The Theory and Craft of Digital Preservation

de reproducir dicho contenido, que pueden o no importarle a un usuario particular en un caso de uso particular.

Esto significa que los profesionales de la preservación digital tienen que, para empezar, estar de acuerlo con decir "Aquí está, tómalo". Incluso si no saben cómo abrir determinado archivo, los usuarios pueden explorarlo en un editor hexadecimal y leer la metadata embebida en él. En el nivel más básico, la norma tendría que ser proporcionar acceso en el sitio a los materiales digitales. Con esa consideración, se requiere pensar un poco más en las posibilidades de acceso que proporciona la red abierta.

La tiranía del sistema de descubrimiento

Antes de abordar cuestiones entorno a las restricciones de acceso, primero quiero abordar la cuestión de las interfaces y sistemas de descubrimiento. Para quienes trabajan en instituciones de patrimonio cultural, la pregunta sobre acceso se resuelve con lo que sea que ofrezca el sistema que usan. De modo que si se realiza un proyecto de colección usando Omeka, Omeka permite proporcionar acceso a cada elemento a través de su interfaz. De forma similar, si se usa DSpace como sistema de repositorio entonces se incluye una interfaz para el usuario final. En cualquier caso, hay que usar lo que esté al alcance. Sin embargo, no hay que permitir que estos sistemas se anticipen a la imaginación respecto a cuál podría ser el mejor modo de propocionar acceso al contenido.

No hay que permitir que la funcionalidad de un sistema sea el principal motor respecto a las decisiones sobre la descripción y organización del contenido. Volviendo al ejemplo del archivo de 4Chan, la página de dicha colección en el repositorio de Stanford se parece mucho a una página de objeto pero en realidad es una descripción de la colección entera. Hoy en día, cualquier sistema de descubrimiento en uso es temporal. En tres años o en una década habrá un nuevo sistema, y no se deben tomar decisiones significativas respecto a lo que se hará a largo plazo basándose en el conjunto de funciones de una aplicación. Con ese fin, resulta muy simple proceder y publicar en línea el contenido que se tiene, ya sea en directorios o en páginas HTML muy simples y después integrar eso con cualquiera de los sistemas que de otro modo se usarían.

Para seguir con la idea del acceso multimodal, si se proporciona un sistema de descubrimiento con el cual trabajar, este debe proporcionar el punto de referencia y modo de acceso iniciales. De cualquier forma, no hay que pensarlo como el único modo en el que se usará el contenido. Se trata simplemente del medio para un fin en el presente. Con esa consideración, regresaré a la reflexión entorno a las oportunidades de acceso fuera de cualquier sistema o infraestructura particulares.

Las posibilidades y problemas de la red abierta

La red es una plataforma de acceso maravillosa. El contenido que se publica en internet se vuelve globalmente accesible casi de inmediato. Resulta difícil medir qué tan masivo puede ser el impacto que esto ha tenido y sigue teniendo en el acceso al patrimonio cultural material.

Un archivista puede tener una colección de 10,000 documentos de procesadores de texto, procesarlos para pasarlos a HTML, subirlos a la red con una estructura de vínculos simple para que un motor de búsqueda los indexe. Como resultado se obtiene acceso rápido y descubrimiento global del contenido. En esta etapa, si alguien hace una búsqueda en Google con el nombre de una persona misteriosa puede llegar directamente al documento número 3,587 en donde se menciona a esta persona.

Este tipo de descubrimiento de contenido es transformativo. Esto habría sido materia de ciencia ficción antes de que el internet lo volviera una parte de nuestra vida cotidiana. De cualquier modo, este tipo de descubrimiento requiere que seamos considerablemente más reflexivos de lo que hemos sido en el pasado respecto a los tipos de efectos que puede tener este tipo de acceso inmediado a la información. En el

pasado, ese nombre de la persona individual presente en una página de un documento en un archivo habría sido accesible para cualquiera que 1) de alguna forma supiese buscar en dicha colección aunque el nombre de la persona ni siquiera estuviera descrito en los metadatos de la colección y 2) después fuese físicamente al archivo y repasara toda la colección para encontrarlo. El esfuerzo que se requería para obtener acceso a algo de esta manera era una forma de privacidad a través del oscurantismo. Como resultado, es imperativo que quienes administran las colecciones digitales sean más conscientes acerca de las cuestiones éticas y legales que emergen de este tipo de forma de acceso y descubrimiento transformacional.

Ética, privacidad, derechos y restricciones

Consignas como “la información quiere ser libre” parecen tener una verdad aparente en ellas. Sin embargo, hay tres razones principales por las cuales quienes trabajan para proporcionar acceso a colecciones digitales no pueden simplemente tomar este tipo de consigna como su mantra: el derecho de autor, la privacidad y el respecto a las normas culturales. Voy a describir brevemente cada uno de estos puntos y después, a lo largo del capítulo, demostraré con ejemplos cómo los diferentes acercamientos al acceso funcionan para abordar estas cuestiones legales y éticas.

