Kiterjedt elemzés készült az eltűnő weboldalak digitális archiválásáról

Az elmúlt évtizedben létrehozott weboldalak mintegy negyede mára elérhetetlenné vált, ám a globális internetes archívumok jelentős hányadukat képesek megmenteni a végleges pusztulástól – derül ki az Internet Archive kutatásvezetője, Sawood Alam legfrissebb elemzéséből. A digitális hivatkozások rohamos romlása súlyos veszélyt jelent a modern kori történelmi és kulturális örökségre, azonban a Wayback Machine és a hasonló platformok kritikus szerepet játszanak az online adatok konzerválásában.

A digitális enyészet mértékét jól mutatja a Pew Research Center 2024-ben közzétett kutatása, amely szerint a 2013 és 2023 között létrehozott webes tartalmak 25 százaléka mára teljesen elérhetetlenné vált, míg a 2013-as oldalak esetében ez az arány eléri a 38 százalékot.

Hasonlóan drasztikus adatokat közölt az Ahrefs keresőoptimalizálási vállalat, amely szerint az elmúlt kilenc év hivatkozásainak 66,5 százaléka halott. Az amerikai Old Dominion University (ODU) egy 2024-es longitudinális vizsgálatában 27,3 millió, 1996 és 2021 közötti URL-címet elemzett, és arra a következtetésre jutott, hogy a vizsgált hivatkozások 65 százaléka már nem működött a mérések időpontjában.

Sawood Alam és kutatócsoportja a Pew Research Center 5,4 millió URL-t tartalmazó adatkészletének másodlagos vizsgálatával kimutatta, hogy az információvesztés jelentősen mérsékelhető az archiválási technológiák révén. Elemzésük szerint a Wayback Machine a halottnak hitt hivatkozások mintegy 16 százalékát sikeresen megmentette, így a ténylegesen és véglegesen elveszett tartalmak aránya az eredeti negyedről megközelítőleg egytizedre csökkent.

A vizsgált adathalmaz 72 százaléka megtalálható az archívumban, további 18 százalékuk pedig – bár jelenleg még működik a világhálón – archiválás hiányában veszélyeztetett státuszúnak minősül. A kutatók saját mérésekkel rekonstruálták Jonathan Zittrain amerikai jogtudós a The New York Times hivatkozásaira vonatkozó 2021-es vizsgálatát is: a napilap 2013-as cikkeiből kinyert 88 ezer külső link 40 százaléka mára halottnak bizonyult a nyílt weben, ám 96 százalékukat a Wayback Machine szerverei sikeresen megőrizték.

A digitális adatok megőrzése a modern kor egyik legkomplexebb archiválási kihívása. Brewster Kahle, az Internet Archive alapítója korábbi méréseire hivatkozva rámutatott, hogy egy átlagos weboldal élettartama mindössze 40 és 100 nap között mozog. A probléma súlyosságát hangsúlyozza Messarra és szerzőtársai 2026-os, „Vanishing Culture” (Eltűnő kultúra) című kötete is, amely a digitális formában rögzített kulturális örökség sérülékenységére és az archívumok elengedhetetlen történelmi megmentő szerepére hívja fel a figyelmet.

Az információs hálózatok töredezettségének megakadályozása érdekében jelenleg is aktívan működnek olyan automatizált rendszerek, mint a „Turn All References Blue” (TARB) projekt, amely már több mint 30 millió halott hivatkozást javított ki különböző wiki-oldalakon a digitális archívumok segítségével. A kutatás végső konklúziója rávilágít: bár a világháló rendkívül törékeny, a folyamatos és szisztematikus gépi archiválás nélkülözhetetlen a 21. század történelmi lenyomatának az utókor számára történő megőrzéséhez.