Download - Webarchiv jako digitální knihovna
![Page 1: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/1.jpg)
Webarchivpamátník českého internetu, více
![Page 2: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/2.jpg)
Jsme Webarchiv
digitální knihovna, která uchovává webové zdrojepro budoucí generace. wwwPokud je nebudeme průběžně archivovat, zmizí významná součást národního kulturního dědictví.
![Page 3: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/3.jpg)
Jak archivujeme?
Provádíme kompletní archivaci“celého” českého webu.
WWWWWWWW
Souběžně probíhá výběrováa tematická archivace.
![Page 4: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/4.jpg)
Bohužel!
Ne všechna data jsou dostupná online. w
Může za to současná podoba autorského zákona, která byla vytvořena pro knihy. Pro přístup k celému archivu musíte prozatím až k nám.
![Page 5: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/5.jpg)
Bude možné studovat 90. léta a dál bez webových archivů?
![Page 6: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/6.jpg)
Webový archiv Živý web
![Page 7: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/7.jpg)
![Page 8: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/8.jpg)
![Page 9: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/9.jpg)
![Page 10: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/10.jpg)
![Page 11: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/11.jpg)
![Page 12: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/12.jpg)
![Page 13: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/13.jpg)
není to málo?
![Page 14: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/14.jpg)
data
• ~ 228 TB
• ~ 6 miliard digitálních objektů / URL
• ~ 1,2 miliónu domén druhého řádu / doména.cz
![Page 15: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/15.jpg)
méně jak 1 % je volně přístupné
![Page 16: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/16.jpg)
metadata
• formát souboru
• odkazy
• typ dokumentu
• entity v textu
• klíčová slova
• etc.
![Page 17: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/17.jpg)
miluj výzkumníka svého
![Page 18: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/18.jpg)
![Page 19: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/19.jpg)
![Page 20: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/20.jpg)
![Page 21: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/21.jpg)
API pro metadata
• URL digitálního objektu
• Čas archivace URL
• Velikost souboru
• SHA-1 kontrolní součet souboru
• MIME type souboru dle tvrzení HTTP serveru
• Titul dokumentu nebo celého webu
• Autor dokumentu
![Page 22: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/22.jpg)
228 TB
• při čtení 80 MB/s
• ~ 32 dní jen pro přečtení všech dat z disků
![Page 23: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/23.jpg)
![Page 24: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/24.jpg)
Zpracování archivu
• Formátové
• Textové
• Obrazové
• Zvukové
![Page 25: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/25.jpg)
API pro všechny metadata
![Page 26: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/26.jpg)
Fulltextové vyhledávání
• PageRank nepočítá s časovým aspektem webu
• Kvalitní vyhledávání potřebuje analytické informace
![Page 27: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/27.jpg)
![Page 28: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/28.jpg)
![Page 29: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/29.jpg)
Co nám v archivu chybí
![Page 30: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/30.jpg)
![Page 31: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/31.jpg)
![Page 32: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/32.jpg)
![Page 33: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/33.jpg)
![Page 34: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/34.jpg)
![Page 35: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/35.jpg)
Co webové archivy již nezvládnou
![Page 36: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/36.jpg)
![Page 37: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/37.jpg)
![Page 38: Webarchiv jako digitální knihovna](https://reader034.vdocuments.pub/reader034/viewer/2022052606/58a1f5e91a28abac528b4e7b/html5/thumbnails/38.jpg)
w w w
w w w
Děkujeme za pozornost!
Jaroslav KvasnicaRudolf Kreibich
webarchiv.czfacebook.com/webarchivcrslideshare.net/webarchivCZ