檔案元數(shù)據(jù)標準比較研究*

包海峰 彭 楨 徐濼燚 陳 剛

（南京大學檔案館,南京,210093）

隨著信息網(wǎng)絡技術(shù)的發(fā)展和普及，利用信息技術(shù)實現(xiàn)檔案的科學管理成為檔案管理部門和檔案學術(shù)領(lǐng)域共同關(guān)注的問題，而檔案元數(shù)據(jù)是對傳統(tǒng)檔案和電子檔案實現(xiàn)有序管理的基礎。

元數(shù)據(jù)（Metadata）是關(guān)于數(shù)據(jù)的數(shù)據(jù)。ISO/IEC 11179-3:2003(E)對元數(shù)據(jù)的定義為：元數(shù)據(jù)是描述數(shù)據(jù)的數(shù)據(jù)。它描述了數(shù)據(jù)的結(jié)構(gòu)和意義，是連接數(shù)據(jù)和用戶之間的橋梁。元數(shù)據(jù)具有一些基本特征：元數(shù)據(jù)一經(jīng)建立，便可以共享;元數(shù)據(jù)結(jié)構(gòu)和完整性依賴于信息資源的價值和使用環(huán)境；元數(shù)據(jù)形式靈活；元數(shù)據(jù)的開發(fā)和利用環(huán)境是變化的分布式環(huán)境；任何一種格式都不能滿足不同組織的不同需要。檔案元數(shù)據(jù)是數(shù)字檔案館的基礎，江薇認為檔案元數(shù)據(jù)是用來描述數(shù)字檔案的內(nèi)容、結(jié)構(gòu)及背景特征的數(shù)據(jù),它是一個結(jié)構(gòu)化的標準體系。其目的是對數(shù)字檔案信息資源進行組織、管理、發(fā)現(xiàn)、識別、選擇、定位、開發(fā)利用和評價,追蹤檔案在管理和使用過程中的變化,有助于實現(xiàn)數(shù)字檔案信息資源的憑證價值、集成整合與長期保存。數(shù)字環(huán)境下的檔案元數(shù)據(jù)是描述數(shù)字檔案信息的一種數(shù)據(jù)格式,利用它可促進互聯(lián)網(wǎng)信息資源的組織和發(fā)現(xiàn)。楊杰認為對于檔案管理部門元數(shù)據(jù)具有四個方面的職能，即：揭示職能、檢索職能、管理職能和憑證職能。隨著檔案信息化建設的推進，檔案信息資源的整合研究及實踐的深入，檔案元數(shù)據(jù)作為檔案信息化建設工作的基礎勢必要跟上。

1.檔案元數(shù)據(jù)研究現(xiàn)狀

從研究文獻上來看，截至2012年底，在中文CNKI數(shù)據(jù)庫中用以“題名=元數(shù)據(jù)”為檢索式進行檢索，檢索結(jié)果的時間跨度從1989年到2012年底，共2594篇，可以看出（見表1），從2000年左右，研究文獻開始明顯增加，至2012年底，每年關(guān)于元數(shù)據(jù)的文獻數(shù)量基本穩(wěn)定在200-300篇左右，其中（見表2）約50%集中在計算機軟件及應用領(lǐng)域，圖書情報領(lǐng)域的文獻占18%，檔案館及博物館領(lǐng)域的文獻僅占5%。這說明除了計算機軟件及應用領(lǐng)域，圖書情報領(lǐng)域?qū)υ獢?shù)據(jù)的研究是最深入的，檔案館及博物館領(lǐng)域僅占5%，相對較少。實際上，圖書情報領(lǐng)域?qū)υ獢?shù)據(jù)的理論研究起步是比較早的，實踐方面的探索和應用也取得了大量的成果。

