2. Wat betekent het archiveren van een databank?

UNIVERSITEIT ANTWERPEN
INSTITUUT VOOR ONDERWIJS- EN INFORMATIEWETENSCHAPPEN
INFORMATIE- EN BIBLIOTHEEKWETENSCHAP
Archivering van databanken binnen de
Vlaamse overheid
Promotor: Prof. Dr. Kees Van der meer
Eindverhandeling ingediend ter verkrijging
van het diploma ‘Gespecialiseerde Studie
Informatie- en Bibliotheekwetenschap’
door: Sam Alloing.
23 februari 20081. ....................................................................................................... Inleiding
1.1. Wat is (digitaal) archiveren? ............................................................................................ 4
1.2. Wat zijn databanksystemen? .......................................................................................... 7
1.2.1. Databankonderdelen ................................................................................................. 7
1.2.2. Datamodellen ............................................................................................................ 7
1.2.3. Soorten databanksystemen ....................................................................................... 9
1.2.4. Datatypes ................................................................................................................ 10
1.2.5. Zoektalen ................................................................................................................. 10
2. Wat betekent het archiveren van een databank? ................................................................. 11
2.1. Archiveren van datasets ................................................................................................ 11
2.2. Archiveren van databanken........................................................................................... 11
2.3. Datawarehouses ........................................................................................................... 12
3. Vraagstukken bij het archiveren van databanken ................................................................. 13
3.1. Wat moet gearchiveerd worden? .................................................................................. 13
3.2. Wanneer moet er gearchiveerd worden? ...................................................................... 14
3.3. Eisen bij het archiveren ................................................................................................. 16
3.4. Wettelijke aspecten bij het archiveren van databanken ................................................ 17
4. Metadata .............................................................................................................................. 20
4.1. De keuze van metadata ................................................................................................ 21
5. Wat zijn de essentiële kenmerken en authenticiteitseisen van een databank? .................... 24
5.1. Inhoud ........................................................................................................................... 26
5.2. Context.......................................................................................................................... 26
5.3. Structuur ....................................................................................................................... 27
5.4. Uiterlijk .......................................................................................................................... 28
5.5. Gedrag .......................................................................................................................... 28
6. Een digitale archiveringsstrategie ........................................................................................ 29
6.1. De keuze van een strategie .......................................................................................... 29
6.2. Migratie ......................................................................................................................... 30
6.2.1. Standaardformaten .................................................................................................. 31
2
6.2.2. Interoperabiliteit ....................................................................................................... 42
6.3. Conversie ...................................................................................................................... 43
6.4. Emulatie ........................................................................................................................ 44
6.5. Geen bewaarstrategie gebruiken .................................................................................. 46
6.6. Conclusie bewaarstrategieën ........................................................................................ 48
7. Stand van zaken van projecten en hulpmiddelen ................................................................. 51
7.1. Emulatie ........................................................................................................................ 51
7.2. Conversie ...................................................................................................................... 52
7.3. Interoperabiliteit ............................................................................................................ 53
7.4. XML als bewaarformaat ................................................................................................ 54
7.4.1. Digitale Duurzaamheid ............................................................................................ 54