Casi todo el trabajo que se produce está protegido por derechos del autor. Yo no soy abogado. Esto no es un libro sobre derechos de autor. Así que no hay que tomar estes comentarios breves como una asesoría jurídica. En lugar de eso, se pueden usar mis comentarios como una incitación para recordar la reflexión sobre estas cuestiones y la profundización al hacer una investigación propia o una consulta legal. Los derechos de autor conceden derechos exclusivos de distribución al creador de una obra. En los Estados Unidos, las bibliotecas tienen un conjunto de excepciones establecidas en la sección 108 de la ley de derechos de autor sobre la preservación y el acceso de colecciones. Estas excepciones son desgraciadamente anticuadas para tratar con información pero siguen siendo importantes.96 Además hay estipulaciones de uso justo que bibliotecas están usando cada vez más para apoyar sus enfoques respecto a la procuración de acceso. 97 Aparte de estos derechos, las instituciones culturales a menudo hacen acuerdos con los donadores del contenido o con aquellos de quienes lo adquieren para establecer qué derechos otorga el titular de los derechos a la institución para distribuir su contenido. Además, el creciente movimiento a favor uso y reuso abiertos del trabajo creativo a través de iniciativas como las licencias Creative Common han creado una variedad de posibilidades para coleccionar, preservar y proporcionar acceso al contenido.

Más allá de los derechos de autor, hay cuestiones éticas en juego sobre la privacidad cuando se hace el contenido ampliamente disponible. Por ejemplo, los registros organizacionales pueden incluir la información sobre los salarios de cada uno de los empleados, los números de seguridad social e incluso información de cuentas bancarias. Toda esa información privada podría usarse para causar daño a esos individuos. Muchas formas de datos de investigación plantean cuestiones éticas similares. Por ejemplo, los investigadores de medicina y ciencia social en instituciones de educación superior a menudo recolectan datos confidenciales acerca de la orientación sexual de la gente o de su uso de drogas, misma que si llegara a hacerse pública podría resultar peligroso para los participantes de la investigación. De la misma forma, un investigador que estudia los movimientos sociales y el uso de las redes sociales por activistas podría terminar recolectando información de interés para los individuos que trabajan para suprimir dichos movimientos o incluso para oprimir todavía más a esos pueblos. Incluso más allá del terreno de la información personal, existen

96 - Para una revisión de las cuestiones relativas a la sección 108 y los objetos digitales ver The Section 108 Study Group Report. El informe tiene casi una década pero todavía no ha dado lugar a una revisión sustancial de la ley.

97 - Para una introducción práctica y útil respecto a cómo las bibliotecas utilizan el uso justo ver Adler et al, “Code of Best Practices in Fair Use for Academic and Research Libraries”.

cuestiones éticas respecto a la información confidencial. Por ejemplo, un zoólogo que estudia una especie en peligro de extinción podría recolectar información sobre las ubicaciones de los animales que los cazadores furtivos podrían utilizar para cazarlos, exponiendo a la especie a un peligro mayor. Estos son sólo algunos ejemplos pero todos subrayan cómo el ignorar los asuntos de privacidad de la información puede resultar en un daño real.

Las instituciones de patrimonio cultural tienen la responsabilidad ética de trabajar para asegurar que sus compromisos con la preservación y el acceso estén alineados con una responsabilidad social compartida. Esto requiere analizar detenidamente los enfoques de acceso restringido al contenido que implican este tipo de cuestiones éticas. Según la perspectiva interactiva ante a estas cuestiones en los últimos capítulos del libro, las cuestiones éticas relacionadas con el acceso llevan muchas veces a las primeras decisiones sobre qué coleccionar, cómo coleccionarlo y cómo procesar dichas colecciones. Muchas veces, la mejor manera de lidiar con cuestiones éticas es anonimizar, editar o bien, garantizar que la información que pueda ser peligrosa para los individuos simplemente no se recopile ni se guarde. Si se cuenta, de hecho, con información que pueda resultar en un daño real, hay que saber que destruirla es el modo más seguro para proteger a aquellos que estarían en peligro. Así que cualquier decisión para conservar información sensible debe llegar como resultado de una valoración premeditada respecto al beneficio y daño potenciales que podrían derivar de su conservación.

