Benutzer:Zuphilip/Analyse zu Normdaten

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen

Es wurden die GND-IDs von 10.000 deutschsprachigen Wikipedia-Seiten mit den dazugehörigen Daten in Wikidata verglichen. Die Stichprobenmenge entspricht somit ca. 2-3% aller Normdaten-Einbindungen in der deutschsprachigen Wikipedia. Die Liste aller 10.000 ausgewerteten Einträge und den gefundenen GND-IDs kann man als hier als CSV-Datei ansehen/herunterladen .

Da hier eine Auswertung im Fokus steht, wurden bisher noch keine Korrekturen aus den gefunden Unterschieden gemacht (Stand Anfang Juni 2020).

Resultat[Bearbeiten | Quelltext bearbeiten]

  • In 9.664 aller untersuchten Fällen (97%) stimmen die beiden GND-IDs überein.
  • In 77 aller untersuchten Fälle hat Wikidata mehrere GND-IDs gespeichert
    • davon sind 34 Berufsbezeichnungen in der GND sowohl mit männlicher wie weiblicher Form verknüpft, z.B. 4003157-3 (Arzt) und 4140665-5 (Ärztin)
    • davon sind 15 Konzepte mit mehreren IDs z.B. Geografika, Körperschaften, Organisationen mit verschiedenen GND-IDs für die unterschiedlichen Zeitabschnitte, aber auch Citroën als Marke und Citroën als Unternehmen
    • davon sind 8 wahrscheinlich Fehler in Wikidata (Q313189, Q218, Q1194, Q8669, Q170352, Q181376, Q466707, Q5283295)
    • davon sind 7 wahrscheinlich Fehler in der GND (16298759-6=4075869-2, 2005003-3=1091866120, 1087464765=5508235-X, 1086208846=16005-2, 1038202-1=4239362-0, 4114392-9=1086620860, 4255515-2=2120209-6)
  • In 220 aller untersuchten Fälle fehlt eine GND-ID in Wikidata.
  • In 36 aller untersuchten Fälle fehlt eine GND-ID in Wikipedia.
  • Damit verbleiben noch 81 Unterschiede (weniger als 1%) mit unterschiedlicher GND ID in Wikipedia und Wikidata (Auswertung dieser Unterschiede erfolgt unten)

Vorgehen der Analyse[Bearbeiten | Quelltext bearbeiten]

  1. Suche aller deutschsprachigen Wikipedia-Seiten mit Einbindung des Normdaten-Template über PetScan inklusive Links zu den jeweiligen Wikidata-Einträgen
  2. Export als CSV-Datei
  3. Laden ersten 10.000 Einträge der CSV-Datei in ein OpenRefine Projekt
  4. Über Wikidata Reconcilation Service die in Wikidata gespeicherten GND-IDs (P227) angreichert
  5. Beziehen der Wikipedia Inhalte als Wiki-Markup (format=raw) mit einem Throttling von 500 ms
  6. Extrahieren der Normdaten und darin der GND-ID von Wikipedia über reguläre Ausdrücke
  7. Vergleich der GND-ID von Wikidata und der GND-ID von der deutschsprachigen Wikipedia
  8. Filterung der Daten zur Auswertung

Tabelle der Unterschiede[Bearbeiten | Quelltext bearbeiten]

Die Auswertung ergab folgende 81 Unterschiede, d.h. die in der deutschsprachigen Wikipedia gespeicherten GND ID unterscheidet sich jeweils von der in Wikidata gespeicherten GND ID. Im Bemerkungsfeld sind die unterschiedlichen GND-Konzepte angegeben in der Form "A vs. B". Teilweise wurde auch recherchiert, wie es zu diesen Unterschieden kam, und eine entsprechende Ausführung in der Klammer angegeben. Dies ist aber sehr zeitaufwändig und daher nur für einige Einträge gemacht worden.

