En webhistorikers erfaringer publ

INSTITUT FOR INFORMATIONS- OGMEDIEVIDENSKAB

Niels Brügger, Lektor i medievidenskabEn webhistorikers erfaringer

En webhistorikers erfaringer

— om webarkivering og en registrant over websites, med dr.dks historie som case



Cand.mag. (fransk, idéhistorie), ph.d., Aarhus Universitet

Lektor i medievidenskab, Aarhus Universitet

Leder og medgrundlægger af Center for Internetforskning, 2000

Forskningsinteresser: Internetteori og webhistorie, herunder webarkivering

Relevante forskningsprojekter:• netarkivet.dk, indsamlings-, arkiverings- og forskningsprojekt, som var et

forarbejde til en kommende strategi for oprettelsen af et dansk internetarkiv, med Det kongelige Bibliotek samt Statsbiblioteket (2001)

• ”Metodestudie om integrering af internetmateriale, der modtages direkte fra producenter”, med Statsbiblioteket (2007)

• dr.dks historie 1996-2006 (2007-)

Kort om mig



Archiving Websites: General Considerations and Strategies,the Centre for Internet Research, Aarhus, 2005

Web History (ed.), Peter Lang, New York, 2010

— samt diverse artikler og papers

Kort om mig



1. LARM i webarkivet

2. Webhistorie — kort introduktion og om dr.dks historie

3. Webarkivers historie og det danske Netarkivet

4. Det arkiverede webdokument

5. En registrant over websites: en gammel praksis med nye implikationer

De næste 40 minutters program




www.larm-archive.org, oktober 2010



larm.hum.ku.dk, The Internet Archive, marts 2007





larm.hum.ku.dk, 22. jan. 2010larm.hum.ku.dk, 25. jan. 2010




larm.hum.ku.dk, 26. jan. 2010

larm.hum.ku.dk, 12. mar. 2010




larm.hum.ku.dk, 4. sep. 2010

larm-archive.org, sep. 2010



"Introduction” & "Website History: An Analytical Grid", Web History, Peter Lang 2010

Website Analysis. Elements of a conceptual architecture, Center for Internetforskning, Skrifter fra Center for Internetforskning, nr. 12, Århus: 56

sider, 2010




Hvad studerer webhistorien?


Web har bredt sig eksplosivt

Web er blevet internettets gravitationspunkt

Web har allerede nu en lang historie

Webhistorie nødvendig for at forstå samtidens og fremtidens web



Web strata:• webelement• webside• website• websfære• web

Webelement




Webside




Website

Web page

Webelement

Website




Website

Web page

Webelement

Web sphere

Websfære




The web

Web




The web

Website

Web page

Webelement

Web sphere




Overordnet målat udarbejde en historisk afhandling, der beskriver og analyserer dr.dk's udvikling fra 1996 til 2006 — en 'gammeldags' doktordisputats

• forprojekt med Statsbiblioteket forår 2007• startet juli 2007• støttes af Forskningsrådet for Kultur og Kommunikation 2007-10• opbygningen af projektets netsted mm. støttes af

forskningsfokusområdet Videnssamfundet, Det Humanistiske Fakultet ved Aarhus Universitet




Hvilke drivkræfter ligger bag skabelsen og udviklingen af netstedet dr.dk fra 1996 til 2006, og hvilke konsekvenser får det for netstedet?

Hvilke teoretiske og metodiske nyudviklinger er påkrævet for at kunne analysere dr.dk?

Status:1) indsamling af kilder (adgangsproblemer, tidskrævende)

2) teoretisk/metodiske diskussioner (papers og artikler)

3) gennemlæst samtlige pressemeddelelser 1990-2006 — første skelet (formidlingsartikel)

4) igang med gennemlæsning af samtlige de kilder, jeg har fået fremskaffet

5) og skrive om perioden frem til starten i januar 1996





“Web Archiving — between Past, Present and Future”, The Handbook of Internet Studies (eds. M. Consalvo & C. Ess), Blackwell, pp. 24-42 (in press)



Tre overordnede strategier:

a) tværsnit

b) selektiv

c) begivenhed


Fra Bjarne Andersen: ”DK-domænet i ord og tal”, netarkivet.dk




Webarkivernes korte historie — 12-14 år — 3 hovedfaser

Webarkivernes forhistorie

• begyndelsen af 90erne og frem

• enkeltindivider, firmaer, institutioner, o.lign.

