O problemie trwałości edycji cyfrowych - czy marnujemy pieniądze podatnika?

Papier, mimo swojej kruchości i podatności na zniszczenie, jest całkiem trwałym nośnikiem informacji (21). Katastrofy i zawieruchy wojenne doświadczające Polskę nie zdołały unicestwić naszych zbiorów (drukowanych) a wydane w XIX i na poczatku XX wieku tomy z edycjami źródeł historycznych są ciągle dostępne dla badaczy i studentów. Można oczekiwać, że będą również dostępne za lat 50 i 100. Żyjemy jednak w czasach rewolucji informatycznej, która objęła także dziedzinę badań historycznych. Coraz częściej ich wyniki jak i opracowania historyczne dostępne są również w formie cyfrowej. Dotyczy to także dokumentów źródłowych gdzie edycje cyfrowe pojawiają się obok wersji papierowych a czasem nawet zamiast nich. Taka forma interaktywnej prezentacji źródeł znacząco wzbogaca możliwości badań, z powszechnej dostępności w sieci korzysta też szersze grono odbiorców. Czy edycje cyfrowe będą jednak równie trwałe? Czy za 100 lat będzie można korzystać z pracy autorów przygotowujących dziś edycję korespondencji z XVI wieku? Obserwowany dziś paradoks związany z edycjami polega na tym, że źródła historyczne będące przedmiotem opracowań naukowych przetrwały setki lat i prawdopodobnie przetrwają kolejne, ale ich opracowania, przygotowane często w wyniku wieloletnich, kosztownych grantów przez zespoły naukowców i informatyków, nie mają przed sobą tak długiej perspektywy (22). Efemeryczność bytów cyfrowych wzbudza wątpliwości w środowisku naukowym, jak traktować edycje biorąc pod uwagę stabilność cytowań i referencyjność.

Problem trwałości nie dotyczy tylko edycji cyfrowych jako takich, ale także zarządzania danymi badawczymi, trwałości oprogramowania i infrastruktury dla cyfrowej humanistyki. Nie jest rzadkim zjawiskiem znikanie z sieci serwisów, stron i aplikacji, które powstały w wyniku projektów zakończonych kilka - kilkanaście lat temu. Niekiedy aplikacje są dostępne, ale już nie działają poprawnie, np. nie działaja usługi zewnętrzne od których były częściowo zależne (1). Edycja cyfrowa jest przecież czymś więcej niż tekstem - to także dodatkowe dane i kod źródłowy aplikacji, która tekst obsługuje, to serwery i usługi sieciowe dzięki, którym aplikacja działa. Każdy z tych elementów powinien przetrwać by zapewnić istnienie oryginalnej edycji cyfrowej w takiej formie w jakiej została stworzona i udostępniona. By dostarczyć użytkownikowi dokładnie takie doświadczenie korzystania z niej, jakie było zamysłem autorów. Dodatkowo zamysły autorów również cechują się dynamiką, cyfrowość edycji pozwala na ciągłe zmiany oczekiwań, kusi wykorzystywanie pojawiających się nowych możliwości technicznych (25), a to nie ułatwia ich stabilnego utrzymania.

Już kilkanaście lat temu rozpoznano problem długofalowego utrzymania projektów z zakresu humanistyki cyfrowej, wskazując że obejmuje on nie tylko kwestie techniczne, ale też organizacyjne i finansowe (2). Projekt po fazie badawczej, często ma przewidziane wsparcie w utrzymaniu przez parę - kilka lat, ale szanse na wieloletnie przetrwanie istnieją tylko w przypadku oparcia się o stabilną organizację (instytucję) (9). W odróżnieniu od książki drukowanej, gdzie oprócz sytuacji o charakterze katastrofalnym publikacja wydana w dostatecznej liczbie egzemplarzy będzie po prostu istnieć i będzie dostępna, publikacja w formie aplikacji internetowej wymaga ciągłego wsparcia i pielęgnacji. Trwałość edycji cyfrowej oznacza w praktyce jej utrzymanie, czyli jest czymś więcej niż tylko przechowywaniem cyfrowych bytów w sensie plików w znaczeniu opisanym już w standardzie OAIS (Open Archival Information System) (3). Systemy informatyczne mają bowiem tendencję do szybkiego starzenia się, dynamiczny rozwój technologii, ale też zagrożeń dla technologii nie pomaga w spokojnym zapewnianiu stabilnego środowiska dla aplikacji internetowych. Nowe wersje baz danych, serwerów www, języków programowania i frameworków zawierają nie tylko dodatkowe funkcjonalności, ale też poprawki bezpieczeństwa, które należy zainstalować. A nowa wersja oznacza czasem niekompatybilność ze starą co znacznie komplikuje i podraża proces aktualizacji i utrzymania.
Patrząc od drugiej strony - użytkownika edycji cyfrowej, może okazać się że aplikacja działa poprawnie na serwerze, ale dłuższy brak jej aktualizacji spowoduje problemy z korzystaniem z najnowszych wersji przeglądarek www, kwestie kompatybilności, bezpieczeństwa itp.

