Fernando Boro - Digitalización Preventiva

Tecnologas de digitalizacin en las
instituciones de la memoria
Curso Archivos Musicales
Museo Etnogrfico Juan B. Ambrosetti

FFyL - UBA
Primer mdulo
Lic. Fernando Boro

FFyL UBA/CONICET
Octubre de 2007
Primer mdulo - Sumario
La naturaleza del mundo digital. Diferencias

fundamentales con el mundo analgico
Emergencia del concepto de preservacin digital
Debates en torno a la aplicacin de tecnologas de

digitalizacin en las instituciones de la memoria
El enfoque hbrido
Los proyectos pioneros: primeras recomendaciones y

buenas prcticas en el uso de la tecnologa
Curso Tecnologas... 2 1era reunin

Objetos analgicos
Propiedades fsico-qumicas de los soportes (papel, microfilms,

etc.) ---> preservacin = extender vida til de los soportes
La preservacin fsica del soporte suele preservar el contenido

informativo/intelectual
El acceso puede desligarse de la preservacin: se podra guardar

un original en una bveda y negar toda consulta por mucho
tiempo (ej.: documentos fundacin ciudad de La Plata, Bs. As.).
El original no perdera su calidad de accesible por esa oclusin.

Objetos analgicos
Contenidos accesibles directamente a los humanos, slo se

requiere luz y a lo sumo una lupa (microfilm)
Se puede esperar muchos aos entre la creacin o adquisicin

del objeto y las acciones de preservacin: negligencia
benigna
Normas de preservacin bien conocidas y estables

(estabilizacin, deacidificacin, condiciones de
almacenamiento)

Objetos digitales
Soportes fsicos de informacin (disquetes, WORM, CD,

DVD, discos rgidos, etc.): No son el problema principal
Informacin codificada en forma binaria, en secuencias

o cadenas de bits (combinaciones de ceros y unos)
Se necesita software que decodifique la informacin para

presentarla en forma comprensible para los humanos.
Software = aplicaciones + SO

Objetos digitales
Contenidos accesibles slo mediante hardware

y software = Dependencia tecnolgica
Tecnologa cambia muy rpidamente (obsolescencia)

Puede perderse el acceso a la informacin digital
Sin acceso, no vale de nada tener preservada la secuencia

de bits del archivo en un soporte en buenas condiciones

Objetos digitales
Ejemplo: archivo de WordStar en un disquete de 5 = no

reconocible por procesadores de texto actuales (software);
desaparicin de esas disqueteras (hardware)
Obsolescencia tecnolgica = Alto riesgo de prdida --->

obliga a realizar acciones de preservacin ahora, con la
creacin o ingreso de la coleccin digital
Preservacin digital = Preservacin del acceso

Preservacin del acceso
Cambio de paradigma respecto de la preservacin tradicional
Preservacin digital tiene en cuenta:

Soportes
Cadenas de bits
Formatos de archivo electrnico
Software de acceso y visualizacin
Sistemas operacionales (hardware + sistemas operativos)
Ciclo de cambio tecnolgico de hardware + software

Sntesis (preservacin)
Analgico Digital
Informacin accesible Informacin inaccesible

directamente por humanos directamente por humanos
Preservacin centrada en los No alcanza con preservar los

soportes soportes
Soluciones conocidas y Soluciones todava inciertas,

estables, estndares campo en desarrollo
Se puede esperar mucho Sin embargo, se debe actuar

tiempo ahora

Estrategias de preservacin digital
De corto plazo
Preservar los soportes (chequeos, refresco)
Preservar integridad de la cadena de bits (chequeos)
Usar formatos de archivo universales, no propietarios (TIFF, XML, etc.)
Redundancia de copias de los objetos digitales (LOCKSS)
Si todo falla ----> Arqueologa digital = muy caro, no siempre funciona
De largo plazo
Registrar, documentar y controlar las distintas instancias de la informacin
en formato digital, a lo largo del entero ciclo de vida (metadatos, diversas
clases) = paranoia digital
Migracin (formatos, software, sistemas completos)
Emulacin: R. Lorie, UVM (Universal Virtual Machine)

