Office: (Office 2013) Beziehungen aus Datensätzen für Netzwerkanalyse

ja, siehe oben, die Schnittmenge ist nur etwa 10%, zudem ist z.b. ETH Zürich nicht wirklich ein Autor.
Wenn man den Zusammenhang nochmals vor Augen führt:
in der Tabelle Artikel eine Publikation festgehalten, z.b. die erste:
Wohnungsneubau in Schrumpfungsregionen − Fehlentwicklung oder Notwendigkeit?
haben Iwanov und Schäfer geschrieben.
Dieser Artikel wird nun an 30 Stellen in anderen Publikationen zitiert, von ganz unterschiedlichen und anderen Leuten
(oder ist es umgekehrt: im Artikel 1 werden 30 andere Publikationen zitiert ? An sich egal)

Ob man das nun Erstautor nennt und es dann weitere gibt, ok, man kann es auch einfach ZitatAutor nennen ...
Frage an Sarah: ist es relevant, ob es einen oder mehrere gibt? und muss man zwischen diesen unterscheiden, also Erst- und Zweit- und Dritt ... Autor ??

 

\@"ETH Zürich nicht wirklich ein Autor."
Autor ist für uns der angegebene Verfasser des Textes. Wenn dort ETH Zürich steht, ist das für uns schon ein Autor.

@"(oder ist es umgekehrt: im Artikel 1 werden 30 andere Publikationen zitiert ? An sich egal)"
Es ist wie Du hier schreibst (also umgekehrt): in dem Artikel werden 30 andere Artikel zitiert.

@"ist es relevant, ob es einen oder mehrere gibt? und muss man zwischen diesen unterscheiden, also Erst- und Zweit- und Dritt ... Autor ??"
Gute Frage. Es gibt im Prinzip keinen Unterschied, zwischen Zweit- und Drittautor sowieso nicht. Allerdings ist ja für die Generierung des Zitat-Kürzels (Erstautor#Jahr#Titel) wichtig, wer Erstautor ist. Das hatte ich vorher nicht bedacht. Ich sollte also evtl. überlegen in der Verknüpfungstabelle Autor_Artikel noch die Information Erstautor oder NichtErstautor zu speichern.

 

... was in meiner Demo bereits passiert ist.
Schön, wenn Vorschläge so umfassend studiert werden.

Bezüglich Zitat-Kürzel: Wie Angaben in Tabellen gespeichert werden und wie Daten einem User präsentiert werden sind für mich grundlegend verschiedene Dinge. Wir sind doch in einer DB und nicht auf einem Excelblatt.

Bezüglich Zitat: Irre ich mich, wenn ich behaupte ein Zitat ist ein Textauszug aus einem Text, also aus einem Artikel? Aus einem Autor kann man vielleicht auch Auszüge produzieren, sicher aber keine Textauszüge.
Also genügt bei Zitat der Bezug auf einen anderen Artikel. Klaus hatte oben so etwas sinngemäß schon mal nachgefragt.

Muss man das verstehen? Ab 17,5 % wäre es dann eine Tabelle statt deren zwei?
Gleiche Informationen gehören in eine Tabelle in ein Feld. Das hätte für einen User schon mal den Vorteil, dass man vereinfacht vorhandene Artikel, vorhandene Autoren etc. zur Auswahl anbieten kann und er nicht durch Eigeneinträge mit Tippfehlern und Kreativität Varianten des gleichen Objektes erzeugt.

 

Also ist es jetzt klar. Der Artikel ist eine Publikation, in welcher 1 bis N andere Publikationen zitiert werden.
Diese Zitate sollen strukturiert abgelegt werden (eben nicht wie jetzt in 2 Tabellen, mit #-Konstrukt)

zu ETH Zürich: wollte sagen, keine Person (natürlich ist es ein Autor)
und das sind 90% andere, wie in den Artikeln. Deshalb mein Vorschlag einer eigenen Tabelle, auch weil kein Vorname vorhanden ist und relativ viele Abkürzungen.

jetzt wird es aber verzwickt. Wenn wir vom "ErstAutor" sprechen, dann ist doch derjenige in diesem Konstrukt
ErstAutor#Jahr#Stichwort#Beschreibung
gemeint.
Du hast früher geschreiben, dass es da durchaus auch "Zweit-Autoren" geben kann, ihr die aber vorerst noch weggelassen habt.