7.4.2. Arkade en Arkadukt ................................................................................................. 54
7.4.3. RODA ...................................................................................................................... 55
7.4.4. MIXED ..................................................................................................................... 56
7.5. SIARD ........................................................................................................................... 57
7.6. Chronos ........................................................................................................................ 58
7.7. RDF en OWL ................................................................................................................ 62
8. Minimale metadataset voor databanken .............................................................................. 62
9. Richtlijnen ............................................................................................................................ 66
10. Stappenplannen.................................................................................................................. 68
10.1. Voorbereidende stappen ............................................................................................. 68
10.2. Stappenplan voor langetermijnarchivering van databanken in XML ............................ 69
10.2.1. Valideren van gearchiveerde bestanden ............................................................... 70
10.3. Stappenplan bij het archiveren van grote databanken ................................................ 71
10.3.1. Stappenplan voor het omzetten van de databank.................................................. 71
10.3.2. Stappenplan voor het omzetten van de gegevens ................................................. 72
10.3.3. Valideren van de gearchiveerde bestanden........................................................... 72
11. Conclusie ............................................................................................................................ 73
12. Lijst van figuren .................................................................................................................. 76
3
13. Bibliografie .......................................................................................................................... 77
1. Inleiding
Van april 2007 – augustus 2007 werd er een bevraging uitgevoerd bij de afdelingen van de
Vlaamse overheid1. De bevraging peilde de huidige stand van zaken van het archiefbeleid bij
de Vlaamse overheid, zowel voor het papieren archief als het digitale archief. Uit het
projectrapport ‘Geheugen in gevaar: Analyse van het beheer van het digitale en papieren
archief bij de Vlaamse ministeries’2 blijkt dat er weinig afdelingen een uitgewerkte strategie
hebben rond digitaal archiveren. De afdelingen hebben meer en meer digitale bestanden en
werken meer en meer digitaal. Hierdoor stijgt ook het aandeel van het digitaal archief. Als het
digitale archief niet goed beheerd wordt, dan verliest de Vlaamse overheid informatie. Daarom
is het belangrijk om een bewaarstrategie uit te werken voor digitale archiefobjecten.
Doel van deze tekst is om de verschillende aspecten, zowel technisch, procedureel als
wettelijk, van databank archiveren te onderzoeken en om een overzicht te geven van
verschillende technieken om databanken te archiveren binnen de Vlaamse overheid. Op basis
van het overzicht wordt er een techniek naar voor geschoven om databanken te archiveren bij
de Vlaamse overheid. Er worden ook een aantal aandachtpunten opgesomd bij het maken van
een databank. Er worden praktische richtlijnen opgesomd die het archiveren van databanken
vereenvoudigen en een stappenplan voor het omzetten van de databank in een duurzame
formaat. Deze tekst is geen handleiding bij het archiveren van databanken. De tekst is bedoeld
als een startpunt om een archiveringsstrategie voor databanken uit te werken.
1.1. Wat is (digitaal) archiveren?
Archivering is de opslag, de ontsluiting en de terbeschikkingstelling van archiefobjecten met
het oog op bewaring. Digitale objecten worden duurzaam opgeslagen en de inhoud wordt
ontsloten zodat de informatie terug te vinden is en de inhoud ter beschikkinggesteld wordt aan
de gebruikers.
Het moet duidelijk zijn dat hier niet het technisch archiveren of het maken van een back-up
van een databank bedoeld wordt, maar het bewaren op lange termijn van de databank3. Een
1
De bevraging werd uitgevoerd bij de departementen en IVA’s zonder rechtspersoonlijkheid of Intern Verzelfstandigde
Agentschappen. Deze worden rechtstreeks door een minister aangestuurd.
2
Dit is een intern rapport
3
Met technisch archiveren wordt bedoeld het opslaan van gegevens op een compactere manier om ruimte te besparen.
Dit wordt toegepast op bestanden, die niet meer zo frequent gebruikt worden, om zo de bestaande infrastructuur te
ontlasten. Back-up is een tijdelijke opslag van bestanden. Back-ups worden gemaakt voor het geval er zich problemen
4
belangrijk verschil tussen inhoudelijk archiveren enerzijds en back-up en technisch archiveren
anderzijds, is dat bij inhoudelijk archiveren een selectie gemaakt wordt van wat bewaard moet
blijven en een termijn wordt vastgelegd over hoe lang iets moet bewaard blijven. Er zijn
verschillende motivaties mogelijk bij het vastleggen van de bewaartermijnen. Er is het
administratief en juridisch belang, maar er is ook het historisch belang.