如果以“題名=檔案元＊數(shù)據(jù)”為檢索式進行檢索，截至2012年底，共檢索到140篇文獻（見表1），每年的文獻在10篇左右。從學科分布來看（見表2），除了計算機軟件及應用領(lǐng)域外，主要集中在檔案館及博物館領(lǐng)域，盡管如此，也僅有51篇。一定程度上可以看出國內(nèi)在檔案元數(shù)據(jù)研究和實踐方面起步還比較晚，根據(jù)檢索出來的論文可以看出檔案元數(shù)據(jù)的研究成果相對比較零碎，多涉及基礎框架的研究和介紹，研究缺乏系統(tǒng)性，研究特定元數(shù)據(jù)標準或特定技術(shù)下元數(shù)據(jù)標準較多，關(guān)注元數(shù)據(jù)之間關(guān)系的較少。檔案元數(shù)據(jù)對于檔案管理部門的重要意義不言而喻，缺少成熟的檔案元數(shù)據(jù)標準體系的支持，數(shù)字檔案館建設必然會受到一定程度的影響。誠然，圖書情報和檔案有很多相通之處，檔案領(lǐng)域可以借鑒圖書情報及計算機軟件應用領(lǐng)域的許多成熟的研究和實踐成果，但是檔案管理與圖書情報的管理對象有所不同，檔案有其自身的特點，如檔案的真實性、完整性問題，檔案的憑據(jù)作用和檔案訪問權(quán)限等，解決這些問題需要根據(jù)檔案的特點，在充分借鑒其他領(lǐng)域研究成果的基礎上，針對檔案元數(shù)據(jù)進行深入研究和實踐，這樣才能進一步推動檔案元數(shù)據(jù)的理論研究，從而更好地服務于數(shù)字檔案館的實踐應用。

表1 文獻年代分布表

表2 文獻研究領(lǐng)域分布表

2.國內(nèi)外常用元數(shù)據(jù)標準

目前國際上常用的元數(shù)據(jù)標準有：都柏林核心元數(shù)據(jù)集合（DC）、CDWA、VRA、FGDC、GILS、TEI、EAD、《國際檔案著錄標準（總則 ）》ISAD(G)。 其 中 ，DC是Sherman和Price在2003年引入的作為數(shù)據(jù)提供方的最低限度映射要求的目標元數(shù)據(jù)，是一種跨領(lǐng)域的信息資源描述標準，DC以其簡便高效的特點獲得了廣泛的認可和應用;CDWA用于數(shù)字圖像及藝術(shù)品資源的描述；VRA用于藝術(shù)、建筑、史前文物、民間文化等藝術(shù)類的三維實體可視化資源的描述；FGDC用于空間地理數(shù)據(jù)內(nèi)容的描述；GILS用于政府公共信息資源的描述；TEI用于電子文本的描述；EAD用于檔案館博物館的檔案手稿資料的描述；ISAD(G)是根據(jù)國際檔案理事會與聯(lián)合國教科文組織達成的協(xié)議，由1990年成立的國際檔案理事會ICA(International Council on Archives)著錄標準特別委員會制定的，指導和規(guī)范檔案著錄描述的通則性標準，此標準適用于各種形式和載體的檔案資料。

國內(nèi)現(xiàn)行的檔案行業(yè)的元數(shù)據(jù)標準《DA/T 18-1999檔案著錄規(guī)則》（以下簡稱《規(guī)則》）是由我國國家檔案局于1999年5月31日批準執(zhí)行的檔案行業(yè)的元數(shù)據(jù)標準?？偟膩碚f，EAD、ISAD（G）、《規(guī)則》是目前檔案界應用最廣泛的幾種檔案元數(shù)據(jù)標準，對檔案界元數(shù)據(jù)的標準化起到了重要作用?！兑?guī)則》于1983年10月擬定完成，再征求各檔案部門的意見，集思廣益，經(jīng)過修改后，于1985年成為國家標準。現(xiàn)行的《規(guī)則》是1999年是由安徽省檔案局起草，國家檔案局批準的行業(yè)標準?！兑?guī)則》所引用的標準有B/T3792.1-1983文獻著錄總則、GBT7156一1987文獻保密等級代碼、GB/T9704-1988國家機關(guān)公文格式、GB/T15418-1994檔案分類標引規(guī)則、GB/T3860一1995文獻敘詞標引規(guī)則、DDA/T1一1992檔案工作基本術(shù)語與DDA/T19一1992檔案主題標引規(guī)則。