Un poco de historia... pero digital
Principios dcada 1990: divisin entre optimistas (asumir el

liderazgo digital) y pesimistas (sentarse a esperar el fracaso
de los otros), entre profesionales de la informacin
1992: se inaugura el acceso electrnico local a millones de

documentos histricos digitalizados en el Archivo de Indias en
Sevilla (por la Web recin hacia el 2004); Vaticano y otras inst.
Se discute si las imgenes digitales pueden reemplazar a los

microfilms para preservar libros o peridicos antiguos y frgiles
(reformateo como modo de preservacin)
Digitalizacin: preservacin o acceso?

1992: Don Willis propone el hybrid approach,

approach combinando
microfilm (mster de archivo) e imagen digital (copia de
acceso), slo apto para impresos en blanco y negro
1994-96: testeo del hybrid approach sobre libros, Cornell y

Yale. Regla de los 600 dpi --------> JSTOR
1994-97: La Biblioteca del Congreso (EEUU) finaliza su

Manuscript Digitization Demonstration Project (digitalizacin de
archivos del Federal Theater Project), evaluando en
profundidad la captura en tonos de grises para originales
manuscritos

En esos aos se investigaban normas de calidad de imagen digital

para impresos, manuscritos, fotos, mapas, y cuestiones de
preservacin de las colecciones de imgenes digitales: cmo
crear colecciones digitalizadas de alto valor, que justificaran el
esfuerzo de mantenerlas activas por plazos muy largos?
Se empezaba a reconocer que la digitalizacin poda tener futuros

costos ocultos, derivados de la gestin continua y el
mantenimiento necesarios para evitar la prdida del acceso
Todava no se haba producido el impacto de la WEB, no estaba

muy claro qu hacer para preservar los archivos nacidos
digitales, y los esquemas de metadatos no estaban definidos

La situacin actual
Iniciativas nacionales e internacionales desarrollaron un conjunto de
buenas prcticas para la digitalizacin de originales, y para la preservacin
de largo plazo de objetos nacidos digitales o digitalizados
Definicin de estndares ISO para generar una infraestructura de

preservacin digital (OAIS y esquemas de metadatos normalizados)
Aparicin de herramientas de software (libre y comercial) para apoyar la

gestin de la preservacin digital
Emergencia de buenas prcticas y estndares: resultado del consenso

internacional entre especialistas de distintas disciplinas y pertenecientes a
diversas instituciones
Todava es un campo muy joven, muchas lneas de investigacin abiertas.

No hay recetas sencillas vlidas universalmente

Bibliografa
Los textos electrnicos, o bien sus hipervnculos de acceso, estn disponibles en el
grupo de Yahoo:
http://espanol.groups.yahoo.com/group/PRESERVACION-DIGITAL-BIBLIOTECA-
LELOIR-FCEYN-UBA/
Importancia de la preservacin en el mundo digital y lecturas seleccionadas, Paul Conway,

1996. Versin PDF en castellano en nuestro grupo de Yahoo, seccin Archivos
A Hybrid Systems Approach to Preservation of Printed Materials, Don Willis, 1992; accesible
en:
http://palimpsest.stanford.edu/byauth/willis/hybrid/
Digital to Microfilm Conversion: A Demonstration Project, 1994-1996 (Cornell University);

accesible en:
http://www.library.cornell.edu/preservation/publications/comfin.html
Proyecto Open Book (Yale University, 1996); accesible en:

http://www.dlib.org/dlib/february96/yale/02conway.html
Manuscript Digitization Demonstration Project - Library of Congress - Final Report, 1998;

accesible en:
http://memory.loc.gov/ammem/pictel/

Tecnologas de digitalizacin en las
instituciones de la memoria
Fundamentos para proyectos de digitalizacin
Segundo mdulo
Lic. Fernando Boro

