Prezentace z webináře předmětu Knihovny 2020 v akademickém roce 2015/2016, sekce IT a služby knihoven, vyučovaného ve spolupráci ÚISK (Ústavu informačních studií a knihovnictví FF UK) a KISK (Kabinetu informačních studií FF MUNI) a věnovaná projektu Dáme práci a praktickému využití principů sémantického webu.
Vznik, koncepce a fungovaní prezentace FF UK na Facebooku
Knihovny 2020: Praktické využití principů sémantického webu (projekt Dáme práci)
1. Praktické využití principů
sémantického webu
Představení projektu Dáme práci
Knihovny 2020: služby a technologie, 9. 12. 2015
Jakub Fiala
e-mail: fiala.jakub@gmail.com
Tajemník a lektor Studia nových médií
Ústav informačních studia a knihovnictví
Filozofická fakulta Univerzity Karlovy v Praze
2. Růst informací a způsoby jejich zpracování
V posledních dvaceti letech jsme v oblasti zpracování informací (a to nejen na
internetu) svědky prudkého a často překotného růstu jejich objemu.
Tento růst je dán především technickým a ekonomickým "snížením prahu"
nutného k publikaci informace v různém mediálním prostředí.
Nejdramatičtější nárůst v tomto kontextu vidíme především v oblasti WWW, kde
technologická epocha označovaná jako Web 2.0 proměnila de facto všechny
účastníky komunikace na webu v producenty, a zásadně tak zvětšila objem
dostupných informací.
Souběžně s tímto procesem se rozvíjejí i techniky zpracování informací.
3. Růst informací a způsoby jejich zpracování
První jsou přístupy spojené s tradicí statistického zpracování dat (řadíme sem i
nejrůznější formy data miningu, strojové učení atd.).
Druhým přístupem jsou potom techniky spojené s využíváním lidmi vytvořených
ontologií, které jsou aplikovány do prostředí internetu polo-automaticky. Tento
směr především ústí do oblasti nazývané sémantický web.
Statistické metody se nezajímají často o význam informace.
Sémantické techniky se především orientují na přímé využití sémantické znalosti
vnořené kupříkladu do mikroformátu pro zpracování strojem.
Zjednodušeně řečeno, statistické metody se snaží vyextrahovat vzorce z chování
systémů; jejich výstupy se však nesnaží napodobit lidské chápání. Oproti tomu
sémantické technologie se snaží v podstatě aplikovat znalosti o lidské sémantice
na strojově zpracovatelnou oblast.
4. Růst informací a způsoby jejich zpracování
Běžný uživatel webu se přímo nesetkává ani s jednou z technologií, přesto ale
mají na jeho pohyb v tomto prostředí velký vliv. Rozhodují totiž o snadnosti
dohledatelnosti informací, které uživatel na webu publikuje.
Výsledky zpracování dat pomocí statistických metod může producent informací
ovlivnit jen velmi málo, byť i toto málo stojí za celou jednou obchodní oblastí
na internetu nazývanou Search Engine Optimization.
Lépe je na tom tvůrce obsahu v oblasti sémantického zpracování: zde sice
nemůže přímo ovlivnit pořadí výsledků ve vyhledávačích, ale může ovlivnit
podobu zobrazení a kvalitu zpracování. Cestou k tomu je využití různých forem
sémantických mikroformátů a mikrodat, které dnes vyhledávače (ale také
sociální sítě jako Facebook) podporují.
5. Praktický příklad (adresa sídla firmy)
Studia nových médií FF UK
U kříže 8, Praha 5 - Jinonice
15800 Prague, Czech Republic
6. V jednoduché podobě HTML
<h3>Studia nových médií FF UK</h3 >
<p class="adresa">
Studia nových médií FF UK<br>
U kříže 8, Praha 5 - Jinonice<br>
15800 Prague, Czech Republic<br>
</p>
7. <div class="vcard">
<div class="fn org">Studia nových médií FF UK</div>
<div class="adr">
<div class="street-address">U kříže 8</div>
<span class="locality">Praha 5 - Jinonice</span>
<span class="country-name">Czech Republic</span>
</div>
</div>
<h3>Studia nových médií FF UK</h3 >
<p class="adresa">
Studia nových médií FF UK<br>
U kříže 8, Praha 5 - Jinonice<br>
15800 Prague, Czech Republic<br>
</p>
Při zápisu v HTML avšak
stroj, který přijde na
stránku, nebude vědět
vůbec nic o tom, o jaký
obsah se jedná. Pomoci
mu můžete, pokud
využijete například
mikroformát hCard.
