Details gibt es im Blog der Open Knowledge Foundation, in dem ich wöchentlich über den Fortgang des Projektes bloggen werde.

Open Access scientific literature contains, almost by definition, content suitable – both in substance and licensing – for Wikimedia Commons. However, currently, there seems to be no automated, easy way to identify such files, convert them into appropriate formats and import them into Commons.

In November 2011, Daniel Mietchen submitted a proposal tackling the issue to the WissensWert funding scheme run by the German chapter of Wikimedia. Among other projects, it was chosen to receive funding (see Daniel’s post). As part of the team implementing the software envisioned, I will blog here about once a week until project conclusion.

Initially, the project will be focused on audio and video content available in PubMed Central‘s Open Access Subset – however, the toolchain is intended to be modular, so other sources can be added as development continues.

The only component currently existing is a proof-of-concept crawler / downloader: It downloads archives containing XML files – each about a GiB in size – from PubMed Central, identifies articles referring to supplementary materials (attachments) and displays URLs to retrieve those.

Until next week, I intend to add metadata collection – minimally author, source and licensing terms – and downloading of supplementary materials. Raphael Wimmer also proposed an option to only download new articles, which could reduce network load by several orders of magnitude compared to the currently existing naive implementation.

In line with the principles of free culture, all tools will be released as Free Software, licensed under the GNU General Public License, version 3 (or any later version of the License published by the Free Software Foundation).

The source code is hosted on GitHub.

Bereits auf den ersten Blick fällt der dürftige Stil des Artikels auf: Garniert mit einer Boulevardfrage (Hört jetzt der Streit zwischen Internetaktivisten und netzskeptischen Politikern auf?) betont die Autorin das Vorkommen von Kampfbegriffen (etwa: Zensursula) in netzpolitischen Debatten – um dann noch im selben Absatz die unpräzise Phrase des geistigen Eigentums zu bemühen. Ganz nach der Linie von Copyright-Extremisten vermischt sie so unter Anderem Urheberrecht, den Wunsch nach Namensnennung und Kriterien wissenschaftlichen Arbeitens.

Keine Frage: Guttenberg hat mit seinem extensiven Plagiat alle drei Bereiche berührt; der vermeintliche Widerspruch bleibt dennoch arg konstruiert. Zwar zitiert die Autorin – korrekt – Markus Beckedahl, der in puncto Urheberrecht doppelte Standards bei der Union sieht, verkennt dann aber die Unterscheidung zu Positionen freier Kultur: Forderungen nach ungehinderter Anwendung und Möglichkeit zu Kopie, Veränderung oder Verbesserung implizieren keine Ablehnung der Nennung von Urheber oder Rechteinhaber.

Um dies festzustellen, bedarf es sicher keiner Ausbildung an einer renommierten Journalistenschule – schon eine flüchtige Beschäftigung mit tatsächlicher Remix-Praxis hätte gereicht: So setzen sämtliche Creative-Commons-Lizenzen eine Namensnennung voraus; Bestandteile der Werke von Sampling-Künstler Girl Talk sind dieser Ethik entsprechend interaktiv aufgelistet. Auch die thematisch verwandten Debian-Richtlinien für Freie Software und die davon abgeleitete Open Source Definition lassen Maßnahmen zum Schutz der Integrität eines Werkes durchaus zu; selbst viele minimalistische Software-Lizenzen fordern als einzige Bedingung für die Weiterverarbeitung eine Beibehaltung der Autorennennung.

Doch nicht erst die semantische Vermengung von Kopie und Bearbeitung macht den Artikel wirr – nebenbei behauptet die Autorin noch, das Netz, ja Zugang zu Google, mache Abschreiben verführerisch einfach, konstruiert so eine Verlagerung der Schuld weg von Guttenberg, hin zum (bösen) Internet. Sollte sich Khuê Pham auch in Zukunft weder um Fakten, noch um Kohärenz bemühen, täte die Zeitungsgemeinde gut daran, sich den Namen der Autorin zu merken – damit Printaktivisten ihre Artikel mit der modernen Kulturpraxis des drag and drop gleich zu den Erzeugnissen von Frank Patalong und Ben Schwan in den Mülleimer befördern können.

Hinweis auf einen möglichen Interessenkonflikt: Ich habe für das GuttenPlag-Projekt zwei Programme geschrieben. Eines (Guttenviz) stellt die identifizierten Fragmente in Karl-Theodor zu Guttenbergs Arbeit als interaktiven Barcode dar, das andere (Guttencat) gibt aus, wie viele Fragmente und Zeilen welcher Plagiatskategorie angehören. Die ermittelten Zahlen flossen in den zweiten Zwischenbericht von GuttenPlag ein.

Der Creative Commons License Manager ermöglicht es, Lizenz, Rechteinhaber, Quell-URI und Jurisdiktion sowohl global (als Standard) als auch individuell für einzelne Medien-Anhänge zu setzen (screenshot). Wenn ein Blogartikel dargestellt wird, wird entsprechendes HTML5-Markup für Bilder, Video- und Audio-Inhalte generiert, das maschinenlesbare Metadaten enthält. Die mitgelieferten stylesheets ermöglichen es, die Darstellung anzupassen — so ist etwa eines enthalten, das den minimalistischen Stil des Blogs Spreeblick imitiert.

Heruntergeladen werden kann das Plugin im Plugin-Verzeichnis von WordPress.org. Ein englischsprachiges Video mit deutschen und englischen Untertiteln (die im Browser leider nicht angezeigt werden) zeigt, wie der CC License Manager benutzt wird.