De tijd dat een object moet bewaard blijven hangt af van de bewaartermijn. Dit geldt zowel
voor papieren als digitale objecten. Er is maar een kleine hoeveelheid objecten, die permanent
bewaard moeten blijven. Een archief dat goed beheerd wordt, maakt het mogelijk om snel en
eenvoudig te bepalen wat, wanneer vernietigd mag worden. Sommige bestanden moeten lang
bewaard worden omdat ze een neerslag zijn van de activiteiten van een archiefvormer.
Onder de omvattende term ‘digitaal object’ verstaat men alle soorten van informatie die als
archief gekenmerkt kan worden. Een digitaal object omvat dus zowel een kantoordocument,
een
e-mailbericht,
een
databank
of
een
volledige
website.
Het
wordt
gebruikt
als
verzamelnaam aangezien de klassieke term ‘archiefstukken’ of ‘archiefbescheiden’ niet
toereikend is in de digitale wereld en verwarring schept over het bereik van digitaal
archiefbeheer. Wat betreft de archivering is de precieze vorm van een digitaal object niet van
belang;
elke
vorm
vertoont
gemeenschappelijke
kenmerken
en
vergt
gelijkaardige
inspanningen voor duurzame bewaring. De specifieke kenmerken van elk object zal deze
inspanningen uiteraard beïnvloeden.
Een archiefobject doorloopt verschillende fasen tijdens zijn levenscyclus. De dynamische fase
begint bij het ontstaan van het object en loopt af op het moment dat het object afgesloten
wordt. De volgende fase is de semi-statische fase. In deze fase heeft het object nog steeds
een administratieve en/of juridische waarde, maar het object is afgesloten en wordt niet meer
aangevuld. Het object is hier nog altijd belangrijk voor de archiefvormer. De bewaartermijn
bepaalt de tijd dat semi-statisch archief bewaard moet blijven. Een betaalde factuur
bijvoorbeeld moet om wettelijke redenen gedurende tien jaar bewaard blijven. Een afgesloten
projectdossier heeft geen juridische waarde meer maar kan nog wel een administratieve
waarde hebben. Het dossier wordt zolang bewaard tot het dossier relevant blijft voor de
werking van de archiefvormer. Als de bewaartermijn overschreden is, verliest het object zijn
administratieve en/of juridische waarde en mag het, mits toestemming van de Algemeen
Rijksarchivaris of zijn gemachtigden, vernietigd worden. De volgende fase is de statische fase.
In deze fase bevindt zich het archief dat om culturele of historische redenen bewaard blijft. Het
zouden voordoen met de moederbestanden. Deze tekst wil geen afbreuk doen aan het nut van technisch archiveren of
het maken van back-ups. Het zijn belangrijke onderdelen van een goed functionerend ICT-beleid. We willen er enkel op
wijzen dat inhoudelijk archiveren een ander doel heeft dan technisch archiveren en het maken van back-ups.
5
archief in de statische fase wordt permanent bewaard en wordt overgedragen aan het
Algemeen Rijksarchief. Bijvoorbeeld de notulen van directieraden verschaffen informatie die de
beleidsmatige werking van een organisatie documenteert. Hierdoor hebben deze documenten
ook een historische waard en worden ze doorgaans permanent bewaard.
Een archiefobject of archiefstuk werd gemaakt met een bepaalde doelstelling. Het is ontstaan
tijdens de uitoefening van een functie of de uitvoering van een handeling van de archiefvormer
en bevat procesgebonden informatie. De band tussen object en proces mag niet verloren gaan,
want anders verliest het haar juridische, administratieve of historische waarde. Deze band is
wat men context noemt. Context is een heel belangrijk concept in de archiefwereld. Als er
enkel een back-up gemaakt wordt, dan gaat deze context verloren. De relatie tussen een
archiefobject en de functie binnen de processen wordt niet gedocumenteerd en op die manier
gaat de administratieve en juridische context verloren. Als er enkel een back-up wordt
gemaakt, dan wordt het bestand ook niet in een duurzaam formaat omgezet en kunnen er
geen garanties gegeven worden dat de bestanden nog binnen een aantal jaren toegankelijk
zijn.
