Tarihsel Web Bir Araştırma Kaynağı Olarak: Neler İşe Yarıyor

Birkaç yıl önce, bir şirket iğrenç bir ticari marka anlaşmazlığını tek bir kanıtla çözdü: kendi ana sayfalarının 2003'te ne dediği. Karşı taraf ekran görüntüsünün sahte olduğunu ima etti. Bu savunma, davacı eşleşen Wayback Machine yakalamasını, bir tarama zaman damgası ve Internet Archive'tan yeminli bir beyanla birlikte, ortaya çıkardığı an çöktü. Davayı kazandı. Tarihsel web işte tam da bunun için var.

Araştırmacılar atıf için eski sayfaları çeker. Gazeteciler sessizce silinenleri yakalamak için çeker. Avukatlar bir sözleşmenin, bir mağazanın veya bir kamu açıklamasının belirli bir günde ne dediğini kanıtlamak için çeker. Materyal hepsi orada, yüz milyarlarca yakalama derinliğinde, ama iyi kullanmak biraz dikkat gerektirir. Arşivlerin boşlukları vardır, yakalamaların tuhaflıkları vardır ve her zaman damgası düşündüğünüzü anlamaz.

Tarihsel Web Aslında Nedir

Tarihsel web, internetin bir kaydı değildir. Dev bir fotoğraf yığınıdır. Tarayıcılar bir URL'yi ziyaret eder, sunucunun verdiklerini kaydeder ve geçer. Haftalar veya aylar sonra geri gelip tekrar yaparlar. web.archive.org'da gezdiğiniz şey o yığındır; URL'ye ve tarihe göre sıralanmış, 1996'ya kadar uzanan.

Internet Archive'ın Wayback Machine'i açık ara en büyük kaynaktır, ama tek olan değildir. Common Crawl toplu araştırma için ham tarama verisi yayınlar. Archive.today tek sayfaların talep üzerine anlık görüntülerini alır. Harvard kütüphanesi tarafından işletilen Perma.cc, mahkemelerin ve dergilerin çürümeyecek atıflar alması için var. Ulusal kütüphaneler yasal depozito kuralları çerçevesinde kendi koleksiyonlarını işletir ve bu koleksiyonlardan bazıları devasa boyutlardadır.

İki sonuç çıkar. Birincisi, kapsama düzensizdir: ünlü bir ana sayfanın binlerce yakalaması varken, az bilinen bir iç sayfanın sadece üç yakalaması olabilir. İkincisi, her yakalama tarama anında alınmış bir örnektir. Canlı sayfa değildir ve herhangi bir insan ziyaretçinin gördüğü sayfa olması da gerekmez.

Tarihsel Web'i Kim Kullanıyor ve Neden

İşin çoğunu dört grup yapar ve her biri aynı anlık görüntü yığınından biraz farklı bir şey ister.

• Akademisyenler. Atıf çalışmaları, yayımlanan makalelerdeki bağlantıların önemli bir kısmının yıllar içinde öldüğünü sürekli gösteriyor, bu fenomenin kendi adı bile var: referans çürümesi. Akademisyenler artık kaynakları atıflamadan önce arşivliyor ve birçoğu tarihsel web'i bir veri kümesi olarak inceliyor.
• Gazeteciler. Silinen basın açıklamaları, sessizce düzenlenen ifadeler, geri çağırmadan sonra kaybolan ürün iddiaları. Beat muhabirleri arşivi, resmi başvuruları kontrol ettikleri gibi kontrol eder.
• Avukatlar ve paralegal uzmanlar. Ticari marka ilk kullanımı, iftira, eski hizmet şartları, yaralanmadan önce bir ürün sayfasının ne vaat ettiği. Arşivlenmiş sayfalar anlaşmazlıklarda sürekli karşımıza çıkar.
• Site sahipleri ve SEO uzmanları. Ölü bir siteyi kurtarmak, satın almadan önce bir alan adını denetlemek, bir rakibin hunisinin üç yeniden tasarımdan önce nasıl göründüğünü kontrol etmek.

Bir Yakalamaya Güvenmeden Önce Koruma Kalitesini Değerlendirme

Her yakalama eşit değildir. Bir haber makalesinin 2015 yakalaması fotoğraflarla birlikte tam sayfa olabilir. Aynı URL'nin 2018 yakalaması, çıplak bir HTML iskeleti olabilir, çünkü site içeriği istemci tarafında oluşturan bir JavaScript çerçevesine geçmiş ve tarayıcı kabuğu kaydetmiş ama veriyi kaydetmemiştir. Yakalamayı açın ve atıflamadan önce ona bakın. Her seferinde.

1. Görseller yükleniyor mu? Eksik fotoğraflar, tarayıcının HTML'i aldığını ama varlıkları alamadığını veya varlıkların engellendiğini gösterir.
2. Sayfa stilli mi? Stil uygulanmamış bir sayfa eksik CSS anlamına gelir, bu da genellikle yakalamanın kısmi olduğu anlamına gelir.
3. İç bağlantılar diğer arşivlenmiş sayfalara çözümleniyor mu? İki veya üçine tıklayın. Çıkmaz sokaklar tarama sığ olduğunu gösterir.
4. Tarihiniz civarındaki takvimi kontrol edin. Anlık görüntünüz yakınındaki seyrek yakalama yılları, ince bir yakalamayı daha olası kılar.
5. Gömülü üçüncü taraf içerikleri arayın, tweetler, videolar, iframe'ler, haritalar. Bunlar ayrı URL'ler ve ayrı yakalamalardır ve kaybolan ilk şeylerdir.