FFyL UBA/CONICET
Octubre de 2007
Cadena de decisiones
Originales Tecnologa
Seleccin originales, criterios Dispositivos de captura = original manda
Evaluacin de estado y formato Tipos y formatos de imgenes digitales
Instrumentos descriptivos Masters y copias de acceso
Derechos de autor Resolucin (ppi), criterios
Profundidad de bits, criterios

Proyecto
Objetivos y pblico de referencia Esquemas de nombramiento de archivos
Productos: imagen, texto, ambos Textos, OCR
Escala del proyecto Sistema de acceso (web; otros medios)
En casa o por terceros Hardware y software
Ciclo de vida esperado Requerimientos preservacin digital
Curso Tecnologas... 17 2da reunin

Seleccin de originales
Criterios definidos institucionalmente. Ejemplos:

Biblioteca >>> ciclo vida informacin (colecciones especiales o tesis,
originales fuera de consulta, frente a materiales efmeros)
Archivo histrico >>> estado conservacin y frecuencia de acceso al

material (ya hubo seleccin previa del valor histrico, permanente)
Museo >>> difundir colecciones valiosas (debera definirse un

criterio que sustente las decisiones y garantice el apoyo continuado de la
institucin)
Empresa >>> guardar informacin por plazos legalmente estipulados
Reconocer (o atribuir) un valor especfico en la informacin que se digitaliza =

cientfico, de evidencia legal, histrico, cultural, institucional, etc. La
digitalizacin y el acceso ampliado agregan valor, pero requieren un
compromiso institucional sostenido en el tiempo para enfrentar los costos de
la preservacin digital de largo plazo.

Derechos de autor
Tenemos los derechos legales para reproducir digitalmente

(copiar + cambiar de formato) el original y luego diseminarlo?
Se cumpli el plazo legal previsto para los derechos (autor,

herederos y otros derechohabientes, editoriales, etc.)?
Si hay derechos de autor en vigencia, se puede intentar un

acuerdo con los derechohabientes para digitalizar con fines de
copia de preservacin, aunque esto limite la diseminacin.
Este ltimo escenario refleja una situacin probable en una

biblioteca o centro de informacin, no as en los archivos y
museos histricos, por lo general.

Evaluacin de estado y formato
Evaluar el estado de conservacin de los originales

Se puede digitalizar directamente? Requiere tratamiento previo? Qu tipo
de escaner o cmara digital necesito para preservar los originales? Requiere
escanear desde una imagen fotogrfica intermedia?
Establecer normas de manejo seguro (traslado, escaneo, mxima exposicin a
la luz y el calor, etc.). Disponer de un lugar adecuado
Consultar con especialistas en conservacin, curadores, etc.
Evaluar tamao y formato

Pueden ser hojas sueltas manuscritas, peridicos, material encuadernado
impreso o manuscrito, fotografas, negativos, mapas, etc. Si revisten valor
histrico o integran colecciones especiales:
Encuadernados:
Encuadernados Procesar con cmara digital o escaner planetario
Evitar escaner de cama plana (arriesga la integridad del original)
Sueltos: se pueden capturar con escneres comunes de cama plana, hasta

formato DIN A3 (lmite de los escneres de cama plana). Si son de gran
formato, se usan cmaras de alta resolucin o escaneres especiales

Instrumentos descriptivos
Existen instrumentos descriptivos para la nueva coleccin digital?

