Hispanopedia Wiki
Articulo de referencia

Archivo web australiano

Biblioteca Nacional de Australia , Canberra, Territorio de la Capital Australiana, Australia El Archivo Web Australiano ( AWA ) es una base de datos en línea de acceso público d...

Hispanopedia WikiContenido en espanolLectura gratuita

Biblioteca Nacional de Australia, Canberra, Territorio de la Capital Australiana, Australia
Biblioteca Nacional de Australia , Canberra, Territorio de la Capital Australiana, Australia

El Archivo Web Australiano ( AWA ) es una base de datos en línea de acceso público de sitios web australianos archivados, alojada por la Biblioteca Nacional de Australia (NLA) en su plataforma Trove , un agregador de bases de datos de bibliotecas en línea. Comprende el archivo PANDORA de la propia NLA , el Archivo Web del Gobierno Australiano (AGWA) y las colecciones del dominio ".au" de la Biblioteca Nacional de Australia . El acceso se realiza a través de una única interfaz en Trove, que está disponible públicamente. [ 1 ] [ 2 ] [ 3 ] El Archivo Web Australiano se creó en marzo de 2019, [ 4 ] y es uno de los archivos web más grandes del mundo. [ 5 ] Su propósito es proporcionar un recurso para historiadores e investigadores, ahora y en el futuro. [ 5 ]

Historia de los tres componentes

El servicio PANDORA comenzó a archivar sitios web en octubre de 1996. [ 6 ]

En 2005, la NLA comenzó a archivar instantáneas anuales de todo el dominio web australiano ( URL con el sufijo . ".au" [ 4 ] ), [ 7 ] recopiladas mediante grandes rastreos . [ 8 ] Posteriormente, los sitios web más antiguos del dominio web .au, que datan de 1996, se obtuvieron del Internet Archive . En 2019, este contenido se hizo accesible públicamente por primera vez a través de Trove. [ 9 ]

La infraestructura de PANDORA, que funciona bien para un archivado selectivo a pequeña escala, no se adapta a la "recolección masiva" de contenido web a gran escala, por lo que se tuvo que desarrollar un nuevo sistema técnico que proporcionara un servicio de archivado web que integrara la entrega de sitios web archivados dentro de una interfaz de sitio web en vivo, entregando los sitios web archivados sin problemas al usuario, lo cual es difícil de lograr técnicamente. [ 10 ]

AGWA

Los sitios web del Gobierno australiano son registros de la Commonwealth y, por lo tanto, son publicaciones que deben gestionarse de conformidad con la Ley de Archivos de 1983. [ 11 ]

El Archivo Web del Gobierno Australiano (AGWA) consiste en el archivado masivo de sitios web del Gobierno de la Commonwealth . La NLA comenzó a recopilar regularmente los sitios web en junio de 2011, [ 12 ] después de que se superara un obstáculo importante con un acuerdo administrativo realizado en mayo de 2010 que le permitió recopilar, preservar y hacer accesibles los sitios web gubernamentales sin tener que solicitar permiso previo para cada sitio web o documento, como ocurría antes. El servicio utiliza el rastreador web Heritrix para la recopilación, archivos WARC para el almacenamiento y Open Wayback para la entrega del servicio. Existe una enorme cantidad de publicaciones gubernamentales, pero muchos desafíos que superar al tratar de preservar el contenido, como su desaparición repentina. En marzo de 2014, el AGWA se hizo de acceso público. [ 10 ]

La AGWA cumple con los requisitos de preservación y retención para sitios web como material "conservado como archivo nacional" (RNA) según la Ley de Archivos ; sin embargo, los videos y los archivos de documentos (como PDF o documentos de Word ) no siempre se capturan, por lo que deben gestionarse por separado. [ 11 ]

A principios de 2015, la AGWA incluía contenido que databa de 2005, lo que equivalía a unos 144 millones de archivos que ocupaban 15 terabytes . Solo incluía sitios web del Gobierno de la Commonwealth recopilados mediante extracciones masivas de casi 1000 URL semilla. La programación de las extracciones aún no estaba establecida de forma rutinaria, pero se realizaban aproximadamente tres veces al año. [ 10 ]

Amalgamación

En 2017, el AGWA y el archivo PANDORA se fusionaron con las demás colecciones de archivos web para formar la colección de archivos web Trove. [ 9 ] Tras un mayor desarrollo y la creación del Archivo Web de Australia, los sitios web gubernamentales archivados a través del AGWA y ahora incluidos en el AWA aún pueden buscarse por separado utilizando la opción "Búsqueda avanzada". [ 9 ]

Descripción de AWA

El Archivo Nacional de Australia (NLA) describe un archivo web como una «colección de instantáneas de sitios web capturadas mientras están accesibles en la web y luego conservadas en una copia estática». La colección archivada en el Archivo de Australia (AWA) es «relevante para la vida y las actividades culturales, sociales, políticas, de investigación y comerciales de Australia y los australianos». Recopila material web mediante el archivado programado de sitios web y publicaciones seleccionados, así como mediante la recopilación ad hoc relacionada con eventos significativos. [ 9 ]

