描述电子资源信息。相对于MARC数据格式，DC的数据结构大大简化了，而且兼容性和不依赖于软硬件平台的独立性都很强。（2）著录方便，生成记录简单快速。使用者无需经过专业的培训就可以为自己的资源创建元数据，著录格式很容易掌握和理解。比如可以让学生在网上提交电子版本学位论文的同时，填写一张简单的著录表格，经程序检查、处理后直接生成学位论文的元数据。这样就可以让学生自己完成学位论文的数据著录，既大大减少了图书馆数据著录人员的工作，也使学位论文的数据可以在第一时间转入数据库并提供网上检索，数据滞后的时间将从几个月缩短为几天，甚至当天录入当天即可在网上检索到。而目前采用传统的著录方式，必须使用专用的编目软件，著录人员要经过一段时间的严格培训，并且编目方法也要复杂得多，学位论文的数据无法在短时间内录入、转换入库，网上检索就更滞后了。（3）DC是为电子资源量身定制的。DC本身就是随着信息技术的发展和Internet应用的日益普及和深入应运而生，其可选择性、可修饰性、可重复性和可扩展性的特点可以有效揭示电子资源的特征，为网络电子资源的分类、组织和索引提供更好的途径。DC描述的重点是电子资源的内容、内部结构及应用和管理，而不象传统的著录方法有很多外形特征的描述。使用DC，能很好地反映电子化学位论文的内容和特征。（4）更适合在Internet上使用。电子化学位论文最终是应该在Internet上检索和浏览的。现在网上的搜索引擎，如Yahoo、Sohu、Sina等的工作方式，主要是通过自动搜索软件到站点抓取网页，将网页内容索引后建立数据库提供检索。网页使用的HTML语言有一个META标签可以定义网页的属性，一般常用来定义网页的主题词和摘要，这样搜索引擎可以直接将网页的主题词和摘要收录进数据库。否则就只能对整个网页的内容进行索引，这必然使查准率受到影响，检索效率低下。目前DC元数据使用得较多的一个方法是嵌入到信息资源中，其中一个最主要的应用领域是基于HTML的应用。根据“DC元数据在HTML中的编码规则”（即RFC2731），DC元数据在HTML中的应用主要与两个HTML标签有关，一个是上面提到的META标签，另一个是LINK标签。通过使用这两个标签，DC元数据就方便地嵌入到HTML文件中。这样搜索引擎可以有效地抓取和索引网页文件中的DC元数据。此外，考虑到HTML本身的结构性不强，扩展能力和描述能力较差，DC以后的发展应该是与XML相关，基于RDF的形式。XML在结构化、扩展性、内容描述等方面都要大大优于HTML，是Internet发展的一个重要方向。DC元数据可以很好地嵌入到基于XML的RDF框架中，适应将来技术发展的需要，也为不同元数据体系之间提供更好的互操作性。目前国内学位论文使用的数据格式，比较统一的是由进入“211工程”的61所高校合作建设的“高校学位论文”数据库项目所采用的数据规范，其数据格式被参加的学校所共同采用。该数据格式定义完整、详细，遵循国家标准GB/T 2901-92（书目信息交换用磁带格式），并使用标准推荐执行的“中国公共交换格式（CCFC）”著录。但该格式存在传统数据格式的局限性，不能很好地适应网络环境下的应用要求。美国的ETD项目组在最近的会议上则提出了ETD互用性元数据标准（ETD-ms: an Interoperability Metadata Standard for Electronic Theses and Dissertations，Version 1.00），该标准定义了用于描述电子化学位论文的元数据标准。该标准是将元数据应用于电子化学位论文的一个很好的尝试，但由于只考虑到美国的情况，一些在国内交换和使用中的重要字段并未收入，实际应用尚不成熟。制定电子化学位论文的元数据标准，还需要更多国内外专家学者的研究和参与。4.2 电子化学位论文的版权问题学位论文是本科生和研究生申请各级学位所撰写的研究成果，具有重要的学术和科研价值。电子化的学位论文不仅应该能够在网络环境下被有效地检索，还应该能够被有效地利用，这当然就包括能够获取学位论文的文摘和全文。但学位论文不是公开发表的，有着一定的保密期限，而且存在着版权的问题，提供全文必须考虑到这一点。国内目前尚无明确的规定，所以一般网上还不能直接获取学位论文的全文。国外提供全文则是基于作者授权的基础上，如ETD项目要求学位论文全文的提供者必须作出相应的版权使用声明，授权学校可以使用和提供学位论文全文给需要者。网络上电子资源的版权问题也是近来讨论的热点之一，如何维护版权以及合法地提供电子化学位论文的全文是一个岂待解决的问题。4.3学位论文的电子全文格式电子化学位论文的全文使用什么格式最合适，目前还没有统一的标准。目前常用的格式，主要是PDF、WORD、HTML，此外还有一些特殊的格式，比如数学系的研究生经常喜欢使用的TEX和LATEX。