Si existen, revisar su adecuacin a estndares en uso en una comunidad
determinada (bibliotecas, archivos, museos, o bien por grandes reas del
conocimiento). La preservacin digital de largo plazo se ver facilitada con la
adhesin a estndares reconocidos de descripcin. De lo contrario, habr que
crearlos al efecto.
Determinar el alcance de los instrumentos de descripcin: a diferencia del

acceso analgico (fsico), el acceso electrnico plantea exigencias mayores
para el descubrimiento y uso de los recursos de informacin.
Ejemplo
Un usuario por Internet esperar encontrar no slo el texto o las imgenes

de un libro digitalizado, sino acceso directo (hipervnculos) a sus partes
componentes (ndice, tabla de contenidos, captulos, ndice de ilustraciones,
etc.), as como la posibilidad de navegar las pginas en forma secuencial

Definicin del proyecto
Objetivos: para qu (y para quin) se digitaliza

Distintos objetivos ------> distintas exigencias tcnicas
Imagen de referencia para la WEB (catlogo museo, etc.)

Apoyo a actividades educativas
Generar imgenes masters para impresin
Mejorar acceso a colecciones especiales
Preservacin (ej.: libros antiguos muy usados, pero no
tesoros). La copia digital podra reemplazar al original
Acceso a texto completo, buscable
Importante
Analizar quines sern los principales usuarios de la coleccin

digital: pblico general, cientficos, chicos de escuela ----> impacto
en los sistemas de descripcin y presentacin por la Web
Curso Preservacin... 22 2da reunin

Objetivos + pblico de referencia + formato y condicin de originales
IMAGEN
definen productos de digitalizacin >>>
TEXTO (OCR)
OCR = Optical Character Recognition, software que lee una imagen escaneada de
texto impreso y la traduce a texto ASCII, Word, etc.
Imagen digital
No tiene funcionalidad de bsqueda textual interna. Opcin ms sencilla y
econmica para impresos simples (texto b/n sin ilustraciones).
En impresos simples >>> permite diferir el OCR para el futuro.

Ejemplo JSTOR
En manuscritos, fotografas color, formatos grandes (mapas,

peridicos) >>> ms exigente, requiere alguna experiencia tcnica

Texto (OCR)
Ms trabajo humano, ms costos de produccin. OCR necesita
revisin, edicin... Se puede usar sucio para un index de bsqueda,
y acceso por imgenes. Textos electrnicos requieren esquemas de
metadatos de preservacin en XML = ms trabajo humano, ms
costos... (ver caso JSTOR)
Imagen y Texto
Texto para la bsqueda y acceso por imagen y/o texto, el usuario
puede elegir. La opcin ms costosa y completa
Nota:
Nota No hay OCR para reconocer imgenes escaneadas a partir de
manuscritos. Si se quiere obtener texto ASCII y la fuente es
manuscrita, alguien debe tipear el texto
OCR = slo impresos, tipografas modernas, siglo XX |--->

Tipografas S. XVIII y XIX = OCR especial, + caro

Determinacin de la escala del proyecto

Disponibilidad actual y futura de recursos humanos y financieros
Arquitectura de hardware y software necesaria
Familiaridad institucional con las nuevas tecnologas
Como regla general

Involucrar a los profesionales de la informtica, y alcanzar un
lenguaje en comn con ellos: FUNDAMENTAL
Empezar en pequea escala (realizar experiencia de aprendizaje

tecnolgico)
Se cometern errores: si escala pequea, recuperacin sencilla
Aprender de los errores
Documentar la experiencia
Analizar las etapas del workflow: qu se puede automatizar?

Fundamental para poder pasar del proyecto piloto a un rgimen de
produccin regular ----> compromiso institucional permanente


Digitaliza la propia institucin, o se contrata un servicio de
terceros?
En casa
Aprendizaje valioso, experiencia propia, motivacin, ntimo
conocimiento y control del material a procesar. Insume recursos
(tiempo de trabajo, personal dedicado, adquirir y actualizar
equipamiento). Probablemente proyectos en pequea escala, al
menos inicialmente.
Servicio de terceros
Menor inversin inicial en equipamiento. Podra definirse una escala
de proyecto ms ambiciosa. Pero la definicin tcnica de todo el
proceso, y sus resultados, deben ser acordados y supervisados por
personal idneo de la institucin contratante. La institucin debe
saber con precisin qu tipo de productos digitales espera obtener, y
definirlos tcnicamente en el contrato.

