El Archivo de la Web Española. Mar Pérez Morillo

EL ARCHIVO DE LA WEB ESPAÑOLA

BIBLIOTECA NACIONAL DE ESPAÑA

Mar Pérez MorilloJefe del Servicio Web de la BNE

BIBLIOTECA NACIONAL DE ESPAÑA2

ContextoMisión del bibliotecarioOtras instituciones patrimonialesMarco normativo

Historia del proyecto:Colaboración con Internet Archive

Estado actual:El Archivo de la Web EspañolaConvenio de colaboración con Red.es

Próximos pasos:Traslado de la colecciónDiseño arquitectura técnica proyectoIdentificación del patrimonio digital Recolecciones de la web española con medios propiosCreación de un portal web específico de acceso a la colección

El Archivo de la Web Española

ÍNDICE


EL RIESGO DE UNA EDAD OSCURA DIGITAL



Contenidos volátiles en la red

Imposibilidad de abrir y leer archivos digitales en el futuro

Redes sociales: fundamentales para entender nuestro tiempo

1ª mención → IFLA, 1997

Bibliotecas: primeras aludidas para tratar de salvar este peligro


EDAD OSCURA DIGITAL


Proteger tesoro documental en línea

Evolución: internet → nuevo medio de producción de contenidos

Bibliotecario: intermediario entre contenidos y usuario

Preservación de la web → ventana para investigar el hoy en el futuro


CONTEXTO: MISIÓN DEL BIBLIOTECARIO



CONTEXTO: INSTITUCIONES PATRIMONIALES


Pioneras internacionalmente:

• BN Australia

• Biblioteca Alexandrina (Egipto)

• Internet Archive

• BN Suecia

En España:

• PADICAT

• ONDARENET


CONTEXTO: INSTITUCIONES PATRIMONIALES


Alerta de los riesgos de pérdida de patrimonio

Insta a tomar medidas urgentes:“Es preferible actuar, aunque no sea de manera exhaustiva ni impecable, a no hacer nada.”

Insta a la colaboración entre todos los sectores:“La preservación del patrimonio digital exige un esfuerzo constante por parte de gobiernos, creadores, editoriales, industriales del sector e instituciones que se ocupan del patrimonio.”

Pide legislación para ello:“Hacer que la legislación … se aplique al patrimonio digital ha de ser un elemento esencial de la política nacional de preservación.”


CONTEXTO: DIRECTRICES UNESCO


International Internet Preservation Consortium

Fundado en 2003 por 11 bibliotecas nacionales y el Internet Archive

Aglutina principales proyectos de archivado web en el mundo

Ámbito de colaboración internacional

Plataforma de desarrollo de herramientas


CONTEXTO: IIPC


CONTEXTO: MARCO NORMATIVO



Directivas UE sobre digitalización y accesibilidad en línea del material cultural

Ley de Depósito Legal

Ley de Propiedad Intelectual

Ley de Protección de Datos


CONTEXTO: MARCO NORMATIVO


Instituciones patrimoniales:

• Manos a la obra, aunque la realidad vaya más deprisa que la tecnología

Gobiernos:

• Elaboración de legislación sobre DLe


DOBLE CAMINO


ARCHIVOS WEB: BASE DEL DLe



Posibilitan:

• Recolección contenidos en internet

• Preservación

• Acceso a largo plazo

Uso de herramientas, técnicas y normas comunes →abre camino al DLe

No se pueden aplicar preservación tradicional

Contenidos transfronterizos

Convergencia internacional de los proyectos

Legislación DLe protege contenidos en líneaEl Archivo de la Web Española

ARCHIVOS WEB: BASE DEL DLe


REAL DECRETO SOBRE PUBLICACIONES EN LÍNEA

Promulgación Ley DL 3/2011 → punto de partida

Colaboración entre centros de conservación y editores

Preservación del acceso al patrimonio digital

Propósito de ámbito legal de amplia cobertura

Protección de:

• Propiedad intelectual

• Datos personales



COLABORACIÓN CON INTERNET ARCHIVE


2 contratos desde 2009Fórmula híbrida de captura de contenidos:

Recolecciones masivas (8)Recolecciones selectivas (2):

• Elecciones Generales 20-N 2011• Humanidades

85 TB → ± 130 TB:Selectiva elecciones: 9,2 TBSelectiva Humanidades: 6,5 TB

Pasos de una recolección:Crawl de pruebaCrawl en producciónCrawl de parcheadoAnálisis de la recolección


ARCHIVO DE LA WEB ESPAÑOLA


Robot Heritrix

Datos se guardan en formato W/ARC (ISO 28500:2009):

Comprime los datos

Guarda todo en un solo archivo, enlaces incluidos

Paquetes de herramientas distintos (toolkits):

Web Curator Tool

NetArchive Suite

Elementos de los toolkits:

Robot: Heritrix

Indización: NutchWAX, Solr

Recuperación: Wayback Machine


ARCHIVO DE LA WEB ESPAÑOLA



CÓMO SE VE UNA PÁGINA ARCHIVADA



RECOLECCIONES MASIVAS DOMINIO .ES



RECOLECCIÓN SELECTIVA HUMANIDADES



RECOLECCIÓN SELECTIVA ELECCIONES 20N



CONTENIDOS DESAPARECIDOS EN WEB VIVA



PÁGINAS WEB YA DESAPARECIDAS



PÁGINAS WEB YA DESAPARECIDAS



CONVENIO CON RED.ES



CONVENIO CON RED.ES (2012)


Desarrollo conjunto de actuaciones

Almacenamiento y acceso a publicaciones en línea

Construcción de un repositorio compartido

Marco de colaboración con CC.AA.

Desarrollo de infraestructuras para

• Recolectar

• Preservar

• Dar acceso

Construcción de arquitectura técnica eficaz


PRÓXIMOS PASOS


Traslado de la colección

Identificación del patrimonio digital

Diseño arquitectura técnica proyecto

Recolecciones con medios propios

Portal de acceso a la colección


NETARCHIVE SUITE



NETARCHIVE SUITE


Conjunto de herramientas para recolectar la web

Pruebas de la BNE para poder recolectar

Software de código abierto

Desarrollado por la BN de Dinamarca

Utilizado por la BnF y la BN de Austria


COMUNIDADES AUTÓNOMAS



FLUJO DE TRABAJO


Trabajo intrainstitucional:

• Informáticos

• Conservadores de contenido (bibliotecarios)

Colaboración con CC.AA. en el ámbito del CCB

Colaboración con organismos internacionales (IIPC)

Colaboración con otras entidades nacionales (Red.es)

Centros de investigación colaboradores


COLABORACIÓN EN PROYECTOS INTERNACIONALES



OTROS ÁMBITOS INTERNACIONALES DE COOPERACIÓN


ISO: Informe Técnico sobre “Estadísticas y aspectos

de calidad de los archivos web”

SEDDOCH:

• Proyecto en evaluación por la Comisión Europea

• Con bibliotecas nacionales de Eslovenia, Reino

Unido y Holanda

• Fijar criterios de selección de contenidos en línea


NECESIDAD DE COLABORACIÓN


Interna

Productores

Institucional

Nacional

Internacional


EN NOMBRE DEL EQUIPO, GRACIAS POR VENIR


Mar Pérez MorilloJefe del Servicio Web

BIBLIOTECA NACIONAL DE ESPAÑ[email protected]

[email protected]

Pº de Recoletos 20-22 28071 Madrid

EspañaT +34 915 167928

www.bne.es

Technology

El Archivo de la Web Española. Mar Pérez Morillo