Om de band tussen object, proces en archiefvormer te kunnen aantonen ook over een lange
termijn is niet alleen context belangrijk, maar ook integriteit, oorspronkelijke orde en
authenticiteit. Integriteit is de eigenschap van een object dat volledig is. Het vormt een
onderdeel
van
authenticiteit.
Authenticiteit
is een
kenmerkende
eigenschap
van
een
archiefobject dat betrouwbaar is en dat is wat het beweert te zijn. Ook authenticiteit is een
onderdeel van identiteit (het unieke karakter van een archiefobject).
De definitie van archivering wijst op de risico’s die een slecht archiefbeheer kan voortbrengen.
Ten eerste bestaat de kans dat de informatie die in de objecten besloten zit niet meer
raadpleegbaar of zelfs begrijpbaar is op korte termijn. Een onbeheerd archief leidt tijdens de
dynamische fase tot een gefnuikte informatie-uitwisseling, een verminderde productiviteit en
uiteraard verhoogde kosten voor het inefficiënte beheer en opslag ervan 4. In een latere fase
loopt
het
archief
het
risico
waardeloos
te
worden
door
haar
onbegrijpelijkheid
of
ontoegankelijkheid.
Een ander risico dat in rekening gebracht moet worden is van juridische aard. Elk archiefobject
binnen de Vlaamse overheid heeft een publiekrechterlijk karakter en valt onder de federale
archiefwet van 1955. Deze wet plaatst het archief van de overheid onder de bevoegdheid van
de Algemeen Rijksarchivaris, zonder wiens toestemming geen enkel archiefobject vernietigd
4
Patricia Daum, 'Evolving the Records Management Culture: From Ad Hoc to Adherence', The Information
Management Journal, 41 (2007/3) 43-49.
6
mag worden. Daarnaast stelt het decreet betreffende de openbaarheid van bestuur 5 dat –
opnieuw – elk object binnen een openbaar orgaan per definitie openbaar is en omwille van
haar verantwoordingsplicht aan de betrokken burger ter beschikking moet worden gesteld op
diens vraag. Een efficiënt archiefbeheer zal de publiekrechterlijke archiefvormer in staat stellen
te voldoen aan haar wettelijke verplichtingen.
1.2. Wat zijn databanksystemen?
Een databank wordt gebruikt om heel efficiënt grote hoeveelheden gegevens geordend op te
slaan. Ze zijn het fundament waar gegevens uit worden gehaald door een programma, een
website of rechtstreeks door een zoekvraag te formuleren. Ze nemen een belangrijke plaats in
veel organisaties in. De Vlaamse overheid is geen uitzondering.
1.2.1. Databankonderdelen
Een databank bestaat uit meer dan alleen data. Er zijn drie belangrijke delen te identificeren,
namelijk de data, het databanksysteem (ook wel DBMS of Database Management System
genoemd) en de toepassing die gebruik maakt van de databank. De toepassing kan in
verschillende vormen voorkomen. Het kan bijvoorbeeld een webinterface zijn of een speciaal
programma dat gebruik maakt van de databank of een interface gebouwd met het
databankprogramma. Het DBMS wordt gebruikt om de data en de toegankelijkheid te beheren.
Het beheer houdt bijvoorbeeld in dat een DBMS de juistheid en volledigheid van gegevens
helpt te garanderen bij het gebruik van de gegevens, of het beschermt de gegevens tegen
ongeautoriseerd gebruik. Het maakt de toegang van verschillende gebruikers of programma's
mogelijk zonder dat de data inconsistent worden, bijvoorbeeld als een persoon een bepaalde
rij aanpast, dan zijn er bepaalde functionaliteiten die zorgen dat als een andere persoon
dezelfde rij wil aanpassen de data consistent blijven.