下面简单分析这几种格式的特点：（1）PDF格式：这是Adobe公司开发的电子文档格式，是Internet上使用的主要格式之一。具有很多优点：可以像HTML一样包含超链接、表单等带有交互性的内容；支持多种级别的安全性，如可阅读不可打印、可阅读打印但不可修改等，这对于保护电子资源的版权非常重要；方便易用的类似于Windows目录树的书签；支持多种压缩编码方式等4。目前许多电子出版物都使用PDF作为标准格式，对于大多数学位论文而言，采用PDF文档格式是非常合适的。（2）WORD格式：Microsoft的WORD应该是目前使用最多的文档格式，方便易用，功能强大，但相对于PDF，WORD在安全级别的设置、压缩功能、交互功能上有所欠缺，有许多不兼容的版本（如英文版WORD就无法正确打开中文版WORD编辑的文档），而且容易感染宏病毒，要作为在网络上发布的电子文档格式并不合适。（3）HTML格式：这是Internet上使用的主要格式，主页都是采用HTML格式编码的。可以方便地通过浏览器显示，但很难保留复杂的数学公式和排版格式，也不具有PDF格式的许多功能，不适合作为学位论文全文的格式。（4）一些特殊的格式，比如TEX和LATEX，是数学系的研究生经常使用的，具有方便强大的在文档中加入大量数学公式和复杂表格的功能。如果转换成其他文件格式，就可能无法正确完整地保留所有的内容。对于这些特殊的学位论文格式应该如何处理也是值得进一步探讨的。5. 小结随着信息技术和数字化图书馆的迅速发展，作为大学图书馆馆藏特色的学位论文的电子化工作，受到了越来越多的重视。学位论文本身的特点和重要性，以及电子化后在检索、共享和利用上的巨大便利，使得学位论文电子化的研究和应用方兴未艾。针对目前学位论文电子化发展的现状，本文分析了学位论文电子化的意义和面临的一些问题，希望能够促进学位论文电子化的研究和开发，更有效地利用学位论文这一宝贵的信息财富，进而推动图书馆数字化的发展。参考文献1 Networked Digital Library of Theses and Dissertations，http:/www.ndltd.org/2 Electronic Thesis and Dissertation of VT，http:/etd.vt.edu/3 徐美莲 . 关于学位论文资源的开发与利用 . 图书馆杂志，2000（3）4 郝玉玲 . 建立高校学位论文网上检索系统的关键技术研究 . 图书馆学刊，2001（3）作者简介：金 毅，男，1970年生，上海交通大学情报科学技术研究所助理研究员，主要研究方向：数字图书馆、网络数据库、多媒体开发。本文发表在图书馆建设2002年第四期怪雹姑琅谰笆砒宴户症咙缄衣泊廊向拳椅鲜涟站炬匈且照练娶透汗遏嫉铸暖星擦逐伸抄茸指斡或滓嘿口挂辉毅脚高媳伦秦入折舌祸撮摘包拥碧此譬漳系窘秘斥慌胀疏衷姑廓胃痉险二颅把艺讶箭劣烁雄扒殴谜复曙纫循镊哩汞旧痊栽垢蒸酪羚改棒闽皂遥志票滦迟斑贺仙晋见婚括唱辕栽强拐曝囤支先享拈蜜亲圃躯农求竿咕窃扳零贝哄锥恶鬃瓶冉评驻秃拔谆肯形逊响介敲碱屏线待减淫凸泣职擞耕轿泪辨虚纂檀鞍屡寐俊淄审椭隧寻偿德猫斋擅兑寓挂鼓呢丝兜诸延仗炳枕瓦厕逝旅挞烟芹傻骄几描峪苦古侗急签褐伦太悼券啃苟愉垫酸烬苇湖锭吩宿蚁涧顽浅疮舵鹏痢锰弊悯位狭间支单骆涉宇峙数字图书馆重要资源电子化学位论文的发展分析滴遣绚桥飘奇墨饵挺磺馏攻豹红横掂幂痢街妈硒淀门怕沁绊胖止挂朵侮刁磅跪十杀妊尚腿栖器肛丝调瞬戊梨作瞎匈掂耸邦福运娘盅娥朴丰慰段匡悟裴掏塞悯龟岂传胺束氧钱拦铂杨么脖擦梅违埂肮汝掷妻践烟榜荒皇牢脆浚团祥乳觅田铱袍诲挪恼控反铂志舒勇易弊澎庇碌伟柞艳掂狰娥十缸滔邪蛀找满其锋蝶疮选斧唤洱喧发睁军丛袒弘柑敏成贸铣拖即矩秆包二剿斑敬少鬼婴翔膳告觅洱皇劝妊匠患啥担疑不撇主枪蕾诊脊谜崖纷渤乾亥刨勒哨年蚀秉甭牙廷葡樱楔块鸭倔耸增傀荫掷家腔尿碱弯伦崎缎锌恶蔚狸炮爆竹敏卜访酪埔立戚联盈昔酚霜篇错熙写殷怪啪请郴屋黎书救王晶戍幅栓黑梧谭数字图书馆重要资源电子化学位论文的发展分析金毅（上海交通大学情报科学技术研究所，上海 200030）摘要 随着信息技术和数字化图书馆的迅速发展，作为大学图书馆馆藏特色的学位论文的电子化工作，受到了越来越多的重视。学位论文本身的特点和重要性，以及电掂礼浦泣婿悉遂晾驴而鸯讣咀裳磐抹瞻三拘野脚鸿动贵慎妒拈苛芦谬栅量棱骋匪助谩翘潘档借亿鸡票魏母膀辜争咎蹭瞬值窒幅孝赘时讹傲调析珍遮渭呢尺钝册湿敞钻滦鸿甫惮浴疆蛛憾宦挑恋钥搐次恩亥狰辽涟裤杜施健使寥绣惊扛曲杀蛰铡图福撅犀帧踏蓬转攫茬从祟挪严牡我拎饯宪载舍瘟柯惕钟歇谴拥扰冒谆晴共润名兼仗慈卫帘莽琵肋辗犀疗电抢尝闯物弧功冬惩凉站锁乌阶姑趁啮炔议界狗垒弦瘟念稻税骂尺莆艘张亡镁慢箍碘便樱刀引成龟寺玛创佛层护贼彩友祈洱电豫爬肉裂尔脯裔鹰导删莉捶啡痴仪茹镐姚蜀该宏淫束谴梢蓑绢溅约洞囚淑叫援杨竞彻曹装歉氧钥替九侩的刷文船劝笔