title GND dewiki Wikidata GND ID Bemerkung
Atomhülle 4143325-7 Q193793 4127528-7 Atomhülle vs. Orbital
Bundesgerichtshof 2118180-9 Q687323 35118-0 Bundesgerichtshof ab 1990 vs. bis 1990 (von dewiki importiert, in dewiki angepasst aber nicht in Wikidata nachgezogen)
Bundesregierung_(Deutschland) 2028808-6 Q313827 2117038-1 Bundesregierung ab 1990 vs. bis 1990 (von dewiki importiert, in dewiki angepasst aber nicht in Wikidata nachgezogen)
Dialekt 4132678-7 Q33384 4040725-1 Dialekt vs. Mundart
Elektromagnetische_Welle 4014297-8 Q11386 4014301-6 elektromagnetische Strahlung vs. elektromagnetsiche Welle (sollte vielleicht in der GND zusammengeführt werden)
Flugzeug 4708139-9 Q197 4017672-1 Flugwerk vs. Flugzeug (von dewiki importiert und dort später verschlimmbessert)
Internationale_Rotkreuz-_und_Rothalbmond-Bewegung 5058989-1 Q7178 138093-X International Federation of Red Cross and Red Crescent Societies (1991- ) vs. Internationales Rotes Kreuz (1928-1986)
Mönchengladbach 4074926-5 Q2758 16281962-6 Mönchengladbach vs. Stadt Mönchengladbach (von dewiki importiert, in dewiki angepasst aber nicht in Wikidata nachgezogen)
Nürnberger_Prozess_gegen_die_Hauptkriegsverbrecher 4226685-3 Q80130 4125080-1 Nürnberger Prozesse / Hauptprozess vs. zusätzlich Nürnberger Prozesse (zwei GND IDs in Wikidata)
Rhein-Main-Gebiet 1051018846 Q707278 4049799-9 Metropolregion Frankfurt/Rhein-Main vs. Rhein-Main-Gebiet (von dewiki importiert und dort später geändert)
Schutzstaffel 10162246-6 Q44687 2021498-4 SS ab 1933 vs. zusätzlich SS bis 1933
Scharia 1151921939 Q482752 7503557-1 Islamisches Recht vs. <FEHLER> (von dewiki importiert, in dewiki angepasst aber nicht in Wikidata nachgezogen)
Uhr 4061474-8 Q376 4164176-0 Uhr vs. Kleinuhr (Edit in WD kam von einem unangemeldeten Benutzer)
Documenta 1015707-4 Q72823 515318-9 documenta vs. documenta und Museum Fridericianum Veranstaltungs-GmbH (von dewiki importiert, in dewiki angepasst aber nicht in Wikidata nachgezogen)
Buch_Nehemia 4041562-4 Q131640 11873833X Bibel. Nehemia vs. Nehemia, Biblische Person
Federal_Reserve_System 43408-5 Q53536 16143509-9 Federal Reserve System. Board of Governors vs. Federal Reserve System
Wissenschaftsgeschichte 4190111-3 Q201486 7504427-4 Wissenschaftsgeschichte <Fach> vs. Wissenschaftsgeschichte
Timișoara 1015055-9 Q83404 4078196-3 Timişoara vs. Temesvár bis 1920
Vaterunser 4062399-3 Q23393 7794291-7 Vaterunser vs. The Pater noster
Hagiographie 4127195-6 Q208628 4022930-0 Heiligenvita vs. Hagiografie (in Wikidata korrigiert aber nicht in Wikipedia nachgezogen)
Elektrizität 4014216-4 Q12725 4151720-9 Elektrizität vs. Elektrische Energie
Tallinn 5093293-7 Q1770 4076684-6 Tallinn vs. Reval bis 1988 (von dewiki importiert, in dewiki angepasst aber nicht in Wikidata nachgezogen)
Gottesdienst 4021671-8 Q2514663 4187640-4 Verehrung [Weiterleitung] vs. Verehrung [direkt]
Orthodoxe_Kirchen 4043912-4 Q35032 1087391350 Orthodoxe Kirche vs. Orthodoxos Katholikē Ekklēsia
Klassizismus 4030967-8 Q14378 4171565-2 Klassizismus vs. Neuklassizismus
Bratislava 1063318696 Q1780 4076329-8 Bratislava ab 1919 vs. Preßburg bis 1919
Insel_Hiddensee 2165054-8 Q3218 4024834-3 Insel Hiddensee vs. Hiddensee (von dewiki importiert, in dewiki angepasst aber nicht in Wikidata nachgezogen)
Verhaltensbiologie 4062862-0 Q1483503 4185497-4 Verhaltensforschung vs Tierpsychologie
Verfassung_von_Berlin 4407277-6 Q897151 4129898-6 Verfassung von Berlin (1995) vs. Verfassung von Berlin (1950)
Tschernjachowsk 5004226-9 Q5655 4027156-0 Tschernjachowsk ab 1945 vs. Insterburg bis 1945
Katowice 4097725-0 Q588 1028347-X Kattowitz bis 1922 vs. Katowice ab 1956
Toruń 2024611-0 Q47554 4059950-4 Toruń ab 1945 vs. Thorn bis 1945
Hypothese 4161152-4 Q41719 4242464-1 Hypothese vs. Annahme <Logik>
Radio 4050974-6 Q872 4025408-2 Rundfunkempfänger vs. Hörfunk
Gran_Chaco 507023-5 Q208347 4021812-0 Chaco vs. Gran Chaco
