Internetarkæologer rekonstruerer tabte websider

Internettet er ved at forsvinde. Og med det følger en vigtig del af vores nedtegnede historie. Det var konklusionen på en undersøgelse, som denne blog kiggede på sidste år, som målte den hastighed, hvormed links delt over sociale medieplatforme såsom Twitter forsvandt.

Konklusionen var, at disse data går tabt med en hastighed på 11 procent inden for et år og 27 procent inden for to år.

I dag afslører forskerne bag dette arbejde, at alt ikke er tabt. Hany SalahEldeen og Michael Nelson ved Old Dominion University i Norfolk, Virginia, har fundet en måde at rekonstruere slettet materiale og sige, at det fungerer rimeligt godt.

Først lidt baggrund. Disse fyre begyndte deres arbejde med at studere de tusindvis af tweets, blogindlæg og andre ressourcer, der blev offentliggjort i løbet af de 18 dages oprør i den egyptiske revolution i 2011. Disse ressourcer var vigtige, siger de, fordi de giver en værdifuld optegnelse over en historisk begivenhed.

Men de opdagede også, at nogle af disse indlæg og andre på nettet var ved at forsvinde og begyndte at måle den hastighed, hvormed de forsvandt. Derfor tallene ovenfor.

Det nye arbejde er deres forsøg på at rekonstruere disse manglende indlæg og ressourcer, i det mindste delvist, ud fra de spor, de efterlader på nettet.

SalahEldeen og Nelson begyndte med at forsøge at bekræfte de tidligere resultater, og det gav en overraskelse. Et interessant fænomen opstod, da flere af de ressourcer, der tidligere var erklæret savnede, blev tilgængelige igen, fortæller de.

Det er muligt, hvis den oprindelige forsvinden var resultatet af et forstyrret domæne eller et arkiv, der senere blev gendannet, eller en brugerkonto, der var blevet suspenderet og senere genindsat.

Så SalahEldeen og Nelson undrede sig over, hvordan det kunne være muligt at finde dette genopståede materiale, selv når det ikke længere er i dets oprindelige cyberkvarter. De påpeger, at de fleste delte ressourcer efterlader spor andre steder på nettet, såsom retweets, hashtags, kommentarer og så videre.

Idéen, som SalahEldeen og Nelson kom med, var at forsøge at rekonstruere en manglende ressource ved at søge efter de spor, der er efterladt på nettet. Til det brugte de Twitter-søgemaskinen Topsy, som giver dem mulighed for at indtaste adressen på en manglende ressource og returnere de tweets, der henviser til den. Dette er ressourcens tweet-signatur.

De udtrækker derefter de fem mest hyppige termer i denne signatur og bruger dem som en søgeforespørgsel i Google. Resultatet er en liste over potentielle erstatninger for den tabte ressource.

Et vigtigt spørgsmål er naturligvis, hvor tæt udskiftningskandidaterne matcher den oprindelige ressource. For at teste dette gennemførte SalahEldeen og Nelson den samme proces for ressourcer, der ikke var forsvundet, og sammenlignede derefter erstatningskandidaterne med originalerne. De siger, at erstatningerne havde en tekstlig lighed på 70 % med den oprindelige ressource omkring 40 % af tiden.

Ikke perfekt, selvfølgelig, men bedre end ingenting. Og måske med tiden bliver det muligt at gøre det bedre.

Det interessante er, at denne proces er en slags internetarkæologi, der rekonstruerer en historisk webside ud fra den kontekst, hvori den fandt sted. Det er en fascinerende ny disciplin.

I den virkelige verden er arkæologer og antropologer blevet meget dygtige til at rekonstruere naturhistorien på denne måde. De konklusioner, der kan drages fra opdagelsen og analysen af ​​en enkelt tand, for eksempel, er virkelig forbløffende.

Der er ingen grund til, at internetarkæologer ikke kan blive lige så dygtige.

Ref: arxiv.org/abs/1309.2648 : Resurrecting My Revolution: Brug af Social Link Neighborhood til at bringe kontekst til det forsvindende web

skjule