Kadonneen provenienssin metsästys : provenienssien jäsentyminen arkistokuvailun kansallisessa käsitemallissa
Koivu, Maarit (2015)
2015
Informaatiotutkimus ja interaktiivinen media - Information Studies and Interactive Media
Informaatiotieteiden yksikkö - School of Information Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2015-06-12
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:uta-201506251841
https://urn.fi/URN:NBN:fi:uta-201506251841
Tiivistelmä
Tutkielmassa tarkasteltiin arkistokuvailun kansallista käsitemallia ja sitä, miten asiakirjojen provenienssit saadaan esille uudessa käsitemallissa. Aihetta taustoitettiin esittelemällä lyhyesti arkistokuvailun kansallinen käsitemalli ja käsitemallin kehittämiseen johtaneita tekijöitä. Lisäksi esiteltiin ne käsitemallin entiteetit, joihin provenienssin kuvailu liittyi. Kirjallisuuskatsauksessa esiteltiin tarkemmin, miten provenienssi on määritelty aikojen kuluessa ja mitkä tekijät ovat vaikuttaneet tulkintojen muutokseen.
Empiirisen tutkimuksen tutkimusaineistona olivat Hämeenlinnan maakunta-arkistoon sijoitetut Hämeenlinnan asutuspiirin asutustoimiston ja sen seuraajien aineistot. Tutkimusaineistoksi valittiin sellaisia arkistoyksiköitä, jotka sisälsivät yhteyksiä useamman eri arkistonmuodostajan aineistoihin. Tutkimuksen ensimmäisessä vaiheessa tarkasteltiin sitä, millaisia proveniensseja tutkittavassa aineistossa oli. Asiakirjoissa havaittiin sekä moni- että yhteisproveniensseja. Seuraavassa vaiheessa, tutkimuksen kohteena olevat arkistoyksiköt sijoitettiin arkistokuvailun kansallisessa käsitemallissa Tietovarannoksi ja niihin liittyvät arkistonmuodostajat Toimijoiksi. Tämän jälkeen tarkasteltiin sitä, miten Tietovarantojen ja Toimijoiden väliset suhteet näkyvät käsitemallissa.
Käsitemallissa Tietovarannon eli tutkittavien asiakirjojen moniprovenienssi oli mahdollista saada esiin, koska Tietovarannolle voitiin kuvata kontekstuaalinen suhde useampaan arkistonmuodostajaan. Käytännössä tämä ilmeni siten, että mitä pienempi kuvailtava Tietovaranto oli, sitä tarkemmin sen provenienssit saatiin näkyviin. Suurempaa Tietovarantoa kuvailtaessa todettiin, että Toimijoiden määrä kasvoi. Toimijoiden määrän kasvaessa, Toimijoiden kohdentaminen niitä koskeviin asiakirjoihin vaikeutui.
Tutkimustulosten perusteella todettiin, että sekä moni- että yhteisprovenienssit saadaan näkyviin arkistokuvailun kansallisessa käsitemallissa. Mitä pienempi Tietovaranto, sitä tarkemmin kuvailu saatiin kohdennettua. Provenienssi katosi tai ainakin sen jäljittäminen vaikeutui, mikäli kuvailutasona oli arkisto tai sarja, joka sisälsi moneen eri arkistonmuodostajaan liittyviä aineistoja. Kuvailussa ei ilmennyt se, mistäpäin arkistoa tai sarjaa moni- ja yhteisprovenienssit löytyvät. Toisaalta laajan aineiston provenienssien kuvailu on mahdollista kohdentaa tarkasti, mikäli samat Toimijat eli arkistonmuodostajat liittyvät Tietovarannon kaikkiin asiakirjoihin.
Kuvailtaessa proveniensseja arkistokuvailun kansallisessa käsitemallissa on hyvä pohtia, mikä on sopiva provenienssin kuvailutaso. Tutkimustulosten perusteella voidaan sanoa, että sarja- tai arkistotason kuvailu antaa hyvän kuvan aineiston provenienssista, mikäli asiakirjat koskevat samaa asiaa eikä aineistosta löydy useita moni- tai yhteisprovenienssisuhteita. Mikäli kuvailtava aineisto sisältää useita moni- tai yhteisproveniensseja, voi provenienssien tunnistaminen viedä aikaa. Tästä johtuen kannattaa kuvailuun varata aikaa ja miettiä tarkoin, mille tasolle kuvailun tekee.
Empiirisen tutkimuksen tutkimusaineistona olivat Hämeenlinnan maakunta-arkistoon sijoitetut Hämeenlinnan asutuspiirin asutustoimiston ja sen seuraajien aineistot. Tutkimusaineistoksi valittiin sellaisia arkistoyksiköitä, jotka sisälsivät yhteyksiä useamman eri arkistonmuodostajan aineistoihin. Tutkimuksen ensimmäisessä vaiheessa tarkasteltiin sitä, millaisia proveniensseja tutkittavassa aineistossa oli. Asiakirjoissa havaittiin sekä moni- että yhteisproveniensseja. Seuraavassa vaiheessa, tutkimuksen kohteena olevat arkistoyksiköt sijoitettiin arkistokuvailun kansallisessa käsitemallissa Tietovarannoksi ja niihin liittyvät arkistonmuodostajat Toimijoiksi. Tämän jälkeen tarkasteltiin sitä, miten Tietovarantojen ja Toimijoiden väliset suhteet näkyvät käsitemallissa.
Käsitemallissa Tietovarannon eli tutkittavien asiakirjojen moniprovenienssi oli mahdollista saada esiin, koska Tietovarannolle voitiin kuvata kontekstuaalinen suhde useampaan arkistonmuodostajaan. Käytännössä tämä ilmeni siten, että mitä pienempi kuvailtava Tietovaranto oli, sitä tarkemmin sen provenienssit saatiin näkyviin. Suurempaa Tietovarantoa kuvailtaessa todettiin, että Toimijoiden määrä kasvoi. Toimijoiden määrän kasvaessa, Toimijoiden kohdentaminen niitä koskeviin asiakirjoihin vaikeutui.
Tutkimustulosten perusteella todettiin, että sekä moni- että yhteisprovenienssit saadaan näkyviin arkistokuvailun kansallisessa käsitemallissa. Mitä pienempi Tietovaranto, sitä tarkemmin kuvailu saatiin kohdennettua. Provenienssi katosi tai ainakin sen jäljittäminen vaikeutui, mikäli kuvailutasona oli arkisto tai sarja, joka sisälsi moneen eri arkistonmuodostajaan liittyviä aineistoja. Kuvailussa ei ilmennyt se, mistäpäin arkistoa tai sarjaa moni- ja yhteisprovenienssit löytyvät. Toisaalta laajan aineiston provenienssien kuvailu on mahdollista kohdentaa tarkasti, mikäli samat Toimijat eli arkistonmuodostajat liittyvät Tietovarannon kaikkiin asiakirjoihin.
Kuvailtaessa proveniensseja arkistokuvailun kansallisessa käsitemallissa on hyvä pohtia, mikä on sopiva provenienssin kuvailutaso. Tutkimustulosten perusteella voidaan sanoa, että sarja- tai arkistotason kuvailu antaa hyvän kuvan aineiston provenienssista, mikäli asiakirjat koskevat samaa asiaa eikä aineistosta löydy useita moni- tai yhteisprovenienssisuhteita. Mikäli kuvailtava aineisto sisältää useita moni- tai yhteisproveniensseja, voi provenienssien tunnistaminen viedä aikaa. Tästä johtuen kannattaa kuvailuun varata aikaa ja miettiä tarkoin, mille tasolle kuvailun tekee.