El pliego del Plan de preservación detalla qué debe hacer el sistema en cada una de sus funcionalidades. Lo esencial es lo siguiente.
1. Gestión de metadatos y de objetos
- Detectar metadatos relevantes en esquemas de sistemas externos mediante consultas a webservice, enlazar con otras herramientas de metadatos y extraer información al menos en RDF, CSV, METS o TXT hacia su base de datos interna; y crear ficheros XML planos con los metadatos extraídos.
- Admitir esquemas de metadatos ilimitados: los estándar, los propios de la organización y otros nuevos, incluso a partir de plantillas existentes. Como mínimo, Dublin Core, ISAD(G) y MARC21.
- Gestionar los objetos para:
- detectar duplicados por sus metadatos (aceptar el objeto o tratarlo como nueva versión), incluso entre esquemas distintos;
- buscar por contenido de metadatos o por nombre de carpeta y acceder al objeto hallado;
- impedir la carga de objetos sin ciertos metadatos o que no cumplan la política fijada;
- versionar metadatos y ficheros de un mismo objeto y mostrar todas sus versiones, también las resultantes de evolución, transcodificación o migración;
- generar automáticamente ficheros XML con eventos, metadatos, estructura de ficheros y códigos hash, recuperables sin depender de la base de datos;
- exportar la colección completa con una sola operación sencilla;
- ofrecer un catálogo para buscar por cualquier metadato;
- ingestar de forma autónoma los descriptores de los catálogos, dejando constancia de los metadatos no cargados y conservando el registro original para revisarlo después por la interfaz web.
2. Ingesta y control de calidad
- Borrado automático de ciertos ficheros (temporales, ocultos, etc.) al cargarlos, mediante expresiones regulares (regex); y posibilidad de añadir nuevas funciones de limpieza.
- Comprobación de permisos y propiedad de los ficheros.
- Control de los juegos de caracteres, con aviso de caracteres incompatibles o desaconsejados para el almacenamiento.
- Análisis con antivirus, generando un evento asociado al objeto.
- Interfaz de seguimiento de los procesos de preservación en curso y sus incidencias.
- Pruebas de integridad con códigos MD5 (contrastándolos o generándolos), también para objetos acompañados de ficheros METS con sección estructural y hashes MD5.
- Detección de errores en estructuras de ficheros y en la seriación, y renombrado de carpetas o archivos con regex.
- Validación de formatos y códecs, al menos: ASCII, ECMA-6, ISO 646:1991; HTML, XHTML, AIFF, JPEG, JPEG 2000, TIFF, TIFF/EP (ISO 12234-2:2001); metadatos de imagen Exif 2.0, 2.1 (JEIDA-49-1998) y 2.2 (JEITA CP-3451); GeoTIFF 1.0; TIFF-FX (RFC 2301) en perfiles C, F, J, L, M y S; RFC 1314; DNG (Adobe Digital Negative); PDF en sus versiones, en especial PDF/A-1; UTF-8; XML; WAVE, PCMWAVEFORMAT, WAVEFORMATEX y Broadcast Wave Format (EBU N22-1997) versiones 0 y 1.
- Control de tamaños de fichero con regex.
- Visualización en navegador, sin instalar nada, de todos los formatos ingestados, con posibilidad de añadir otros.
- Comprobación del formato binario durante la carga, con más de un motor de validación si hace falta, elegido según la caracterización; ampliable con plug-ins.
- Motores de caracterización obligatorios: DROID y JHOVE.
3. Diseminación en múltiples copias
- Gestionar varias copias, con número y ubicación configurables por el usuario.
- Verificar las copias mediante hashes generados justo después de copiar.
- Presentar los objetos como una estructura de ficheros navegable.
- Recuperar todo con una sola orden sencilla.
- Trazabilidad completa de las acciones: cargas, consultas, auditorías, usuarios y gestión del almacenamiento.
- Recaracterizar objetos ya cargados.
4. Auditoría y control de estado
- Detección automática y programada de datos corruptos, comprobando periódicamente que los hashes coinciden con los de los ficheros almacenados, con informes de estas actividades.
5. Catálogo y recuperación
- Generar paquetes AIP guardados como carpetas, con todos los ficheros del objeto sin alterar su estructura y accesibles sin el sistema de preservación.
- Priorizar unos sistemas de almacenamiento sobre otros al recuperar, y recuperar aunque alguno esté fuera de línea.
6. Evolución y transformación de formatos
- Mostrar un fichero en todas sus versiones con sus metadatos, incluidas las creadas por evolución, migración o transcodificación.
7. Informes
- Informes detallados sobre el estado del repositorio, las cargas (como mínimo, evolución de volúmenes y errores), las recuperaciones y las auditorías.
- Envío por correo electrónico configurable: estado de trabajos, nuevos usuarios, fallos de validación o auditoría, avisos de obsolescencia, etc.
8. Flujos de trabajo
- Integración, sin perjudicar el entorno actual, con el sistema de gestión existente al menos para Google Libros, HathiTrust, Patrimonio Digital Complutense, Hispana y Europeana.
9. Subconjuntos de datos para difusión
- Enlace con herramientas de metadatos, extracción y difusión, y generación de ficheros CSV para actualizar las colecciones en plataformas como OMEKA.
10. Multitarea
- Aplicar los módulos en paralelo e independientemente a colecciones distintas, creando, organizando y siguiendo varios trabajos a la vez desde la propia aplicación.
📌 Lo esencial para el examen
- Esquemas de metadatos mínimos: Dublin Core, ISAD(G) y MARC21.
- Extracción de metadatos al menos en RDF, CSV, METS o TXT.
- La ingesta borra ficheros temporales u ocultos con expresiones regulares (regex) y analiza con antivirus.
- Integridad con códigos MD5; formatos a validar incluyen PDF/A-1, UTF-8 y XML.
- Motores de caracterización obligatorios: DROID y JHOVE.
- La diseminación admite varias copias con número y ubicación configurables, verificadas con hashes.
- La auditoría detecta datos corruptos de forma automática y programada.
- Los AIP se guardan como carpetas, accesibles sin el sistema de preservación.
- Integración con Google Libros, HathiTrust, Patrimonio Digital Complutense, Hispana y Europeana; ficheros CSV para OMEKA.
De un vistazo
| N.º | Bloque |
|---|---|
| 1 | Metadatos y objetos |
| 2 | Ingesta y control de calidad |
| 3 | Diseminación en múltiples copias |
| 4 | Auditoría |
| 5 | Catálogo y recuperación |