Anja Krieger hat mich bezugnehmend auf meine Arbeit am Plugin interviewt und daraus ein Audioporträt erstellt, in dem ich meine Gedanken zu Creative Commons und freier Kultur vortrage. Dieses ist auch im feed-Magazin erschienen.

Wer sich für technische Details und die Entstehungsgeschichte interessiert, sollte meine wöchentlichen Fortschrittsberichte im Labs-Blogs von Creative Commons nachlesen. Der Quellcode ist über ein Webinterface und über Git zugänglich; patches und bug reports sind natürlich immer erwünscht, letztere auch gerne in den Kommentaren.

Obwohl die Mehrzahl der nachfolgenden Personen keinen Quellcode beigesteuert hat, wäre das Plugin ohne sie in seiner jetzigen Form nicht möglich gewesen. Ich möchte ihnen daher an dieser Stelle herzlich danken.

• Matthias Mehldau (wetterfrosch) schrieb einen Blogpost, in dem er über mögliches Markup für Creative-Commons-lizenzierte Inhalte sinnierte.
• Julia Seeliger (zeitrafferin) verfasste einen verwandten Artikel, der das inspirierende Moment für mich wurde.
• Johnny Häusler schickte mir auf Anfrage einen screenshot des Spreeblick-Plugin-Interfaces.
• Nathan Yergler beriet mich bezüglich RDFa.
• Nathan Kinkade war mein Mentor beim Summer of Code; er schlug Verbesserungen vor und erklärte mir geduldig, wenn meine Ansätze ein Problem nicht lösten. Ebenso organisierte er die etwas komplizierte Veröffentlichung im Plugin-Verzeichnis auf WordPress.org.
• Moritz Metz (mtz) wies mich darauf hin, dass Nichtstandard-Wordpress-Verzeichnisnamen und post thumbnails berücksichtigt werden sollten.
• Markus Beckedahl schlug die embed-Funktionalität vor.
• Nicolas Ricquemaque schrieb eine hilfreiche Ogg-Bibliothek, die das Plugin nutzt, um die Dauer von Audio- und Video-Dateien zu ermitteln.
• Bernd Holzmüller erklärte mir, wie man Speicherlecks vermeidet.
• Matthias Rampke (matthiasr) beseitigte die Beschränkung, dass das Plugin-Verzeichnis den Wert „wordpress-cc-plugin“ haben musste.

Der neue Button Nils Dagsson Moskopp CC-BY

Das Plugin fügt in der HTML-Editoransicht einen Button mit der Aufschrift „CC Figure“ hinzu. Klickt man auf diesen, öffnet sich ein neues Fenster bzw. Tab, in das man die Metadaten (z.B. Titel, Alternativtext, Autor) einer Bild-, Audio-, oder Video-Datei einträgt. Hat man alle Felder ausgefüllt, kann das Markup eingefügt werden; so einfach ist das.

So einfach ist das. Nils Dagsson Moskopp CC-BY

Das so generierte (X)HTML kann natürlich per CSS dekoriert werden — mitgeliefert sind drei verschiedene Stylesheets. Auf eines bin ich besonders stolz; es formatiert die Lizenznotizen im Stil des Blogs Spreeblick. Zudem lässt sich im Admin-Interface (Screenshot) der verwendete Metadaten-Standard umstellen — zur Auswahl stehen Microdata-Markup und RDFa.

Mein Dank geht an folgende Personen (gelistet in der zeitlichen Reihenfolge, in der sie zum Gelingen beitrugen):

• Matthias wetterfrosch Mehldau für einen Blogpost zum Thema „Markup für Creative-Commons-Inhalte“
• Julia zeitrafferin Seeliger für einen verwandten Artikel nach dem Motto „man könnte doch mal“, das inspirierende Moment für mich.
• Johnny Häusler für einen Screenshot des Spreeblick-Plugin-Interfaces
• Ian Hickson, ohne den es das Microdata-Markup wohl nicht gäbe
• Michelle Thorne für das Vermitteln eines Metadaten-Experten
• Nathan Yergler, ebenjenen. Ich habe nicht auf seinen Rat gehört.

Ja, ich weiß, dass die ausschließliche Nutzung der deutschen Sprache nicht besonders förderlich für die Reichweite dieses Plugins ist. Ich hatte nunmal weder Zeit noch Lust, es zu übersetzen. Aber wenn jemand möchte … nur zu ! Und was die konfuse Qualität des Codes angeht: Er funktioniert soweit.

Wohl um den Softwareaustausch zwischen einzelnen freien Programmpaketen nicht unnötig zu verkomplizieren, ist die EUPL laut einer Kompatibilitäts-Klausel im Lizenztext mit den folgenden Lizenzen aufwärtskompatibel, d.h. unter ihr lizenzierte Werke lassen sich unter den angeführten Lizenzen relizensieren:

• CeCILL v2.0
• CPL v1.0
• EPL v1.0
• GPL v2
• OSL v2.1, v3.0

Eine Kuriosität, nämlich dass in Abschnitt 5.3.4 der CeCILL wiederum eine Lizenzierung unter einer beliebigen Version der GPL erlaubt ist, führt allerdings (vermutlich unabsichtlich) zur Aufwärtskompatibilität mit der GPL v3 .

Da die EUPL allerdings bisher auf der Liste freier Lizenzen der FSF noch auf der Liste OSI-zertifizierter Lizenzen steht und auch Debian Legal sie nicht aufführt, kann vom Gebrauch wohl zunächst abgeraten werden.

(via pterjan’s diary auf Planet Gnome)