En marzo de 2019, cuando comenzó, AWA ya contenía alrededor de 600 terabytes de datos, con 9 mil millones de registros. [ 5 ] [ 13 ] Contiene más funcionalidad que la Wayback Machine , alojada por Internet Archive , permitiendo la búsqueda de texto completo mediante un motor de búsqueda desarrollado internamente. Los desarrolladores también idearon técnicas para filtrar el "ruido" no deseado. Los datos permanecen en los servidores de la Biblioteca, aunque se prevé una migración a la nube en el futuro, a medida que crezca el contenido. [ 5 ] La usabilidad por parte de una amplia gama de usuarios, y en particular la funcionalidad de búsqueda, fueron enfoques principales durante el desarrollo. [ 9 ]

El archivo es totalmente consultable, gracias a una combinación de técnicas empleadas por los desarrolladores. Cada equipo creó un algoritmo de búsqueda único y complejo , adaptando una versión del algoritmo de clasificación de páginas de Google (basado en la frecuencia de clics en una página), modificado para ofrecer recursos de mayor calidad. Otras tecnologías incluyen un filtro bayesiano (que funciona como un filtro de spam ), un clasificador de contenido no apto para el trabajo de Yahoo y aprendizaje automático . [ 14 ]

Existe una opción "Limitar al dominio web gov.au" antes de realizar la búsqueda, [ 15 ] y los sitios web gubernamentales archivados a través de AGWA aún se pueden buscar por separado utilizando la opción "Búsqueda avanzada". [ 9 ] Otras opciones en la Búsqueda avanzada son limitar por período de tiempo de las instantáneas, dominio y tipo de archivo. [ 16 ]

Dado que muchos de los sitios web de la década de 1990 se han perdido, principalmente debido al frecuente cambio de plataformas web, el Archivo Web Australiano es una iniciativa importante que ayudará a preservar las páginas web actuales y futuras, especialmente el contenido australiano. [ 4 ] Se seguirá añadiendo material al Archivo, y se recopilará otro material en línea de conformidad con la Ley de la Biblioteca Nacional de 1960 , las disposiciones de depósito legal de la Ley de Derechos de Autor de 1968 y la política de selección de colecciones digitales de la NLA . [ 9 ]

Sitios web de Asia/Pacífico

Los sitios web de la región de Asia Pacífico no están incluidos en la AWA, pero la NLA se asocia con Internet Archive para recopilar y preservar "sitios web seleccionados de Asia/Pacífico relacionados con eventos específicos o grupos sociopolíticos". [ 17 ]

Véase también

Referencias

  1. ↑ "Preservación y acceso a los recursos documentales en red de Australia" . Archivo Pandora . Consultado el 30 de abril de 2020 .
  2. ↑ "Sitios web archivados" . Biblioteca Nacional de Australia . 23 de marzo de 2020. Consultado el 30 de abril de 2020 .
  3. ↑ Koerbin, Paul (11 de febrero de 2015). "Archivo web del gobierno australiano" . Biblioteca Nacional de Australia . Archivado del original el 30 de abril de 2020. Recuperado el 30 de abril de 2020 .
  4. 1 2 3 Bruns, Axel (14 de marzo de 2019). "El Archivo Web Australiano es un logro trascendental, pero las cosas se pondrán más difíciles a partir de ahora" . The Conversation . Recuperado el 30 de abril de 2020 .
  5. 1 2 3 4 Nott, George (11 de marzo de 2019). "La Biblioteca Nacional lanza un archivo 'enorme' de Internet de Australia" . Computerworld . Recuperado el 6 de mayo de 2020 .
  6. ↑ "Historia y logros" . PANDORA. 18 de febrero de 2009. Consultado el 6 de mayo de 2020 .
  7. ↑ McKenzie, Amelia (12 de marzo de 2019). "Preservando la historia web de Australia: El comienzo del Archivo Web Australiano" . Biblioteca Nacional de Australia . Recuperado el 6 de mayo de 2020 .
  8. ↑ "Sitios web archivados (1996 – actualidad)" . Trove . Consultado el 6 de mayo de 2020 .
  9. 1 2 3 4 5 6 7 "Acerca del Archivo Web Australiano" . Centro de ayuda de Trove . Archivado del original el 17 de marzo de 2020. Recuperado el 8 de mayo de 2020 .
  10. 1 2 3 Koerbin, Paul (11 de febrero de 2015). "El archivo web del gobierno australiano: la recopilación del patrimonio documental en línea del gobierno se vuelve a gran escala" . Biblioteca Nacional de Australia . Archivado del original el 1 de mayo de 2020. Recuperado el 6 de mayo de 2020 .
  11. 1 2 "Archivado de sitios web del Gobierno australiano" . Archivos Nacionales de Australia . Consultado el 8 de mayo de 2020 .
  12. ↑ "Sitios web archivados" . Biblioteca Nacional de Australia . 7 de diciembre de 2018. Consultado el 6 de mayo de 2020 .
  13. ↑ NOTA: La página de ayuda de AWA dice 400 TB, 8 mil millones de registros
  14. ↑ "Consulta el archivo web de Australia" . Southern Phone . 11 de abril de 2019. Consultado el 8 de mayo de 2020 .
  15. ↑ "Archivo Web Australiano" . Trove . Consultado el 8 de mayo de 2020 .
  16. ↑ "Archivo web australiano - Búsqueda avanzada" . Trove . Consultado el 8 de mayo de 2020 .
  17. ↑ "Sitios web archivados" . Biblioteca Nacional de Australia . 23 de marzo de 2020. Consultado el 8 de mayo de 2020 .
  • Sitio web oficial