The Social Construction of Risk in Digital Preservation

Frank, R. D. (2019). The Social Construction of Risk in Digital Preservation. Journal of the Association for Information Science and Technology. 

https://doi.org/10.1002/asi.24247
http://hdl.handle.net/2027.42/149147

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:-)

Kde jsou originální videozáznamy z přistání na Mesíci? Pásky někdo přemazal...

Tohle je článek trochu off topic, ale nemůžu se ubránit dojmu, že to je typická situace, která se stále dokola opakuje:-) Vypadá to, že NASA v 80tých letech přemazala originální pásky se záznamy z přistání na Měsíci.

http://technet.idnes.cz/video-z-mesice-ztracene-kazety-dzz-/tec_technika.aspx?c=A160106_121709_tec_technika_pka

SCOUT - preservation watch tool - nástroj na sledování rizik - finální report projektu a popis funkcionality

O nástroji SCOUT jsme již psali několikrát, poprvé v roce 2012 a také letos (viz http://digital-preservation-cz.blogspot.co.nz/2014/02/scape-scout-preservation-watch-system.html).

Tentokrát chceme upozornit na finální verzi reportu projektu SCAPE, v jehož rámci nástroj vznikl. Report popisuje funkcionalitu SCOUTu, možnosti jeho připojení a také testování na reálných příkladech (a datech) - jako např. dánský webový archiv apod.
Zpráva je dostupná zde http://www.scape-project.eu/wp-content/uploads/2014/05/SCAPE_D12.2_KEEPS_V1.0.pdf

SCOUT dokáže pracovat s různými zdroji informací, které poté používá k vyhodnocení rizik. Tyto zdroje jsou ke SCOUTu připojeny pomocí adaptérů. Několik základních adaptérů je dostupných, např. na PRONOM, C3PO nástroj. Ostatní je potřeba si dodělat. SCOUT je schopen tedy pracovat s profily repozitáře, tedy údaji o jeho obsahu - jaké formáty jsou uloženy (to zajišťuje nástroj C3PO), s registry formátů (PRONOM), se strategiemi a plány pokud jsou ve strojem čitelné podobě a s dalšími zdroji.

Nás v tomto kontextu mohou zajímat již hotové adaptéry na PRONOM a C3PO. C3PO je tedy teoreticky možné přes API připojit na jakýkoliv repozitář, tedy např. Fedora, DSpace nebo na LTP Archivematica nebo RODA (testováno). Vytvořit profil obsahu a ten pak použít jako input pro SCOUT, který tak vlastně nabízí těmto systémům další rozměr a přidává funkcionalitu dlouhodobé ochrany, kterou např. DSpace nebo Fedora nemají, Archivematicka a RODA pouze do jisté míry.

Co se stane, pokud SCOUT pošle varování, že konkrétní objekt nebo objekty v repozitáři jsou problematické? Je to vlastně první krok v procesu plánování ochranných akcí (preservation planning), který je možno provést dalším nástrojem - PLATO.
Všechny nástroje jsou v reportu linkované, takže je jednoduché je vyzkoušet.
SCOUT, C3PO byly testovány ve spojení s LTP systémem RODA, který je také volně dostupný.

Pokud se rozhodnete SCOUT nebo C3PO vyzkoušet, podělte se s námi o zkušenosti.

Porovnání obrazových formátů pro digitalizaci - FADGI

Americká organizace FADGI vydala před Velikonoci poměrně zajímavé porovnání formátů TIFF, JPEG 2000, PNG a JPG z pohledu vhodnosti k dlouhodobé ochraně. Porovnávány byly 4 oblasti:

• náklady (na tvorbu dat a uložení)
• možnosti nastavení a flexibilita
• implementace do systémů a dostupné nástroje
• dlouhodobá udržitelnost

Celá zpráva ve formě přehledné tabulky je ke stažení zde http://www.digitizationguidelines.gov/guidelines/File_format_compare.html. Dostupná je tabulka, její tisková podoba pro lepší tisk a krátký textový popis se závěry srovnání.

Výsledky jsou celkem očekávatelné, otázku zda vybrat TIFF nebo JPEG 2000 za vás nevyřeší, ale zpráva vám může poskytnou dobrá vodítka a hlediska, které vám s výběrem pomohou.