Servicio de terceros (cont.)
Por lo tanto, la institucin debe conocer la tecnologa tal como si fuera a

realizar el trabajo ella misma, y as poder evaluar y discutir las alternativas
tecnolgicas con la empresa de igual a igual.
El recurso a un servicio prestado por terceros puede funcionar muy bien,

siempre que las instituciones culturales se familiaricen con estas nuevas
tecnologas y sepan muy bien qu necesitan de un proveedor, qu les ofrece
ese proveedor, y qu aspectos o partes del proceso son indelegables.
Naturalmente, si se trata de material muy valioso o de carcter nico, la

empresa deber escanear los originales en la sede de la institucin, y
manipularlos bajo las normas y la supervisin del personal de la misma.

Tecnologa
Algunos dispositivos de captura

Dispositivo Originales / caractersticas
Escaner Flatbed A4 Sueltos, hasta tamao DIN A4. No apto encuadernados. Los ms
(de escritorio) baratos
Escaner Flatbed A3 Idem, hasta DIN A3. No apto encuadernados. Algo ms caros
Encuadernados y todo lo fotografiable. Requiere iluminacin

DSLR (cmara controlada. Resolucin depende tamao del sensor y del original.
digital 35mm) Preferible de 8 MP en adelante. Variedad de lentes. Ms caro
Idem anterior + obras arte museos + originales gran formato. Usan

Cmara fotogrfica respaldos digitales de alta resolucin (de 16 MP a 40 MP). Iluminacin
formato medio controlada. Excelente reprod. color. Sistema experto. Realmente caro
Encuadernados + cualquier material de 2 dimensiones que quepa en la
Escaner planetario platina (mat. sueltos, fotografas, etc.). Hasta formato A1. Los mejores
(overhead) para usan cunas compensadoras para proteger libros, iluminacin especial,
bibliotecas
autofoco y software de alta productividad. Esos, muy caros

Tecnologa
Algunos dispositivos de captura (cont.)
Escaner de Muy alta resolucin, industria grfica y publicidad. No apto para

tambor materiales frgiles: mecanismos de traccin fuerte ---> No suele
usarse en bibliotecas, archivos, etc.
Mecanismos de traccin, debera usarse slo despus de consultar

Escaner de con especialistas en conservacin y evaluar el riesgo. Se deberan
planos (plotter) utilizar los nuevos escneres planetarios para mapas, sin traccin de
ningn tipo (pero son ms caros)
Bibliotecas. Distintos modelos con distintas resoluciones, algunos

con funciones automticas. Fabricantes suelen expresar la
Escaner de
resolucin (dpi) calculada sobre tamao del original papel.
papel Analizar
microfilms
tasas de reduccin en distintas colecciones microfilmadas, para
conocer la resolucin real alcanzable en cada caso
Procesan film de 35mm y formato 120, con resoluciones entre 2500

Escaner de dpi y 4000 dpi. Buen rango dinmico, muy superiores a los
negativos y escneres de escritorio A4 y A3 con adaptadores para diapositivas y
diapositivas negativos de 35mm

Tecnologa
Escaner planetario
para mapas, sin
Escaner A3 traccin (A0)
Escaner de
microfilm
Cmara DSLR
digital 35mm Escaner de
mapas con
traccin
Escaner de
Cmaras de formato Escaner negativos
medio con respaldo planetario
digital para
libros (A1)

Tecnologa
Alimentadores automticos
Es comn que los escneres de escritorio (A4) y los de formato A3 presenten

una bandeja para la alimentacin automtica del papel. Slo se recomienda
usarla con materiales nuevos y en buen estado.
El alimentador tiene un mecanismo de traccin, con rodillos de goma o plstico,

que podra daar a un original delicado.
Es muy til para escanear rpidamente impresos no encuadernados, o que

podemos desencuadernar sin riesgo (porque tenemos muchos ejemplares y el
copyright es de nuestra institucin, por ejemplo).
No intentar con originales antiguos o valiosos (manuscritos histricos, etc.).