8. Podoba zobrazení na stránce (nejen v našem příkladě) zůstává z pohledu
uživatele stejná, radikálně se však mění možnosti strojového zpracování.
Recept zapsaný s využitím sémantických značek.
Recept bez sémantických značek.
Je třeba upozornit ještě na jeden důležitý aspekt používání sémantických
značek. Webové stránky se díky nim stávají přístupnější pro širší zpracování než
jen pomocí vyhledávačů.
9. "Dáme práci" jako aplikace principů
sémantického webu
Plný název projektu zní Využití mezinárodních zkušeností s business ontologiemi
pro návrh a vývoj platformy propojení nezaměstnaných s poskytovali přímých
nabídek práce prostřednictvím hyperlokálních služeb.
Řešitelem projektu byla Univerzita Karlova prostřednictvím pracoviště Studia
nových médií na FF UK. Projekt byl financován z Evropského sociálního fondu
prostřednictvím Operačního programu Lidské zdroje a zaměstnanost a ze
státního rozpočtu České republiky.
Jádrem projektu byl návrh a vývoj platformy propojení nezaměstnaných s
poskytovateli přímých nabídek práce prostřednictvím hyperlokálních služeb.
V praxi nešlo jen o vytvoření specifikace mikrodat použitelných pro webové
nabídky práce, ale také o přenesení způsobů jak takové specifikace vytvářet a
navržení a vytvoření softwarové infrastruktury pro ni. Webová služba www.
damepraci.cz pak demonstruje možnosti, které platforma nabízí.
10. "Dáme práci" jako aplikace principů
sémantického webu
Cílem projektu není (a nikdy nebylo) konkurovat komerčním subjektům, ale
naopak vstoupit do míst, která nejsou pro většinu z nich lukrativní.
Považovali jsme za užitečné přispět technologickým řešením postaveným na
principech sémantického webu, které by využívalo jeho hlavní výhody:
jednoduchost implementace a snadnost zpracování na straně poskytovatele
informací (a zaměstnání), a zároveň poskytovalo nekomerční platformu, která by
se vyhnula problémům tradičních řešení (tj. zejména uzavření dat), jež mají své
důvody, v konečném důsledku však přinášejí zpomalení toku informací na trhu
práce.
12. Postup analýzy dat a vznik datového modelu
Začali jsme rozhovory s doménovými experty. Byli mezi nimi jak nezaměstnaní,
tak odborní garanti projektu z Katedry sociální práce na FF UK, stejně jako
zástupci zaměstnavatelů.
Z rozhovorů jsme extrahovali často se opakující struktury v požadavcích
potenciálních zaměstnavatelů, stejně jako uchazečů o práci. Zvláštní pozornost
jsme věnovali otázce priorit při popisu zaměstnance, popisu práce i při
rozhodování se o nabídce práce.
Získané informace jsme konfrontovali s daty nabídek práce samotných (dataset
čítal více než 1000 inzerátů), v analýze jsme postupovali jak kvalitativní, tak
kvantitativní metodou.
Při kvalitativní části jsme ručně označovali inzeráty podle přítomnosti atributů
jako je plat, typ úvazků, vzdělání apod. Pro kvantitativní část jsme si vytvořili
jednoduchý nástroj nazvaný Corpus Viewer, který kvantifikoval souvýskyt slov, a
umožnil tak exaktně potvrdit některé hypotézy nad českými daty.
