Prezentace z konference Archivy, knihovny, muzea v digitálním světě 2015

1. Webarchiv
Památník českého internetu, více

2. Proč archivujeme web?
Jak ho archivujeme?
Co v archivu máme?
Co nás trápí?
Co plánujeme?
Rudolf.Kreibich@nkp.cz
technická realizace archivace webu

3. Proč archivujeme web?

5. “… více jak 70% URL v Harvard Law
Review a 50% URL v nálezích nejvyššího
soudu Spojených států amerických,
neodkazuje k původnímu webovému zdroji. “
Perma: Scoping and Addressing the Problem of Link and Reference Rot in Legal Citations. Jonathan Zittrain,
Kendra Albert a Lawrence Lessig. Legal Information Management / Volume 14 / Issue 02 / June 2014, pp 88-99,
DOI: http://dx.doi.org/10.1017/S1472669614000255, Published online: 12 June 2014

7. 404 Not Found
The 404 (Not Found) status code indicates that the origin server did
not find a current representation for the target resource or is not
willing to disclose that one exists. A 404 status code does not
indicate whether this lack of representation is temporary or
permanent; the 410 (Gone) status code is preferred over 404 if the
origin server knows, presumably through some configurable means, that
the condition is likely to be permanent.
A 404 response is cacheable by default; i.e., unless otherwise
indicated by the method definition or explicit cache controls (see
Section 4.2.2 of [RFC7234]).

8. ✝
url urn

9. Bude možné studovat naše století bez
webových archivů?

10. miluj výzkumníka svého

12. Jak archivujeme web?

13. Heritrix / OpenWayback
sklízení / zpřístupnění
Otevřený software
Mezinárodní komunita

14. Měsíční výběrové sklizně
Občasné tématické sklizně
Roční sklizně domény cz

16. Co máme v archivu?

17. ~ 228 TB
~ 6 miliard digitálních objektů / URL
~1,2 milónu domén druhého řádu

19. Co nás trápí?

20. méně než 1 % je volně přístupné
=
~ 4000 webů z 1,2 miliónu webů

21. JavaScript

23. 228 TB při čtení 80 MB/s = 32 dní

24. Co plánujeme?

25. metadata

29. Oddělení archivace webu | ODIF | Národní knihovna ČR
Vedoucí: Jaroslav Kvasnica
Zástupce: Barbora Rudišínová
Technické zajíštění: Rudolf.Kreibich@nkp.cz
Kurátoři: Markéta Hrdličková, Pavla Kupcová
webarchiv.cz
facebook.com/webarchivcr
slideshare.net/webarchivCZ
github.com/webarchivcz