Na ile poważne jest jednak zjawisko zaniku edycji cyfrowych? Zbadał to i przedstawił w prezentacji (IIPC General Assembly and Web Archiving Conference 2023) (5) Michael Kurzmeier. Wykorzystano katalog edycji Patricka Sahlego, który zawierał wówczas ponad 800 pozycji (6). 85% z nich było dostępnych i jest to dość optymistyczny wynik, sprawdzano jednak głównie status adresu URL a nie funkcjonalność edycji. W nieco wcześniejszym posterze z 2019 roku (32) zbadano, na podstawie tego samego katalogu, średni czas życia edycji, który wyniósł 8.5 roku. Inna praca (7) wskazuje zaś, że można oszacować tempo zaniku edycji cyfrowych na 5% rocznie, a z edycji wydanych przed rokiem 2000 dziś niedostępnych jest między 25% a 50%. W tym samym artykule stwierdzono, że w przypadku edycji cyfrowych nie można uważać za zachowane, edycji zarchiwizowanych przez Internet Archive (Wayback Machine) (8), gdyż ten mechanizm zwykle nie zapisuje plików XML będących często warstwą danych edycji cyfrowych lecz głównie pliki "webowe" jak html czy obrazy. Archiwizacja edycji w innej formie niż pierwotna może prowadzić też do efektu jej "spłaszczenia" jak w przypadku konwersji wydanej początkowo na płytach CD xml-owej edycji "Kodeksu dyplomatycznego Wielkopolski" do formatu HTML (10, 11).

Innym zjawiskiem niż zniknięcie edycji z zasobów internetu jest jej starzenie się technologiczne. Aplikacja działa, zgodnie z pierwotnymi założeniami, ale nie jest już dostosowana do współczesnych urządzeń i oprogramowania. Domyślna wielkość fontów jest zbyt mała, treść zajmuje niewielką część współczesnych ekranów o dużej rozdzielczości, interfejs nie jest zgodny z obecnymi przyzwyczajeniami użytkowników. Edycja jest dostępna, działa, ale korzystanie z niej staje się mniej wygodne dla użytkowników (13). Często technologiczne starzenie się prowadzi w końcu do zaniku projektu, ale wpływ na to może mieć cały splot czynników - pogłębiający się dług technologiczny, odejście członków projektu z instytucji utrzymującej projekt czy wreszcie upadek samej instytucji (15). Wystarczą zresztą zmiany organizacyjne w instytucji, zmiana adresu serwisu, to już może powodować trudności w dostępie do edycji. "Wymieranie linków" jest jedną z plag cyfrowych treści dostępnych w internecie, inną "dryf treści", gdy cytowana edycja w trakcie swojego rozwoju zmienia swoją strukturę lub treść (26).

Jak zachować edycję cyfrową?

Niemiecki Institut für Dokumentologie und Editorik wydał w 2022 roku manifest dotyczący tworzenia i konserwacji edycji cyfrowych. Podnosi w nim m.in., że "praca redakcyjna nie kończy się wraz z publikacją ... istotne jest zobowiązanie do trwałego zachowania wydań cyfrowych i zapewnienia ich dostępności. ... Niezbędne zasoby ludzkie, instytucjonalne i finansowe muszą być również odpowiednio przydzielone na długoterminową archiwizację i długoterminową dostępność." (14).

