Sneeuwbitje en de zeven formaten

Omdat wij dit weekend naar het sprookjesbos gaan...

Gerelateerd
Een nieuw avontuur van DigiMan
DigiMan en het PLANETS Testbed

Niveaus van digitaal beheer

De leden van de National Digital Stewardship Alliance, dat is de Amerikaanse oudere zus van onze NCDD, heeft de afgelopen maanden nagedacht over de niveaus van "digital preservation" die je zou kunnen onderscheiden. Ze hadden geconstateerd dat er allerlei informatie was over bijvoorbeeld personal digital archiving en dat ook de eisen voor een volwaardig digitaal depot ook wel bekend zijn.

However, the working group felt there was a lack of solid guidance on how an organization should prioritize its resource allocation between these two ends of the spectrum.

Daarom hebben ze nu een schema waarin de verschillende niveaus die je zou kunnen onderscheiden staan beschreven:

The overall idea with the document is that all the things in the first level are either necessary prerequisites for things in the second to fourth levels or are themselves the most pressing things to address. To some extent, the goal for this diagram is that you could use it to start getting your proverbial digital boxes off the floor, and then work your way up to level four where you are much more protected against risk of loss.

Het concept staat hier en je mag het becommentariëren.

Ik vind het idee hoe dan ook geweldig, omdat ik ook de indruk heb dat heel veel organisaties eigenlijk geen idee hebben hoe ze zouden moeten beginnen.

Gerelateerd
Bewaar als... Een praktische leporello
Zonder jurk niets om te doen opwaaien

Plaatje: Niveau Creme van Datreuffel

Beschrijf je foto's

Since digital photography is instantaneous, we take and collect an enormous amount of photos. But as our personal collections grow, it becomes more and more difficult to find specific photos. If your digital photos are difficult for you to manage, how will your loved ones be able to make sense of them in the future? This video explains how you can add descriptions and tags to your digital photo files to make it easier to organize and search your collection.

Gerelateerd
Metadata in je plaatjes
Embedded metadata manifesto
Het verhaal van een fotoalbum

Metadata in je plaatjes

Naar aanleiding van een tweet van Edwin las ik dit weekend de discussie op Archief 2.0 over watermerken in afbeeldingen nog eens helemaal. Een paar dingen vallen me nu op.
Een van de argumenten die gebruikt wordt voor het plaatsen van watermerken, is dat daarmee de metadata van de afbeelding te achterhalen zijn. Want:

Wij, archivarissen, besteden veel tijd en geld aan het beschrijven van het beeldmateriaal en vinden het daarom belangrijk dat de herkomst gewaarborgd blijft.

Bob heeft dit argument al grotendeels onderuit gehaald (want een watermerk bevat nauwelijks relevante metadata), maar ik zit ook nog even met de betekenis van het citaat hierboven.
Ja, archivarissen besteden veel tijd en geld (als het goed is bijna al hun tijd en geld) aan het beschrijven van archiefstukken. Maar die beschrijvingen gelden vooral voor de archiefstukken die zij in beheer hebben. Ik vraag me af of archivarissen ook verantwoordelijk zijn voor de metadata van de kopieën van archiefstukken die zij verstrekken aan derden. Naar analogie met een opmerking van Christian: als we een kopietje van een briefje uit een dossier maken, voegen we daar toch ook niet de hele beschrijving uit de inventaris aan toe?

Embedden
Iets anders wat opvalt, is dat de hoop gevestigd wordt op embedden, om op die manier de "link" naar de beheerder te bewaren. Hierbij gaat het om het embedden van het plaatje vanaf de servers van de archiefdienst. Bijvoorbeeld zoals ik eerder een plaatje vanuit Gahetna.nl in een blog over geweren geplaatst heb.
(Overigens en terzijde: het lijkt dus alsof je de foto's vanuit Gahetna.nl niet kunt downloaden, maar in de embed-code staat wel een rechtstreekse url naar het plaatje, waardoor dat bestand dus wel apart opgeslagen kan worden.)

Maar er is natuurlijk nog een andere manier van embedden...
De foto's hierboven en hieronder zijn afkomstig van het BHIC. Je kunt deze foto niet meteen embedden, maar wel downloaden. De foto hierboven is de versie zoals ik die gedownload heb, de foto hieronder heb ik ietwat gemanipuleerd.