• html, skærmdumps

• ingen overvejelser over arkivering

• ingen overvejelser over kulturarvssikring

Statiske webpublikationer i nationalbiblioteker

• nogenlunde samme periode

• nationalbiblioteker

• statiske webdokumenter, ligner tidsskrifter og bøger

• biblioteksfagligt udgangspunkt (katalogisering, osv.)

• mere professionelt

• pligtafleveringslove

Det dynamiske web i (trans)nationale webarkiver

• en smule senere

• søgemaskineteknologi muliggør crawlere

• antallet af arkiveringsinitiativer vokser meget

• dynamisk webmateriale

• det rent biblioteksfaglige udfordres

• andre transnationale aktører

Eksempler

• The Internet Archive, 1996 — tværsnit, transnational

• Kulturarw3, Sverige, 1996/97 — tværsnit, national

• Pandora, Australien, 1996 — selektiv, national

• Netarkivet, Danmark, 2005 — tre strategier, national




Website history and the website as an object of study, New Media & Society, 11/1-2, Sage, London 2009, 115-132

The Archived Website and Website Philology. A new Type of Historical Document?, Nordicom Review, 29/2, Göteborg 2008: 155-175

Archiving Websites: General Considerations and Strategies,the Centre for Internet Research, Aarhus, 2005



The history of dr.dk, 1996-2006

• many sources — minutes of meetings, strategy papers, correspondance, etc.

• and the archived website, in two ways:• the object of my history of dr.dk (textual structure, layout, etc.)• a source that tells us something about the history of dr.dk

(information about the site, the organisation DR, etc.)




No matter how an archived web document has been created, and no matter in what archive it is found, the web historian cannot expect it to be an identical copy on a 1:1 scale of what was actually on the live web at a given time

Two reasons for this

• the archived web document is an actively created and subjective re-construction

• it is almost always deficient




An actively created and subjective re-construction

• subjective because choices have to be made between different archiving forms and strategies (made by either an individual or an institution)

• a re-construction in the sense that it is re-created on the basis of a variety of archived web elements that are re-assembled and re-combined in the archive

Thus, the archived web document is the result of an active process and in this sense it does not exist prior to the act of archiving.




Almost always deficient — for two reasons

• technical reasons (soft- or hardware), for instance words, images, graphics, sounds, moving images can be missing, or some of the possibilities of interaction can be non-functional in the archived web document

• the dynamics of updating, that is the fact that the web content might have changed during the process of archiving, and we do not know if, where, and when this happens — an example




”During the Olympics in Sydney in 2000, I wanted to save the website of the Danish newspaper JyllandsPosten. I began at the first level, the front page, on which I could read that the Danish badminton player Camilla Martin would play in the finals a half hour later.

My computer took about an hour to save this first level, after which time I wanted to download the second level, ’Olympics 2000’. But on the front page of this section, I could already read the result of the badminton finals (she lost).

The website was — as a whole — not the same as when I had started; it had changed in the time it took to archive it, and I could now read the result on the front page, where the match was previously only announced.”

N. Brügger: Archiving Websites, 2005, pp. 22-23




Consequences• we cannot be sure that we have everything in our archive — we

will always have lost something in the asynchronous relationship between updating and archiving

• we are also in danger of getting something that in a way was never there — something that is different from what was really there

My archived version of the newspaper’s website can be a combination of elements from two (or more) versions that were there at different times — but they were never there at the same time as they might now be in my archive.

Paradox:• the archive is not exactly as the website really was in the past (we

have lost something)• but the archive may be exactly as the Internet never was in the

past (we get something different).




Consequences for web historians

• an archived website, archived at the same date, is not necessarily identical in different archives

• the archived web document must be treated differently compared to well known media types, especially as regards source reliability

The process of archiving

• creates a unique version and not a copy

• a version of an original which we can never expect to find in the form it actually took on the web, neither can we find an original among the different versions, nor can we reconstruct an original based on the different versions





“Digital History and a Register of Websites. An Old Practice with New Implications”, The Long History of New Media: Technology, Historiography, and Newness Contextualized (eds. D.W. Park, N. Jankowski & S. Jones), Peter Lang Publishing, 20 sider (in press)




En registrant over sub-sites på dr.dk

Sub-site: dr.dk/nyheder, dr.dk/oline, osv.

