Maskeren oftewel middentruncatie

“Iets of niets” dat is de vraag bij het maskeren, ofwel: een maskeringsteken hoort voor 0 of 1 teken te staan in mijn ogen. Maar is dat wel zo? Hoe hoort het eigenlijk? Even op onderzoek uit…

Maskeren -ook wel middentruncatie genoemd- en trunceren zijn beiden ‘wildcards’ ofwel jokers en worden nogal eens door elkaar gebruikt. En er worden ook dezelfde tekens voor gebruikt: # $ ? * : sommigen noemen ook een % maar die laatste (%) ben ik als wildcard niet tegengekomen, wel als proximity operator.

Trunceren =

het deel aan het uiteinde van een woord vervangen door een teken dat staat voor alles wat erna (resp ervoor) kan komen.
er bestaat rechtstruncatie (alles wat erachter komt) en linkstruncatie (alles wat ervoor komt)
dat laatste zie je minder en kost vaak ook meer tijd
Vb: bibliot?
?bibliotheek

Maskeren =

het vervangen van 1 letter door 0 of 1 teken dat van alles kan betekenen midden in een woord
de meeste systemen staan “0 of 1″ teken toe
sommige systemen staan precies 1 teken toe, geen 0
sommige systemen staan toe dat je dat teken herhaald: voor elke letter moet je dan het symbool zetten
soms betekent het symbool ‘alle tekens die ertussen kunnen’
Vb: wom#n

CCL:

Ooit werd hoe het hoort vastgelegd in de Common Command Language (CCL) (Wikipedia duitse versie), waaruit in 1993 de ISO 8777 volgde en in 2004 de Common Query Language ook wel Contextual Query language CQL genoemd. In die CCL worden allerlei commando’s vastgelegd, ook de wildcards.
Zoals ik over truncatie al heb geroepen, vult elk systeem dat helaas weer anders in, maar volgens de universele richtlijnen van de CCL is de standaard voor truncatie een ? en voor maskeren een # . En als je de duitse wiki mag geloven, staat die maskering voor 0 of 1 teken, en niet voor 1 teken precies, zoals vaak aangehaald. Dat “1 teken precies” wordt dan aangegeven met een uitroepteken (!). De ISO 8777 is helaas niet full-text op ‘t net, dus ik kan niet nakijken of het daar ook in staat, maar ik vermoed van niet (kan iemand erbij? Geef t even door svp).
Koha heeft een uitgebreid verhaal over de CCL, maar heeft vreemd genoeg als truncatie dan weer een * ingevoerd.
CCL is dus:

? = alles
# = 0 of 1 teken
! = 1 teken

CQL:

De CQL is een systeem dat probeert CCL en SQL te combineren. Op de CQL homepage (van de LoC) wordt niets over trunceren / maskeren gezegd, maar in ‘Pattern Matching’ van A gentle introduction to CQL wordt aangegeven hoe de wildcards er uit zien:

? = 1 teken
* = alles
mogen overal voorkomen en herhaald worden
Vb: ?in?s*r

Mooi is dat … hebben we 2 afwijkende standaarden: geen wonder dat allerlei systemen dat anders aanpakken.

————————————–

Wat doen de grote databases trouwens? (T = trunceren M = maskeren)

Ovid (PsycInfo):

Ovid heeft een uitgebreide helptekst, en hier zie ik weer een nieuwe, die je bij Worldcat ook terugvindt:

Limited truncation specifies a maximum number of characters that may follow the root word or phrase. For example, the truncated search dog$1 retrieves results with the words dog and dogs; but it does not retrieve results with the word dogma

In hun lijstje truncatie symbolen zie ik er ook een die ik nog niet eerder als truncatieteken was tegengekomen: een colon (:). Je mag nu al deze truncaties ook bij auteurs gebruiken.

T = $ * :
M = ? 0 of 1
M = # 1 teken, mag vaker gebruikt, moet meer dan 1 letter aan vooraf gaan:
Vb: wom#n mag, d#g niet
wagenaar*.au.

Pica

Picarta heeft vrij op t net een oude tekst zoekhulp met info over wildcards (handleiding) maar binnen Picarta is deze tekst aangepast. (update 16/1: op t net staat ook een nieuwere: Picarta handleiding zoeken)

Binnen een zoekterm kunnen wildcards gecombineerd worden.

T = ? en *
M= ! 1 teken
M= # 0 of 1 teken
M = ? en * vervangt dan alle letters (je mag geen aantal toevoegen)
Vb: spa#n,g?
Vb: gebruik! vindt gebruikt, maar niet gebruik of gebruiker.
micro?p* vindt microcomputer, microscope, microprocessor, etc.
micro!p* vindt microsphere, microoptics, etc
199#

Worldcat:

Search help (zoek voor Wildcards) / Quick reference card.

T = ? en * je mag er ook cijfer aan toevoegen dat aantal te vervangen letters aangeeft
M= ! 1 teken (uitzetten rechtstruncatie: kan ik niet op de referencecard terugvinden, maar werkt wel)
M= # 1 teken
M = ? met aantal te vervangen letters
Vb: bu?2er = butterfly, burner
Vb: colo?1r = color, colour, maar niet colonizer

Scopus:

“Only one wildcard can be included in a single term”

T = * (links en rechts)
M = ? 1 teken
M = * 0 of 1
Vb: he*moglobin vindt hemoglobine, haemoglobin maar ook hemidemiphosphorylmontotremoglobin

WOS:

T = *
M = ? 1 teken
M = $ 0 of 1

Mijn eigen bibliotheeksysteem volgt de ISO 8777 met als gevolg dat een ? staat voor een truncatie, een # voor 1 teken als maskering.
0 of 1 kan in mijn syteem niet met een # : en daar kom ik weer met het colour/ color probleem. Ze hebben voor dezelfde oplossing gekozen voor dat “niets of iets” als Scopus, maar dan met een ? middenin het woord.
Maar dan vind je ook alles wat ertussen kan, dus

colo?r = color, colour, colorectal, colonoscopistentekort ( ivm automatische rechtstruncatie)

en daar kan ik niet tegen … dus heb ik onze leverancier gevraagd er iets aan te doen: maak van # de keuze uit 0 of 1, of verzin iets anders desnoods, maar die ? middenin een woord is niet handig.
Wat vinden jullie?

———————

Zie verder: