La digitalización es la conversión de un documento analógico a formato digital. La preservación digital es el conjunto de métodos y técnicas para garantizar que la información digital siga siendo utilizable en el futuro pese a los cambios tecnológicos; sus estrategias canónicas son la migración, la emulación y el refreshing (actualización de soportes). La Carta de la UNESCO sobre la Preservación del Patrimonio Digital se adoptó el 15 de octubre de 2003. El Programa Memoria del Mundo (Memory of the World) de la UNESCO comenzó en 1992 con tres objetivos: preservación, acceso universal y concienciación. La Biblioteca Digital Hispánica de la BNE se lanzó en 2008. Hispana es el agregador nacional español que recolecta hacia Europeana, la biblioteca digital europea. El esquema de metadatos Dublin Core está compuesto por quince elementos, todos opcionales y repetibles. PREMIS es el estándar de metadatos de preservación, mantenido por la Library of Congress. El formato maestro o de preservación de imagen suele ser el TIFF sin comprimir, mientras que para la difusión se usan formatos como JPG o PDF.
Objetivos y fases de un proyecto de digitalización
Un proyecto de digitalización exige, antes que nada, una planificación global: definir metas y objetivos, las restricciones de propiedad intelectual, la financiación y las capacidades de la institución. La selección de los fondos se basa en criterios de valor, demanda, estado de conservación y derechos, nunca en el precio. Entre las razones para digitalizar están facilitar el acceso, difundir el patrimonio y reducir la manipulación de los originales; no lo es, en cambio, aumentar el espacio físico de la colección.
Las tecnologías digitales separan el contenido informativo del soporte físico y su degradación, de modo que la copia digital sirve como sistema de preservación del contenido (y, con la calidad adecuada, de la apariencia) del documento. En las bibliotecas universitarias, además, reducen el espacio dedicado a colecciones en libre acceso y liberan superficie para otros servicios y almacenes.
Las directrices internacionales de referencia son las Directrices para proyectos de digitalización de colecciones y fondos de dominio público (IFLA, 2002) y, para fondos antiguos, las Directrices para planificar la digitalización de colecciones de libros impresos antiguos y manuscritos (IFLA, 2014). Se debe prestar especial atención en la selección a los libros quebradizos por el lomo (encuadernaciones a la americana, a gutapercha, rústicas o de lomo rígido).
Captura de imágenes
-
Dispositivos de captura: para patrimonio bibliográfico valioso o en mal estado se recomienda el escáner aéreo, cenital u orbital, que deteriora menos los originales. El sensor habitual de los escáneres es el CCD (Charge-Coupled Device).
-
Resolución: número de píxeles por unidad de longitud (ppp). En la Administración española, la Norma Técnica de Interoperabilidad de Digitalización de Documentos (Resolución de 19 de julio de 2011) fija un nivel de resolución mínimo de 200 píxeles por pulgada, tanto para imágenes en blanco y negro como en color o escala de grises. La profundidad de bits (bits por píxel, bpp) determina el número de colores o niveles de gris representables; la "escala de grises" mide los bits usados para definir cada píxel.
-
Calidad de la imagen: depende de la resolución, el color y el tono, y la apariencia general, así como de las técnicas de compresión aplicadas.
-
Compresión: reduce el tamaño del archivo. Es con pérdida si elimina datos de la imagen (JPEG) y sin pérdida si no los elimina.
Formatos de archivo
| Uso | Formato |
|---|---|
| Copia máster / preservación de imágenes | TIFF (Tagged Image File Format), sin comprimir; es el de mayor calidad |
| Difusión de texto impreso digitalizado | JPEG o PDF |
| Preservar la apariencia visual estática de documentos | PDF/A (norma ISO 19005; UNE-ISO 19005) |
Los formatos aptos para preservar deben ser abiertos, no propietarios, basados en estándares y, en lo posible, no cifrados ni comprimidos. El TIFF es también el formato adecuado para fotografías, planos históricos y textos manuscritos o impresos de poca legibilidad.
Libros electrónicos: EPUB (estándar del International Digital Publishing Forum, basado en XML y Unicode), AZW, MOBI y FB2 son formatos de lectura de libros electrónicos.
Reconocimiento de caracteres: el OCR (Optical Character Recognition) convierte la imagen de texto impreso en texto reconocible por el ordenador.
Estrategias de preservación digital
| Estrategia | En qué consiste |
|---|---|
| Refreshing (refresco) | Copiar el contenido de un soporte a otro, manteniendo intacto el formato y sin modificar la cadena de bits, antes de que el soporte quede obsoleto |
| Migración | Convertir el objeto a un formato nuevo, compatible con el entorno actual, antes de que quede inutilizable |
| Emulación | Reproducir el entorno informático original, de modo que el software antiguo funcione sin cambiar el documento ni requerir el sistema original |
| Arqueología digital | Rescatar contenidos de medios dañados o de entornos de hardware y software obsoletos |
Las amenazas más importantes son la degradación de los soportes y la desaparición de los medios de acceso (obsolescencia tecnológica). LOCKSS (Stanford) es un sistema de código abierto que multiplica las copias en sedes geográficamente dispersas; CLOCKSS es una asociación que garantiza la preservación a largo plazo de publicaciones científicas digitales. Un método muy extendido de evaluación de sistemas de preservación son los niveles de la NDSA (National Digital Stewardship Alliance).
El modelo OAIS
El OAIS (Open Archival Information System) es el modelo de referencia para la gestión, archivo y preservación a largo plazo de información digital, y proporciona un marco de conceptos y terminología. Lo desarrolló el CCSDS y es la norma ISO 14721: primera edición de 2003, revisada por el propio CCSDS en 2012. La información de preservación (PDI) se organiza en categorías de referencia, contexto, procedencia y fijeza (integridad/autenticidad), a las que la revisión de 2012 añadió los derechos de acceso.
Metadatos
Los metadatos son los datos que describen un objeto digital (o el contexto, contenido y estructura de un documento y su gestión en el tiempo). Según su función se clasifican en descriptivos (identifican y permiten buscar y recuperar el recurso: descubrimiento), estructurales y administrativos (facilitan la gestión y el procesamiento a corto y largo plazo; incluyen los técnicos, de derechos y de preservación).
Elementos y calificadores de Dublin Core
Conjunto de 15 elementos genéricos para describir recursos: título, creador, tema, descripción, editor, colaborador, fecha, tipo, formato, identificador, fuente, lengua, relación, cobertura y derechos. Todos son opcionales, repetibles y pueden aparecer en cualquier orden. Nació del taller de Dublin (Ohio) de 1995, organizado por OCLC y el NCSA; está normalizado como ISO 15836 y ANSI/NISO Z39.85. No está pensado solo para bibliotecarios. Se agrupan en tres clases: contenido, propiedad intelectual e instanciación. Es el esquema sobre el que se construyó el modelo de datos de Europeana (EDM).
METS
Metadata Encoding and Transmission Standard: esquema XML, mantenido por la Library of Congress, que codifica metadatos descriptivos, administrativos y estructurales de objetos de bibliotecas digitales y facilita su transferencia, integrando otros esquemas externos como MODS, MARCXML, PREMIS o MIX. Un documento METS consta de siete secciones: cabecera, metadatos descriptivos, metadatos administrativos, sección de ficheros, mapa estructural (organización jerárquica del objeto, que enlaza con los ficheros y los metadatos), enlaces estructurales y comportamiento. El mapa estructural es la sección esencial; los atributos son mayoritariamente opcionales.
Metadatos de preservación PREMIS
Estándar internacional de metadatos de preservación (solo de preservación), fruto del trabajo de OCLC y RLG y mantenido por la Library of Congress. Su primera versión del Diccionario de datos se publicó en 2005; la última es la 3.0 (2015). Su modelo de datos se articula en cinco entidades: entidades intelectuales, objetos, agentes, eventos y derechos. MIX es el esquema de metadatos técnicos para imágenes fijas, también mantenido por la Library of Congress.
Otros estándares
- RDF (Resource Description Framework) representa la información mediante tripletas (sujeto, predicado, objeto), serializables en XML; SPARQL es su lenguaje de consulta. En Linked Data se recomiendan URIs HTTP.
Protocolos de recuperación
Z39.50 es un protocolo cliente/servidor de recuperación de información (norma ANSI/NISO Z39.50, y su equivalente ISO 23950) que permite consultar a la vez varias bases de datos o catálogos distintos, con independencia del hardware y software de cada uno. Su primera versión es de 1988, con revisiones en 1992 y 1995; el Library of Congress es su agencia de mantenimiento. SRU (Search/Retrieve via URL) es un protocolo posterior, basado en la web, con sintaxis común para las peticiones. FTP es File Transfer Protocol.
Iniciativas y servicios en España y en el ámbito internacional
-
UNESCO: la Carta sobre la Preservación del Patrimonio Digital es de 2003; define la preservación digital como los procesos destinados a garantizar la accesibilidad permanente de los objetos digitales.
-
Hispana: portal de acceso a los proyectos de digitalización españoles.
-
Estrategia Nacional de Digitalización 2022-2026 del Consejo de Cooperación Bibliotecaria: marco de líneas de actuación sobre digitalización, que incluye la ampliación de las colecciones digitales y el fomento de su accesibilidad y reutilización.
-
Archivo de la Web Española: la BNE preserva páginas web; su consulta se realiza en la BNE y en los centros de conservación de las comunidades autónomas.