Τμήμα Αρχειονομίας και Βιβλιοθηκονομίας Ιόνιο Πανεπιστήμιο Μεταπτυχιακό Πρόγραμμα στην Επιστήμη της Πληροφορίας Ηλεκτρονική Δημοσίευση Διδάσκοντες Σαράντος Καπιδάκης Μανόλης Γεργατσούλης

Εργασία με θέμα: Αρχειοθέτηση του Ιστού: η περίπτωση του UK Web Archiving Consortium Εισηγητής: Σταμάτιος Γιαννουλάκης

13 Ιουνίου 2006UK Web Archive Consortium3 από 29 Σημεία Παρουσίασης Λόγοι αρχειοθέτησης ιστού Τεχνικές αρχειοθέτησης Προβλήματα αρχειοθέτησης UK Web Archiving Consortium Ιστορία Στόχοι Μεθοδολογία Λογισμικό Πνευματικά δικαιώματα Οφέλη Δυσκολίες Ψηφιακή διατήρηση Συμπεράσματα

13 Ιουνίου 2006UK Web Archive Consortium4 από 29 Λόγοι αρχειοθέτησης Ιστού 1/2 Ο ιστός μετατρέπεται σε μέσο δημοσίευσης νέας πληροφορίας, η οποία τώρα είναι διαθέσιμη μόνο σε ψηφιακή μορφή Ο όγκος του ιστού είναι τεράστιος, πάνω από 8,4 δισεκατομμύρια σελίδες το δισεκατομμύρια συνδεδεμένα τεκμήρια που αποτελούν τον ονομαζόμενο «Βαθύ» Ιστό Ο όγκος του αυξάνεται κατά 7 εκατομμύρια σελίδες καθημερινά

13 Ιουνίου 2006UK Web Archive Consortium5 από 29 Λόγοι αρχειοθέτησης Ιστού 2/2 Όμως ταυτόχρονα Το ψηφιακό υλικό έχει αποδειχθεί παροδικό, εύθραυστο και εφήμερο Ο μέσος όρος ζωής μιας σελίδας είναι περίπου 6 εβδομάδες Αρκετό υλικό έχει χαθεί 44% των σελίδων δεν μπορούσαν να εντοπιστούν τον επόμενο χρόνο Έρευνα έδειξε ότι σχεδόν το 20% των ιστοσελίδων που αναφερόντουσαν στις επιτομές της Medline, την δεκαετία πριν το 2004 είχαν εξαφανιστεί Από τους 175 κατόχους ιστοσελίδας που έχουν μέχρι τώρα δώσει την άδεια τους στην Wellcome Library, ώστε ο ιστοχώρος τους να είναι μέρος του UKWAC: 70% δήλωσε ότι δεν αρχειοθετούσε τους ιστοχώρους του 24% δήλωσε ότι αρχειοθετούσε τους ιστοχώρους του 6% δεν δήλωσε τίποτα

13 Ιουνίου 2006UK Web Archive Consortium6 από 29 Αρχειοθέτηση

13 Ιουνίου 2006UK Web Archive Consortium7 από 29 Τεχνικές αρχειοθέτησης Εκτεταμένη ή Αυτόματη Συγκομιδή Περιλαμβάνει τη συλλογή των ιστοχώρων και των απευθείας πόρων χρησιμοποιώντας crawlers για να ανακτήσει αυτόματα το υλικό Επιλεκτική ή Θεματική Οι επιλεκτικές προσεγγίσεις στοχεύουν στην αρχειοθέτηση καθορισμένων περιοχών του Ιστού η συγκεκριμένους πόρους σύμφωνα με τα διευκρινισμένα κριτήρια

13 Ιουνίου 2006UK Web Archive Consortium8 από 29 Τεχνικές αρχειοθέτησης Κατάθεση Σ’ αυτή τη προσέγγιση οι εκδότες καταθέτουν το δικτυακό υλικό τους σ’ ένα αποθετήριο που μπορεί να είναι ένα εθνικό αρχείο ή μια βιβλιοθήκη Συνδυασμένες προσεγγίσεις Ουσιαστικά πρόκειται για ένα συνδυασμό επιλεκτικών και θεματικών τεχνικών συλλογής για τη βέλτιστη κάλυψη του υλικου