Die "Generierung" des Zitatkürzels müsst ihr ja dann in der weiteren Anwendung eh "mit Köpfchen" machen, wie auch alles andere was die Zitate betrifft.
Wenn ihr also eine Publikation habt, die in einem Artikel zitiert wird, dann geht ihr vermutlich hin und schaut, wer der Autor ist - oder eben die Autoren.
Kann man da sagen, wer der "Erst"-Autor ist ? Was bedeutet überhaupt "Erst"-Autor? der erste der aufgeführt ist, also z.b.
Bieder, Müller, Tanner (also alphabethisch)
dann ist Bieder der 1., Müller der 2. etc. ??
Und nochmals, wie relevant ist das dann ?

 

Bzgl. "Bezüglich Zitat: Irre ich mich, wenn ich behaupte ein Zitat ist ein Textauszug aus einem Text, also aus einem Artikel? Aus einem Autor kann man vielleicht auch Auszüge produzieren, sicher aber keine Textauszüge.
Also genügt bei Zitat der Bezug auf einen anderen Artikel. Klaus hatte oben so etwas sinngemäß schon mal nachgefragt."
Ja, Du irrst Dich nicht und letzteres ist korrekt. Noch zur Aufklärung vielleicht: Eine Zitation ist für mich ein gerichteter Verweis in ArtikelA auf ArtikelB. Beide Artikel haben ein Autor, ein Jahr, und einen Titel. Autor#Jahr#ErstesWort ist ein Kürzel mit dem ich Zitationen vergleichbar mache und Duplikate erkenne (zwei verschiedene Artikel A und B verweisen auf den gleichen ArtikelC). Dabei sind Jahr und Autor ebenfalls auszuwertende Informationen (In welchem Jahr werden welche Autoren häufig zitiert? Welche Autoren zitieren welche anderen Autoren?), der Titel (unabhängig ob es nur das erste Wort ist oder der ganze Titel) ist dagegen "nur" ein Erkenner (wichtig, wenn Müller 2007 mehrere Artikel schreibt).

Bzgl. "Gleiche Informationen gehören in eine Tabelle in ein Feld."
Ja, Sehe ich mittlerweile auch so, weiß nur moch nicht ob ich das bei den Zitationen umgebaut kriege.

Bzgl. "Also ist es jetzt klar. Der Artikel ist eine Publikation, in welcher 1 bis N andere Publikationen zitiert werden. Diese Zitate sollen strukturiert abgelegt werden (eben nicht wie jetzt in 2 Tabellen, mit #-Konstrukt)"
Ja genau.

Bzgl. "jetzt wird es aber verzwickt. Wenn wir vom "ErstAutor" sprechen, dann ist doch derjenige in diesem Konstrukt ErstAutor#Jahr#Stichwort#Beschreibung gemeint. Du hast früher geschreiben, dass es da durchaus auch "Zweit-Autoren" geben kann, ihr die aber vorerst noch weggelassen habt."
Ja. Ich glaube das ist kein Widerspruch. Die ursprüngliche Tabelle erhebt bei 17.000 Datensätzen komplette Artikeldaten (dazu gehören z.B. auch bis zu 16 Autoren sowie die ISBN-Nummer und vieles andere) sowie bei ausgewählten Artikeln auch die Zitationen (Verweise auf andere Artikel). Zitationen werden aus arbeitsökonomischen Gründen aber nicht mit den kompletten Artikeldaten erhoben, sondern nur mit dem Kürzel (hier sind Zweitautoren weggelassen). Die Zitationen würden nach dem DB-Umbau evtl. nicht mehr in den 17.000 Datensätzen schlummern, sondern eigene Datensätze in der gleichen Tabelle werden.
Mein Gedanke war der: Aus der jetzigen verkorksten Datenbank kann ich 17.000 Kürzel (Erstautor#Jahr#Titel) per Abfrage aus den erhobenen Artikeln erstellen. Wenn die 16 bzw. 32 Autorenfelder in einer extra Tabelle aufgehen, in der die Information Erstautor nicht abgespeichert ist, würde ich aus einem Artikel mit 16 Autoren dann nicht mehr einen, sondern 16 Kürzel erstellen, was für die Auswertung ein Nachteil wäre.