ISAD(G)從嚴格意義上來說，并不完全是元數(shù)據(jù)標準，而是為編制元數(shù)據(jù)標準提供的總則性指南，它對于現(xiàn)在大部分通行的檔案元數(shù)據(jù)標準如EAD，都有著及其重要的指導和參考作用。國際檔案理事會這樣制定標準的初衷是盡可能地以檔案資料的元數(shù)據(jù)標準化來建立檔案信息智能控制與存取體系，協(xié)助以傳統(tǒng)和電子方式進行檔案資料的著錄和這些著錄間的轉(zhuǎn)換。

EAD是網(wǎng)絡環(huán)境下檔案館、圖書館、博物館處理檔案與手稿資料最常用的元數(shù)據(jù)，采用SGML（ISO8879）作為編碼標準。EAD正式文本的結(jié)構(gòu)由EAD DTD(EAD Document Type Definition，EAD文檔類型定義)、EAD標簽庫、標簽使用范例及應用指南構(gòu)成。其中，EAD DTD是主體部分，是EAD主要功能得以實現(xiàn)的結(jié)構(gòu)基礎。目前，許多國家和地區(qū)已經(jīng)針對EAD進行了實踐，其中影響較大項目的包括：美國加州遺產(chǎn)項目(California Heritage Project)、加 利福尼亞博物館和聯(lián)機檔案計劃(MOAC)、英國皇家委員會發(fā)起的核心執(zhí)行項目(Core Executive Pilot Project)、臺灣“中央研究院歷史語言研究所”采用EAD1.0版本對其所收藏的內(nèi)閣大庫明清檔案進行著錄轉(zhuǎn)化。通過對EAD應用機構(gòu)的調(diào)查與統(tǒng)計，截至2013年2月，已有90個機構(gòu)開展了EAD項目。其中檔案館占了大多數(shù)，解決了檔案信息遠程利用服務的問題。其次為圖書館，國外一些大學的圖書館設有特殊館藏室，如芝加哥大學圖書館的特殊館藏部，就進行了檢索工具的EAD格式轉(zhuǎn)換項目。還有些特殊館藏機構(gòu)和博物館等，如歐盟手稿及信函網(wǎng)絡存檔項目，制作了EAD格式檢索工具也應用EAD來制作檢索工具，這些機構(gòu)的比例較少。目前，這三類在所有機構(gòu)中的所占份額分別為：54.44%、25.56%、20%。

3.檔案元數(shù)據(jù)標準的比較分析

EAD、ISAD(G)、《規(guī)則》作為在檔案界最為普及的幾種元數(shù)據(jù)標準，為檔案信息化建設做出了重要貢獻，得到了檔案學術(shù)界和檔案管理部門的充分肯定。但是由于它們制定的背景不盡相同，每種標準各有優(yōu)勢，同時也存在一些不足之處。本文對上述三種檔案元數(shù)據(jù)標準進行比較分析，通過比較分析為今后檔案元數(shù)據(jù)研究提供一定的參考。

總體來說，ISAD(G)很好地實現(xiàn)了如下基本功能：如實地記錄和反映檔案形成、保管和利用過程以及控制信息；為檔案信息的組織和共享創(chuàng)造條件；滿足數(shù)據(jù)交換需求；為整合來源于不同保管機構(gòu)的檔案信息提供便利。在當今的網(wǎng)絡環(huán)境下，使用ISAD(G)可以規(guī)范檔案的著錄，對檔案進行全周期標準化控制，從而實現(xiàn)檔案信息高效利用。ISAD(G)基于多維控制的視角，對檔案的內(nèi)容、結(jié)構(gòu)和背景信息都進行了完整的著錄，建立了著錄條目與檔案實體之間的準確映射關(guān)系，實現(xiàn)了對檔案整個生命周期的實時著錄，保障了檔案的真實性、可靠性、完整性和可用性。ISAD(G)具有以下特點：

(1)ISAD(G)有著深厚的實踐基礎，依循了需求導向原則。特別委員會在擬定初稿后，多次征求意見并修訂完善，并不斷參考各種新技術(shù)手段和利用工具。

(2)ISAD(G)訂制的專家將檔案工作中的前沿理論充分體現(xiàn)在標準之中，對全宗理論、多級著錄原則的體現(xiàn)，使得該標準能夠歷經(jīng)十數(shù)年而不落后。

