Det här är ett verktyg för att bearbeta och publicera termer från ISOF på ett sätt så de kan länkas ihop med koncepter på Wikidata.
Termerna har samlats ihop från många olika officiella rapporter dokument på svenska. Det finns termer på både svenska och engelska.
- skrapa rikstermbanken.se och länka ihop?
- möjliggör att kolla upp varje term i Wikipedia
- create a webapp that helps editors upload missing terms or missing swedish translations of terms to Wikidata
Det finns ~93984 termer ($ grep -r TE .|wc -l) 49365 svenska $ grep -r ^svTE .|wc -l 11110 engelska $ grep -r ^enTE .|wc -l
Det finns ~30545 definitioner ($ grep -r DF .|wc -l) 28773 svenska $ grep -r ^svDF .|wc -l 1356 engelska $ grep -r ^enDF .|wc -l
Det finns ~16038 anteckningar ($ grep -r AN .|wc -l) 11356 svenska anteckningar $ grep -r ^svAN .|wc -l 331 engelska anteckningar $ grep -r ^enAN .|wc -l
Found 2366 sources with a total of 49266 terms and 175027 term lines in total. 19496 (39.57293062152397%) terms lack a definition 13851 (28.114724150529778%) terms lack a definition but has an explanation 5645 (11.458206470994195%) terms lack a definition and an explanation 49260 (99.9878212154427%) swedish terms
- Datan från ISOF innebär en del utmaningar pga bristen på enhetlig struktur. Tex är den svår att läsa rad för rad för varje rad är inte markerat upp 100% tex när definitioner fortsätter på ny rad.
- Datamängden saknar helt unika identifierare för varje term. Det är en stor brist som sänker värdet avsevärt.
- Bristen på GUPRI och API vittnar om att ISOF ser det här som ett arkiv, det pågår ingen förädling eller löpande kvalitetshöjning. Datan är "död" och utelämnas "as is".
- Datamängden verkar ha värde eftersom den
- kopplar ihop svenska och förvaltningsbegrepp på andra språk (mestadels engelska)
- har vettiga definitioner
- har vettiga anteckningar
- har synonymer
- har relationer till andra begrepp
- Datamängden saknar källor och författare. Det går inte att utläsa vem som skrivit vad.
- Datamängden verkar sakna en "ägare" som går i god för innehållet, detta gäller både samlat och för varje term/källdokument.
- På en helg lyckades jag begripa mig på och tvätta datan och skriva kod för att kunna läsa in det mesta i Pydantic objekter.
- En API/webbplats där varje term får en unik ID och presenteras via HTTP skulle vara ett stort lyft. Då skulle varje term kunna nås via internet och kunna länkas till.