http://www.archive.org/index.html

Dokonalá orientácia na internet a schopnosť v čo najkratšom čase získať všetky požadované informácie sú snom každého používateľa internetu. Napriek bohatosti vyhľadávacieho softvéru, ktorý prístup k požadovaným informáciám uľahčuje, chýba nám nastolenie určitého vnútorného internetového poriadku, ktorý by zjednodušil dosť komplikované prehľadávanie svetového webu, ako aj okamžité hodnotenie kvality získaných informačných zdrojov, ktorá je až príliš často predmetom polemík.

Žiadané a kvalitné informácie sa stávajú obsahom tematicky zameraných informačných internetových brán. Súčasťou týchto brán bývajú aj virtuálne knižnice dokumentov. Podoba stránok vystavených na internete však nie je trvalá. Stránky podliehajú zmenám, úpravám, zrušeniu. Optimálne sprístupnenie dokumentov preto nespočíva v podobe odkazov priamo na ich internetové zdroje, ale vhodnejšie je zaujímavé materiály umiestniť (skopírovať) na vlastný server, kde môžu byť archivované a sprístupňované ľubovoľne dlhé obdobie bez ohľadu na “osud” ich pôvodného zdroja.

Na tejto báze pracuje aj Internet archive, ktorý si však kladie za cieľ oveľa viac ako len vytvorenie virtuálnej knižnice lokálneho či rezortného významu. Jeho cieľom je archivovať celý verejne prístupný obsah svetového internetu tak, aby bolo možné nájsť aj tie stránky, ktoré boli medzičasom zrušené alebo premiestnené. Projekt realizuje spoločnosť Internet Archive z amerického San Francisca. V spolupráci s firmou Alexa Internet bola vytvorená vyhľadávacia služba Wayback Machine, ktorá umožňuje archív prehľadávať. Autori uvádzajú, že v archíve sa v súčasnosti nachádza asi 10 miliárd stránok.

Súčasťou Internet Archive sú aj vyčlenené samostatné tematické zbierky:

• Prezidentské voľby v roku 2000
• Teroristický útok 11. 9. 2001
• Filmy natočené od roku 1903
• Inštitúcie, ktoré publikovali na internete od jeho prvopočiatkov (napr. NASA, Biely Dom, Yahoo...)

Našou snahou bolo vlastnosti archívu dôkladne otestovať a nájsť nielen nesporné pozitíva projektu, ale aj jeho slabé stránky. Archív je tvorený od roku 1996 a ako hlavné vyhľadávacie kritérium slúži internetová adresa, ktorú možno doplniť požiadavkou na niektorý zo spracovávaných rokov. Vecné vyhľadávanie, ktoré by sa žiadalo hlavne v prípade, že presné URL nevieme, nie je v systéme zabudované. Internetovú adresu treba zadať presne, systém pozitívne reagoval len na vynechanie textu www.

Najčastejšie používaný spôsob, ako otestovať svetovosť archívu, je vyhľadanie niektorej z celosvetového hľadiska nevýznamnej slovenskej adresy, najlepšie vlastnej (v duchu príslovečnej slovenskej skromnosti...). Tu internetový archív obstál na jednotku. Našiel adresu Centra vedecko-technických informácií SR pod aktuálnou i starou doménou.

Ďalšou zaujímavou požiadavkou bolo zistiť frekvenciu aktualizácie archívu. Najlepším testovacím materiálom na tento účel je denná tlač. Archív obsahuje aj URL slovenskej dennej tlače, napríklad SME a Pravda. Pri analýze stránok týchto denníkov zistíme, že (prakticky) denná aktualizácia je vykonávaná asi od septembra 2001. Od roku 2000 bola vykonávaná aktualizácia zrejme len niekoľkokrát mesačne a s najväčšou pravdepodobnosťou bez testovania zmien na stránke. Testovanie, či systém reaguje na to, či na stránke od posledného archivovania nastali nejaké zmeny, sme uskutočnili na adrese zrušeného denníka Slovenská Republika. Dôkazom je priebežné zobrazovanie stránok až do konca septembra 2001 napriek tomu, že denník bol v novembri 2000 zrušený a odvtedy sa na jeho URL nachádza jedna a tá istá informácia. V archíve sa teda vyskytujú aj duplicitné informácie.

Architektúra Internet Archive

Niektoré stránky nie sú kompletne zrekonštruované, alebo k vyhľadanej linke v archíve chýba zdrojový súbor (hľadaná stránka). Týka sa to napríklad v súčasnosti už neexistujúcej stránky www.theinfocentre.com, ktorá poslúžila CVTI SR ako zdroj freeware Websis, na základe ktorého bol vybudovaný náš webový katalóg. Žiaľ, táto stránka sa ani v jednej staršej verzii v archíve nenachádza kompletná. Nie je tiež možné z archívu zistiť, kam sa na nej uvedené informácie premiestnili. (Treba poznamenať, že softvér Websis sa skutočne premiestnil a opäť je k dispozícii, čo sme však zistili iným spôsobom než prehľadávaním internetu.)

Ani vyhľadávač Internet Archive nie je všemocný. Otázka, ako “dostať” svoju dosiaľ nezaradenú stránku do internetu, alebo naopak, ako stránku z archívu vyradiť, ale aj odpovede na mnohé iné často formulované otázky k jednotlivým zbierkam možno nájsť v rubrike Frequently asked questions, ktorá existuje ku všetkým tematickým “subbázam”.

Zaželajme tvorcom tohto ambiciózneho projektu nevysychajúci zdroj energie (a štedrých sponzorov), aby sa im podarilo doviesť ho do maximálne možnej dokonalosti. Nech slúži nielen ako kuriozita, ale aby sa stal základným informačným a archívnym zdrojom nielen pre radových internetových “surferov”, ale aj pre tvorcov informačných portálov. V priebehu rokov by projekt budovaný na báze archivácie “historických” dokumentov (zaujímavé by boli nielen virtuálne), mohol ašpirovať aj na označenie svetového internetového múzea či skanzenu, ktorého potreba vytvorenia bude rásť priamo úmerne k dĺžke existencie internetu a k rozsahu a hĺbke zmien, ktorými tento fenomén posledného desaťročia od svojich počiatkov prešiel a ešte prejde.

Celkom na záver uvedieme jeden technický údaj, ktorý nepoteší výhradných obdivovateľov softvérovej platformy Windows. Projekt Internet Archive využíva niekoľko sto serverov s 512 MB RAM a diskami s kapacitou 300 GB. Servery fungujú pod operačným systémom Linux...

Literatúra:

http://www.archive.org/index.html

http://www.ikaros.ff.cuni.cz/2001/c12/archive.htm: Vojtášek, F.: Archív celosvetového webu zpřístupněn. In: Ikaros [online]. č. 12/2001.

Ing. D. Zendulková,
CVTI SR v Bratislave,
danica@tbb5.cvtisr.sk

http://www.cvtisr.sk/itlib/itlib021/celosvet.htm
ITlib. Informačné technológie a knižnice