Bzgl "Kann man da sagen, wer der "Erst"-Autor ist? Was bedeutet überhaupt "Erst"-Autor? der erste der aufgeführt ist, also z.b. Bieder, Müller, Tanner (also alphabethisch), dann ist Bieder der 1., Müller der 2. etc. ?? Und nochmals, wie relevant ist das dann ?"
Ja, das Beispiel stimmt. Vielleicht ist die Antwort hier oben schon geklärt? Die Reihenfolge ist egal, in dem Sinne dass der Erstautor nicht unbedingt mehr Urheber des Artikels ist, als die anderen. Aber ich brauche den Erstautor als Kürzel, als eine Art ID, die mir hilft Duplikate zu erkennen. Da ich bei den Zitationen minimale Informationen erhebe (nur ein Autor, nur ein Titelwort), sollte die ID möglichst eindeutig sein (16 Kürzel aus einem Artikel generieren wäre blöd). Nur hierfür ist der Erstautor wichtig bzw. relevant.

Bzgl. "... was in meiner Demo bereits passiert ist. Schön, wenn Vorschläge so umfassend studiert werden."
Ich muss Deinen Vorschlag definitiv noch studieren, verstehe aber leider (noch) wenig von Codes und SQL (für Tips wie man das schnell lernt wäre ich dankbar).

Vielen Dank nochmal.

 

Hallo Sarah
habe mal eine Migration dieser "Kürzel" in die 3 Tabellen + 3 M:N Tabellen gemacht,





um mal etwas konkretes zu zeigen. Unten wie die entsprechende Query aussieht, welche pro Artikel die Zitationen zeigt. Wäre das ein Ansatz?
Natürlich kann man mit anderen Abfragen damit jede beliebige Fragestellung beantworten ...





oder so:

 

Ganz widerspruchsfrei ist das nicht, wenn man gebildete Kürzel zur eindeutigen Identifizierung eines Artikels verwenden will.
Widerspruchsfrei wäre die eindeutige ArtikelID.

Mit der ArtikelID kann man in der vorhandenen Struktur auf benötigte Daten zu einem Kürzel schließen, wobei man das nicht zu einem String zusammenfassen muss, sondern einem User für eine Auswahl oder auch nur eine Betrachtung in Einzelspalten belassen kann.
Die folgende Abfrage zeigt das, wobei ich hier auf vorhandene Felder laut erster Demo zurückgreife:
Code:

Das heißt dann umgedreht: Wenn man die Zitationen in die vorhandene Struktur (T1, T3, T9 zuzüglich eine Referenztabelle für Zuordnung ArtikelID zu den ArtikelID's der Zitatquellen) einfügt, dann kann man sauber verweisen.
Eigene Logik würde einem ja auch sagen, dass man einen Artikel erst erfassen muss, ehe man ihn als Zitierquelle benutzen kann.

 

\@jmc: Ja, das sieht gut aus. Kannst Du mir zeigen, wie ich die Migration schaffe? Ähnlich wie bei den Autoren wahrscheinlich, nur dass die 1:1 Verknüpfungen Schwierigkeiten machen? Warum machst Du zwei verschiedene Tabellen für Beschreibung und Stichwort?

@"Ganz widerspruchsfrei ist das nicht, wenn man gebildete Kürzel zur eindeutigen Identifizierung eines Artikels verwenden will.
Widerspruchsfrei wäre die eindeutige ArtikelID."
Das Kürzel, dass ich verwende um Dubletten zu erkennen, ist wie gesagt "Erstautor#Jahr#ErstesTitelwort"; alles was dahinter kommt wird für die Dublettensuche abgeschnitten und dient nur im Bedarfsfall als Informationsquelle. Wenn wir Zitationen erheben, können wir aus arbeitsökonmischen Gründen nicht bei jedem Eintrag schauen, ob es schon den entsprechenden Datensatz gibt, um dann die ID anstatt des Kürzels zu nehmen, zumal man in mehr als 90% der Fälle vergeblich suchen würde. Deutlich schneller geht es doch einfach die drei Spalten reinzukopieren, und die Auswertung läuft dann automatisch.

Vielen Dank und Beste Grüße!

 

Ist Dir bekannt, dass man Datenbankeinträge auch filtern kann und ein User über eine bereitgestellte Useroberfläche schnell ermitteln kann, ob das aktuell interessierende Zitat vorhanden oder neu ist.
Bspw. könnte man die in #37 verwendete Abfrage als Datenherkunft für ein Kombinationsfeld verwenden, Spalte 1 wäre die gebundene Spalte und würde bei Auswahl zurückgegeben, Spalte 5 wäre die erste sichtbare Spalte und somit jene für die Eingabe. Mit der Eigenschaft "automatisch ergänzen" fliegt man recht schnell zu einem bestimmten Eintrag. Bei größeren Mengen kann man über abhängige Kombinationsfelder arbeiten.

