数字元数据:概念、类型与重要作用

元数据用于描述并协助管理文件、文档及其他数字资源。了解元数据的存储位置与可能呈现的信息,有助于在充分利用其功能的同时兼顾隐私保护。

作者 Daniel Sardá · 发表于:

阅读约需 7 分钟1,377 字词

本页内容 · 9 节

一张照片可以展现一处风景,同时附带有关其尺寸、格式或创建日期的数据。前者是可见内容,后者则是数字元数据。这类附加信息使设备能够整理图像,使程序能够打开该图像,或方便人们日后查找。

“关于数据的数据”这一表述提供了一个理解的起点,但并不全面。数字元数据是用于描述、定位或便于使用与管理某项资源的结构化信息。根据国家信息标准组织(NISO)的阐述,除其他功能外,元数据还用于识别、检索、利用和管理资源。

并非所有与文件相关的数据都必然是元数据。区分以下三个概念是很有必要的:

  • 内容用于传达信息:例如文档中的文本、录音中的声音或照片中的画面。
  • 元数据用于描述或协助管理该内容:例如标题、格式、日期或权利信息。
  • 语境是资源获得意义的更广泛背景环境。该语境的一部分可以被记录为元数据,但绝不会被元数据所穷尽。
核心观点: 元数据本身并非内容,而是一项能够用于描述、关联、查找或管理该内容的信息。

四类数字元数据及其用途

不存在适用于所有系统的唯一有效的分类。然而,区分四种主要功能有助于理解这一概念。这些类别之间可能存在重叠:例如,某些分类模型将技术数据划入管理数据的范畴。

描述型元数据

用于协助识别与发现资源。文档的标题与作者、出版物的语言或馆藏资料的关键词都是可能的示例。都柏林核心元数据术语集(DCMI Metadata Terms)包含了标题、创建者、日期、格式、语言、权利以及空间或时间覆盖范围等属性。

某个词汇表定义了这些字段,并不意味着每个文件中都会包含所有字段;也不能保证这些字段完整或准确:它们是否存在以及质量高低,取决于所采用的规范架构与具体系统。

技术型元数据

用于描述处理或保存资源所需的属性。在图像文件中,它们可以指明格式或尺寸;在视听文件中,则指明程序播放该文件所需的特性。当某个机构需要了解可以使用何种技术打开某个对象,或者是否需要将其迁移至另一种格式时,技术型元数据尤为重要。

结构型元数据

用于表明资源各组成部分之间的关联方式。在电子书中,它们可以保持页码顺序,或将各章节与目录进行关联。如果没有这一层信息,各个文件构成的集合虽然可能依然存在,但要重新拼合出它们共同组成的完整作品就会更加困难。

管理型元数据

用于促进资源的日常管理。它们可以涵盖有关权利、来源出处、责任人或在保存过程中所采取的操作等信息。在档案馆与图书馆中,这些数据有助于记录某项作品可以进行何种利用,以及该作品随时间推移经历了哪些变动。美国国会图书馆展示了这些功能如何参与数字馆藏的管理。

元数据存储在何处?

有些元数据嵌入在文件本身之中,另一些则存储在文件之外,例如数据库、目录索引、资源库或某项服务的记录中。在某些图书馆和档案环境中使用的 METS 标准允许引用内部或外部元数据;但这并不意味着所有系统的运作方式都完全一致。

这种区分具有实际层面的影响。修改本地副本中的字段,并不代表早期副本、机构目录索引或平台维护的记录也得到了修改。文件本身与服务系统属于不同的范畴。

网页提供了另一个例子。用户阅读的内容与文档中的结构化信息并存,例如页面头部包含的标题。浏览器、搜索引擎和其他工具可以处理这些信息,以呈现或定位该网页。在这里,元数据同样不是什么神秘的层次:它们正是系统协调资源运行机制的一部分。

核心观点: 元数据可以随文件本身一同流转,也可以留存在外部系统中。仅检查其中一个存储位置,并不等同于掌控了所有其他位置。

元数据的作用与价值

如果没有元数据,一个存放着成千上万份文档的文件夹就如同一个堆满未贴标签纸箱的仓库。附加信息使人们能够对资源进行排序、筛选和检索,而无需逐一查验其内容。

其常见用途包括:

  • 检索与整理: 根据标题、作者、日期或主题定位资源。
  • 互操作性: 在能够理解通用词汇表的系统之间交换信息。
  • 管理: 记录权利、责任归属、版本更迭或执行过的操作。
  • 长期保存: 保留维持资源长期可访问所需的技术数据和来源信息。
  • 可追溯性: 重建数字对象的部分流转历史。

这些功能的实现取决于记录的质量以及系统之间的兼容性。一个空白、错误或被更改的字段仍然只是一个字段,并不会因此变成可靠的证据。元数据可以为文档的来源或流转轨迹提供线索,但仅凭元数据本身,无法证明文档的创建者是谁、某人曾身处何地,也无法证明内容是否真实。

元数据、隐私与信息推断

元数据的实用性伴随着真实的风险:当某些字段与其他数据相结合时,可能会泄露个人信息或推导出特定结论。单个日期、姓名或地理位置参考看似孤立,但在连续记录中可能会获得另一种意义。

必须区分描述与推断。存储的日期属于已记录的数据;根据多个日期推导出某项日常活动规律则属于推断。后者可能合理,也可能出现偏差,不应自动将其当作事实。

同样,并非所有元数据都涉及隐私、属于秘密或具有危害性。许多元数据使日常且有价值的任务得以完成。风险取决于记录了什么内容、谁有权访问、与哪些其他数据相结合以及用于何种目的。因此,这一讨论属于更广阔的数字隐私范畴:这不仅仅关乎隐藏信息,更关乎理解并决定信息如何流转。

核心观点: 记录下的线索与从中得出的推断结论是两回事。负责任的使用方式要求综合考量数据的质量、上下文语境以及推断的目的。

共享文件前应检查的事项

不必预先假定每个文件都包含敏感信息。但根据具体场景进行合理适度的核查是明智的,尤其是当文件公开发布或共享给陌生人时:

  1. 明确内容及其去向。 公开图片与个人或专业文档所需的审慎程度并不相同。
  2. 核查可见的属性信息。 操作系统、应用程序或服务平台所展示的字段可能各不相同。
  3. 区分嵌入信息与外部记录。 修改本地副本并不一定会影响平台记录或其他副本。
  4. 评估数据组合可能呈现的信息。 单一字段透露的信息或许有限,但多个字段组合在一起可能会展现更广泛的背景。
  5. 保留具有实际价值的信息。 目的并不是无差别地随意删除,而是在避免不必要曝光的同时,不破坏有助于文件整理、证明或保存的有用信息。

理解元数据有助于在这两个维度上做出更妥善的决定。它既有助于保留使资源能够被正常利用的背景信息,同时也有助于识别出无需随附传输的信息。这种做出决定的能力——决定记录什么、共享什么以及在何种条件下共享——正是数字自主权的一种具体体现。

关于作者

Daniel Sardá 是 SEO 专家兼 Libertatis Venezuela 编辑。他从独立、非党派的视角撰写有关自由主义、政治经济学、制度、宣传和个人自由的文章。

查看完整资料