(3)ISAD(G)具有很強的指導性，標準中既有對規(guī)則的詳細描述，又有應用實例，從檔案信息著錄到實現(xiàn)機器可理解的形式化表述，均有較好的適應性，因而具有很強的應用性。

EAD是目前全球檔案界最有影響的元數(shù)據(jù)標準之一，其具有以下幾方面的特點：

（1）廣泛適用性。EAD可以提供詳細的全文描述和存取，除了能適應不同內(nèi)容長度的著錄對象，也能描述不同載體上的不同類型的檔案，如電子文件、多媒體文件等。

（2）易用性和兼容性。EAD基于XML和SGML，該解決方案具有直觀、易用、靈活，不依賴于任何軟、硬件平臺的特點，因此EAD具有易用性和很強的可移植性，并且可以簡易地同現(xiàn)在許多其他基于XML 的元數(shù)據(jù)(如：DC、MARC、ISAD(G))相互轉(zhuǎn)化，其良好的通用性大大降低了在實際工作中文件信息共享的成本。

（3）良好的可擴展性。各檔案機構(gòu)可以根據(jù)自身的工作需求，在給定的規(guī)則之下選擇相應的元素組合和標識層次，在部分中按實際要求的順序排列元素。

（4）便于檢索。EAD的元素是結(jié)構(gòu)化、層次化的，除了支持對字段和全文一般的檢索如布爾邏輯檢索、截詞檢索、近似檢索之外，還可以在目錄中查找單個項目和離散的數(shù)據(jù)項，便于滿足用戶的具體需要。

我國現(xiàn)行的《DA/T 18-1999檔案著錄規(guī)則》，是一定時期內(nèi)檔案著錄工作實踐經(jīng)驗總結(jié)，對檔案著錄工作具有全局的規(guī)范指導作用?！兑?guī)則》初步實現(xiàn)對國內(nèi)檔案文獻的管理和利用，能夠簡便易行地實現(xiàn)與全球其他編目規(guī)則的檔案文獻的元數(shù)據(jù)交流和共享，滿足了不同內(nèi)容的檔案的著錄的要求。與《規(guī)則》相配套的各種標準和輔助工具不斷涌現(xiàn)，對《規(guī)則》的施行提供幫助，以減輕使用難度，提高現(xiàn)實的適用能力。

隨著這些檔案元數(shù)據(jù)標準在檔案管理行業(yè)的普及以及網(wǎng)絡信息技術(shù)的不斷發(fā)展，這些標準在研究和實際應用中逐漸暴露出一些問題：

EAD是目前全球最有影響力的檔案元數(shù)據(jù)標準之一，但是在長期實踐使用過程中也存在一些不適應：

（1）軟件的選擇問題。源代碼開放軟件是一種允許他人運用、修改和重新編碼的軟件。目前還沒有商業(yè)性軟件用以支持源代碼開放的EAD工具，很多機構(gòu)會選擇商業(yè)性軟件，因為其在質(zhì)量及后續(xù)升級等方面更有保障。

（2）如何向網(wǎng)絡用戶提供EAD編碼檢索工具是影響EAD發(fā)展的主要瓶頸。

（3）EAD本身的復雜性。檔案機構(gòu)在選擇標準時也必須評估軟件開發(fā)的復雜程度，而EAD本身的復雜性導致了部分檔案機構(gòu)的望而卻步。

新《規(guī)則》是根據(jù)老版實行十多年中發(fā)現(xiàn)的問題和實際的需求情況進行了修改，雖是用行標頒發(fā)的，但在本質(zhì)上是對老《規(guī)則》國標的修訂本?！兑?guī)則》在元素設置方面的存在一些先天的缺陷。該標準分的元素分為題名與責任說明項、稿本和文種項、密級與保管期限項、時間項、載體形態(tài)項、附注與提要項、排檢與編號項7個大項，共計22個。但是相比ISAD(G)等元數(shù)據(jù)標準，99版本的《規(guī)則》的元素設置存在一些問題，因此存在著諸多的缺陷，主要有以下三點：