Projekt Endings (4) prowadzony na Uniwersytecie Wiktorii w Kanadzie, zajął się właśnie tym problemem: zachowania, w długiej perspektywie, projektów humanistyki cyfrowej. Zauważono bowiem, że nasze współczesne zdolności tworzenia treści, materiałów cyfrowych, przewyższają nasze zdolności do ich zachowania. Szczególnie więc w przypadku cyfrowej humanistyki należy wypracować metody i technologie ich zabezpieczenia, archiwizowania jak i zapewnienia długoterminowej użyteczności. W efekcie powstały liczne zalecenia i propozycje, strategie tworzenia oprogramowania i przechowywania projektów cyfrowych, które nie tylko zachowają pliki, ale też zapewnią zachowanie dynamicznego charakteru projektów cyfrowych. Opracowane zasady dotyczą:

  • - danych: przechowywanie wyłącznie w otwartych standardach, w wersjonowanych repozytoriach,
  • - dokumentacji: bardzo istotne jest udokumentowanie stosowanych modeli danych,
  • - niskiej zależności zewnętrznej wytwarzanego oprogramowania, w miarę możliwości preferowane są np. statyczne strony internetowe, brak oprogramowania po stronie serwera
  • - unikania niszowych i modnych technologii,
  • - prostej struktury aplikacji,
  • - czytelnego i konsekwentnego zarządzania wydaniami produktu - aplikacji np. edycji cyfrowej.

Oltmanns (1) określił w 2019 roku cztery poziomy zachowania edycji cyfrowej:

  • 1. ciągła konserwacja - pełne utrzymanie działającej aplikacji edycji cyfrowej wraz z jej środowiskiem i infrastrukturą, co jest poziomem najtrudniejszym, oznaczającym zapewnienie i finansowania i organizacji prac nad de facto rozwojem technicznym aplikacji tak by nadążała za zmianami technologicznymi informatycznego otoczenia.
  • 2. Konserwacja aplikacji, w sensie utrzymania środowiska aplikacji w wirtualnym kontenerze (docker lub pełna maszyna wirtualna), co w pewnym horyzoncie czasowym (5-10 lat) zapewni działanie edycji bez konieczności jej modyfikacji, aktualizacji. Rodzi to jednak pytania o kwestię bezpieczeństwa.
  • 3. Konserwacja danych aplikacji - w tym wariancie przetrwanie zapewnione jest tylko na poziomie danych, które pozostają dostępne mimo ewentualnego braku działającej edycji. Dane powinny być dostępne zgodnie z zasadami FAIR, oraz poddawane konserwacji w razie potrzeby np. migracji formatów danych z przestarzałego formatu do nowego.
  • 4. Zachowanie edycji w formie strumienia bitów - zapewnia przechowanie zamrożonego kodu aplikacji, danych, konfiguracji, najlepiej w wielu kopiach w różnych miejscach, tak by było możliwe w przyszłości odtworzenie edycji.

Można zauważyć, że w zaleceniach dotyczących zachowania edycji cyfrowej przebijają się głównie dwa kierunki: zachowanie pełnej działającej aplikacji będącej edycją cyfrową, oraz zachowanie najważniejszej części edycji - czyli danych. Rozsądnym kompromisem może być utrwalenie danych, źródeł aplikacji, konfiguracji i szczegółowej dokumentacji z nadzieją, że będzie możliwe odtworzenie funkcjonalności edycji. Trzeba jednak pamiętać o zjawisku zanikania wiedzy - za kilkadziesiąt lat znalezienie specjalistów od danej technologii moźe być trudne, co pokazują problemy NASA ze sterowaniem sond Voyager (17).

Minimalizacja zawiłości technicznej i statyczność publikacji 23 są jednym ze sposobów na ograniczenie ryzyka jej zaniku i wydłużenie okresu funkcjonowania edycji jako pełnej działającej aplikacji. Jednym z możliwych rozwiązań było ograniczanie się do podstawowych technologii w rodzaju HTML, XML i prostych funkcji Javascript. To zwykle oznaczało pogodzenie się z mniejszym lub większym kompromisem co do funkcjonalności edycji, decyzję które z nich są absolutnie niezbędne a które nie, zwykle krytycznym elementem są możliwości przeszukiwania i filtrowania (27). Jedno z możliwych rozwiązań zaproponował zespół projektu Endings w formie narzędzia staticSearchGenerator (29). Być może jednak "Minimal computing is the answer. Minimal computing is easy..." jak pisze Roopika Risam(28) jest właściwym rozwiązaniem? Zapewne minimalistyczne podejście jest też bardziej etyczne, ze względu na zużywania mniejszych zasobów środowiska.
Typowa współczesna edycja cyfrowa zwykle jednak przeczy zasadzie minimalizmu i składa się z wielu warstw: danych, bazy danych, oprogramowania serwerowego, interfejsu użytkownika, mechanizmu przeszukiwania danych, infrastruktury sieciowej. Całkowicie minimalne podejście do zachowywania edycji oznacza zachowanie samych danych, które są jej podstawą i mogą w przyszłości posłużyć do stworzenia nowej edycji, być może w podobnej formie i z podobną funkcjonalnością.

