Metatieto

Tyypillisin metatieto, johon tietokoneen käyttäjä yleensä törmää, on tiedostonimi jossain tiedostojärjestelmässä. Toinen tyypillinen päivittäisessä käytössä esiintyvä metatieto on tiedostojen tiedostopääte, joka määrittelee, minkä tyyppinen tiedosto on kyseessä ja millaisella ohjelmalla tiedostoa voi käsitellä.[4] Perinteisten tiedostojärjestelmien "metatietojärjestelmä" perustuu yleensä juuri hakemistorakenteisiin ja kuvaaviin tiedostonimiin. Tiedostojärjestelmissä käytettävien tiedostonimien käyttöä voi vakioida vaikka sopimalla nimeämiskäytänteistä. Eräs yleinen tyyli on vuosi-asiayhteys-kirjoittaja-tiedostotunniste (esim. "2002-kuusamonkokous-virtanen-antti.odf"). Lisätarkkuutta tiedostojärjestelmään voidaan saada esimerkiksi koostekansioilla ja luokituksilla.[5]

Tiedostojen metatieto voi olla tallennettuna itse tiedostoon tai erilliseen tietokantaan keskitetysti. Esimerkiksi kuva- ja musiikkitiedostoissa on usein tiedostoihin sisällytettynä paljon lisätietoa tekijästä, kohteesta, tiedostokoosta, laadusta tai albumista. Monet kuvankäsittely- ja musiikkiohjelmat toisaalta tallentavat metatietoja myös "mediakirjastoonsa" tai "albumitietokantaansa".[1][2] Jos metatiedot on tallennettu keskitetysti, eivät ne yleensä siirry mukana tiedostoja siirrettäessä toisaalle esimerkiksi ladattaessa musiikkia kannettavaan soittimeen. Tiedostoon sisällytettyjä liitännäistietoja taas on tiedostoformaatista riippuen hyvin vaihteleva määrä, ja monien tiedostoformaattien ongelma epäyhteensopivuus muiden ohjelmien kanssa tai rajalliset metatiedon tallennusmahdollisuudet.[3]

Metatietojen hyödyllisyys esimerkiksi hakukoneille vaihtelee. Vaikkapa monet tunnetut Internetin hakukoneet eivät juurikaan hyödynnä tiedostojen virallista liitännäistietoa vaan käyttävät tilastollisia analyyseja, sisältöanalyyseja, ulkopuolisten linkkien ja niiden kuvauksien antamaa tietoa.[1]

Erilaisia luokitteluja metatiedoille on useita. Melko yleinen, mutta kovin karkea luokittelu esimerkiksi jakaa metatiedot kolmeen luokkaan. Luokittelussa metatietoa on kolmenlaista:

1. Itseisarvoista (tiedoston nimi tai koko)
2. Kuvailevaa (aihe, otsikko, yleisö, jne.)
3. Hallinnollista (viimeksi tallennettu, tarkastettu, omistaja, jne.)

Toisenlaisen kolmen kategorian luokittelun on esittänyt esimerkiksi Salminen (2005):

1. Semanttinen metatieto, jota on sisällön merkitystä kuvaava tieto, esimerkiksi asiasanat, asiakirjan nimeke, aihe, tiivistelmä
2. Rakennemetatieto, jota on sisältöyksikön fyysistä tai loogista rakennetta tai sisällön kieltä kuvaavaa tietoa
3. Kontekstuaalinen metatieto, joka kuvaa sisältöyksiköiden ympäristöä jossain tietyssä tilanteessa, esimerkiksi sisältöyksikön luomisaika, tuottaja, käyttäjä ja suhteet muihin sisältöyksiköihin.

Salminen (2005) on myös todennut, että metatietoja voidaan luokitella mitä erilaisimmilla keinoilla. Muun muassa pysyvyydeltään metatiedot voidaan luokitella staattisiksi tai dynaamisiksi, tallennustavoittain upotetuiksi tai ulkoisiksi ja organisoinniltaan hajautetuiksi tai keskitetyiksi.[3]

Metatietoa voidaan tuottaa automaattisesti tai manuaalisesti:

• automaattisesti
  • dokumenttien ominaisuustiedoista tai rakenteisista dokumenteista erottelemalla
• manuaalisesti
  • kirjoittamalla dokumentille erillisiä kuvaustietoja.

Perinteisiä metatietojen kehittämismenetelmiä ovat mm.:

• korteilla ryhmätyönä tehtävä luokittelu
• olemassa olevien sisältöjen analysointi.

Nykyisin kuvailutietoja kehitetään usein automaattisesti erilaisilla tietokoneohjelmilla analysoimalla olemassa olevia sisältöjä, mutta yhtä lailla tärkeätä on edelleen myös ihmisten tekemä luokittelu, asiasanoittaminen ja kuvailu.[3][1][6]

Metatiedon yhteensopivuutta parannetaan hyödyntämällä valmiita sanastoja, joilla voidaan saavuttaa parempaa järjestelmien yhteentoimivuutta. Niillä kohennetaan yleensä tietojärjestelmien semanttista yhteensopivuutta.[3]

Valmiita sanastoja ovat mm.

• Dublin Core
• IPTC
• RDF (Resource Description Framework)
• OWL (Web Ontology Language).

Toimialakohtaisia valmiita sanastoja sisältyy myös esimerkiksi elektronisen liiketoiminnan määritysperheisiin, kuten RosettaNet ja ebXML.[3]

• Luonnollisten kielien runsaus ja monimutkaisuus
• Koneellisen tulkinnan vaikeudet
• Ongelmat sanastojen käytössä ja kehittämisessä
• Ohjelmat tallentavat metatiedot sellaisessa muodossa, ettei niitä ole mahdollista hyödyntää ilman kyseistä ohjelmaa.

Esimerkiksi tyypillinen yksittäisen käyttäjän kokema ongelma metatiedoista on, että tietokoneohjelmat kyllä tallentavat paljon metatietoa erilaisista tiedostoista ja sisällöistä omaan käyttöönsä, mutta eivät kykene jakamaan tätä metatietoa muille ohjelmille. Esimerkiksi Microsoft Wordin tuottamat dokumentit sisältävät yleensä paljon metatietoa asiakirjan tallennuksista, versioista, muokkauksista, muokkaajista sekä dokumentin muotoilusta, rakenteesta ja kirjasimista. Lähetettäessä sama asiakirja sähköpostitse toiselle henkilölle, jolla ei kuitenkaan ole vastaavaa ohjelmaa, ei tätä kaikkea dokumenttiin tallennettua metatietoa pystytä hyödyntämään. Tämänkin ongelman ratkaisemiseksi on kehitetty OpenDocument-tiedostomuoto.[7]

Toisentyyppinen ongelma on, että tiedostoon tallennettu metatieto saattaa loukata yksityisyyttä tai esimerkiksi liikesalaisuuksia. Jos tieto on suljetussa formaatissa, käyttäjä ei voi tiedostoa toiselle lähettäessään varmistaa, että joukossa ei ole ongelmallista tietoa.[2]

• Informaatioarkkitehtuuri
• OpenDocument-tiedostomuoto (ODF)
• Dokumenttien luokittelu
• Semanttinen verkko
• ID3

• Kuvia tai muita tiedostoja aiheesta Metatieto Wikimedia Commonsissa