Webarchivering op de Koninklijke Bibliotheek

Webarchivering op de KBRené [email protected]

Koninklijke Bibliotheek – Nationale bibliotheek van Nederland

Presentatie Webarchivering op de KB

1. Waarom: achtergrond webarchivering op de KB

3. Hoe & wat: de praktijk van webarchivering op de KB

5. Vragen?


Deel 1: Achtergrond webarchivering op de KB


KB en de nationale biografie

KB opgericht in 1798 als nationale bibliotheek

Vorming depot van publicaties om nationale erfgoed in gedrukte vorm te verzamelen, te bewaren en te beschrijven

Sinds 1974 wordt van iedere publicatie die in Nederland verschijnt één exemplaar verzameld voor permanente bewaring en beschikbaarstelling.


Publicaties Objecten in het internettijdperk

Publicaties steeds vaker digitaal, dikwijls zonder (equivalente) gedrukte variant

Traditionele onderscheid tussen drukwerk en audiovisuele uitingen steeds moeilijker vol te houden

Internet is hét publicatiemedium geworden van deze tijd.


Webarchivering

Internet is hét publicatiemedium, de cultuurdrager geworden van deze tijd, een unieke bron van informatie over praktisch iedere aspect van de samenleving

Het web groeit hard, maar sites en pagina´s verdwijnen ook snel. Gemiddelde pagina ´leeft´ 100 dagen

Linkrot is een alledaags, herkenbaar fenomeen

Wie neemt verantwoordelijkheid?


De digitale bibliotheek

Sinds 2003 is het e-depot operationeel, voor bewaren en duurzaam toegankelijk maken digitale objecten

Sinds 2006 is de KB actief met archiveren van een selectie Nederlandse websites

Websites zullen duurzaam opgeslagen worden in het e-depot.


Het e-depot

Veilige en duurzame opslag

Registratie (metadata)

Hulpmiddelen voor duurzame toegang.


Deel 2: De praktijk van webarchivering op de KB


Proces webarchivering op de KB

i. Selectie

ii. Toestemming eigenaar via opt-out

iii. Harvesting

iv. Kwaliteitscontrole

v. Archivering (e-depot)

vi. Beschikbaarstellen (online webarchief).


i. Selectie 1/2

Basis collectiebeleid KB, “alles van en over Nederland”• maatschappelijk belang evident• kwaliteitseisen• iha geen sites individuen (ivm ‘hobbysfeer’)• geen puur commerciële sites• geen radicale of abjecte sites• geen databases• geen kranten• geen dubbelingen met Archipol, R’dam, I. v. Beeld &

Geluid, Sinologie UBL.


i. Selectie 2/2

Selectie per vakgebied

Momenteel vooral (cultuur-) geschiedenis, overheids-administratie, literaire auteurs en rechten

Kunst op het web nu nog niet behandeld

Selectie is arbeidsintensief!


ii. Toestemming eigenaar

Per e-mail

Volgens opt-out principe

Deel reageert, voornamelijk (zeer) positief, een enkeling afwijzend.


iii. Harvesting

Configuratie en beschrijving via ‘Web Curator Tool’• titel• contactadres• seed URLs• UNESCO-code• schedule• eventuele annotaties

Harvesting door ‘Heritrix’.


iv. Kwaliteitscontrole

Wat kan er mis gaan:• Interactieve content afhankelijk van techniek niet

altijd (goed) te archiveren (mn. serverinteracties zoals zoeken, AJAX, complexe javascripts, flash)

• ‘Oneindige’ websites door technische fouten of specifieke functionaliteit (bv.agenda)

• Ontbrekende vormgeving of content door robots.txt• URLs die niet uniek zijn (mn. bij taalswitch)• Onvolledige configuratie van het pagina-domein• Te ruime configuratie van het pagina-domein.


v. Archivering in e-depot

Opslag als (W)ARC-bestanden

Samen met beschrijvende metadata & technische metadata (via METS.xml).


vi. Online webarchief

Beschikbaar begin 2010?


Vragen?René Voorburg / [email protected]

[email protected]

Webarchivering op de Koninklijke Bibliotheek

Technology

Transcript of Webarchivering op de Koninklijke Bibliotheek