404 Not Found – Ki őrzi meg az internetet? – A digitális megőrzés új irányai

 

Az Országos Széchényi Könyvtár Digitális Bölcsészeti Központja 2025. november 12-én tartotta meg a webes tartalmak archiválásával és a digitális megőrzés aktuális kérdéseivel foglalkozó éves szakmai rendezvényét, a kilencedik 404 Not Found – Ki őrzi meg az internetet? című konferenciát és workshopot.  

Az Országos Széchényi Könyvtárban megrendezett esemény központi témája idén a webarchívum mint adat volt, ez állt az egész napos program előadásainak és műhelyfoglalkozásának fókuszában. Már a megnyitók felhívták a figyelmet arra, hogy a webarchívumokban felhalmozott hatalmas adattömeg kutatási hasznosítása stratégiai fontosságú mind a hazai, mind a nemzetközi tudományos életben. 

A konferenciát a házigazda intézmény részéről Gerencsér Judit, az OSZK általános főigazgató-helyettese nyitotta meg, majd Latorcai Csaba, a Közigazgatási és Területfejlesztési Minisztérium közigazgatási és területfejlesztési miniszterhelyettese, parlamenti államtitkár köszöntötte a résztvevőket.  

 

A szakmai program első részében a Skót Nemzeti Könyvtár két munkatársa, Eilidh MacGlone és Joseph Marshall mutatta be a National Library of Scotland: Our web archive (1999–) című előadásában az Edinburghban és Glasgow-ban működő kötelespéldány-könyvtár két és fél évtizedes webarchiválási gyakorlatát. Részletesen ismertették, hogyan tette lehetővé számukra a 2013-ban megjelent Kötelespéldány-könyvtárak (nem nyomtatott művek) szabályzata, hogy az engedélyezett gyűjtés mellett köteles példányként is archiváljanak weboldalakat, és miként alakították ki az azóta fejlődő, kutatói együttműködésekre építő munkafolyamataikat. 

A program online bekapcsolódó előadója, Kocsis Andrea (University of Edinburgh) a Hozzáférés engedélyezve. Kreatív utakon a webarchívumokhoz című előadásában mutatta be az általános olvasók, az adathasználók és a „digitálisan kíváncsi” felhasználók bevonásának lehetőségeit. A University of Edinburgh, a Cambridge University Libraries és a National Library of Scotland közös projektjeire támaszkodva ismertette a gamifikált felületek, kiállítások, gondosan kurált metaadatkészletek és a Datasheets for Data dokumentáció szerepét, valamint két esettanulmányt – az Archive of Tomorrow és a Digital Ghost projekteket. 

A Nemzeti Audiovizuális Archívum (NAVA) részéről Bajnok László A NAVA archiválási tevékenysége – Audiovizuális dokumentumok katalogizálása a NAVA-ban című előadásában az audiovizuális tartalmak gyűjtésének, digitalizálásának és katalogizálásának folyamatát ismertette. Részletesen bemutatta, hogy a NAVA a 2006. január 1-je óta gyűjtött rádiós és televíziós műsorszámokat miként teszi elérhetővé oktatási és kutatási hálózatokon. 

 

A digitális információk megőrzésének alternatív eszközeiről szólt Holl András (MTA KIK) Repozitóriumok – a digitális információk archiválásának eszközei című előadása, amely a komplex webes tartalmak repozitóriumi elhelyezésének lehetőségeit tárgyalta, és egyúttal megemlékezett Dömölki Bálintról, a témához kapcsolódó NWS2025-ös előadás egyik szerzőjéről. 

A nyelvtechnológiai kutatások szempontjait mutatta be Sárossy Bence (ELTE Nyelvtudományi Kutatóközpont) Milyen magyar nyelvet tanul meg a mesterséges intelligencia? – Az internet tartalma mint tanítóanyag című előadásával. Részletesen ismertette a PULI nyelvmodellcsalád 70 milliárd szavas tanítókorpuszának összeállítási folyamatát, az internetes adatgyűjtés kihívásait, valamint az adattisztítási és előfeldolgozási lépéseket, amelyek lehetővé tették a ChatPULI fejlesztését. 

A nemzeti könyvtár webarchiválási tapasztalatait Drótos László (OSZK) Adatok az adatokról – Az MNMKK OSZK webarchívuma 2025-ben című előadása foglalta össze. Beszámolt a 2025-ben több terabájttal bővülő webtartalomról, az új és jelentősen fejlesztett részgyűjteményekről, az idei első webtérszintű aratás előkészítéséről és eredményéről, valamint a Heritrix robot és a Browsertrix crawler kombinált használatáról. Külön kitért arra is, hogy a nyilvános gyűjtemény több száz részletes metaadat-leírással gazdagodott, és elkészült annak az adatbázisnak a terve, amely az archivált tartalmak nyilvántartását és az automatizált munkafolyamatok támogatását egyaránt szolgálja. 

 

A délelőtti programot Kalcsó Gyula (OSZK) Hírportálok napi mentése Browsertrix crawlerrel című előadása zárta, amely a válogatott magyar hírportálok napi archiválásának megújított eljárását mutatta be. Részletesen összehasonlította a Heritrix és a Browsertrix eszközöket, ismertette a dinamikus tartalmak archiválásának kihívásait, valamint azokat a szkripteket, amelyekkel a görgetést és lapozást igénylő hírfolyamok is sikeresen menthetők. 

A délután 14 órakor kezdődő workshopon, amelyet szintén Kalcsó Gyula vezetett Az archiválás új szintje – dinamikusan generált, interaktív webhelyek mentése böngészőalapú crawlerrel (Browsertrix) címmel, a résztvevők gyakorlati tapasztalatot szerezhettek a Browsertrix telepítésében, konfigurálásában és konkrét webhelyek próbamentéseiben. A nagy érdeklődéssel kísért műhelyfoglalkozás lehetőséget adott arra, hogy a szakemberek önállóan is képesek legyenek modern, interaktív webhelyek magas minőségű archiválására. 

A konferencia kérdésekkel, hozzászólásokkal és szakmai vitával zárult. A nap során több új hazai és nemzetközi együttműködés körvonalazódott, többek között technológiai tudásmegosztás, új archiválási módszerek tesztelése, a magyar nagy nyelvi modell építésében való közreműködés, valamint az audiovizuális és webes gyűjtemények összekapcsolásának lehetőségei. Az esemény megerősítette, hogy a digitális kulturális örökség megőrzése olyan közös szakmai feladat, amelynek sikere az intézmények közti együttműködésen és a webarchívumok sokoldalú kutatási hasznosításán múlik. 

 

Kapcsolódó tartalmak: 
A konferencia programja
Az előadások listája, kivonatai és prezentációi