Standardem danych w przypadku edycji jest xml-owy format TEI, wprowadzony po raz pierwszy w 1988 roku. Celem TEI było tworzenie transkrypcji niezależnych od konkretnej aplikacji i odpornych na zmianę technologii. Samo TEI Consortium podkreśla, że TEI stanowi jak dotąd najbardziej systematyczną próbę stworzenia standardów dotyczących dziedzictwa naukowego w zmieniającej się kulturze cyfrowej (18). TEI zapewnia zachowanie tekstu, danych semantycznych, naukowego opracowania manuskryptu, pozwala więc na przechowanie samego rdzenia edycji cyfrowej. TEI jest jednak standardem ogromnym i skomplikowanym, dlatego szczególnie cenne jest stosowanie odpowiednich praktyk normalizacji i dokumentacji (20). Trzeba też uczciwie zauważyć, że tak jak oprogramowanie, również standardy takie jak TEI podlegają ewolucji, przejście z TEI P4 na P5 okazało się wyzwaniem dla wielu projektów opartych na starszej wersji standardu (24).

Jednym z problemów utrudniających wieloletnie utrzymanie edycji jest duża zmienność oprogramowania używanego do ich obsługi, często są to projekty DIY, nawet jeżeli z publicznie dostępnym kodem i dokumentacją, to i tak stanowi to pewną barierę i stwarza zagrożenie dla trwałości edycji. Dlatego popularnym rozwiązaniem stała się platforma tworzenia i prezentacji edycji - TEI Publisher, narzędzie otwarte, budowane z udziałem i wsparciem społeczności, oparte na TEI i XML. System ten z założenia miał zapewnić pewną standaryzację projektów cyfrowych edycji, czy możliwość wielokrotnego użycia komponentów programistycznych bez inwestowania w ich tworzenie od nowa, a w efekcie rozwiązać problem stabilnego utrzymania edycji. Standaryzacja platformy tworzenia edycji nie zapewnia jednak automatycznie rozwiązania problemu starzenia się oprogramowania. TEI Publisher także zmienia się i rozwija, dlatego wymaga migracji i aktualizacji a oparty jest na xml-owej obiektowej bazie danych eXist-db, która nie jest ani prostym ani powszechnie znanym narzędziem. TEI Publisher jako popularny framework będzie zapewne rozwiązaniem trwalszym niż autorskie projekty przygotowane dla konkretnej edycji (19), narzuca jednak pewną wizję i sposób tworzenia publikacji, która nie musi odpowiadać wszystkim twórcom edycji cyfrowych.

Najtrwalszą edycją cyfrową nie będzie ta, która ma najbardziej efektowną aplikację, lecz ta, która dobrze rozdziela warstwę danych od warstwy prezentacji i umożliwia zachowanie obu, choćby osobnymi metodami. Dla obu warstw istotne jest trzymanie się uznanych standardów i obszerna dokumentacja. Samą dostępność i utrzymywanie edycji należy zaś traktować jako pełnoprawny rezultat projektu cyfrowej edycji, a nie uboczny detal techniczny (7).

A może rozwiązanie problemu trwałości edycji cyfrowych nie tkwi w oprogramowaniu lecz w sprzęcie? Projekt QUEDEE zaproponowany przez Jorisa van Zunderta, wychodzi właśnie z takich założeń. Obecna infrastruktura cyfrowa, usługi chmurowe zapewniane przez placówki badawcze i edukacyjne wcale nie muszą trwać wiecznie, opieranie się na nich jako podstawie edycji cyfrowej może być błędem. Pomysł jest długoterminowym, eksperymentalnym przedsięwzięciem, którego celem jest sprawdzenie, czy można stworzyć edycję cyfrową bardziej zbliżoną trwałością do książki niż do typowej aplikacji internetowej. W tym celu edycja nie może być aplikacją, lecz urządzeniem, opartym na Raspberry Pi, z niewielkim ekranem dotykowym. QUEDEE ma udostępniać edycję także przez własną sieć WiFi, co jest jednym z elementów zaprojektowanej obsługi kontrolowanego pogarszania się funkcjonalności urządzenia. Jeżeli, po latach, przestanie działać ekran możliwe będzie ciągle zdalne korzystanie z edycji. Inne elementy tej samej obsługi to duplikaty kart pamięci zawierających edycję, wbudowane panele słoneczne do niezależnego ładowania urządzenia. Cała propozycja jest swego rodzaju prowokacją, która może pobudzić i rozszerzyć dyskusję na temat czy edycja cyfrowa może stać się trwałym obiektem kultury, porównywalnym z książką (30).