（1）題名相關(guān)元數(shù)據(jù)不完善。題名本身的復雜性，以及在檢索時的重要性，使得在題名著錄時需要完善的元數(shù)據(jù)加以描述?！兑?guī)則》在題名項中只有正題名、并列題名和副題名及說明題名文字，這在實際應用中是不完善的，如在著錄叢書時不能體現(xiàn)總題名、分題名以及這兩者的關(guān)系，以及不能著錄別名，如不能揭示《紅樓夢》和《石頭記》的內(nèi)在關(guān)系。

（2）在附件元數(shù)據(jù)過于簡單。附件是指文件正文后的附加材料，《規(guī)則》對于附件規(guī)定“只著錄附件題名”，其他要素則全部省略，同時補充規(guī)定“若附件題名具有獨立檢索意義時亦可另行著錄條目”，但“亦可”使得該條款不具備必要性和強制性，從而導致在實踐中流于形式。同時，“另行著錄條目”的檔號和正文檔號（主要是件號）沒有明顯的區(qū)別，因此由于“檔號重復”，計算機無法對附件進行著錄。在實際工作中造成的后果是，出現(xiàn)對附件不著錄，或著錄不全面、不準確，以及未將附件納入檢索體系，最終造成在檔案利用工作中的“死檔”現(xiàn)象，影響了查檔效果，也損害檔案本身的利用價值。

（3）著錄元素不全。在《規(guī)則》中，著錄的定義為“在編檔案目錄時，對檔案內(nèi)容和形式特征進行分析、選擇和記錄的過程”，這個定義仍然是基于手工整理檔案編目和相應的管理過程，因而對于利用方式、相關(guān)背景以及獲取著錄信息的來源等方面相比傳統(tǒng)檔案發(fā)生了巨大變化的電子文件來說就過于狹隘了。如果按照上面的定義對電子文件進行著錄，連如何讀取該電子文件都未注明，信息技術(shù)更新?lián)Q代之后，利用時的后續(xù)工作是很難展開的。除此以外《規(guī)則》沒有對檔案原始性方面的進行控制，這對傳統(tǒng)檔案（一般為紙質(zhì)的文書）并沒有很大影響，但在確保電子文件的真實性、完整性等方面缺少必要的描述。在電子文件著錄方面缺失的元素有該電子檔案的處理軟件及相關(guān)版本、文件大?。ㄗ止?jié)數(shù)）、文件格式（后綴名）、加密格式以及載體相關(guān)等，這些對于電子檔案的利用和真實性、完整性的保證是不可或缺的。除此以外，該標準也缺少檔案層級著錄相關(guān)的元素，無法實現(xiàn)結(jié)構(gòu)化的全宗細化到文件級別的著錄。

(4)缺少規(guī)范控制。早在20世紀初，美國圖書館學家卡特(Cutter CA)就在《印刷本字典式目錄規(guī)則》一書中首次提出了“規(guī)范控制（Authority Control）”的概念。規(guī)范控制又稱權(quán)威控制，是為確保標目在檢索目錄系統(tǒng)中的惟一性和穩(wěn)定性而建立、維護、使用規(guī)范款目和規(guī)范文檔的工作過程。《規(guī)則》在檔案規(guī)范控制方面還有欠缺，這會影響到檔案著錄的標準化。

作為通則性標準，ISAD(G)更強調(diào)簡易性和互通性，而EAD則更注重語義和語法的細致化。EAD作為更具操作性的元數(shù)據(jù)標準應用于實踐領(lǐng)域，而ISAD(G)則作為指導性的原則為EAD等具體的檔案著錄規(guī)則提供指南和參照。

《規(guī)則》和ISAD(G)相比，還存在諸多差距，具體區(qū)別如下：

（1）ISAD(G)定義著錄范圍比《規(guī)則》更全面，能更好地適應網(wǎng)絡時代的電子文件著錄要求。

（2）ISAD(G)定義包涵了檔案整個生命周期，而不僅僅是在歸檔之后的進行分析、選擇和記錄，它在文件生成之初甚至在之前就開始了著錄工作，并持續(xù)至整個文件生命周期結(jié)束，可靠性、真實性、完整性得到了保證。它的定義中明確了檔案著錄是動態(tài)的過程，檔案的特征信息在檔案管理的每一階段（包括文件的形成、鑒定、收藏）都要不斷補充完善。而《規(guī)則》只是在保管期內(nèi)進行一定范圍內(nèi)的控制。