Junto con las cuestiones de la privacidad, existe otra categoría de preocupaciones éticas relacionadas. Los diferentes grupos culturales y étnicos alrededor del mundo tienen distintas normas y reglas respecto a lo que se puede y debe compartir con alguien en determinada situación o escenario. Esta es una cuestión particularmente significativa con colecciones de materiales culturales pertenecientes a comunidades nativas. Históricamente, los poderes coloniales han ignorado estas cuestiones culturales. Por ejemplo, podría haber objetos digitalizados a los cuales solo deban tener acceso los integrantes de una familia o que solo deban usarse o verse en una temporada o época del año particular, o que sean considerados sagrados y solo deban emplearse de un modo particular. Kim Christen de la Washington State University dirige un equipo que desarrolla y da respaldo a Mukurtu, un sistema de administración de colecciones de código abierto que se enfoca en devolver el control sobre las decisiones de acceso a las comunidades nativas98. De modo similar, iniciativas como Traditional Knowledge Labels están intentando desarrollar modos de hacer comprensibles esta clase de restricciones de acceso. 99 Estos ejemplos nos recuerdan que el objetivo de las instituciones no debe ser el acceso en aras del acceso. Las instituciones culturales deben ser recursos para las comunidades no los cosechadores ni saqueadores de las comunidades. La historia nos enseña que muchas veces este no ha sido el caso. En muchos casos, las bibliotecas, archivos y museos han servido y, por defecto, siguen sirviendo como infraestructuras de colonialismo y opresión. 100 Tenemos que hacer un mejor trabajo.

Vale la pena subrayar que aunque mucho del trabajo que se enfoca en estas normas culturales emerge del trabajo con comunidades nativas, sus implicaciones son de gran alcance. Conforme las instituciones de patrimonio cultural trabajen para volverse más socialmente responsables, resulta crítico que reconozcan que su existencia muchas veces está atada directamente a los flujos de poder. Como resultado de estas estructuras de poder, una porción significativa del trabajo que las bibliotecas, archivos y museos han hecho a lo largo del tiempo en el desarrollo de colecciones ha funcionado como parte de sistemas de control y opresión. Muchas instituciones públicas y no lucrativas surgieron de las colecciones personales de los ricos y continúan construyendo colecciones en continudad con las direcciones establecidas por sus progenitores. Así que es

98 Ver Christen, "Archival Challenges and Digital Solutions in Aboriginal Australia." 99 Ver Anderson y Christen, "Chuck a Copyright on It". 100 Ver Drake, "Expanding #ArchivesForBlackLives to Traditional Archival Repositories.", Zinn, "Secrecy, Archives, and the Public Interest" y Hagan, "Archival Captive-- The American Indian".

importante pensar tanto en los asuntos alrededor de las normas culturalescomo en las cuestiones de la privacidad individual en una amplia gama de situaciones. Es particularmente crítico considerar estos temas cuando se trabaja con iniciativas que se enfocan en documentar o preservar registros de comunidades que han sido o están siendo oprimidas. Una forma de ayudar es trabajar para incorporar sistemáticamente las voces y perspectivas de los oprimidos en cada aspecto del trabajo para recopilar, preservar y proporcionar acceso a la cultura.

Estas tres áreas, derechos de autor, privacidad y normas culturales son el conjunto general de consideraciones que se debe considerar mientras se desarrollan los planes respecto a cómo hacer accesible cualquier colección. De acuerdo con el enfoque interactivo de la parte práctica de este libro, vale la pena subrayar que el acceso no es algo que se deba dejar para más tarde. Se debe pensar en los modos de acceso desde el principio. Para cada una de estas cuestiones legales y éticas, el modo más directo para confrontarlas es restringir el acceso al contenido. Eso podría implicar la administración de un archivo oscuro, al que no se permite el acceso. O podría implicar acceso restringido a una colección con acceso exclusivo a personas que visiten una sala de lectura. O podría implicar acceso restringido a quienes crean una cuenta y firman algún acuerdo sobre lo que harán y no harán con el contenido. Dicho esto, es cada vez más frecuente que haya formas más sofisticadas de abordar el tema del acceso, tanto en los casos en que existen restricciones significativas como donde no las hay. Explorar varios ejemplos ayudará a demostrar estos puntos.

Niveles multimodales de acceso y restricción

Hay formas cada vez más sofisticadas de proporcionar un acceso útil a los aspectos de una colección mientras se respetan los tipos de restricciones de acceso que surgen de los derechos de autor, la privacidad y las normas culturales. El mejor modo de ilustrar esto es a través de algunos ejemplos concretos. En esta sección, presento tres colecciones diferentes de material digital: la National Software Reference Library; **Google Books y HathiTrust Digital Library; y la coleccion de CD-ROMs de Theresa Duncan de Rhizome. Las restricciones de acceso en cada uno de estos casos tienen más que ver con los derechos de autor que con la privacidad o las normas culturales, pero sus enfoques son ilustrativos de los métodos que podrían usarse para la privacidad o las normas culturales. Varios de estos casos ilustran el valor de crear y compartir datos derivados de colecciones. Este es un punto que exploraré más a fondo en la próxima sección que se enfoca en el potencial del saneamiento, los derivativos y las mejoras para permitir el acceso y uso de las colecciones.

