Internet Archive

Da Wikipedia, l'enciclopedia libera.

Coordinate: 37°46′56.28″N 122°28′17.76″W / 37.7823°N 122.4716°W37.7823; -122.4716

Internet Archive
Internet Archive
Tipo ONG
Fondazione 1996
Sede centrale Stati Uniti San Francisco
Area di azione Preservazione digitale
Presidente Brewster Kahle
Sito web
Internet Archive ha avuto sede nel Presidio of San Francisco, una ex base militare degli Stati Uniti a San Francisco, dal 1996 al 2009
La nuova sede di Internet Archive dal novembre 2009, al 300 di Funston a San Francisco, un'ex chiesa cristiana scientista
Il logo di Wayback Machine, usato da novembre 2001
Mirror di Internet Archive alla Bibliotheca Alexandrina, Egitto

Internet Archive è una biblioteca digitale non profit che ha lo scopo dichiarato di consentire un "accesso universale alla conoscenza"[1][2]. Essa offre uno spazio digitale permanente per l'accesso a collezioni di materiale digitale che include, tra l'altro, siti web, audio, immagini in movimento (video) e libri. Internet Archive fu fondato da Brewster Kahle nel 1996 e fa parte della IIPC (International Internet Preservation Consortium).[3] In aggiunta alla sua funzione primaria di archiviazione, Internet Archive è un'organizzazione attivista che si batte per una Internet libera ed aperta ed è un'associazione non profit riconosciuta ufficialmente negli Stati Uniti d'America.

Gli uffici amministrativi hanno sede a San Francisco mentre i data center sono collocati a San Francisco, a Redwood City, e a Mountain View, in California. La più massiccia collezione digitale della biblioteca è l'archivio web, una sorta di raccolta di "fermi immagine" del World Wide Web catalogati secondo la data di acquisizione. Per assicurare la stabilità e la sicurezza dei dati archiviati, l'intera collezione ha un mirror nei server della Bibliotheca Alexandrina in Egitto. L'archivio permette al pubblico il caricamento e lo scaricamento di materiale digitale da e verso i suoi server a costo zero. Esso inoltre permette l'accesso ad uno dei più vasti progetti di archiviazione digitale di libri esistente, è parte della American Library Association ed è ufficialmente riconosciuto dallo stato della California come biblioteca pubblica.[4] La società conta 200 dipendenti, molti dei quali impegnati nello scanning di volumi cartacei presso i centri specializzati. L'ufficio principale di San Francisco conta trenta dipendenti. Internet Archive ha un budget annuale di circa 10 milioni di dollari derivanti in massima parte da una varietà di fonti: i profitti dei servizi riguardanti il web crawling, collaborazioni varie, sovvenzioni, donazioni, e la Kahle-Austin Foundation.[5]

Secondo il sito web di Internet Archive "molte società danno importanza alla preservazione di artefatti riguardanti la loro eredità culturale. Senza questi artefatti la civiltà non ha memoria e non ha modo di imparare dai propri successi e dai propri fallimenti. La nostra cultura ora produce sempre più artefatti in forma digitale. La missione di Internet Archive è di aiutare a preservare questi artefatti e creare una biblioteca digitale su Internet per ricercatori, storici e studiosi".

Storia[modifica | modifica wikitesto]

Brewster Kahle fondò Internet Archive nel 1996, nello stesso periodo in cui fondò la società Alexa Internet, compagnia impegnata in servizi di web crawling. Internet Archive ha iniziato ad archiviare il World Wide Web dal 1996, ma la collezione non fu accessibile fino al 2001, quando fu sviluppata la Wayback Machine. Nel 1999, Internet Archive si espanse aggiungendo altre raccolte tra cui il Prelinger Archive. L'Internet Archive comprende attualmente, tra l'altro, testi, audio, immagini in movimento, e software. Ospita una serie di altri progetti tra cui un archivio di immagini della NASA, il servizio di indicizzazione Archive-It, e Open Library, un catalogo di volumi editabile tramite un software simile a un wiki.