（3）ISAD(G)能夠?qū)崿F(xiàn)多級著錄，《規(guī)則》最多只能進行案卷與文件這樣低級別的著錄，對全宗與類別這樣高級別的則是空白。因此，需要增加從全宗到所屬部分的著錄項，以便使檔案著錄能夠完整地體現(xiàn)檔案的各個級別層次。同時，多級著錄需要基于公認的理論原則，如由總到分的檔案著錄原則，就是“尊重全宗”原則的實踐結(jié)果。

4.檔案元數(shù)據(jù)標準發(fā)展展望

每種檔案元數(shù)據(jù)標準的制定都有不同的側(cè)重，隨著檔案信息化建設的不斷深入，檔案元數(shù)據(jù)標準也需要做出相應的調(diào)整以適應不斷發(fā)展的檔案管理理論和實踐的要求。總體而言，在今后檔案元數(shù)據(jù)標準的發(fā)展過程中需要進一步拓展以下幾個方面的研究：

第一，多層次和多功能的結(jié)合。這里的層次除了著錄級別的多層次外，還包括元數(shù)據(jù)的選擇和組合可以根據(jù)實際的需要細化到不同的層次。選擇的層次不同，能實現(xiàn)的具體功能也不同。同時，元數(shù)據(jù)功能的整體趨勢由保管查詢擴展到了檔案的管理和利用規(guī)則方面，能更好地實現(xiàn)檔案的利用價值。

第二，時間跨度由保管期延伸到整個生命周期。在當今這個信息社會，電子文件所占的比重不斷增加，如果不能保留必要的電子文件背景信息，則電子文件的真實性、可靠性及可用性就會大打折扣。

第三，滿足個性化需求。電子文件是一種新的檔案形式，有多種載體形態(tài)和記錄方式。如果不去關(guān)注電子文件的特點并對相應的元數(shù)據(jù)標準進行適當?shù)男薷?，那么標準很快就會落后于實際需求。同時，根據(jù)對象的特點做好元數(shù)據(jù)的個性化，就能更好地實現(xiàn)不同類型檔案管理和利用?？偟膩碚f，元數(shù)據(jù)標準的修改和制訂要以具體的應用為背景，針對某一特定類型的資源或?qū)嶓w的特點，不求標準可以包羅萬象，滿足具體需要即可。

第四，元數(shù)據(jù)的互操作。信息的交流和共享是大勢所趨，為了向用戶提供更為全面優(yōu)質(zhì)的檢索利用服務，必須實現(xiàn)元數(shù)據(jù)的互操作。

［1］張正強.論中國電子檔案著錄標準化的發(fā)展方向.圖書情報知識,2004(5):35-38.

［2］陳彩紅.國內(nèi)外元數(shù)據(jù)標準宏觀比較研究.河北科技圖苑，2011(1):65-67.

［3］江薇.關(guān)于我國檔案元數(shù)據(jù)格式的建議.蘭臺世界,2008(4):24-25.

［4］楊杰.淺析元數(shù)據(jù)在檔案領(lǐng)域的應用.蘭臺世界,2009(2):48.

［6］包海峰,陳剛.基于OAI的檔案信息資源整合模式研究.檔案與建設,2012(12):13-16..

［5］Sherman,C.&Price,G.2003.The invisible web:uncovering sources search engines can’t see.Library Trends 52(2),282-298.

［7］宋凱，李剛.檔案著錄元數(shù)據(jù)標準.檔案與建設，2013（4）:23-26.

［8］趙艷紅,康蠡.http://www.cnki.net/kcms/detail/62.1025.2.20130407.1704.012.html.2013-04-07.

［9］周銘,陳雁兵．《檔案著錄規(guī)則》發(fā)展的回顧與展望．蘭臺世界,2007(10):5-6.

［10］趙芳.對我國《檔案著錄規(guī)則》再修訂的思考［J］.檔案管理，2009（5），37-38.

［11］朱嘉琪.網(wǎng)絡環(huán)境下書目數(shù)據(jù)的規(guī)范控制［J］.中華醫(yī)學圖書情報雜志，2005(2):34-36.