Acceso a un archivo oscuro: el NSRL

Creada en 2000, la National Software Reference Library (NSRL), una división del National Institutes of Technology (NIST) del Departamento de Comercio de EEUU, contiene una colección masiva de archivos de paquetes comerciales de software (desde QuickBooks hasta Microsoft Word, AutoCAD, World of Warcraft, etc). bajo el cuidado del United States National Institute of Standards and Technology.101 Al momento de escribir este libro, esto incluía alrededor de 140 millones de archivos digitales. La mayoría del software de esta colección fue comprado, pero otros fueron donados, por lo que la NSRL no tiene el derecho de distribución de los

101 - Para más detalle sobre cómo trabaja la NSRL, ver Owens “Life-Saving”.

archivos. La mayoría es software comercial que actualmente se vende y utiliza.

Esta colección única fue creada para estandarizar las prácticas de identificación de software como parte de las investigaciones forenses de cómputo . Es decir, en una investigación uno quiere ser capaz de identificar rápidamente qué del contenido de una computadora es software estándar y en qué contenido habría que concentrarse como material potencialmente único y relevante. Como se discutió antes con relación a la fijeza, una de las características clave de los objetos digitales es que es posible generar valores criptográficos hash (MD5, SHA-1, etc) para identificar un archivo de forma única. Así, al centralizar una librería masiva de software comercial, para la NSRL es posible proporcionar valores hash para todos los archivos que contiene, los cuales pueden ser utilizados por cualquier cantidad de organizaciones para identificar concluyentemente qué sofware está en cualquier dispositivo de cómputo.

Si bien todo el contenido de la colección está protegido por derechos de autor, la NSRL sí puede distribuir metadata de la colección. Esta metadata es útil porque contiene información derivada clave (título, publicador, etc), junto con los valores hash para cada uno de los archivos asociados con cada programa de cómputo individual. Aunada a la información derivada, la NSRL mantiene una copia de la colección para fines de investigación. Aunque no permiten a los investigadores in situ el acceso a la colección, la NSRL acepta consultas que se comparan con el corpus masivo de archivos únicos. En ese sentido, este corpus de archivos únicos ha jugado un papel clave como conjunto de datos de investigación a partir del cual se han desarrollado varios métodos y enfoques de ciencias computacionales.

La NSRL funciona como un archivo oscuro. La colección de archivos de software se mantiene en una una red completamente aislada (air-gapped network), es decir, es una red separada que no está conectada a las computadoras fuera de las salas del NIST, donde se encuentra la biblioteca. Por esta razón no solo es imposible acceder a dichos archivos desde fuera, sino también resulta imposible hacerlo para cualquiera dentro del NIST sin entrar físicamente a su espacio. No es muy distinto al Svalbard Global Seed Vault (el repositorio global de semillas de último recurso), pero para archivos de software. Al derivar metadatos sobre la colección, además de publicar y compartir esa información, el contenido de la NSRL es ampliamente usado. Mientras que los archivos reales se preservan y permanecen inaccesibles, la información derivada de ellos tiene un uso inmediato para un rango de comunidades participantes. De forma similar, al permitir el análisis computacional de los contenidos de sus colecciones, el NIST proporciona una forma valiosa para que otros lo usen. Mientras que la mayoría de los lectores de este libro no contarán con la sofisticada infraestructura que tiene el NSRL, existen algunas lecciones que se pueden aprender de este caso. La publicación de los metadatos y de información descriptiva derivada computacionalmente sobre cualquier colección dada puede resultar muy útil. En particular, la unicidad de los valores hash ofrece un modo potencial para identificar elementos duplicados exactamente en varias colecciones.

Uso no consuntivo: HathiTrust y Google Ngram

Hathitrust es una asociación de más de 120 instituciones de investigación y bibliotecas que proporciona acceso en línea a millones de obras digitalizadas. En particular, contiene más de 7 millones de libros digitalizados. La sociedad se originó a través del proyecto de digitalización Google Books con el que Google se asoció con bibliotecas para digitalizar los libros de sus colecciones. Muchas de las obras digitalizadas en este proceso siguen bajo la protección de los derechos de autor por lo que no pueden compartirse amplia y libremente. Con esto en mente, cabe aclarar que dentro de la red de socios de HathiTrust es posible hacer uso de las obras bajo derecho de autor de la colección dentro de lo estipulado en la ley de derechos de autor, a lo que se ha