Dat zie je niet aan de foto, maar aan de eigenschappen van het bestand. Om dit te zien zijn een paar extra stappen nodig...
Download alletwee de foto's en geef ze een afwijkende naam, open ze in bijvoorbeeld Picasa en bekijk de "Eigenschappen" (alt+enter). Bij de bovenste foto zie je dit:

Maar, bij de onderste foto zie je dit:

In de onderste zeven velden zie je dezelfde beschrijvingsgegevens als bij het BHIC op de website. Ik heb die velden op zondagavond met behulp van PhotoMe een beetje in het wilde weg ingevuld (ik heb ook nog ergens een url toegevoegd, maar die zie ik nu nergens meer terug), dus allerlei gegevens staan er dubbel in. Maar, met wat meer overleg moet het lukken om hier logische afspraken over te maken.

Dus, als we die metadata zo relevant vinden en als we het belangrijk vinden dat duidelijk blijft wat de bron van het plaatje is, is dit embedden dan niet een veel elegantere manier dan een lelijk watermerk?

Overigens, deze methode hoeft natuurlijk niet beperkt te blijven tot foto's, maar kan toegepast worden bij ieder digitaal archiefstuk dat beschikbaar gesteld wordt.

Bronnen en inspiratie
Het bovenstaande heb ik niet zelf verzonnen en is ook helemaal niet nieuw.
Ik moest er aan denken door een blog van de Library of Congres over het toevoegen van beschrijvingen aan foto's. Daarnaast eist een van de Brabantse archiefdiensten iets vergelijkbaar bij de vervanging van bouwvergunningen. Daar moeten in de "scanbestanden" ook allerlei context-data opgenomen worden. (Ik heb niet kunnen achterhalen of ze dit ook al doen bij de foto's uit hun beeldbank.)
En tenslotte is dit ook ongeveer wat David Bearman meer dan vijftien jaar geleden zei, toen hij het had over "metadata encapsulated objects" en de eis dat data-objecten die als records dienen "self documenting" zouden moeten zijn.

Over het digitale drama

Afgelopen weken is er heel wat te doen geweest om het artikel Het digitale drama van Karel Berkhout in de NRC van 10 september. Ik heb het een en ander bij elkaar gescoopt. Als ik Scoop It goed snap, kunnen jullie hier ook nog pagina's aan toevoegen, maar dat terzijde.
Gisteren verscheen op The Signal, een weblog van de Library of Congres, een interessante aanvulling op de geconstateerde problemen. Carl Fleischhauer beschrijft hoe er "in den beginne", dat wil zeggen begin jaren negentig van de vorige eeuw, gedacht werd over het digitaliseren van boeken.
Aan de ene kant had je de mensen die de tekst centraal stelden (de academici) en aan de andere kant had je degenen die het boek als zelfstandig object het belangrijkst vonden (de bibliothecarissen).

This is a bit of an oversimplification but the searchable text folks were drawn to the words on the page without a strong passion for the book as a physical object. To borrow a term from audiovisual archiving, a book and its paper pages were seen as a carrier for information. The important thing for them was to get at the text, which could then elaborated upon by editorial comments, variant readings from other editions (think of the many printings of Shakespeare), and the like, all carefully set off by the symbols of markup language.
Meanwhile, the imaging folks brought their microfilm habits forward but with some added nuances. They reminded us of the importance of the bookness of a book, its value as an artifact and not just as a carrier. Whereas in the realm of microfilm, this artifactuality had to be presented in virtual form: a series of microphotographs (generally black and white) that lacked the heft and presence of a real book. In contrast, in the digital realm, the images could even be produced in a manner that would permit the printing out of a paper reproduction of the book, i.e., the creation of a physical replica.

Deze uiteenlopende belangen werden uiteindelijk samengebracht, door beiden te doen: een mooi plaatje en  een doorzoekbare tekst.
Het probleem is echter wel, en dat is wat ook in Het digitale drama aangestipt wordt, dat het correct transcriberen van een tekst een stuk complexer (en dus duurder) is dan het accuraat weergeven van het plaatje. OCR is hierbij geen sluitende oplossing, omdat de foutmarge daarbij veel te hoog is. Maar, stelt Fleischhauer dan, het gaat om de combinatie van beide:

OCR provides good but not great accuracy–you can figure on from one to four typographic errors per page (or more). This imperfect “full text” (as the Internet Archive calls it) becomes a great resource for indexing and searching while the page images serve as the authoritative representation of the printed text. This is an affordable outcome.