13. Diagram datového modelu.
Je výsledkem fáze
redukování na přijatelné
minimum, jelikož originální
seznam atribitů sice dobře
pokrýval nabídku i poptávku
práce, ale čítal více než 80
položek, pročež byl
prakticky nepoužitelný.Více informací: https://github.
com/OPLZZ/data-
modelling/wiki/Reference-Czech
15. Specifikace mikrodat
Na jednu stranu bylo možné vytvořit zcela nové značky, které by přesně
vyhovovaly potřebám našeho projektu – tím bychom ale prudce snížili jejich
šanci na uplatnění. Anebo jsme mohli využít pro popis kombinaci stávajících
značek, které jsou podporovány světovými vyhledávači a jsou k dispozici na
stránkách www.schema.org.
Zvolili jsme variantu co nejdéle postupovat podle dostupných specifikací a nové
navrhovat jen v nutných případech. Díky tomu je specifikace mikrodat pro náš
datový model z 80 % kompatibilní s mikrodaty již přijatými.
Podrobné zdroje k prostudování
Úvod k zápisu strukturovaných dat do webových stránek pomocí RDFa
Recept na vyznačení nabídky práce pomocí RDFa
16. Ukázka značení sémantickými značkami (RDFa)
Vyznačení nabídek práce na webu pomocí sémantických značek (v našem
případě RDFa) zajistí čitelnost pro stroje a nijak neovlivní jejich podobu pro
návštěvníky stránek. RDFa (druh sémantického značení) je způsob, jak říci
stroji, co určitá informace na webu znamená.
Přidání značek do HTML kódu stránky zajistí, že pracovní inzerát bude
strukturovaný a aplikace jako je Dáme práci s ním dokáže samostatně pracovat.
Platí zde základní pravidlo, že čím více informací poskytnete (označkujete)
strojům k automatizovanému zpracování, tím lépe, avšak i velmi malý vstup
představuje významnou kvalitativní změnu.
Zdroj obrázku.
17. Krok č. 1 (bez toho to nebude fungovat)
Aby bylo možné pracovní inzeráty rozpoznat a nabízet je lidem používající
aplikaci, je nezbytně nutné přidat následující dvě podbarvené značky.
Označení jazyka je vhodné, ale není nezbytné.
krok příklad
Do elementu <html> přidejte atribut vocab="
http://schema.org/"
<html vocab="http://schema.org/">
Do elementu <html> přidejte označení jazyka
webové stránky pomocí atributu lang="cs",
pokud je stránka v češtině.
<html vocab="http://schema.org/" lang="cs">
Do elementu <body> přidejte atribut typeof="
JobPosting".
<body typeof="JobPosting">
18. Kterýkoliv z dalších kroků týkající se popisu inzerátu v elementu <body> lze
přeskočit. Toto jsou příklady těch nejčastějších.
Uvnitř elementu <body> popište nabídku práce.
Element obsahující text názvu pracovní pozice
označte atributem property="title".
<h1 property="title">skladník</h1>
Element obsahující textový popis pracovní
pozice označte atributem property="
description".
<p property="description">Společnost ACME s.
r.o. hledá nové zaměstnance na pozici
Skladník/ce - Řidič/ka VZV v lokalitě
Ostrava.</p>
Datum nástupu do práce označte atributem
property="startDate". Strojově čitelnou verzi
data zapište jako hodnotu atributu content ve
tvaru RRRR-MM-DD.
Datum nástupu: <span property="startDate"
content="2013-04-01">1. dubna 2014</span>
Typ pracovního úvazku lze popsat atributem
property="employmentType".
Úvazek: <span property="employmentType">plný
úvazek</span>
19. Uvnitř elementu <body> vyznačte adresu pracoviště.
Část stránky obsahující adresu pracoviště zabalte
do elementu označeného atributem rel="
jobLocation".
<div rel="jobLocation">
…
</div>
Uvnitř tohoto elementu popište ulici a číslo
popisné v elementu s atributem property="
streetAddress".
<p property="streetAddress">Místecká 126</p>
Obec, v níž se pracoviště nachází, označte
atributem property="addressLocality".
<p property="addressLocality">Ostrava</p>
Uvnitř elementu <body> vyznačte údaje, jak je možné kontaktovat zaměstnavatele.
Část stránky s kontaktními údaji zabalte do
elementu s atributem rel="contact".
<div rel="contact">
…
</div>
Uvnitř tohoto elementu označte jméno kontaktní
osoby pomocí atributu property="name".
