Internetarkeologer rekonstruerar förlorade webbsidor

Internet håller på att försvinna. Och med det följer en viktig del av vår nedtecknade historia. Det var slutsatsen av en studie som den här bloggen tittade på förra året, som mätte i vilken takt länkar som delas över sociala medieplattformar som Twitter försvann.

Slutsatsen var att denna data går förlorad med 11 procent inom ett år och 27 procent inom två år.

Idag avslöjar forskarna bakom detta arbete att allt inte är förlorat. Hany SalahEldeen och Michael Nelson vid Old Dominion University i Norfolk, Virginia, har hittat ett sätt att rekonstruera borttaget material och säger att det fungerar ganska bra.

Först lite bakgrund. Dessa killar började sitt arbete med att studera de tusentals tweets, blogginlägg och andra resurser som publicerades under de 18 dagarna av uppror i den egyptiska revolutionen 2011. Dessa resurser var viktiga, säger de, eftersom de ger en värdefull dokumentation av en historisk händelse.

Men de upptäckte också att vissa av dessa inlägg och andra på webben höll på att försvinna och började mäta i vilken takt de försvann. Därav siffrorna ovan.

Det nya verket är deras försök att rekonstruera dessa saknade inlägg och resurser, åtminstone delvis, från ledtrådarna de lämnar efter sig på webben.

SalahEldeen och Nelson började med att försöka bekräfta de tidigare resultaten och det skapade en överraskning. Ett intressant fenomen inträffade då flera av de resurser som tidigare förklarats saknade blev tillgängliga igen, menar de.

Det är möjligt om det ursprungliga försvinnandet var resultatet av en störd domän eller ett arkiv som senare återställdes, eller ett användarkonto som hade stängts av och senare återställts.

Så SalahEldeen och Nelson undrade hur det kunde vara möjligt att hitta detta återuppståndna material, även när det inte längre finns i sitt ursprungliga cyberkvarter. De påpekar att de flesta delade resurser lämnar spår på andra håll på webben, som retweets, hashtags, kommentarer och så vidare.

Idén som SalahEldeen och Nelson kom på var att försöka rekonstruera en saknad resurs genom att söka efter spåren på webben. För det använde de Twitter-sökmotorn Topsy, som låter dem ange adressen till en saknad resurs och returnerar de tweets som refererar till den. Detta är resursens tweetsignatur.

De extraherar sedan de fem vanligaste termerna i den här signaturen och använder dem som en sökfråga i Google. Resultatet är en lista över potentiella ersättningar för den förlorade resursen.

En viktig fråga är förstås hur nära ersättningskandidaterna matchar den ursprungliga resursen. För att testa detta genomförde SalahEldeen och Nelson samma process för resurser som inte hade försvunnit och jämförde sedan ersättningskandidaterna med originalen. De säger att ersättningarna hade 70 % textmässig likhet med den ursprungliga resursen ungefär 40 % av gångerna.

Inte perfekt, naturligtvis, men bättre än ingenting. Och kanske med tiden blir det möjligt att göra bättre.

Det som är intressant är att denna process är en slags internetarkeologi som rekonstruerar en historisk webbsida från det sammanhang där den inträffade. Det är en fascinerande ny disciplin.

I den verkliga världen har arkeologer och antropologer blivit mycket skickliga på att rekonstruera naturhistorien på detta sätt. Slutsatserna som kan dras från upptäckten och analysen av en enda tand, till exempel, är verkligen häpnadsväckande.

Det finns ingen anledning till varför internetarkeologer inte kan bli lika skickliga.

Ref: arxiv.org/abs/1309.2648 : Resurrecting My Revolution: Använda Social Link Neighborhood för att skapa sammanhang till den försvinnande webben

Dölj