Progetti[modifica | modifica wikitesto]

Wayback Machine[modifica | modifica wikitesto]

Wayback Machine è l'interfaccia web utilizzata da Internet Archive per l'estrapolazione dagli archivi dei dati riguardanti siti web. I siti archiviati rappresentano una sorta di "fermi immagine" raccolti al momento dell'acquisizione delle pagine tramite il software di indicizzazione di Internet Archive. Il nome "Wayback Machine" deriva dal termine "WABAC Machine" utilizzato in una delle storie della serie animata Rocky e Bullwinkle.[6] Il servizio, grazie allo spider di Alexa, memorizza nel tempo i cambiamenti e le evoluzioni dei diversi siti web. Per i siti minori non ha un frequente caching, ovvero le pagine vengono memorizzate solo raramente.

Si rivela un servizio utile nei seguenti casi:

  • studio dell'evoluzione dei siti Web;
  • recupero di pagine e siti andati persi;
  • ricerca di prove una volta pubblicate e quindi cancellate.

Il servizio permette di accedere a versioni archiviate di pagine web del passato, una sorta di "archivio tridimensionale" secondo le parole di Internet Archive. Milioni di siti web con i rispettivi dati (immagini, testo, documenti collegati, ecc.) sono archiviati in un gigantesco database. Non tutti i siti web sono disponibili a causa della scelta di molti proprietari di siti di escludere i loro siti dall'indicizzazione. Come per tutti i siti basati su dati provenienti da web crawler, inoltre, mancano vaste aree del web per una serie di ragioni tecniche. Diverse problematiche legali riguardanti l'archiviazione e la copertura o meno di siti sono state infine riscontrate negli anni, sebbene queste non siano il risultato di azioni deliberate.[7]

L'uso del termine "Wayback Machine" nel contesto di Internet Archive è diventato così comune che "Wayback Machine" e "Internet Archive" sono quasi sinonimi nella cultura popolare; ad esempio, nella serie televisiva Law and Order: Criminal Intent (nell'episodio "Legacy", andato in onda per la prima volta il 3 agosto 2008, intitolato Amore virtuale nella controparte in italiano), uno dei protagonisti dell'episodio utilizza la "Wayback Machine" per scovare la copia archiviata di un sito web. Le "istantanee" dei siti archiviate durante i vari passaggi del crawler diventano accessibili pubblicamente di solito dopo 6-18 mesi.

Esempi di siti web archiviati da Internet Archive e visualizzati attraverso la Wayback Machine:

Internet Archive utilizza il protocollo Robots Exclusion Standard (attraverso il file robots.txt) per l'esclusione volontaria dei siti dal proprio database. Internet Archive rispetta le direttive del file robots.txt facendo in modo che i bot non indicizzino le pagine. Come risultato, Internet Archive ha reso indisponibili un certo numero di siti web che sono totalmente inaccessibili attraverso la Wayback Machine. L'Internet Archive applica le regole robots.txt con effetto retroattivo; se un sito blocca lo spider di Internet Archive attraverso il file robots.txt, tutte le pagine precedentemente archiviate del dominio sono rese indisponibili. In caso di siti bloccati, solo il file robots.txt è archiviato.

Tuttavia, Internet Archive afferma che "a volte i proprietari di siti ci contattano direttamente chiedendoci di escludere i loro siti dal nostro indice e noi acconsentiamo a queste richieste".[8] "Internet Archive non è interessato a preservare o offrire l'accesso a siti Web o ad altri documenti su Internet di proprietà di persone che non vogliono i loro materiali nella nostra collezione".[9]

Open Library[modifica | modifica wikitesto]

Open Library, fra i cui fondatori si annovera anche l'attivista digitale Aaron Swartz[10] è una biblioteca digitale nata con lo scopo di raccogliere schede per ogni libro mai pubblicato e di catalogarle in un unico database; una sorta di versione open source di WorldCat, nata in contrapposizione al progetto di digitalizzazione Google Books[11] (in italiano, Google Libri). Il progetto nasce nel 2007 e include alcuni milioni di schede catalografiche e libri digitalizzati nel pubblico dominio interamente accessibili e scaricabili.[12] Open Library è un progetto che si basa su software libero e open source, il codice sorgente è interamente accessibile dal sito di riferimento. A partire da giugno 2010 Open Library offre anche un servizio di prestito di ebook svolto in collaborazione col distributore di contenuti digitali statunitense OverDrive e con biblioteche americane [13].