SCAPE SCOUT - Preservation watch system

O tzv. Preservation Watch systému, který vzniká v projektu SCAPE jsme už před časem psali (http://digital-preservation-cz.blogspot.cz/2012/02/automatizovane-sledovani-promen.html)

Systém pro automatické sledování rizik a možností pro dlouhodobou ochranu mezitím dostal název Scout a jasnější obrysy funkcí. Měl by uživatele automaticky upozornit na nové nástroje nebo verze, nově odhalená rizika, mohl by archivu pomoci zjistit, které další instituce mají podobná data ve stejných formátech . Automaticky by měl sklízet řadu informačních zdrojů a měl by je zpřístupňovat formou ontologické znalostní báze(Více na  http://openplanets.github.io/scout/)

Nyní je možnost vyjádřit se k tomu, co by měl tento systém sledovat v dotazníku:
http://survey.scape-project.eu/index.php/862812/lang/en

Jaká rizika přináší PDF/A-3? Report NDSA

Americká organizace vydala před týdnem report, ve kterém se zabývá riziky, která může pro dlouhodobou ochranu dat představovat formát PDF/A-3  (ISO 19005-3:2012). Na blog postu http://blogs.loc.gov/digitalpreservation/2014/02/new-ndsa-report-the-benefits-and-risks-of-the-pdfa-3-file-format-for-archival-institutions/ se dočtete více o krátké historii a problémech, které komunita v PDF/A-3 vidí. Vlastní report, který je volně ke stažení zde http://www.digitalpreservation.gov/ndsa/working_groups/documents/NDSA_PDF_A3_report_final022014.pdf.
V čem je tedy problém? Poslední verze PDF/A, tedy PDF/A-3 má oproti PDF/A-2 (ISO 19005-2:2011) novou vlastnost, která může způsobit z pohledu dlouhodobé ochrany spoustu problémů. Zatímco PDF/A-2 umožňovalo zapouzdření souborů pouze pokud i tyto odpovídaly specifikaci PDF/A, tak nová verze PDF/A-3 umožňuje zapouzdření jakýchkoliv souborů do PDF/A-3 souboru. Mohou to tak být např. XML, CSV, CAD, obrazové, exe a jiné soubory, zapouzdřené do PDF/A.
Autoři vidí možnost využití a archivace PDF/A-3 vytvářených v kontrolovaném prostředí, ale rozhodně ne jako formátu pro příjem PDF/A souborů z různých zdrojů, nad kterými nemáte kontrolu. Více viz zpráva samotná.

EU projekt 4C je v půlce - podívejte se na publikované dokumenty

Projekt 4C (Collaboration to Clarify the Cost of Curation), který má za cíl zmapovat a lépe pochopit náklady na dlouhodobou ochranu digitálních dat, je v půlce svého trvání. O tom, co bylo dosaženo, si můžete přečíst tady http://www.4cproject.eu/news-and-comment/4c-blog/79-lessons-from-the-half-way-point. Z článku vede link na deliverables, tedy dosud publikované dokumenty - http://4cproject.eu/community-resources/outputs-and-deliverables. Některé z dokumentů stojí za přečtení, viz níže:

• D4.1 Hodnocení nepřímých nákladů na dlouhodobou ochranu http://tinyurl.com/oupe95y. Tento se zabývá zajímavým tématem nepřímých nákladů. Nejen platy, elektřina, HW a podobně ovlivňují náklady na digitální archiv, ale i skutečnosti, které se pomocí archivu snaží vaše instituce dosáhnout. V projektu spolupracující instituce daly dohromady seznam takovýchto faktorů. Jsou mezi nimi např. riziko, důvěryhodnost, dobrá pověst, autenticita aj. Každý z faktorů je vysvětlen s příklady nákladů, které může přinést.
• D2.1 Výchozí studie stakeholderů a jejich iniciativ http://tinyurl.com/ksjqors přináší seznam institucí, projektů, publikací a konferencí, které se zabývaly nebo zabývají náklady na dlouhodobou ochranu. 
• D3.1 Ohodnocení modelů na odhad nákladů a analýza potřeb http://tinyurl.com/m4hm7v5 hodnotí existující nástroje a modely

Dokumenty budou přibývat, tak stránku sledujte i nadále.

Rizika formátu PDF pro dlouhodobou ochranu: pokračování pokusů Johana van der Knijffa

Johan na svém blogu na openplanetsfoundation zveřejnil informace o další části svých pokusů s PDF. Tentokrát použil testovací data zveřejněná na Acrobat Engineering Website.

Testoval výkon Apache Preflight 2.0.0, Adobe Acrobat 10.14, Acrobat Preflight 10.1.3 (090)

Testoval dvě skupiny dat, která měla řadu riskantních vlastností (PDF cabinet of horrors:-) jako kryptování, nevložené fonty, multimediální obsah, javascript.