13 Ιουνίου 2006UK Web Archive Consortium9 από 29 Προβλήματα αρχειοθέτησης Το πολιτιστικό πρόβλημα. Ο ίδιος ο ρυθμός της τεχνικής αλλαγής παρασύρει μαζί του πολλά έγγραφα. Ποία από αυτά αργότερα θα γίνουν ιστορικά και πως θα μπορέσουν να συντηρηθούν Το τεχνικό πρόβλημα. Ένα αρχείο Ιστού πρέπει να λύσει τα τεχνικά προβλήματα που αντιμετωπίζουν όλα τα ψηφιακά έγγραφα καθώς επίσης και τα μοναδικά προβλήματά του. Το οικονομικό πρόβλημα. Ποιος έχει την ευθύνη για την διατήρηση και την συντήρηση του Ιστού και τους πόρους για να το κάνει αυτό Το νομικό πρόβλημα. Το θέμα των πνευματικών δικαιωμάτων στον ψηφιακό κόσμο ακόμα δεν είναι απόλυτα ξεκάθαρο

13 Ιουνίου 2006UK Web Archive Consortium10 από 29 UK Web Archiving Consortium Το UKWAC δημιουργεί το πρώτο δημόσιο διαθέσιμο αρχείο των βρετανικών ιστοχώρων. 912 τίτλοι στο αρχείο 3067 στιγμές ιστοχώρων

13 Ιουνίου 2006UK Web Archive Consortium11 από 29

13 Ιουνίου 2006UK Web Archive Consortium12 από 29 Συνεργασία

13 Ιουνίου 2006UK Web Archive Consortium13 από 29 Ιστορία Ιστός έχει γίνει η πηγή πληροφοριών, ωστόσο πολύ λίγη προσοχή έχει δοθεί στη μακροπρόθεσμη συντήρηση των ιστοχώρων Με αφορμή το παραπάνω έξη κορυφαία βρετανικά λειτούργησαν ώστε να αναπτυχθεί μια δοκιμή για την αρχειοθέτηση των βρετανικών ιστοχώρων. Η ιστορία του προγράμματος αρχίζει τον Ιούνιο του 2004 και αποφασίζεται αρχικά να διαρκέσει δυο χρόνια

13 Ιουνίου 2006UK Web Archive Consortium14 από 29 Στόχοι Να προμηθευτεί μια άδεια από την Εθνική Βιβλιοθήκη της Αυστραλίας για να χρησιμοποιήσει το λογισμικό PANDAS για το πρόγραμμα. Να αναθέσει μια σύμβαση σε έναν εξωτερικό ανάδοχο για να παρέχει την κοινή υποδομή για το πιλοτικό έργο. Να εργαστεί σε συνεργασία στο επίτευγμα ενός κοινού εξερευνήσιμου αρχείου των επιλεγμένων ιστοχώρων που ερευνούν τις λύσεις στα ζητήματα όπως, την επιλογή, τη διαχείριση δικαιωμάτων και την ψηφιακή συντήρηση. Να αξιολογήσει την ανάπτυξη της συνεργάσιμης υποδομής για την αρχειοθέτηση Ιστού σε σχέση με την αξιολόγηση της μονιμότητας και της μακροπρόθεσμης δυνατότητας πραγματοποίησης μιας τέτοιας συνεργάσιμης επιχείρησης.

13 Ιουνίου 2006UK Web Archive Consortium15 από 29 Μεθοδολογία Η μέθοδος που χρησιμοποιείται για την συλλογή των ιστοσελίδων είναι η επιλεκτική. Η διαδικασία αρχειοθέτησης ιστοχώρων ακολουθεί τις βασικές αρχειακές αρχές της Επιλογής, της Απόκτησης, της Περιγραφής και της Πρόσβασης Πλεονεκτήματα Κάθε ντοκουμέντο του αρχείου ελέγχεται ώστε να διασφαλίζεται αφενός μεν η ποιότητά του, αφετέρου δε ότι έχει αντιγραφεί σωστά και με τη μέγιστη λειτουργικότητα όσο αυτό είναι δυνατό Κάθε ντοκουμέντο μπορεί να καταλογογραφηθεί πλήρως και να αποτελέσει έτσι μέρος της εθνικής βιβλιογραφίας Η επιλεκτική αρχειοθέτηση υποστηρίζει τη συνεννόηση με τους εκδότες ώστε να συμπεριληφθούν τα ψηφιακά τους δημοσιεύματα στο αρχείο. Αυτό είναι απαραίτητο αφού δεν υπάρχει ακόμη το νομικό πλαίσιο της υποχρεωτικής κατάθεσης όπως συμβαίνει με το έντυπο υλικό