Archive-It[modifica | modifica wikitesto]

Sviluppato nel 2006, Archive-It è un servizio che permette a istituzioni ed entità individuali di costruire e preservare collezione di materiale digitale.[14] Attraverso un'applicazione web, i sottoscrittori del servizio possono raccogliere, catalogare, indicizzare e, nel corso di 24 ore, accedere interamente all'archivio. Le collezioni sono ospitate su server di Internet Archive e accessibili al pubblico tramite ricerche full-text. Tutto il materiale digitale è conservato in duplice copia (una primaria e una di back up), viene periodicamente indicizzato nell'archivio generale di Internet Archive e una copia dei dati può essere mandata ai sottoscrittori su richiesta. Al 2009 Archive-It conta 125 istituzioni partner in 42 stati americani e in 11 nazioni per un totale di 1,5 miliardi di URL e 963 collezioni pubbliche. Le istituzioni che hanno sottoscritto il servizio Archie-It sono in larga parte biblioteche universitarie e di college, archivi di stato, istituzioni federali, musei e organizzazioni culturali, tra cui la Electronic Literature Organization, l'Archivio di Stato della Carolina del Nord, il Texas State Library and Archives Commission, la Stanford University, la National Library of Australia, il Research Libraries Group (RLG), e molti altri.

NASA Images[modifica | modifica wikitesto]

Il progetto NASA Images fu creato grazie ad uno Space Act Agreement tra Internet Archive e la NASA per rendere accessibili al pubblico gli archivi delle immagini, dei video e degli audio prodotti dall'agenzia nel corso degli anni attraverso un singolo archivio interamente indicizzato e fruibile tramite ricerche. Il sito web fu lanciato nel luglio del 2008 ed è arrivato a contenere oltre 100.000 files.

Collezioni di risorse multimediali[modifica | modifica wikitesto]

Oltre agli archivi web, Internet Archive mantiene grosse collezioni di risorse multimediali digitali riconosciute, da chi le ha caricate sul sito, nel pubblico dominio negli Stati Uniti o distribuiti con una licenza che ne rende possibile la redistribuzione libera, come ad esempio le licenze Creative Commons. Le risorse sono classificate a seconda del tipo di media (immagini in movimento, audio, testo) e in altre sotto-classificazioni secondo vari criteri.

Collezione di immagini in movimento[modifica | modifica wikitesto]

La collezione di immagini in movimento (Moving Image Collection) di Internet Archive comprende: cinegiornali; cartoni animati classici; propagande di guerra; il Prelinger Archive, un archivio speciale che contiene materiale considerato "effimero" come film sponsorizzati da aziende e organizzazioni, film didattici e filmati amatoriali, pubblicità e altro materiale i cui diritti d'autore sono scaduti. Le collezioni di risorse digitali sono molte e variano per argomento e fonte di reperimento; la collezione di brickfilm, ad esempio, contiene numerosi film girati in stop-motion con mattoncini Lego; un'altra collezione riguarda le elezioni presidenziali USA del 2004 e la relativa campagna elettorale. La collezione Independent News comprende una serie di raccolte tra cui quella del concorso del 2001 Internet Archive's World At War, per il quale i concorrenti crearono cortometraggi per dimostrare l'importanza dell'accesso alle informazioni e alla storia. L'archivio riguardante l'attacco alle Torri gemelle dell'11 settembre 2001 contiene materiale d'archivio prodotto dai principali network televisivi mondiali sull'evento e andato in onda in diretta quel giorno.

Nelle collezioni di immagini in movimento sono presenti anche versioni originali di film tra cui:

Collezione audio[modifica | modifica wikitesto]

La collezione audio comprende musica, audiolibri, notiziari, vecchie trasmissioni radio e una grande varietà di altri file audio. La collezione Live Music Archive comprende oltre 50.000 registrazioni di concerti di artisti indipendenti e artisti affermati ed ensemble musicali che adottano norme permissive sulla registrazione dei loro concerti, come i Grateful Dead, e gli Smashing Pumpkins.

