Agreement is not corroboration: bounding the independence of cultural-heritage authority links

في عالم المكتبات الرقمية المترابط والواسع، تحدث ثورة هادئة لجعل المعلومات أسهل في العثور عليها والربط بينها. تخيل شبكة عالمية حيث تتحدث كل متاحف وأرشيفات ومكتبات اللغة نفسها، مما يسمح لباحث في بلد ما بالعثور فوراً على لوحة في بلد آخر أو شخصية تاريخية ذُكرت في بلد ثالث. ولتحقيق ذلك، تعتمد هذه المؤسسات على "ملفات السلطة" (authority files)—وهي قوائم منسقة بعناية تضمن استخدام الجميع لنفس الاسم لنفس الشخص أو المكان. وعندما تتفق الأنظمة المختلفة على اسم ما، فإنها تربط سجلاتها معاً، مما يخلق شبكة معرفية أقوى بكثير مما يمكن أن يكون عليه أي مجموعة منفردة بمفردها.

ومع ذلك، يبرز سؤال دقيق ولكن حاسم عند تشكيل هذه الروابط: هل يعني الاتفاق الحقيقة؟ إذا أدرجت قاعدتا بيانات مختلفتان نفس المعرّف لفنان مشهور، فمن المغري افتراض أنهما أكدتا هوية الفنان بشكل مستقل، مما يضاعف موثوقية المعلومات. ولكن في العالم الرقمي، قد يكون أحد النظامين قد نسخ ببساطة المعرّف من الآخر، أو قد يكون كلاهما قد ورثه من مصدر ثالث مشترك. في هذا السيناريو، يكون الاتفاق حقيقياً، لكن الدليل ليس مستقلاً. إن التمييز بين التأكيد الذي تم التحقق منه مرتين وبين مجرد سلسلة من النسخ أمر ضروري لمعرفة مدى الثقة التي يمكن وضعها في البيانات.

تتناول دراسة حديثة أجراها إمين تاليب ديمكيرانان من جامعة إيسكي شهير التقنية هذه المشكلة تحديداً داخل "ويكي بيانات" (Wikidata)، وهي رسم بياني معرفي ضخم وتشاركي يعمل كمركز لربط مختلف أنظمة المكتبات هذه. يركز البحث على الروابط بين قائمة "غيتي" الموحدة لأسماء الفنانين (ULAN) وملفات سلطة الأسماء الخاصة بمكتبة الكونجرس (LC)، وهما من أهم المعايير في عالم التراث الثقافي. لم يكن الهدف هو معرفة ما إذا كانت الروابط موجودة، بل تحديد عدد تلك الروابط التي كانت اكتشافات مستقلة حقاً مقابل تلك التي كانت مجرد نسخ من بعضها البعض.

للإجابة على ذلك، فحص الباحث لقطة ثابتة لـ 3,000 كيان محدد من قاعدة بيانات ويكي بيانات. وبالنسبة لكل كيان، درست الدراسة "أصل المنشأ" (provenance)، أو تاريخ كيفية إنشاء الرابط. قام الفريق بتصنيف كل حالة اتفاق إلى واحدة من ثلاث فئات. كانت بعض الروابط "منقولة" (propagated) بوضوح، مما يعني أنه تم استيراد البيانات أو نسخها من مصدر إلى آخر. وكانت روابط أخرى "مستقلة" (independent)، تظهر علامات واضحة على أن المصدرين قد أنشآ الرابط بأنفسهما. ومع ذلك، كانت هناك مجموعة ثالثة "غير قابلة للتتبع" (untraceable)، حيث كان التاريخ الرقمي مفقوداً أو غير واضح، مما ترك أصل الاتفاق لغزاً.