Bei vorhanden dann Übernahme der ID, bei neu Eintrag in eine Maske statt in ein solches Konglomeratfeld sowie Übergabe an die beteiligten Tabellen. Die Neueingabemaske wiederum sollte vorhandene Autoren und Artikeltitel zur Auswahl anbieten, um Duplikate durch Vertippen oder eigene Kreativgedanken zu vermeiden, andererseits auch eine Vollständigkeit (=> Vorname) durchsetzen.

Das Problem eines fehlenden oder verkürzten Vornamens beim Autor hinsichtlich Unterscheidung hattest Du oben selber schon einmal eingestanden. Es wird sich bei zunehmenden Daten verschärfen. Welche Lebensdauer gibst Du Deiner DB?

Klingt gut. Wie schaut es dort mit Fehlerfreiheit, Vollständigkeit, Redundanzfreiheit, Performance u.ä. Dingen aus?
Zwischen "funktionieren" und "gut funktionieren" können sich in Realumgebungen Welten auftuen.

 

Das entspricht doch deinem "Kürzel": "Erstautor#Jahr#ErstesTitelwort#lange Beschreibung"
Wir können diese Tabelle natürlich auch T4ErstesTitelwort nennen, das ist Detail
Es geht ja mal vorerst um das Prinzip der Aufteilung in entsprechende Tabellen. Auf dieses erste Titelwort könnte man verzichten, wenn immer eine lange Beschreibung vorhanden ist, aber du hast ja nicht überall eine! Bzw. dann würde man dieses erste Titelwort eben in die Beschreibung erfassen.
(denkbar wären dann auch mehrere Stichworte wie "Raumplanung, Landesplanung")

Wie diese Migration geht, kann ich dir dann gerne zeigen, bzw. was ich schon gemacht habe zur Verfügung stellen. Zuerst muss aber mal klar sein, was wohin kommt. Da sind wir wohl bei ca. 75%

Da kann ich nur dasselbe sagen wir Eberhard: mit dem entsprechenden GUI lässt sich das alles machen.
Ziel ist doch dann, dass derselbe Text (Autor, Erstautor, Jahr, ErstesTitelwort, Beschreibung etc.) nur einmal in der Datenbank ist !
Über die M:N Tabellen wird dann das jeweilige dem Artikel zugeordnet.
Wie jetzt bei T9VerknüpfungstabelleT1zuT3 (NB: ein sprechender Name wie T9Autor_Artikel wäre hier besser)

Genau DAS gilt es zu erreichen !!

Das würde ich ja gerne mal mit deinen 14'000 DS überprüfen - mit deiner jetzigen Struktur ein Ding der Unmöglichkeit.
Und je mehr ihr erfasst, desto grösser wird die Wahrscheinlichkeit, dass dieselbe Zitation mehrfach vorkommt - und genau das ist dann doch auch interessant auszuwerten, nehme ich mal an.
Ein kleiner Tippfehler und schon hast du keine Uebereinstimmung mehr und 2 mal dasselbe erfasst, was aber DB technisch nicht das Gleiche ist.
Gerade bei Massendaten ist es umso wichtiger, keine Dubletten zu haben, wobei ich mit Dubletten sowas meine:
Landschaftsarchitektur
Landschaftsarchtektur
ähnliche Tippfehler sind schon in den paar Muster-DS zu sehen ...

 

Nochmal bzgl. Erstes Titelwort/Beschreibung grundlegend:
Wiss. Artikel führen i.d.R. am Schluss auf, welche Publikationen alles darin zitiert wurden. Leider sieht jeder Artikel eine eigene Formatierung (Reihenfolge der Attribute, Satzzeichen) für diese Literaturliste vor. Außerdem sind die Listen i.d.R. nicht fehlerfrei. Die „sichersten“ und am häufigsten vorhandenen Informationen daraus sind das Erscheinungsjahr, die ersten Titelwörter und die ersten Autoren.
Das „ErsteTitelWort“, wie wir es erhoben haben haben, ist KEIN Schlagwort/Stichwort o.ä.. Es dient nur der Erkennung und es kann auch passieren, dass dort komplett bedeutungsfreie Wörter wie „Mit“ oder „Viele“ stehen.
Das Feld, was wir hier meistens „Beschreibung“ nennen, ist meist der komplette Eintrag per Copy&Paste aus dem ursprünglichen Literatureintrag.

@„Da kann ich nur dasselbe sagen wir Eberhard: mit dem entsprechenden GUI lässt sich das alles machen.“ Okay, ich versuche es gerne mit einer GUI!