<p property="name">Jan Hluchý</p>
Pokud je kontaktním údajem telefonní číslo,
označte ho atributem property="telephone".
<span property="telephone">420 123 456
789</span>
Emailovou adresu můžete označit pomocí
atributu property="email".
<span property="email">jan.hluchy@acme.
cz</span>
20. Sémantické značení na webu je užitečné
Obsah svého webu můžete díky sémantickým značkám šířit snadno a zdarma k
těm, kdo vás hledají / koho hledáte.
Pokud vás toto téma zajímá a chcete vědět, jakým dalším způsobem mohou být
pro vás sémantické značky na webu užitečné (a to zdaleka ne jen v oblasti
pracovních nabídek), doporučuji příspěvek Jindřicha Mynarze a Josefa Petráka s
názvem Advertising throught structured data on the Web, který je součástí
sborníku (s. 228) z mezinárodní konference Semantic Web in Business.
Značkuji, tedy jsem.
Zdroj obrázku.
21. Výstupy, o kterých
jsme doposud hovořili,
nejsou primárně určeny
pro cílovou skupinu
uchazečů.
Té je totiž určena
HTML5 aplikace, která
běží na doméně www.
damepraci.cz.
22. HTML5 aplikace
Již v začátku projektu jsme se rozhodli pro vytvoření HTML5 aplikace, která
bude moci fungovat nejen na webu, ale také jako aplikace pro mobilní telefony
(na platformě Android i iOS). Volba responsivního designu navíc zajistila, že
aplikace vypadá v zásadě vždy stejně, bez ohledu na zařízení, na němž je
využívána. Mění se jen počet na první pohled viditelných obrazovek.
Pro design byly zvoleny velké dotykové plochy, které na webu vyhovují starším
uživatelům a zároveň v prostředí mobilní aplikace působí přirozeně.
Pokud jde o neochotu skupiny 50+ sdílet osobní informace, rozhodli jsme, že po
uživatelích služby nebudeme vyžadovat registraci. Informace, které nám o sobě
napíší lidé při vyhledávání, budeme ukládat na klientské straně a vždy znovu
posílat. V praxi tak na naší straně neexistuje žádná informace o identitě
uživatele.
24. Uplatnitelnost v praxi a další výhledy
Určitou inspirací pro náš projekt byly hyperlokální nabídky mikroprací známé z
USA. Ty v podstatě umožňují zadávat drobné, sousedské práce ve větších
městech. Mezi takové práce patří kupříkladu odvoz nákupu, sklizení ovoce či
větší úklid v domě.
Služby jako TaskRabbit nabídkou mikroprací pomáhají nejen lidem bez práce
alespoň k nějakému výdělku, ale také jim pomáhají udržovat sociální kontakt,
což je pro dlouhodobě nezaměstnané nesmírně důležité. Bohužel česká právní
úprava není v tomto ohledu příliš jednoznačná, a tak se lidé do mikroprací příliš
nepouštějí, aby se nedopustili neoprávněného podnikání. Navíc je tento druh
příjmu limitován maximální částkou 30.000 Kč ročně.
Z dlouhodobého pohledu je ale zřejmě tato situace neudržitelná a je velmi
pravděpodobné, že dojde k uvolnění trhu v této oblasti i u nás. Aplikace Dáme
práci s takovou variantou počítá a je na ni připravena.
25. Uplatnitelnost v praxi a další výhledy
Přestože samotná aplikace byla z hlediska projektu pilotáží, a prakticky má
pouze demonstrovat funkčnost celého vyvinutého originálního řešení, jenž je
díky otevřeným licencím, kterými jsou všechny jeho součásti opatřeny, snadno
přenositelné např. do jiné země (ať už v rámci EU nebo i za jejími hranicemi).
HTML5 aplikaci stále provozujeme a snažíme se, alespoň v rámci svých
omezených možností, i o její rozvoj a další zpřístupnění.
V roce 2016 bychom rádi spustili možnost snadno
aplikaci embedovat do vlastních webových stránek,
aby instituce jako jsou knihovny či neziskové
organizace mohly efektivním způsobem zpřístupnit
svým klientům tento druh služeb, aniž by se o provoz
museli starat nebo s ním měli nějaké náklady.