كشفت النتالئ عن مشهد أكثر تعقيداً من مجرد علامة صح بسيطة للاتفاق. فمن بين 1,546 بياناً محدداً تم تحليلها، أمكن تأكيد حوالي 256 منها فقط كروابط تم إنشاؤها بشكل مستقل. أما الجزء الأكبر، وهو 728 بياناً، فقد كانت منقولة بوضوح، مما يعني أنها كانت نسخاً. ومع ذلك، فإن الاكتشاف الأكثر أهمية تعلق بالـ 562 بياناً التي وقعت في فئة "غير قابلة للتتبع". وبسبب انقطاع الأثر الرقمي لهذه العناصر، لم يتمكن الباحثون من الجزم ما إذا كانت مستقلة أم منقولة.

خلقت هذه المعلومات المفقودة نطاقاً من الاحتمالات بدلاً من إجابة واحدة. فإذا كان كل بيان غير قابل للتتبع هو في الواقع نسخة، فإن المعدل الإجمالي للاتفاق المستقل سيكون منخفضاً جداً، حوالي 16 بالمائة. وإذا كان كل بيان غير قابل للتتبع هو في الواقع مستقل، فإن المعدل سيرتفع إلى حوالي 56 بالمائة. الإجابة الحقيقية تقع في مكان ما بينهما، لكن البيانات ببساطة لا تستطيع تحديد ذلك بدقة. ومن الأهمية بمكان أن هذا النطاق الكامل من عدم اليقين يعبر خط المنتصف، مما يعني أن الأدلة لا تدعم ادعاءً قاطعاً بأن معظم الروابط مستقلة، كما أنها لا تثبت أنها منقولة في الغالب.

عندما نظر الباحثون فقط في الروابط التي استطاعوا تتبعها، كانت الصورة صارخة: حوالي 71 بالمائة من الاتفاقات القابلة للتتبع كانت منقولة. وهذا يشير إلى أنه عندما نرى نظامين يتفقان، فغالباً ما يكون ذلك لأن أحدهما يتبع خطى الآخر، وليس لأن كلاهما قد قاما بواجبهما الخاص. علاوة على ذلك، وجد البحث أن هذه الظاهرة كانت متركزة بالكامل تقريباً في السجلات المتعلقة بالأشخاص، وتحديداً الفنانين والشخصيات التاريخية المرتبطة بنظام "غيتي". وكانت آليات ربط الأنواع الأخرى من التراث الثقافي، مثل الأماكن أو الأشياء، أقل نشاطاً في هذا السياق المحدد.

تخلص الدراسة إلى أنه بينما يعد الاتفاق بين ملفات السلطة قيماً لربط البيانات وجعلها قابلة للاستخدام، إلا أنه لا ينبغي الخلط بينه وبين التحقق المستقل. في عالم المكتبات الرقمية، يظل المعرّف المنسوخ مفيداً للملاحة والاكتشاف، لكنه لا يوفر نفس الوزن الإثباتي الذي توفره حقيقة تم التحقق منها مرتين. يسلط البحث الضوء على أن المعلومات المفقودة ليست مجرد فجوة في التوثيق؛ بل إنها تغير جوهرياً ما يمكننا معرفته. فبدون سجل واضح لكيفية نشأة الرابط، لا يمكننا افتراض أنه تأكيد جديد.

يعمل هذا العمل كتذكير بأنه في عالمنا الرقمي المترابط بشكل متزايد، فإن المسار الذي تسلكه قطعة من المعلومات يهم بقدر أهمية المعلومة نفسها. تماماً كما لا يقبل المؤرخ حقيقة لمجرد أن كتابين يذكرانها، دون التحقق مما إذا كان أحد الكتابين قد نسخ الآخر، يجب على الأنظمة الرقمية مراعاة مصدر اتصالاتها. لا تشير الدراسة إلى أن هذه الروابط عديمة الفائدة، لكنها تجادل بضرورة توخي الحذر لكي لا نحسب نفس قطعة الدليل مرتين. ومن خلال نمذجة مصدر البيانات صراحةً والإقرار بالمكان الذي ينقطع فيه الأثر، يمكن للمكتبات الرقمية بناء أساس أكثر صدقاً وموثوقية لمستقبل المعرفة.