Registranten indeholder 480 sub-sites og kan ses på:

www.drdk.dk/registrant.html




Registranten udspændt mellem:

1) de forskningsspørgsmål, den skal gøre det muligt at besvare

2) mediekarakteristika ved det medie, som registreres

Betjener sig af en række kategorier:

Titel, publikations- eller udsendelsesdato, forfatter, instruktør, skuespillere, vært, oplæser, osv.



Hovedspørgsmål — webmateriale

Webmediets mediekarakteristika afstedkommer grundlæggende nyfortolkning af kategorierne:

Hvad skal vi egentlig forstå ved Titel, publikations- eller udsendelsesdato, osv?


Hovedspørgsmål — traditionelt

Hvilke kategorier skal med for at forene forskningsspørgsmål og mediekarakteristika?




Med registranten over sub-sites på dr.dk som case

Hvordan skal vi forstå følgende kategorier:

a) Titel

b ) Rumlig udstrækning

c) Tidslig udstrækning

d) Forskelle mellem arkiverede versioner



Websites

Tre mulige navne

1) det navn, der fremgår af sidens tekstuelle indhold

2) URL’en, som står i lokationsfeltet

3) det navn, producenten har givet siden, ses i browservinduets top


Radio

Programmets titel for det meste entydig






Yderligere et problem — redirects

At en URL ikke svarer til et egentligt website, men blot viderestiller, og således er ‘tom’

Konsekvenser

Et sub-site kan have flere navne end dem, der fremgår af selve siden — et utal af mulige ‘satellit-navne’

Det er vanskeligt at finde disse ‘satellit-navne’, idet de ikke fremgår af netstedet

Det er vanskeligt at afgøre, om en URL faktisk svarer til et website eller bare er ‘tom’


og videre...

Hvis man har besluttet, at URL’en skal være navnet i registranten, må man beslutte:

Om alle URL’er, der vedrører et website, skal registreres individuelt, med den mulige konsekvens, at man får en meget stor regisrant og en masse tomme URL’er

Eller om én URL skal betragtes som hoved-URL, og redirectende URL’er skal registrers sammen med denne



... og det bliver endnu værre, når registranten skal være historisk...

— redirects er nemlig sjældent konsistente over tid, de kommer og går

og de ændrer status, fx kan en tidligere hoved-URL blive en redirectende URL — og omvendt


Konkluderende på kategorien ‘Titel’

All things considered, in a register of a historical source such as a Website, one of the most fundamental categories ’the title’ is in many ways more

equivocal and fluid than it is in other media types, and in general it is very difficult to reconstruct and document this network of names in the past.



Websites

Også semiotisk afgrænset, som semiotisk enhed der bindes sammen:

a) udtryksmæssigt

b) indholdsmæssigt

c) fysisk performativt (typisk ved links)


Radio

Den rumlige udstrækning af programmer relativt nemt fastsat, ud fra semiotiske markører mellem programmerne såsom jingles, voice-

over, titler, o.lign.

Udfolder sig i en entydigt fremadskridende udtrykskæde, bundet op på tid



Udfordring

Websitet udfolder sig ikke i en entydigt fremadskridende udtrykskæde, bundet op på tid

Hvordan få et overblik over hele sub-sitetets udstrækning?

Og hvordan gøre dette over tid, i historiske studier?


Konkluderende på kategorien ‘Rumlig udstrækning’

To sum up this point: since the Website is not delimited in a material way (as are print media) or by the linking of semantic elements in a progressive chain of expression (as are broadcast media), we are dependent on such aspects as semantic cohesion, paratexts and linking when delimiting the spatial extent of the subsite — and on the consistency of these means of expression over time when trying to trace the same subsite in the past.



Websites

Har muligvis en ‘begyndelses’-tidspunkt

Men ikke narrativ udstrækning med begyndelse, midte, slutning.

Forholder sig mere komplekst hertil — et ‘udgivelsestidskontinuum’


Radio

Den tidslige udstrækning bygger på kronologiens fremadskridende rytme.

Relativt klart start- og sluttidspunkt — slutningen konstitutiv for et program, ellers bare flow af lyd

Klar udstrækning mellem start og slut



Begyndelse?

Første gang offentliggøres på en webserver

Men det kan være vanskeligt at fastslå med sikkerhed:

a) fremgår sjældent af selve websitet

b) sekundære kilder som programoversigter eksisterer ikke

c) pressemeddelelser kan hjælpe, men ingen sikkerhed for, at det gik som annonceret


... og webarkiver hjælper desværre ikke meget...