Ze závěrů asi stojí za to zmínit:
- Apache Preflight 2.0.0 neindentifikuje korektně kryptované soubory a soubory chráněné heslem
- při kontrole vložených fontů pomocí Apache Preflight považovat všechny chyby spojené s fonty za potenciální riziko
- multimediální obsah v PDF je pro Apache Preflight přiliš velké sousto - u většiny testovaných souborů nebyl schopen identifikovat specifické vlastnosti související s multimediálním obsahem, javascriptem, vloženými fonty. To by podle Johana nebyl velký problém, pokud bychom chtěli Apache Preflight používat pouze pro testování převoditelnosti PDF do PDF/A. Pokud bychom ale pomocí Apache Preflight chtěli hledat potenciální preservační rizika ve velmi heterogenní sbírce PDF, takt to problém bude.

Jaké vlastnosti má vlastně mít otevřený datový formát, aby se hodil pro dlouhodobou ochranu?

V odborném časopise Information technology and libraries vyšla zajímavá studie Examining Attributes of Open Standard File Formats for Long-term Preservation and Open Access (autoři Eun G Park a Sam Oh).
Velmi čtivou formou zkoumá a popisuje vlastnosti tzv. open standard formátů, které jsou považovány právě pro svoji otevřenost za vhodné pro dlouhodobou ochranu. Autoři rozebírají v úvodu předchozí podobné analýzy kritérií, které různí autoři a instituce aplikovali při výběru vhodných datových formátů pro dlouhodobou ochranu svých dat. Na konci je přehledná tabulka s kompilací jednotlivých kritérií a vlastností tzv. otevřených formátů. Ukázalo se, že nejčastější kritéria mohou být rozdělena do 5 kategorií: funkcionalita, metadata, otevřenost, interoperabilita a nezávislost. Doplňková kritéria jsou zobrazení, autenticita, rozšířenost použití a další.

SPOT - nová metoda identifikace a hodnocení rizik v digitálním archivu

Sally Vermaaten, Brian Lavoie a Priscilla Caplan v novém čísle časopisu D-lib publikovali velmi zajímavý článek, který stojí za důkladné přečtení. Věnuje se metodám identifikace rizik, které hrozí nebo mohou hrozit datům v digitálním archivu. V úvodních částech podává výborný přehled literatury a publikací k tomuto tématu, včetně jejich popisu. Přílohou je tabulka taxonomií rizik (DRAMBORA, TRAC aj.) ze 4 pohledů, které autoři považují za nutné vlastnosti jakéhokoliv konceptu hodnocení rizik. Některé taxonomie jsou nevyvážené, dávají důraz na konkrétní oblasti a některé opomíjí, jsou různě granulovány, někde jsou smíchány pohledy na typy rizik apod. Z tohoto důvodu se autoři pokusili vytvořit obecný model, lehce použitelný pro různé typy digitálních archivů.
Hlavní náplní článku je tedy představení nového modelu identifikace možných rizik SPOT (Simple Property-Oriented Threat). SPOT se zaměřuje na rizika hrozící digitálním dokumentům (jejich vlastnostem), tedy obsahu archivu. Záměrně se nevěnuje rizikům spojeným např. s organizací, podpůrnými aktivitami (financování, personalistika apod.). SPOT definuje 6 základních vlastností (oblastí), které tvoří "úspěšnou digitální ochranu", jsou to:  

• availability, 
• identity, 
• persistence, 
• renderability, 
• understandability a 
• authenticity.

Tyto vlastnosti, které jsou vztahovány k digitálním objektům jako takovým, jsou v článku definovány, popsány a doplněny příklady možných rizik s nimi spojenými. 6 vlastností vychází z referenčního rámce OAIS, který některé z nich popisuje jako součást tzv. Popisné informace pro ochranu (Preservation Description Information), dále si autoři přibrali Autenticitu, která je součástí schématu pro ochranná metadata PREMIS a také Renderability (zobrazitelnost), která byla k OAIS přidána při jeho revizi v roce 2002.
Díky tomuto přístupu a obecnosti je SPOT aplikovatelný jednoduše a to na všechny typy digitálních archivů a lze jej využívat také k opakovanému monitorování stavu archivu.

Plný text k přečtení zde http://www.dlib.org/dlib/september12/vermaaten/09vermaaten.html. doi:10.1045/september2012-vermaaten