Aktuell stelle mir das so vor:
T1Artikel (mit AutowertID, Zeitschriftname, Jahr, Titel, Literatureintrag (also die Beschreibung, s.o.), ISBN, und vieles mehr)
T2Autoren (mit AutowertID, Nachname, Vorname und evtl. später weitere Attribute (z.B. Alter; ist jetzt ja egal))
T9Verknüpfung Autoren_Artikel (mit AutowertID, ArtikelID, AutorID, Rang der Autorenschaft (d.h. zumindest Erstautorenschaft, am besten direkt jeden Rang (Zweitautor, Drittautor,...) ausdifferenzieren)
T9Verknüpfung Artikel-Artikel (mit AutowertID, zitierender Artikel und zitierter Artikel)
In T1 Artikel füge ich die bisher als Zitationen geführten Felder als Datensätze in die Felder Jahr, Titel und Literatureintrag (bzw. "Beschreibung") an. Dabei mache ich kenntlich, dass die neuen Datensätze unvollständig sind, indem ich vorher „#ZitationKA“ oder ähnliches an das Titelwort anfüge. Wichtig ist, dass ich die Information über die gerichtete Beziehung (zitierender Artikel->zitierter Artikel) nicht verliere.
Ebenso fülle ich die Tabelle Autoren auf, wobei ich auch hier kenntlich mache, dass die Datensätze unvollständig sind z.B. indem ich zunächst „#ZitationKA“ in das Vornamenfeld eintrage. Hier ist wichtig, dass die angefügten Autoren auch die entsprechenden Einträge in T9Verknüpfung Autoren_Artikel bekommen.
Viele Grüße,
Andreas

 

Unvollständige Datensätze würde man besser über eine eigene Spalte kenntlich machen. Das Verfremden von Stammdaten ist ungeschickt, weil es nur wieder zusätzliche Arbeit nach sich zieht, sowohl beim Korrigieren als auch beim laufenden Verarbeiten.

Ein Zahlenfeld statt nur ein Booleanfeld ist aussagekräftiger und sympathischer. Guter Gedanke.

Insgesamt: Deinen Vorstellungen kann ich zustimmen. Vielleicht kannst Du mit der angehängten Arbeitskopie etwas anfangen.

 

aha, ich sehe, mein Vorschlag mit 3 Tabellen für diese Kürzel-Geschichte stösst nicht auf Begeisterung. Na ja, man kann natürlich auch eine nicht normalisierte Tabelle behalten und Redundanzen, bzw. nicht identische Schreibweisen in Kauf nehmen. Ich weiss, es ist schwierig, von einem einmal eingeschlagenen Weg und einem vermeintlich "guten System" abzuweichen.

Ich will jetzt nichts behaupten, aber ich kann mir vorstellen, dass später dann Probleme (und damit auch wieder Fragen hier) auftauchen werden ...

 

... wäre dann welche?

Eine Tabelle Erstautoren zusätzlich zur vorhandenen Tabelle Autoren ist sicher nicht der Normalisierung höchstes Glück. Viel eher sollte man sich Gedanken machen, wie man die Kürzel-Autoren zweifels- und duplikatfrei in die vorhandene Autorentabelle bekommt.

 

Hallo,
ich lade nochmal eine Beispieldatenbank hoch. Diese hat jetzt ein paar mehr Datensätze und alle Zitationstabellen. Was vorher bei uns "Artikel" hieß, heißt dort "Publiktion". Ich sehe Euch schon ob meiner Konstruktionsdummheiten die Hände über dem Kopf zusammenschlagen...
Ich habe darin Dank Eurer Hilfe schon "zu Fuß" die Erstellung der Autorentabelle sowie der Verknüpfungstabelle Autor_Publikation nach meinen Vorstellungen vornehmen können. Die entsprechenden Abfragen zur Erstellung habe ich drin gelassen, mit einer Zahl am Anfang des Abfragenamens, die für den Arbeitsschritt steht. (1 Autoren in temporäre Tabelle, 2 Autoren ohne Duplikate in T2Autoren anfügen, 3Verknüpfungen und AutorRang in T9 einfügen).
Bei den Zitationen ließe sich der erste Schritt wahrscheinlich so ähnlich machen, nur halt mit 200 Abfragen... ebs17 hat schon gezeigt, dass ihm dafür in VBA ein paar Zeichen ausreichen (Vielen Vielen Dank!). Leider behersche ich VBA noch nicht. Ohne ein Verständnis so ein Modul bei mir reinkopieren habe ich Skrupel, aber ich werde es versuchen. Danach ist wohl das Anfügen der Verknüpfungstabellen meine größte Herausforderung.