Fortæller os kun, at et website eksisterede på arkiveringstidspunktet

Konklusion

Begyndelsestidspunktet vil i langt de fleste tilfælde være upræcist

— et begyndelsestidsrum snarere end et tidspunkt



Midte?

Selv hvis vi kan etablere et begyndelsestidsrum, så er det, der følger efter, markant anderledes end ved andre medietyper:

a) en kontinuerlig offentliggørelse uden tidsopdelinger såsom dato, time, minut

b) tidsopdelinger ikke lavet af producenten ved udsendelse, men af arkivet eller forskeren post festum

c) tidsopdelingerne er derfor tilfældige i forhold til medieartefaktets tidskontinuum — og kan derfor ændres efter offentliggørelsen

d) tidsopdelingerne ikke nødvendigvis identiske i forskellige arkiver — det er de sjældent — og kan være forskellige i samme arkiv




Slutning?

Selvom et website har en tidslig udstrækning, så behøver det ikke noget sluttidspunkt for at være et website.

Og et websites ‘sluttidspunkt’ kan bestemmes på to forskellige måder:

a) tidspunktet, hvor det fjernes fra webserveren

b) tidspunktet, hvor det ikke længere opdateres (med det bliver på webserveren)





I begge tilfælde har vi store vanskeligheder med at fastslå, hvad der overhovedet er sket...

a) Vi kan bare registrere, at websitet ikke længere er online på et givet tidspunkt, men hermed ikke, hvor længe det har været offline

Sekundære kilder ikke til megen hjælp, nedlukning af et website annoceres yderst sjældent

Webarkiver hjælper heller ikke — at et website ikke optræder i arkivet efter et givet tidspunkt, siger ikke noget om, hvornår det er fjernet fra webserveren — og måske arkiverer arkivet

bare ikke længere det pågældende netsted

b) Det kan være vanskeligt at fastslå om et website opdateres mere eller bare har en meget økonomisk omgang med opdateringer

Nogle websites efterlades bare, andre sætter ordet ‘arkiv’ eller lignende på, men sjældent med nogen dato fra hvornår




Konsekvens

Uhyre vanskeligt at afgøre, hvornår et website er ‘slut’.

Vores registrant vil tendentielt få vokseværk — hvis den skal vise, hvor mange websites der var aktive på et givet tidspunkt — en akkumulation af ‘ikke-afsluttede’ websites

Konkluderende på kategorien ‘Tidslig udstrækning’

Compared to the programs of broadcast media, the web subsite as a whole is often continuous, just as the well-known entities of start and stop times may in themselves form more of a continuum than a point in time, and the Website may thus appear to be a historical source that is not only continuous, but infinite.



Websites

Hvis registranten over websites er baseret på arkiverede udgaver, så vil der eksistere flere forskellige udgaver af samme website, fra samme dag og tidspunkt.

En unik version og ikke en kopi.

En konstitutiv del af webarkiveringsprocessen.

Standardisering og dokumentation vanskelig.


Radio

Uanset hvem der sætter båndet i optagemaskinen og trykker på knappen, så er alle kopier af det udsendte stort set ens.

Der kan være forskelle, fx mht. reklamer før, under, efter programmer.




Konkluderende på kategorien ‘Forskelle mellem arkiverede versioner’

Furthermore, these differences may very well affect the above-mentioned categories – names, spatial and temporal extents — insofar as they may vary, depending on which archived version is used. Accordingly, the differences between archived versions play a crucial role when establishing a register of subsites, which is why it is relevant to register the known archived versions as well as their limitations and deficiencies.



En registrant over websites?

Webmediets mediekarakteristika betyder, at vi grundlæggende må nyfortolke ellers velkendte, selvindlysende og uproblematiske kategorier, som vi kender fra andre medietyper.

Spørgsmålet er ikke længere — kun — at diskutere, hvilke kategorier, der skal medtages, men at finde ud af og dokumentere, hvad der overhovedet skal forståes ved hver af

kategorierne.




Websites

Noget så enkelt som at lave en fortegnelse over analysegenstanden er fuld af udfordringer.


Radio

Radio er let ;-)

Og måske mest interessant i LARM...

Hvad sker der, når vi skal kombinere de to i én registrant over:

WEBRADIO



Spørgsmål?

Kommentarer?

Documents

En webhistorikers erfaringer publ