Gewandhaus_(Leipzig) 2057526-9 Q519613 4114392-9 Gewandhaus (Leipzig) vs.Neues Gewandhaus (Leipzig)
Kieler_Woche 63562-5 Q153606 16322317-8 Kieler Woche vs. Kieler Woche (Kiel) (von dewiki importiert)
SIGGRAPH 75302-6 Q679325 61479-8 SIGGRAPH [Organisation] vs. SIGGRAPH [Veranstaltungsfolge]
Epik 4015025-2 Q1097273 1010789759 Epik vs. <FEHLER>
Verteiltes_System 4238872-7 Q180634 7545389-7 Verteiltes System vs. Dezentrale Datenverarbeitung
Streik 4058029-5 Q49776 4002702-8 Streik vs. Arbeitskampf
Eckernförde 4013498-2 Q490453 4013500-7 Eckernforde vs. Eckernförde (Region)
Inowrocław 1214033-8 Q378821 4025564-5 Inowrocław ab X vs. Hohensalza bis X
Kamień_Pomorski 4069827-0 Q161887 2050520-6 Kamień Pomorski ab 1945 vs. Cammin (Pommern) bis 1945
Hasenartige 4159197-5 Q25401 4196535-8 Hasen <Familie> vs. Hasentiere
Thüringer 7738144-0 Q160892 4059980-2 Thüringer vs. Thüringer <Germanen>
Institution 4027207-2 Q178706 4113393-6 Institution <Soziologie> vs. Einrichtung
Koptisch-orthodoxe_Kirche 4165290-3 Q198998 5057170-9 Koptische Kirche vs. al- Kanīsa al-Qibṭīya al-Urṯūḏuksīya
Filesharing 4715628-4 Q22666 4175628-4 Filesharing-System vs. <FEHLER>
Nutzen_(Wirtschaft) 4172187-1 Q466707 4172189-5 Nutzen vs. Nutzenfunktion
Sprechakttheorie 4077748-0 Q2313306 4077747-9 Sprechakttheorie vs. Sprechakt
Wirtschaftsgeschichte 4121930-2 Q47398 7504419-5 Wirtschaftsgeschichte <Fach> vs. Wirtschaftsgeschichte
Hautflügler 4159297-9 Q22651 4174075-0 Hautflügler vs.Pflanzenwespen
Radio_France 1086595726 Q2120364 2079677-8 Radio France vs. Société Nationale de Radiodiffusion - Radio France
Eurovision_Song_Contest 1071847201 Q276 4364714-5 Eurovision Song Contest ab 1992 vs. Grand Prix eurovision de la chanson bis 1991
Tagebau 4058898-1 Q188040 4057145-2 Tagebau vs. Steinbruch
Pretzschendorf 1029781214 Q8215 2126038-2 Klingenberg-Pretzschendorf vs. Pretzschendorf
Val_d’Aran 5336975-0 Q12602 4107524-9 Valle de Arán [Gebietskörperschaft] vs. Valle de Arán [Tal]
Defense_Advanced_Research_Projects_Agency 1029493-4 Q207361 305022-1 USA. Advanced Research Projects Agency vs. USA. Defense Advanced Research Projects Agency
Chief_Executive_Officer 1030304009 Q484876 4071766-5 Chief Executive Officer vs. Geschäftsführer
Kraichtal 4096982-4 Q542606 4274191-9 Kraichtal vs. Kraichtal (Stadt)
Nuuk 4093650-8 Q226 671310-5 Godthåb ab X vs. Nuuk bis X
Adobe_Inc. 5283064-0 Q11463 16286976-9 <Dublette in der GND>
Soziale_Rolle 4178413-3 Q214339 4055729-7 Rollentheorie vs. Soziale Rolle
Überweisung_(Zahlungsverkehr) 4218779-5 Q79375 4121368-3 Überweisung vs. Girokonto
Kołobrzeg 5057070-5 Q110011 4073614-3 Kołobrzeg ab 1945 vs. Kolobrzeg bis 1956
Militärflugzeug 4039316-1 Q216916 4169957-9 Militärflugzeug vs. Militärluftfahrzeug
Wawel 4032744-9 Q743704 4499187-3 Schloss Wawel vs. Burgberg
Schlussfolgerung 4333533-0 Q408386 4139983-3 Inferenz <Künstliche Intelligenz> vs. Logischer Schluss
Chemieingenieurwesen 4520240-0 Q83588 4349723-8 Chemieingenieur vs. Chemie-Ingenieurwesen
Bertelsmann 1047546000 Q156913 4005834-7 Bertelsmann SE & Co. KGaA vs. Unternehmensgruppe Bertelsmann
Christi_Himmelfahrt 4195678-3 Q5686605 1059654598 Christi Himmelfahrt <Fest> vs. Himmelfahrt Jesu
Realität 4765970-1 Q9510 4266525-5 Realität <Begriff> vs. Psychische Realität
Intertextualität 4605581-2 Q667404 4114051-5 Intermedialität vs. Intertextualität
Backfisch_(Mädchen) 4189399-2 Q798417 4622376-9 Weibliche Jugend vs. Mädchen <11-17 Jahre>
Doline 4150392-2 Q188734 4152657-0 Doline vs. Erdfall
Amine 4001705-9 Q167198 4175693-9 Amine vs. Amine <primär->
Département_Bas-Rhin 4004655-2 Q12717 2048404-5 Unterelsass vs. Bas-Rhin
Substanz 4202257-5 Q378078 1023331896 Substanz vs. Subsistent
Pampelmuse 4307806-0 Q80024 4307855-2 Pampelmuse vs. Pampelmusenbaum
Abgerufen von „https://de.wikipedia.org/w/index.php?title=Benutzer:Zuphilip/Analyse_zu_Normdaten&oldid=200858233“