Wspomniany projekt porusza szerszy problem, nie chodzi bowiem o trwałość pojedynczych edycji cyfrowych, ale trwałość infrastruktury cyfrowej na których te edycje się opierają. Granty naukowe przewidują często jakiś okres finansowania utrzymania efektów grantu, choćby w postaci cyfrowej edycji, ale powstaje pytanie co po tych 3-5 latach? Bez trwałego finansowania nie można utrzymać działania instytucji naukowej, bez stabilnego finansowania nie da się utrzymać infrastruktury cyfrowej tej instytucji, a bez stabilnej infrastruktury cyfrowej nie będzie mowy o trwałości edycji cyfrowych. Przy czym przez infrastrukturę należy rozumieć nie tylko sprzęt, oprogramowanie i prąd, ale także kompetentny personel, który będzie w stanie tą infrastrukturę utrzymać i pielęgnować (31).

Podsumowanie

Czy liczne problemy dotyczące utrzymania edycji cyfrowych powodują, że nie mają one sensu? Oczywiście że nie, nie taki był cel tych rozważań. Faktem jest, że zapewnienie długotrwałego przetrwania edycji cyfrowej jest obecnie wyzwaniem. Mogą pomóc w tym opracowywane zasady i wskazówki, wynikające z doświadczeń ostatnich dwudziestu kilku lat. Celem edycji cyfrowej nie jest prosta digitalizacja wersji papierowej. Edycja cyfrowa może i powinna wnosić więcej, mając do tego technologiczne możliwości znacznie wzbogacające i ułatwiające użytkownikowi korzystanie z takiej formy opracowania źródła. Ta użyteczność bywa przywoływana (16) jako powód, dla którego wersje elektroniczne edycji będą wypierać te tradycyjne. Ale trwałość edycji cyfrowej jest obecnie zdecydowanie mniejsza niż jej papierowej odpowiedniczki. Odmienność sytuacji drukowanej edycji i cyfrowej polega m.in. na tym, że wersja cyfrowa utrzymywana jest zwykle w jednym miejscu (serwerze) skąd jest dostępna dla bardzo wielu odbiorców z całego świata, zaś wersja drukowana ma wiele egzemplarzy (choć jest to liczba ograniczona), do których trzeba jednak osobiście dotrzeć (choć obecnie mamy też formę pośrednią czyli zdigitalizowane kopie wersji papierowej na przykład w formie PDF). W konsekwencji wyłączenie lub zniszczenie serwera, na którym działała edycja cyfrowa oznacza całkowitą jej niedostępność (lub dostępność szczątkową, jeżeli istnieje archiwum choćby danych edycji), zaś zniszczenie egzemplarza książki drukowanej oznacza, że pozostaną jej inne, identyczne kopie. Inny aspekt to ten finansowy, koszt utrzymania edycji cyfrowej po wytworzeniu może być niebagatelny, zaś jednostkowy koszt utrzymania papierowej książki jest niewielki (32).
A nawiązując do tytułu tego artykułu, to nie tworzenie cyfrowych edycji jest marnowaniem pieniędzy podatnika, ale może nim być rezygnacja z tradycyjnej, papierowej wersji edycji, przynajmniej dopóki nie powstaną standardy umożliwiające zabezpieczenie przetrwania edycji cyfrowych przez kolejne 100 czy 150 lat. Tymczasem pozostaje nam doskonalenie metod i wytycznych dotyczących przygotowywania "długotrwałych" edycji i ich przestrzeganie. Oczywiście lepsze finansowanie utrzymania wyników projektów z zakresu cyfrowej humanistyki również nie zaszkodzi.

Piotr Jaskulski
(poglądy wyrażone we wpisie są oczywiście poglądami
autora a nie całej Pracowni Historii Cyfrowej)

Bibliografia: