Zajímavý článek, Digital preservaiton jako sociálně konstruovaný problém.
Sociální konstruktivismus existuje od 70 tých let. Čekal jsem, že se dříve či později objeví nějaká disertace, která bude paralelou k "Constructing Social Problems" od Malcolma Spectora, Johna I. Kitsuse (https://www.amazon.com/Constructing-Social-Problems-John-Kitsuse/dp/0765807165). Když si místo "social problems" dosadíme "digital preservation risk" (anebo vlastně třeba "global warming") fungují jejich nápady pořád dobře. Jenže, kdoví jestli sociální konstruktivismus není jen intepretační past:-)
The Central Data Archive in the University Library in Bratislava organizing the 4th International Conference LTP 2019, with focuses on New Trends and Scopes in Building LTP Archives, to be held on November 5, 2019 in Bratislava, Slovakia, from 9:00 am until 5:00 pm.
For an effective exchange of experience in building LTP (Long Term Preservation) archives, we appeal to experts for submissions to the following topics:
Overview of LTP archives development
Current state of development of LTP archives in V4 countries
Examples of good practice of building LTP archives (in the world)
Archiving www and e-born documents
Trends and bases for building LTP archives
Technology trends and impacts on building LTP archives
Implementation features of LTP systems
New projects and plans to build LTP systems
Sustainability of LTP archives
Credibility and certification of LTP archives
Strategic planning of LTP archives
Critical issues of long-term sustainability of LTP archives
Selected questions about the theory and practice of building LTP archives
Centrálny dátový archív v Univerzitnej knižnici v Bratislave organizuje 4. ročník medzinárodnej konferencie LTP 2019 tematicky zameranej na Nové trendy a východiská pri budovaní LTP archívov, ktorá sa uskutoční 5. novembra 2019 v Bratislave v Slovenskej republike v čase od 9:00 hod. do 17:00 hod.
V záujme efektívnej výmeny skúseností v oblasti budovania LTP (Long Term Preservation) archívov sa obraciame na odborníkov s prosbou o predkladanie návrhov príspevkov k nasledujúcim témam:
Časť nákladov, spojených s konferenciou, uhradíme prednášateľom po vzájomnej dohode.
Zaradenie príspevkov do programu konferencie oznámime predkladateľom najneskôr do 14. 6. 2019.
Dlouhodobá archivace digitálních dokumentů není jen o formátech. Reference nebo link rot je příkladem problému, který zatím nemá žadné rozumné řešení. Především výzkumné publikace a vysokoškolské kvalifikační práce stojí a padají s odkazy a citacemi, ovšem jak ukazuje tenhle empirickými daty podložený poster, po pěti letech může být polovina linků neplatná a desetina linkovaného obsahu může být ztracena zcela.
Doporučení autorů posteru - make and save mementos - znamená, že vyzývají autory textů a provozovatele repozitářů, aby zajistili možnost archivace obsahů v repozitářích a linkovaných obsahů projekty jako je Webvarchive. Tj. aby technicky umožnili crawlerům sklízení obsahu repozitářů. A sami autoři mohou archivaci iniciovat pomocí služeb jako je ArchiveIT. http://scholarworks.umass.edu/acrl_nec_conf/2017/posters/6/
Článek o knowledge base, o níž mluvil Libor na jaře v Praze:
Backing up digital preservation practice with empirical research
The National Library of Australia’s Digital Preservation Knowledge Base
https://doi.org/10.1177/0955749017724630
Gareth Kay, Libor Coufal,Mark Pearson
Digital Preservation Unit, National Library of Australia, Canberra, AustraliaThis article introduces the National Library of Australia’s Digital Preservation Knowledge Base which helps the Library to manage digital objects from its collections over the long term. The Knowledge Base includes information on file formats, rendering software, operating systems, hardware and, most importantly, the relationships between them. Most of the work on the Knowledge Base over the last few years has been focused on the mapping of functional relationships between file formats, their versions and software applications. The information is gathered through unique empirical research and is initially being recorded in a multiple-worksheet Excel file in a semi-structured format, though development of a prototype graph database is underway.
Pro některé probíhající projekty u nás by určitě mohl být inspirativní článek z Ruska o architektuře archivu budovaného v souladu s OAIS s využitím HDFS: http://fruct.org/publications/fruct20/files/Voi.pdf
Distributed OAIS-based Digital Preservation System with HDFS Technology Nikita Voinov, Pavel Drobintsev, Vsevolod Kotlyarov
Peter the Great Saint-Petersburg Polytechnic University
Saint-Petersburg, Russia Igor Nikiforov
Dell EMC/Peter the Great Saint-Petersburg Polytechnic
University
Saint-Petersburg, Russia
Abstract—The paper describes architecture of a distributed OAIS-based digital preservation system which uses HDFS as a file storage system and supports wide distribution on a number of cluster’s nodes. It is based on Apache Hadoop framework - a reliable open source solution with well horizontally scalable distributed architecture. Novelty of the proposed system is defined by the fact that none of existing OAIS digital preservation systems use HDFS storage for both structured and unstructured data archiving. Implementation of the system’s prototype and results of its testing are also shown.
Možná byste čekali, že zrovna tenhle typ materiálu (RFC) ani nikdy papírovou dobou neprošel, ale ouha. Teprve nedávno vydaná RFC 81533 - Digital Preservation Considerations for the RFC Series s papírem definitivně končí.
RFC editor ma zjevně zkušenosti se ztrátami dat (In the past, nearly 800 RFCs had to be manually transcribed
from paper back to electronic format due to a failed server migration
and insufficient backups), a teď se chce obejit úplně bez papíru.
Dokument stojí za přečtení celý, ale zde uvedu jen:
For most of the existence of the RFC Series, the digital preservation
process has been fairly simple, focusing on bitstream preservation
and relying on paper copies of digital files. ... Given the need to balance cost and complexity with retention of
information for historic, legal, and informational purposes,
preservation efforts should focus on the XML canonical format files,
the PDF/A-3 format files, the xml2rfc tool and its documentation, and
at least two PDF reader applications capable of extracting the
embedded XML. Care should be taken that the software being included
in this archive has a provision for free copies for backup or
archival purposes. All other formats and the overall computing
environment should be stored as described in "best effort" data
retention (Section 2.4.1), which should in turn be described in the
appropriate vendor contract for the RFC Publisher.
Záznam debaty o archivaci v Českem rozhlasu. Každý může posoudit sám, jestli je tohle přístup vhodný pro disaster recovery pro data jeho instituce. PIQL řeší problém s uchováváním digitálních dat odsunutím na trvalé médium, které ukládá na proprietární typ filmového pásu, zapisuje a čte na proprietárním zařízení, v binární podobě.
Vytvoření věčné kopie digitálních dat, trvalého digitálního objektu, bohužel není cesta pro všechny typy archivů. Neměli bychom podlehnout iluzi, že tohle je řešení pro všechny typy dat a institucí - řada institucí potřebuje nástroje pro efektivní správu dat a metadat, pro aktivní ochranu. Musí zajistit trvalou dostupnost dat uživatelům v novém technologickém prostředí; uživatelům, kteří mají nové potřeby a očekávání, kteří potřebují metadata, identifikátory a formáty použitelné v aktuálním technickém a informačním kontextu. Proto existují srandardy jako OAIS a ISO 16363, které popisují obrysy takových řešení. Tzv. longterm preservation systémy (LTP) toho musí obsahovat mnohem více, než jen storage. Nikdo nečeká, že nějaké konkrétní LTP řešení bude existovat navždy - naopak je žadoucí, aby se LTP systémy měnily spolu s technologiemi kolem, archivní balíčky se aktivně kontrolují a migrují do nových formátů, obohacují se jejich metadata a migrují se formáty. PIQL není reprezentantem aktivního přístupu k digital preservation, nezajistí, že budete mít svá data uspořádáná, dobře popsaná, validní, a použitelná v technickém a informačním kontextu uživatelů za 100 let.
V posledních letech vyprodukoval jeho život desítky tisíc rodinných a soukromých fotografií a videí. Richard ví o ca 55 000 fotografiích, které jsou všude možně - na některém z jeho 4 počítačů a laptopů, mobilním telefonu, ve foťácích, kamerách, na některém ze tří počítačů partnerky, na domácím NASu nebo některém z cca sedmi USB úložištích, další jsou na Dropboxu, Amazon Photos, Googlu a Microsoft drive, další materiál je v jeho profilech na sociálních sítích, na blozích atd. Všechno pod názvy, které generují fotoaparáty nebo software, ve formátech skrývajících se za MPEG kontejnery, nebo v proprietárních formátech, v RAW, a to bez velké kontroly, bez systematických záloh, bez katalogu.
Tohle všechno zná asi každý. Richard jako archivář svého soukromého archivu doporučuje:
Možná si řeknete, že to je jen chytrý marketingový tah. Pokud to přitáhne pozornost a povede k popularizaci základních principů digitální archivace, tak proč ne:-)
A je k tomu dokonce i webinář, kde si můžeme poslechnout o chybách Jedi Archive více od Jedi Mastera Jona Tilbura...
Bezpochyby z hlediska dlouhodobého ukládání digitálních dat v paměťových institucích stojí tohle číslo časopisu ITLib za přečtení, je opravdu povedené.
Docela zajímavě vypadající publikace Americké společnosti archivářů (The Society of American Archivists), asi nebude jednoduché si ji v ČR jako instituce koupit - prodává se jen v jejich e-shopu.
OPF zveřejnila informaci o tom, že Norská národní knihovna se stala dalším členem konzorcia OPF. Krátké představení činnosti Norské národní knihovny v oblasti dlouhodobého ukládání digitálních dat stojí za ocitování.
Norská národní knihovna shromažďuje všechny typy médií publikované v Norsku, včetně rozhlasových a televizních pořadů, filmů, hudby a norské části Internetu. Během příštích 20-30 let má v plánu zdigitalizovat kompletně všechny své sbírky. Již bylo digitalizováno 90% všech knih publikovaných v Norsku, 30% všech novin a téměř 100% všech rozhlasových programů z největší a nejstarší rozhlasové stanice v Norsku. V lednu 2016 byl revidován zákon o povinném výtisku, který umožňuje národní knihovně sklízet celý obsah webu na národní doméně, a zavádí povinný výtisk digitálních předloh všech tištěných publikací. Pro Norskou národní knihovnu je systém pro důvěryhodné uchovávání digitálních dat klíčový; spravuje 5,2 PB unikátních dat, ročně přibývá 1PB. Cílem knihovny je uchování těchto dat v horizontu 1000 let.
Wow!
Říká se, že to nejhorší, co můžete udělat svojí oblíbené knize, je přečíst si ji znovu po 20 letech. Tak si zkusme podobný experiment a podívejme se po 20 letech na film Into the future: On the preservation of knowledge in the electronic age z roku 1997.
I ty kousky, které na webu najdeme, stoji určitě za shlédnutí. A popravdě řečeno, mě nepřipadá, že by se toho od roku 1997 tak moc změnilo. Jasně, média, notebooky, monitory a lidí vypadají komicky, ale problém zůstává a řešení nemáme, tak nějak stojíme i konceptuálně na místě...
Kdo si ještě dnes vzpomene, na hořící knihovnu v Sarajevu v roce 1992? Kde jsou asi teď asi data z pásek ze sond Viking (10 min a dále - velmi pěkný záběr - a "magnetic tape is just a disaster for an archiving storage media"- Planetary data systems).
A Jeff Rothernerg: "The problem with preservation is one which archivists and librarians think about, because that’s their business, unfortunately computer science as a field has not put very much interest into this problem....it has a mindset that says, we are in a business of charging ahead into the future and dropping the past behind us and not carrying the baggage of old obsolete systems, people are more interested in what’s the new paradigm, how we going to create new exciting hypermedia with." a ve třetí části "My feeling is, we really cannot go back [to paper]...we have to admit that our documents will be digital in the future, but we have to address this problem of how they are going to remain readable and intepreterable..."
Ve třetí části stojí zato záběry z pohřebiště HW nebo záběry z data recovery lab...
Ve čtvrté části Jeff mluví o archivaci webu....škoda, že to není celé
Po určité debatě přidávám odkaz na český projekt - kodek, který umí digitální data převést do 2D vizuálního kódu. Ten pak lze vytisknout na papír nebo film, a po naskenování znovu dekódovat.
Podobných věcí existuje víc, komerčně nabízená řešení obvykle využívají filmový materiál - jako například piql, o které jsme už kdysi psali i na tomto blogu.
OPTAR je velmi daleko od nějakého reálného archivačního nasazení, datová hustota toho média není moc velká (A4=200kb), ale je to pěkný příklad toho, kam všude může bádání o nových způsobech ukládání dat dojít - nejen k biologickému materiálu nebo krystalům křemíku, ale třeba i zpět k papíru, tiskárně a skeneru.