En dat is waar het toch vaak op uitkomt: wat kun je bereiken met de beperkte financiële middelen die je hebt en wat is dan belangrijker: kwantiteit of kwaliteit?

Het plaatje is de illustratie van Henry Cannon dat in de NRC boven Het digitale drama stond

Heel mooi: National Jukebox van LoC

Terwijl Google met veel bombarie Google Music presenteerde (je eigen muziek in de cloud, als je in de Verenigde Staten woont), presenteerde de Library of Congress de National Jukebox

The Library of Congress presents the National Jukebox, which makes historical sound recordings available to the public free of charge. The Jukebox includes recordings from the extraordinary collections of the Library of Congress Packard Campus for Audio Visual Conservation and other contributing libraries and archives. Recordings in the Jukebox were issued on record labels now owned by Sony Music Entertainment, which has granted the Library of Congress a gratis license to stream acoustical recordings.

At launch, the Jukebox includes more than 10,000 recordings made by the Victor Talking Machine Company between 1901 and 1925. Jukebox content will be increased regularly, with additional Victor recordings and acoustically recorded titles made by other Sony-owned U.S. labels, including Columbia, OKeh, and others.

Je kunt afspelen, embedden, eigen playlists maken, the works...

Het plaatje hierboven komt trouwens uit de Victrola Book of the Opera waarin meer dan 110 opera's worden beschreven. De LoC heeft een interactieve digitale facsimile gemaakt, waarin je niet alleen de teksten kunt lezen, maar ook naar bijna alle opnamen die in het boekje beschreven worden, kunt luisteren. Heel mooi, ook als je helemaal niets met opera hebt.

Ik ben niet zo thuis in de muziek uit het begin van de vorige eeuw, maar het lijkt me een mer à boire.
Pas wel op: "These historical recordings may contain offensive or inappropriate language." Lees dus vooral de volledige disclaimer...

Nederlandse e-depotfilmpjes

Eigenlijk had ik hier een filmpje van de Library of Congress over de Waldseemuller-kaart willen embedden:

Collections at the Library of Congress consist not only of material objects but also of digital files. In some cases, material objects are scanned, which creates a digital copy.
The Waldseemuller Map is not only preserved in a special case to slow its aging, it has been scanned and its digital copy is online for anyone to access and explore. The Library has also created advanced multispectral images that are crucial for fully understanding the physical map and for monitoring its conservation.
This video compares the physical and digital preservation of the Waldseemuller Map.

Maar het video-beleid van de LoC is mij een beetje een raadsel. Sommige filmpjes staan op YouTube, andere op Archive.org en met weer anderen, zoals deze, kun je helemaal niets.
Daarom maar twee filmpjes over Nederlandse e-depots.

Het eerste van het Nationaal Archief over het rollenspel dat ze daar spelen om te onderzoeken welke valkuilen het opnemen van digitaal archief met zich meebrengt:

Nationaal Archief from Groener Gras Producties on Vimeo.

Het tweede filmpje is van het Gemeentearchief Rotterdam en gaat voornamelijk over de technische inrichting van wat zij de E-Bewaarplaats noemen:


Heel mooi dat deze archiefdiensten op deze manier hun werk uitleggen en bekend maken.

Gerelateerd
Websites archiveer je voor een zesbenig wezen
Gezamenlijke e-depotvoorziening
Digitale houdbaarheid
Digitale departementen, e-depot en achterstanden

Websites archiveer je voor een zesbenig wezen

The really big thing about this project is that …when you archive a website, it’s being preserved forever. You’re writing history. Someday in the future when we're all gone,
…some 6-legged creature could come to earth, go to LC and discover what people were like 3,000 years ago.

Wat een geweldig project van Library of Congres en Archive-It:

En wat zeggen die tieners slimme dingen!

Wanneer gaan de KB en de NCDD dit soort projecten op scholen doen?

Gerelateerd
Digitale autochtonen over digitale duurzaamheid (ED3-blog)
Het archiveren van weblogs

Digitale foto's bewaren

Nu de vakantie voor iedereen zo goed als voorbij is, is dit misschien een goed filmpje. Hoe bewaar je al die digitale vakantiefoto's het best?


Het moge duidelijk zijn dat ik heel graag zo'n "Personal Archiving Day" hier in Nederland zou willen (helpen) organiseren...