13 Ιουνίου 2006UK Web Archive Consortium16 από 29 Μεθοδολογία Μειονεκτήματα Υποκειμενική κρίση για την αξία των πόρων, είναι αναπόφευκτη Η επιλεκτική προσέγγιση απαιτεί χρόνο, κόπο και έχει υψηλό κόστος Η επιλεκτική προσέγγιση κοστίζει σε απώλεια εύρους και ποικιλομορφίας των δημοσιευμάτων

13 Ιουνίου 2006UK Web Archive Consortium17 από 29 Λογισμικό Το λογισμικό που χρησιμοποιήθηκε είναι το PANDAS(PANDORA Digital Archiving System) PANDORA(Preserving and Accessing Networked DOcumentary Resources of Australia)

13 Ιουνίου 2006UK Web Archive Consortium18 από 29 Λογισμικό Διαχείριση των μεταδεδομένων για τους τίτλους που και έχουν επιλεχτεί και έχουν απορριφθεί για το συνυπολογισμό στο αρχείο. Αρχικά συλλέγει τους τίτλους που αρχειοθετούνται. Διαχείριση της ποιότητας ελέγχου και της διαδικασίας επίλυσης προβλήματος. Προετοιμασία του τεκμηρίου για τη δημόσια επίδειξη και παραγωγή μιας σελίδας τίτλου. Διαχείριση των περιορισμών πρόσβασης. Παροχή διοικητικών εκθέσεων. Επίσης στον HTML της σελίδας εισάγει μια κεφαλίδα σαν και αυτή: History On-Line

13 Ιουνίου 2006UK Web Archive Consortium19 από 29 Λογισμικό Το λογισμικό που χρησιμοποιείται για την πρόσκτηση των ιστοσελίδων είναι το HTTrack Επιτρέπει τη μεταφόρτωση της περιοχής από το Διαδίκτυο σε έναν τοπικό κατάλογο Συνεχώς δημιουργεί όλους τους καταλόγους Φορτώνει το HTML, τις εικόνες, και άλλα αρχεία από τον κεντρικό υπολογιστή Τακτοποιεί τη δομή των συνδέσεων της αρχικής ιστοσελίδας

13 Ιουνίου 2006UK Web Archive Consortium20 από 29 Σελίδα τίτλου

13 Ιουνίου 2006UK Web Archive Consortium21 από 29

13 Ιουνίου 2006UK Web Archive Consortium22 από 29 Πνευματικά δικαιώματα Οι πληροφορίες που φυλάσσονται στο αρχείο κοινοπραξίας αρχειοθέτησης βρετανικού Ιστού φυλάσσονται με την άδεια των κατόχων πνευματικών δικαιωμάτων. Οι οποίοι και είναι κάτοχοι των πνευματικών δικαιωμάτων Εάν επιθυμεί ο χρήστης να αντιγράψει οποιεσδήποτε πληροφορίες που περιλαμβάνονται στο αρχείο πρέπει να έρθει σε επαφή με τον κάτοχο πνευματικών δικαιωμάτων και να επιδιώξει την άδειά του Μια σύνδεση με τη δήλωση πνευματικών δικαιωμάτων κάθε εκδότη, όπου παρέχονται και οι όροι για αρχείο

13 Ιουνίου 2006UK Web Archive Consortium23 από 29 Πνευματικά δικαιώματα Το UKWAC έχει αποκλείσει σκόπιμα τις μηχανές αναζήτησης από το περιεχόμενο του. Αυτό για να εξασφαλιστεί η αποφυγή σύγχυσης μεταξύ των "ζωντανών" και αρχειοθετημένων εκδόσεων των ιστοχώρων Το λογισμικό πρόσκτησης ιστοχώρων δεν μπορεί να συλλέξει οποιοδήποτε υλικό που προστατεύεται πίσω από έναν κωδικό πρόσβασης, ούτε μπορεί αυτό "να ραγίσει" ή "να σπάσει" τους κωδικούς πρόσβασης

13 Ιουνίου 2006UK Web Archive Consortium24 από 29 Οφέλη Ανοιχτή πρόσβαση Εύρεση σημαντικού υλικού Εντοπισμός υλικού που δεν είναι πλέον διαθέσιμο Έλεγχος παραπομπών Για τους παραγωγούς των ιστοχώρων Μεγαλύτερη έκθεση για την οργάνωσή και την ιστοσελίδα Διατήρηση της ιδρυματικής μνήμης Διατήρηση των διανοητικών προτερημάτων του ιδρύματος