Fernando Boro - Digitalización Preventiva

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Fernando Boro - Digitalización Preventiva

Enviado por

Direitos autorais:

Formatos disponíveis

Tecnologas de digitalizacin en las

Curso Archivos Musicales

Museo Etnogrfico Juan B. Ambrosetti

Lic. Fernando Boro

La naturaleza del mundo digital. Diferencias

Emergencia del concepto de preservacin digital

Debates en torno a la aplicacin de tecnologas de

Los proyectos pioneros: primeras recomendaciones y

Curso Tecnologas... 2 1era reunin

Propiedades fsico-qumicas de los soportes (papel, microfilms,

La preservacin fsica del soporte suele preservar el contenido

El acceso puede desligarse de la preservacin: se podra guardar

Curso Tecnologas... 3 1era reunin

Contenidos accesibles directamente a los humanos, slo se

Se puede esperar muchos aos entre la creacin o adquisicin

Normas de preservacin bien conocidas y estables

Curso Tecnologas... 4 1era reunin

Soportes fsicos de informacin (disquetes, WORM, CD,

Informacin codificada en forma binaria, en secuencias

Se necesita software que decodifique la informacin para

Curso Tecnologas... 5 1era reunin

Contenidos accesibles slo mediante hardware

Tecnologa cambia muy rpidamente (obsolescencia)

Sin acceso, no vale de nada tener preservada la secuencia

Curso Tecnologas... 6 1era reunin

Ejemplo: archivo de WordStar en un disquete de 5 = no

Obsolescencia tecnolgica = Alto riesgo de prdida --->

Preservacin digital = Preservacin del acceso

Curso Tecnologas... 7 1era reunin

Cambio de paradigma respecto de la preservacin tradicional

Preservacin digital tiene en cuenta:

Formatos de archivo electrnico

Software de acceso y visualizacin

Sistemas operacionales (hardware + sistemas operativos)

Ciclo de cambio tecnolgico de hardware + software

Curso Tecnologas... 8 1era reunin

Informacin accesible Informacin inaccesible

Preservacin centrada en los No alcanza con preservar los

Soluciones conocidas y Soluciones todava inciertas,

Se puede esperar mucho Sin embargo, se debe actuar

Curso Tecnologas... 9 1era reunin

Curso Tecnologas... 10 1era reunin

Principios dcada 1990: divisin entre optimistas (asumir el

1992: se inaugura el acceso electrnico local a millones de

Se discute si las imgenes digitales pueden reemplazar a los

Curso Tecnologas... 11 1era reunin

1992: Don Willis propone el hybrid approach,

1994-96: testeo del hybrid approach sobre libros, Cornell y

1994-97: La Biblioteca del Congreso (EEUU) finaliza su

Curso Tecnologas... 12 1era reunin

En esos aos se investigaban normas de calidad de imagen digital

Se empezaba a reconocer que la digitalizacin poda tener futuros

Todava no se haba producido el impacto de la WEB, no estaba

Curso Tecnologas... 13 1era reunin

Definicin de estndares ISO para generar una infraestructura de

Aparicin de herramientas de software (libre y comercial) para apoyar la

Emergencia de buenas prcticas y estndares: resultado del consenso

Todava es un campo muy joven, muchas lneas de investigacin abiertas.

Curso Tecnologas... 14 1era reunin

Importancia de la preservacin en el mundo digital y lecturas seleccionadas, Paul Conway,

Digital to Microfilm Conversion: A Demonstration Project, 1994-1996 (Cornell University);

Proyecto Open Book (Yale University, 1996); accesible en:

Manuscript Digitization Demonstration Project - Library of Congress - Final Report, 1998;