Twitter: privacy en context

Het bericht dat de Library of Congress alle tweets gaat bewaren (vanaf de allereerste en als ik het goed begrepen heb, ook alle 'nieuwe'), heeft in mijn Google Reader-lijstje tot verschillende reacties geleid.
Edwin vond het in eerste instantie een goede zaak, maar vond het jammer dat de Bibliotheek de collectie niet online beschikbaar ging stellen. In tweede instantie was hij trouwens iets minder enthousiast, omdat-ie bang is misselijk te worden van de rijstebrij-berg aan informatie.
Het Regionaal Archief Tilburg was naar aanleiding van de blog van AOTUS (wat een bijzonder acroniem is dat toch) ook enthousiast, omdat hiermee voor archivarissen (maar, voeg ik daar aan toe, vooral voor historici, sociologen of antropologen) een enorm rijke bron wordt veilig gesteld voor toekomstig onderzoek.
Christian maakte zich naar aanleiding van het bericht zorgen over zijn privacy en over wat de 'eigenaren' van de tweets van deze deal vinden. Later verwees hij in dat kader nog naar dit bericht.
En elvedebe, tenslotte, werd een beetje moe van, onder andere mijn, gehamer op de context van de tweets. Kortweg zegt ze: context is gezeur van archivarissen, dat nergens voor nodig is. Kijk maar naar een boek, dat je ook nog prima zonder omslag kunt lezen.

Vooral de punten die Chris en Elvedebe maken, roepen om een reactie.

Chris vraagt zich af of al die twitteraars er wel van gediend zijn dat hun 'efemere' uitingen voor eeuwig bewaard blijven.

Stel dat het vanaf morgen ineens praktisch haalbaar is om camera's en geluidsapparatuur te installeren in kroegen en op Griekse pleinen en zo? Zijn wij daar dan net zo blij mee als met het bewaren van onze tweets? Het is immers voor het nobele doel van de geschiedschrijving, mensen!

En een stukje verder vergelijkt hij Twitter impliciet met een "digitale kroeg, waar je vrijuit iets kunt roepen."
Hoewel ik zijn zorgen wel snap, klopt zijn vergelijking natuurlijk helemaal niet.
Allereerst die kroeg, waar je ook niet vrijuit iets kunt roepen. Als je daar heel rare dingen zegt, wordt je ook naar buiten gewerkt. En als je in een gesprek vertelt dat je naar de hoeren gaat (en cocaïne snuift), kan het je je baan (en goede naam) kosten.
De tweede reden waarom de vergelijking met camera's en microfoons in een kroeg niet op gaat, is omdat je van te voren had kunnen weten dat je berichten bewaard kunnen blijven. In de Terms of Services van Twitter staat namelijk expliciet (ja, ik las ze vandaag ook pas voor de eerste keer hoor...)

You retain your rights to any Content you submit, post or display on or through the Services. By submitting, posting or displaying Content on or through the Services, you grant us a worldwide, non-exclusive, royalty-free license (with the right to sublicense) to use, copy, reproduce, process, adapt, modify, publish, transmit, display and distribute such Content in any and all media or distribution methods (now known or later developed).

Tip: This license is you authorizing us to make your Tweets available to the rest of the world and to let others do the same. But what’s yours is yours – you own your content.

Met andere woorden: we zitten in een kroeg, waarvan we hadden kunnen weten dat er opnamen gemaakt werden, toen we de deur binnen stapten hebben we er zelfs mee ingestemd. En als dan blijkt dat die opnamen bewaard en toegankelijk gemaakt worden, dan zijn we daar opeens niet zo blij mee?

Natuurlijk kun je je afvragen wat het betekent dat je eigenaar blijft van je tweets, als Twitter er ook mee kan doen wat hij wil, maar dat had je dus veel eerder (in het geval van Christian zo rond 27 oktober 2008) moeten bedenken. Vervelend, maar kleine lettertjes zijn er om gelezen te worden.

Elvedebe schrijft in haar bericht dat sommigen met context bedoelen dat "de raadpleger in de toekomst precies hetzelfde moet zien als de gebruiker nu."

En als ik nu een oude tweet van iemand opzoek ziet de achtergrond er qua opmaak waarschijnlijk ook al weer anders uit, nog afgezien van alle updates van hootsuite, twitbird en echofon (om er maar een paar te noemen) die we inmiddels gehad hebben. Totaal onbelangrijk voor de historische sensatie.