13 Ιουνίου 2006UK Web Archive Consortium25 από 29 Δυσκολίες Υπήρξαν λίγες εφαρμογές από τις οποίες UKWAC θα μπορούσε να επιλέξει κατά τον έρευνα μιας κατάλληλης εφαρμογής αρχειοθέτησης Ιστού Το Διαδίκτυο είναι ένα μέσο που εκτίθεται στην ανάπτυξη και αλλαγές Ανάγκη για νέες δεξιότητες

13 Ιουνίου 2006UK Web Archive Consortium26 από 29 Ψηφιακή διατήρηση Το θέμα της ψηφιακής διατήρησης είναι σημαντικό ζήτημα για το UKWAC Το UKWAC στηρίζεται στη διεθνή συνεργασία στην εργασία του και μοιράζεται την πείρα με την κοινότητα αρχειοθέτησης Ιστού British Library μέλος του International Internet Preservation Consortium (IIPC), μέλη του UKWAC έχουν λειτουργήσει με το IIPC στις προδιαγραφές και τις απαιτήσεις για το επερχόμενο "εργαλείο διατήρησης"

13 Ιουνίου 2006UK Web Archive Consortium27 από 29 Συμπεράσματα Η αρχειοθέτηση του ιστού είναι μια πολύπλοκη εργασία που απαιτεί κόπο και πόρους. Το κυριότερο ίσως ζήτημα που αντιμετωπίζουμε είναι η ψηφιακή διατήρηση Πως μπορούμε να διατηρήσουμε τα ψηφιακά τεκμήρια με τις προκλήσεις που παρουσιάζουν; Σίγουρα το μέλλον, η πείρα και τα λάθη του παρελθόντος, καθώς και η σταθεροποίηση της τεχνολογίας θα βοηθήσουν στην καλύτερη αρχειοθέτηση των ψηφιακών τεκμηρίων στον (Ιστό;)

13 Ιουνίου 2006UK Web Archive Consortium28 από 29 Βιβλιογραφία  National Library of Australia. Preservation Services Branch.(12 Απριλίου 2006). PADI - Web archiving. Ανακτήθηκε 12 Απριλίου, 2006, από  Day, M. (25 Φεβρουαρίου 2005). Collecting and preserving the World Wide Web: A feasibility study undertaken for the JISC and Wellcome Trust. Ανακτήθηκε 16 Απριλίου, 2006, από  UK Web Archiving Consortium. UK Web Archiving Consortium: Archive. Ανακτήθηκε 12 Μαρίου, 2006, από  Bailey, S. & Thompson, D. (Ιανουάριος 2006). UKWAC: Building the UK's First Public Web Archive. D-Lib Magazine, 12. Ανακτήθηκε 13 Μαρτίου, 2006, από  Phillips, M. PANDORA, Australia's Web Archive, and the Digital Archiving System that Supports it. Ανακτήθηκε 16 Απριλίου, 2006, από  Cathro, W., Webb, C. & Whiting, J. Archiving the Web: The PANDORA Archive at the National Library of Australia. Ανακτήθηκε 15 Απριλίου, 2006, από  National Library of Australia. Pandora Archive - NLA Selection Guidelines. Ανακτήθηκε 19 Απριλίου, 2006, από  OCLC(14 Οκτωβρίου 2001). On the size of the World Wide Web. Ανακτήθηκε 12 Ιουνίου, 2006, από  Rauber, A., Aschenbrenner, A., Witvoet, O., Bruckner, O. & Kaiser, M. (Δεκέμβριος 2002). Uncovering Information Hidden in Web Archives: A Glimpse at Web Analysis building on Data Warehouses. D-Lib Magazine, 8. Ανακτήθηκε 21 Απριλίου, 2006, από  Lyman, P. Archiving the World Wide Web: Problem Statement: Why Archive the Web?. Ανακτήθηκε 12 Απριλίου, 2006, από  Thompson, D. Future Proofing your Website an UKWAC Perspective. Ανακτήθηκε 11 Ιουνίου, 2006, από

13 Ιουνίου 2006UK Web Archive Consortium29 από 29 Ευχαριστώ πολύ για την προσοχή και την υπομονή σας