Collezione di testi[modifica | modifica wikitesto]

Scanner per libri di Internet Archive

La collezione comprende testi di libri digitalizzati da varie biblioteche di tutto il mondo così come molte collezioni speciali. Internet Archive dispone di 23 centri di scansione in cinque paesi, per una digitalizzazione di circa 1.000 libri al giorno, finanziata da biblioteche e fondazioni.[15] Nel novembre 2008, quando c'erano circa 1 milione di testi, l'intera collezione occupava circa 0,5 petabyte, Incluse immagini raw, file PDF, OCR e dati grezzi.[16]

Tra il 2006 e il 2008 Microsoft Corporation instaura un rapporto di collaborazione con Internet Archive attraverso il suo progetto Live Search Books, con la scansione più di 300.000 libri che sono stati aggiunti alla raccolta, nonché con il sostegno finanziario e con le attrezzature di scansione. Il 23 maggio 2008 Microsoft annunciò che avrebbe posto fine al progetto Live Book Search e alla scansione di nuovi libri.[17] Microsoft ha reso i libri digitalizzati disponibili senza restrizioni contrattuali e ha donato la sua attrezzatura di scansione al suo ex partner.

Nell'ottobre del 2007 gli utenti di Internet Archive hanno iniziato il caricamento di libri di dominio pubblico da Google Libri.[18] Dal mese di gennaio 2010 sono stati raccolti 900.000 libri digitalizzati da Google, che rappresentano oltre la metà dei libri totale disponibile su archive.org. I libri sono identici alle copie trovate su Google, e sono disponibili per un uso illimitato e per il downloading, come tutti i materiali Internet Archive.

Internet Archive è un membro della Open Book Alliance, organizzazione che è stata tra le più critiche nei confronti dell'accordo tra l'associazione degli editori americani e Google per la digitalizzazione di libri.

Note[modifica | modifica wikitesto]

  1. ^ (EN) Internet Archive Frequently Asked Questions
  2. ^ (EN) Internet Archive: Universal Access to all Knowledge
  3. ^ (EN) Members (International Internet Preservation Consortium)
  4. ^ (EN) "Internet Archive officially a library", 2 maggio 2007.
  5. ^ (EN) CabinetMagazine.org
  6. ^ (EN) Heather Green, A Library as Big as the World: Brewster Kahle has the technology to assemble the ultimate archive of human knowledge. What's stopping him? Restrictive copyright laws, Business Week Online, 28 febbraio 2002. URL consultato il 25 giugno 2007.
  7. ^ (EN) Thelwall, M. & Vaughan, L. (2004). A fair history of the Web? Examining country balance in the Internet Archive, Library & Information Science Research, 26(2), 162-176.
  8. ^ (EN) Some sites are not available because of Robots.txt or other exclusions.
  9. ^ (EN) How can I remove my site's pages from the Wayback Machine?.
  10. ^ Aaron Swartz Il progetto Open Library.
  11. ^ (EN) Antone Gonsalves, Internet Archive Claims Progress Against Google Library Initiative, InformationWeek, 20 dicembre 2006. URL consultato il 5 gennaio 2007.
  12. ^ (EN) The Open Library Makes Its Online Debut, Chronicle of Higher Education, The Wired Campus, 19 luglio 2007. URL consultato il 26 gennaio 2013 (archiviato dall'url originale il 30 settembre 2007).
  13. ^ Small Moves: Open Library Integrates Digital Lending. URL consultato il 26 gennaio 2013.
  14. ^ (EN) Stefanie Olsen, Preserving the Web one group at a time, CNet News.com, 1º maggio 2006.
  15. ^ (EN) "Books Scanning to be Publicly Funded", annuncio di Brewster Khale, 23 maggio 2008.
  16. ^ (EN) "Bulk Access to OCR for 1 Million Books", via Open Library Blog, by raj, November 24, 2008.
  17. ^ (EN) "Book search winding down", Live Search Blog. Official announcement from Microsoft. Last accessed May 23, 2008.
  18. ^ (EN) Google Books at Internet Archive.

Voci correlate[modifica | modifica wikitesto]

Altri progetti[modifica | modifica wikitesto]

Collegamenti esterni[modifica | modifica wikitesto]

Informatica Portale Informatica: accedi alle voci di Wikipedia che trattano di Informatica