[論文レビュー] Everyone is a Curator: Human-Assisted Preservation for ORE Aggregations

Frank McCown, Michael L. Nelson+1 more|ArXiv.org|Jan 28, 2009

Web Data Mining and Analysis参考文献 12被引用数 6

ひとこと要約

本論文では、ReMemberを提案する。ReMemberは、WebコミュニティとWebインfraストラクチャ（Webアーカイブ、検索エンジン、個人用アーカイブツール）を活用して、OREリソースマップ（ReMs）の整合性を維持する人間支援型保存システムである。リンク切れやリソースの変動に伴う影響を受ける分散的かつ動的な性質を持つReMsの整合性を保つために、ユーザーが断線したリンクを報告し、更新されたリソースを特定し、変更を検証するなど、キュレーションタスクを分散化することで、ReMsの正確性と持続可能性を確保する。

ABSTRACT

The Open Archives Initiative (OAI) has recently created the Object Reuse and Exchange (ORE) project that defines Resource Maps (ReMs) for describing aggregations of web resources. These aggregations are susceptible to many of the same preservation challenges that face other web resources. In this paper, we investigate how the aggregations of web resources can be preserved outside of the typical repository environment and instead rely on the thousands of interactive users in the web community and the Web Infrastructure (the collection of web archives, search engines, and personal archiving services) to facilitate preservation. Inspired by Web 2.0 services such as digg, deli.cio.us, and Yahoo! Buzz, we have developed a lightweight system called ReMember that attempts to harness the collective abilities of the web community for preservation purposes instead of solely placing the burden of curatorial responsibilities on a small number of experts.

研究の動機と目的

• 分散的かつ動的な性質により、リンク切れやリソースの消失の影響を受けるOREリソースマップ（ReMs）の保存課題に対処すること。
• 中央集権的な専門家によるキュレーションに依存するのを減らし、Webコミュニティ全体にわたるキュレーションタスクの民主化を図ること。
• インターネットアーカイブ、Googleキャッシュ、WebCiteなどの既存のWebインfraストラクチャを活用して、ReMs内の欠落または変更されたリソースを検出・回復すること。
• ユーザーが死活リンクの特定、更新されたURLの探索、コンテンツ変更の検証を通じて、ReMsキュレーションに能動的に参加できるようにすること。
• Wikiベースのインターフェースを通じて、バージョン管理、変更履歴の追跡、共同編集をサポートする、スケーラブルで軽量なシステムを構築すること。

提案手法

• ReMemberを、定期的に集約リソース（ARs）のアクセス可能性を確認することでReMsを監視する軽量なWebアプリケーションとして実装すること。
• Webクローラーを用いてARsにアクセスし、語彙的シグネチャーや視覚的スナップショットを用いてWebCiteおよびインターネットアーカイブのアーカイブ済みバージョンと照合すること。
• ARが404エラーを返す、またはコンテンツに変更が生じた場合、ReMemberはそれをユーザーの注目対象としてマークし、メタデータ、サムネイル、タイムスタンプとともに表示する。
• 検索エンジン（Google、Yahoo、Live Search）にARのタイトルとメタデータを用いてクエリを発行することで、Webインfraストラクチャと統合し、ライブ版またはアーカイブ済み版のリソースを特定する。
• ユーザーが新しいURLを選択し、WebCiteを介して新しいバージョンをアーカイブし、新しい語彙的シグネチャーやスクリーンショットを生成することで、ReMsの更新を可能にする。
• ReMのバージョン履歴をWikiに保存することで、誤った変更のロールバックが可能となり、共同編集と透明性をサポートする。

実験結果

リサーチクエスチョン

• RQ1 自動化システムがリンク切れやコンテンツ変更の影響を受ける場合に、コミュニティ主導のキュレーションがOREリソースマップ（ReMs）の保存に効果的に機能するか。
• RQ2 既存のWebインfraストラクチャ（Webアーカイブ、検索エンジン、個人用アーカイブツール）をどのように活用すれば、ReMs内の欠落または変更されたリソースを検出し回復できるか。
• RQ3 ユーザーが断線リンクの特定や更新されたURLの探索に参加することで、ReMsの持続可能性と正確性がどの程度向上するか。
• RQ4 スケーラブルで安全な方法で、バージョン管理と共同編集をどのように実装すれば、ReMsのコミュニティキュレーションを支えることができるか。
• RQ5 視覚的および語彙的シグネチャーデータが、集約リソースの変更を検出し、ユーザーの干渉を引き起こす役割を果たす程度はどの程度か。

主な発見

• ReMemberは、WebCiteおよびインターネットアーカイブからのアーカイブ済みバージョンとライブアクセスを比較することで、ReMs内の欠落または変更された集約リソース（ARs）を効果的に検出している。
• ARのメタデータを用いて検索クエリを事前に入力することで、ユーザーが代替リソースを特定・更新する作業を大幅に軽減している。
• 視覚的サムネイルと語彙的シグネチャーデータにより、ReMemberはARのコンテンツ変更を検出し、ユーザーが変更されたバージョンを検証またはアーカイブするよう促している。
• Wikiベースのバージョン管理システムの統合により、ReMsに対する透明性があり、監査可能で、元に戻せる変更が可能となり、共同キュレーションを支援している。
• Simile Timelineを用いたタイムライン可視化により、頻繁に変更されたり消えたりするARを特定でき、継続的な注目が必要なリソースを浮き彫りにしている。
• 専門家によるキュレーションに依存するのではなく、Webコミュニティ全体にキュレーションタスクを分散化することで、大規模なReM保存の実現可能性を示している。