Bir nüans daha: zamansal tutarlılık. Arşiv bir sayfayı her dosyanın en yakın yakalamasından birleştirir ve bu dosyalar günler veya haftalar arayla olabilir. HTML 4 Mart'tan olabilirken ana görsel 19 Şubat'tan gelir. Çoğu araştırma için bu sorun değildir. Kanıt için, önemli olduğunda dosya bazında zaman damgalarını not edin, bunları yüklenen her kaynağın URL'sinde okuyabilirsiniz.

Tarihsel Web Hukuki Kanıt Olarak

ABD ve başka yerlerdeki mahkemeler yıllardır arşivlenmiş yakalamaları kabul ediyor ve prosedür oldukça oturmuş. Yaygın yol doğrulamadır: Internet Archive, ücret karşılığında, belirli yakalamaları doğrulayan yeminli bir beyan sağlar; bu, yargıçların tanıdığı standart bir uygulamadır. Alternatif olarak, sayfa hakkında kişisel bilgisi olan bir tanık bir çıktıyı doğrulayabilir.

• Ticari marka ve ticari görünüm: ticarette ilk kullanımı veya bir işaretin belirli bir biçimde göründüğünü kanıtlama.
• İftira: ifadenin ne dediği, ne zaman yayımlandığı ve ne zaman kaldırıldığı.
• Sözleşme anlaşmazlıkları: kullanıcının kayıt olduğu günde hangi hizmet şartları sürümünün yayınlandığı.
• Telif hakkı: önceki yayım tarihleri ve belirli bir anda bir sayfanın durumu.

Arşiv, bir tarayıcının aldığını gösterir, bir müşterinin gördüğünü değil. Coğrafi hedefli fiyatlandırma, A/B testleri ve kişiselleştirilmiş sayfalar çoğunlukla görünmez, kimse beyan imzalamadan önce bunu hatırlamakta fayda var.

Karşı tarafın yakalamalarına, kendi yakamalarınıza uygulanmasını istediğiniz aynı şüphecilikle yaklaşın. Eğer tek bir yakalama tüm davaysa, onu destekleyin: ikinci bir arşiv, çağdaş ekran görüntüleri, sunucu günlükleri, e-postalar. Yargıçlar birbiriyle uyuşan kanıtları sever, siz de öyle yapmalısınız.

Arşivlenmiş Sayfalara Atıf Yaparken Yaygın Tuzaklar

1. Bir yakalamayı açmadan bağlantı vermek. Zamanın yarısında, ihtiyacınız olan yarısı eksik olan kısımdır.
2. Yakalama tarihini içerik tarihiyle karıştırmak. Zaman damgası tarayıcının ne zaman ziyaret ettiğini söyler, metnin ne zaman yazıldığını değil.
3. Yönlendirme yakalamasını fark etmeden takip etmek. Yönlendirme durumu, tarayıcının başka bir yere gönderildiği anlamına gelir; istediğiniz içerik farklı bir URL'de olabilir.
4. Sadece tek bir arşive atıf yapmak. Bir perma.cc bağlantısı veya PDF çıktısını yanına kaydedin, yakalamalar talep üzerine kaldırılabilir.
5. Tüm sitenin yakalandığını varsaymak. Ana sayfa yakalaması, ana sayfanın var olduğunu kanıtlar. Daha fazlasını değil.

Kaldırmalar, Robots.txt ve Sayfaların Kaybolmasının Diğer Yolları

Wayback Machine, hariç tutma ve kaldırma isteklerine uyar. Bir site sahibi Internet Archive'tan bir alan adını arşivlemeyi durdurmasını isteyebilir ve geçmiş yakalamalar kullanılamaz hale gelebilir. Robots.txt engelleri tarayıcıları yıllarca tamamen dışarıda tuttu, bu yüzden katı bir robots dosyasına sahip bir sitenin tam olarak geçmişinin olması gereken yerde bir boşluğu olabilir.

Pratik sonuç: bir yakalama sizin için önemliyse, onu bulduğunuz gün kendi kaydınızı yapın. Tam sayfayı ekran görüntüsü alın, bir PDF kaydedin, tam yakalama URL'sini ve zaman damgasını yazın. Arşivler dayanıklıdır ama ölümsüz değildir ve anlaşmazlıklar belirli sayfaları en kötü anda kaybetme eğilimindedir.

Tarihsel Web'den Çalışan Bir Siteye Geri Dönüş

Bazen araştırma bir kararla biter: siteyi geri istiyorsunuz. Kendi eski siteniz, bir müşterinin, az önce aldığınız ve on yıllık içerik bağlı olan bir alan adı. Arşivden sayfaları kopyala-yapıştır beş sayfa için işe yarar. Beş bin için yaramaz.

İşte site yenileme hizmetinin doldurduğu boşluk bu. Bir sitenin arşivlenmiş kopyasını dosya dosya indirir, HTML, görseller, stil sayfaları, PDF'ler, ve onu çalışan bir web sitesi olarak yeniden inşa eder. Ücretsiz tahmin, ödemeden önce tam arşivlenmiş dosya sayısını, toplam boyutu ve kilitli bir fiyat gösterir ve geri yüklenen dosya başına ödersiniz, ilk dosya ücretsizdir.

Araştırmacılar için, site hiçbir zaman çevrimiçi geri dönmese bile iki geri yükleme seçeneği sessizce kullanışlıdır: yapılandırılmış makale dışa aktarımı (XML, CSV veya JSON) ve JSON veya SQLite'da tam dosya bildirimi. Aracı ölü bir yayının arşivine doğrultun ve HTML klasörü yerine bir veri kümesi elde edin. Eğitim tüm süreci adım adım anlatır.