Wat dit betreft heeft Elvedebe gelijk: de vorm van een twitterbericht is volledig ondergeschikt aan de inhoud.

Het tweede voorbeeld van context waar ze naar verwijst zijn links die zouden moeten blijven werken, opdat het mogelijk blijft een conversatie te kunnen volgen. Maar het lijkt haar niet nodig om ook de links naar externe websites te kunnen reconstrueren. Later nuanceerde ze dit nog een beetje trouwens.

Maar context is veel meer dan alleen "[d]e onderlinge samenhang tussen verschillende stukken in een archief, de samenhang van diverse overheidsdiensten en bedrijven, en dus van administraties inderdaad."

Twee voorbeelden om het wat te verduidelijken, eentje over e-mail, eentje over een prins.

"Well done"
Deze twee woorden in een e-mail kostten Veiligheidsadviseur John Pointdexter in 1986 zijn baan in het Witte Huis. De e-mail was gericht aan Oliver North naar aanleiding van zijn valse verklaringen voor een onderzoekscommissie over illegale wapenleveranties.
De betekenis van deze twee woorden, kun je alleen op volledige waarde schatten als je de context weet: wie heeft het bericht wanneer en naar aanleiding waarvan naar wie gestuurd.
Als het bericht vier weken eerder was verzonden, dan had Pointdexter North misschien wel gefeliciteerd met een uitzonderlijk goed potje golf. Of als afzender en ontvanger anders zijn, gaat het misschien over iemand die een deur recht gehangen heeft, waardoor deze niet meer klemt.

Een prins
Een paar jaar geleden lag een kroonprins onder vuur, omdat hij van plan was te gaan trouwen met de dochter van een man die onderminister was in een totalitair regime. In een poging wat olie op de golven te gooien verwees de prins tijdens een bezoek aan New York naar een 'open bron', die een ander licht op de discussie zou werpen. Dat de prins hier "een beetje dom was" is alleen te begrijpen als je weet wie de auteur was van de ingezonden brief waar hij naar verwees.

Context heeft dus niet of nauwelijks iets met vorm te maken. Het gaat om alles wat nodig is om een document te kunnen begrijpen. Voor Twitter kan dit dus van alles zijn: Wie was de Tweep? Wanneer werd het getwitterd? Welke servcie werd gebruikt (zat de Tweep achter een PC of gebruikte hij een smart phone)? Waar was de tweep toen hij zijn bericht verstuurde? Reageerde hij op een ander bericht en reageerde iemand anders nog op dit bericht? Naar welke website werd in het bericht verwezen?

En zeg nu zelf, het bijzondere van onderstaande dialoog zie je toch alleen als je weet wie en wat VincentVQ is?

VincentVQ Moet morgen nr Granada vr Telecom-overleg met Europese ministers. Zal Iberia vliegen uit Brussel? Geven vliegmaatschpijen info via Twitter?
2:17 PM Apr 17th via Tweetie

librarianbe @VincentVQ Iberia zit via @Iberiairlines op Twitter. Ook berichten over de aswolk, maar wel allemaal in het Spaans.
2:22 PM Apr 17th via TweetDeck in reply to VincentVQ

librarianbe @VincentVQ Volgens Iberia.com zou de vroegste vlucht naar Grenada vanuit Brussel op maandag zijn.
2:30 PM Apr 17th via TweetDeck in reply to VincentVQ

VincentVQ @librarianbe Hoe laat?
2:52 PM Apr 17th via Tweetie in reply to librarianbe

librarianbe @VincentVQ Kortste vlucht (altijd overstappen in Madrid): 15:00 Brussels (BRU) 17:20 Madrid (MAD) 18:35 Madrid (MAD) 19:35 Granada (GRX).
2:57 PM Apr 17th via TweetDeck in reply to VincentVQ

librarianbe @VincentVQ Brussel-Madrid Flight IB3197 en Madrid-Granada Flight IB270.
3:00 PM Apr 17th via TweetDeck in reply to VincentVQ

VincentVQ @librarianbe Tx. Dus die vlucht gaat morgen/zondag niet door?
3:12 PM Apr 17th via Tweetie in reply to librarianbe

Plaatjes:
alan cleaver, Privacy
Daniel Eizans, Context