Cursus OpenRefine
Stap 2. Analyse
Het project is aangemaakt. Tijd om na te gaan welke termen je gebruikt en hoe vaak.
In deze stap ga je na hoeveel verschillende termen gebruikt worden om je objecten te beschrijven. En hoeveel daarvan lijken op elkaar of zijn varianten van dezelfde term? Hoe vaak komt bijvoorbeeld de term ‘schilderij’, ‘schilderijtje’, ‘Schilderij’ of ‘schilderijen’ voor? Bij OpenRefine gebruik je hiervoor de knop Text facet.
Begin met analyseren
-
Start met Text facet
Klik bij de kolom waarmee je aan de slag wil op het pijltje omlaag en selecteer Facet en daarna in het uitklapmenu Text facet. Links naast de exportkolommen opent een overzicht. Dit toont de naam van de kolom waarvan je de text facet hebt gemaakt.
Je krijgt een lijst met alle aanwezige termen uit die kolom. Je ziet niet alleen welke termen gebruikt worden, maar ook hoe vaak elke term voorkomt.
Gebruik je een export van je hele collectieregistratie? Dan zie je hoe vaak een bepaalde term voorkomt.
Werk je met een export van je thesaurus? Dan zie je hoeveel verschillende termen er worden gebruikt. En welke varianten van een term voorkomen.
-
Zoek naar varianten van een term
Filter je in Text facet op alfabet (name), dan zie je alle varianten van bijvoorbeeld ‘vaas’ bij elkaar: ‘vaas’, ‘Vaas’, ‘vazen’, ‘Vazen’, ‘vaasjes’, enzovoort.
Boven in de kolom staat hoeveel verschillende termen er zijn. Achter iedere losse term staat hoe vaak deze wordt gebruikt.
Ook termen met per ongeluk een spatie ervoor of erachter worden in een interne thesaurus opgeslagen als aparte term. Deze spaties vallen soms in een collectie-informatiesysteem niet op, maar worden wel zichtbaar als je alfabetische lijsten maakt van termen. Ze staan dan bovenaan, omdat de spatie ook een teken is.
-
Filter op hoe vaak een term voorkomt
Filter je in Text facet op count? Dan zie je hoe vaak elke term gebruikt is. Deze informatie helpt bij het kiezen van een vaste term voor je collectie.
Tip
Komt een term weinig voor, terwijl een synoniem vaak wordt gebruikt? Dan kun je ervoor kiezen de weinig gebruikte term te vervangen door de veel gebruikte variant. Zo vind je makkelijker objecten terug. Heb je bijvoorbeeld twaalf ‘tijdschriften’ in de collectie en twee ‘magazines’? Overweeg dan of je ‘magazine’ wil behouden of vervangen door ’tijdschrift’.
Na deze analyse heb je een beeld van je data. Je weet hoeveel verschillende termen er per veld worden gebruikt. Ook zie je welke tekstfouten of spellingsvarianten erin zitten. Tijd voor de volgende stap: je data opschonen. Houd Text facets open terwijl je aan de slag gaat. Dan zie je alle opschoonacties die je uitvoert direct voor je ogen gebeuren.