Projekty

Národní digitální knihovna (NDK)

web: https://old.ndk.cz/

V rámci projektu NDK vznikl systém pro dlouhodobé uchování digitálních dokumentů, který je založený na technologii Safe firmy Aip Safe. Systém by měl v budoucnu sloužit jako úložiště rozličných digitálních dat ze všech českých knihoven, ale momentálně je ve fázi, kdy lze vkládat pouze data podle standardu NDK a to pouze periodika a monografické publikace s konkrétní podobou metadat.

Vznikly také metadatové standardy s ohledem na dlouhodobou ochranu digitálních dokumentů, tedy včetně technických a administrativních metadat, pro periodika a monografické dokumenty. Data v tomto formátu jsou vytvářena i v rámci krajských digitalizačních projektů, v programu VISK 7 Kramerius a dalších projektech a je vyvíjen i open source metadatový editor ProArc, na čemž se podílí také Knihovna Akademie věd a Moravská zemská knihovna v Brně.

V současné době se LTP úložiště NK ČR připravuje na certifikaci dle normy ISO 16 363. Podle interního auditu patří mezi problémy nezajištění dlouhodobého financování a s tím související nemožnost plánovat dlouhodobý rozvoj úložiště, nedostatečné personální zajištění, nedefinování přesných pracovních rolí a chybějící plán vzdělávání zaměstnanců. Dále není zaveden systém kontroly srozumitelnosti uložených informací pro určenou komunitu. Po nápravě by měl následovat kontrolní audit a úložiště by poté mělo směřovat k externí certifikaci dle ISO 16363.

Webarchiv

web: http://www.webarchiv.cz

Projekt Webarchiv se zabývá sklízením, uložením a zpřístupněním českého webu (tedy domény .cz). První sklizeň byla provedena v roce 2001, pravidelná archivace pak probíhá od roku 2005. Archivace webu je důležitá z hlediska zachování kulturního dědictví, jenž se na webu nachází a které, pokud není sklizeno a uloženo, velmi rychle a nenávratně mizí.

Je prováděno několik druhů sklizní – celoplošná, která jednou za rok přináší obraz českého webu, dále výběrová, která zahrnuje předem vybrané zdroje z různých oblastí a mapuje tak kulturní vzorek webu a poslední typ sklizně je tematická, jejímž účelem je pokrytí určité události – např. volby, povodně, epidemie COVID-19 aj.

V současnosti (rok 2020) obsahuje Webarchiv přes 409 TB komprimovaných dat, miliardy objektů a několik milionů webových stránek - méně jak 1% je však volně přístupno z webu a to kvůli legislativním omezením ze strany autorského zákona. Kompletní data jsou přístupná pouze z terminálů v Národní knihovně. Při analýze formátů vzorku sklizně z dubna 2013 bylo zjištěno, že obsah českého webu (v tomto se nijak neliší od webů zahraničních) tvoří sedm hlavních formátů. Jsou to (od nejpočetnějšího): jpeg, html, xhtml, png, xml, gif a pdf.

Další plány rozvoje Webarchivu počítají s fulltextovým vyhledáváním napříč archivovanými daty a také s větším otevřením archivu pro vědecké využití a analýzu uložených dat jak z hlediska formátů, tak i obsahu a klíčových slov, žánru nebo jazyka dokumentu.