1.2.2. Datamodellen
De data kunnen door het databanksysteem op verschillende manier geordend worden. De
oudste soort databanksystemen zijn de hiërarchische en de netwerkdatabanken. Daarnaast
zijn er ook relationele, XML gebaseerde en objectgeoriënteerde databanken.
Hoewel de hiërarchische en netwerkdatabanken de oudste van de opgesomde soorten
databanksystemen zijn, worden ze nog altijd gebruikt. De hiërarchische databank heeft een
omgekeerde boomstructuur, te vergelijken met een organogram. De tabellen zijn gekoppeld
5
Voor een uitgebreidere bespreking van de wettelijke aspecten zie 3.4 Wettelijke aspecten bij het archiveren van
databanken
7
door een ouder-kind relatie. Dit betekent dat elke kind-tabel één enkele ouder-tabel heeft,
maar een ouder kan verschillende kind-tabellen hebben. Een kind-tabel is volledig afhankelijk
van de ouder-tabel. Het kan niet bestaan zonder een ouder-tabel. Een voorbeeld van een
hiërarchische databank is IMS6 van IBM.
Een netwerkdatabank is in zekere zin een verfijning van het hiërarchisch model. Een kind-tabel
kan in een netwerk model meerdere ouder-tabellen hebben en op die manier wordt er een
netwerk van relaties gecreëerd. Een voorbeeld van een netwerkdatabank is CA-IDMS van CA.
De meest gebruikte databank is de relationele databank en wordt hier daarom uitgebreider
beschreven. De gegevens in een databank worden opgeslagen in een tabelvorm. Een tabel
bestaat uit rijen en kolommen en vormen samen velden. Een rij wordt ook een tupel genoemd
en bevat een eenheid. Bijvoorbeeld in een tabel met adressen bevat elke rij één adres. De
kolommen bevatten de attributen van een eenheid. Als ook hier het voorbeeld van een adres
gebruikt wordt, dan bevatten de kolommen bijvoorbeeld straat, nummer, gemeente en
postcode. Dit is een bekend concept dat ook wordt gebruikt bij rekenbladen. Het verschil met
een rekenblad is dat er bij tabellen van een databank relaties gelegd worden tussen de
verschillende tabellen. Een databank bestaat meestal uit verschillende tabellen die op een
bepaalde manier aan elkaar gekoppeld zijn. De relationele methode combineert de voordelen
van het hiërarchisch en het netwerk model. De relaties tussen de verschillende tabellen zijn in
zekere zin hiërarchisch, maar de ouder-tabellen moeten niet allemaal doorzocht worden om
gegevens te vinden. De relaties tussen de tabellen zijn veel flexibeler. Het is mogelijk om
zowel relaties te leggen tussen ouder-tabellen als tussen kind-tabellen. Om dergelijke flexibele
relaties mogelijk te maken, wordt er gebruik gemaakt van een primaire sleutel. Een primaire
sleutel identificeert een rij of een eenheid in een bepaalde tabel.
Een andere soort databank is de objectgeoriënteerde databank. Deze gaat terug op het
objectgeoriënteerd programmeren. Er wordt uitgegaan van het algemeen concept van
objecten7. Een ingewikkeld concept kan opgedeeld worden in kleinere objecten. Het
objectgeoriënteerde model wordt gebruikt bij databanken die complexe datatypes nodig
hebben. Een relationele databank gebruikt eenvoudige datatypes zoals tekst, gehele getallen,
decimale getallen,.... Complexe data types komen geregeld voor bij CAD of bij GIS
6
7
IMS staat voor Information Management System
Hier wordt object bedoeld als een abstracte voorstelling door computers van concepten in de werkelijkheid.
Bijvoorbeeld een auto kan een object zijn. Dit object bestaat in de werkelijkheid, maar voor de computer wordt er een
abstracte voorstelling van gecreëerd met bepaalde eigenschappen die voor het computer programma van belang zijn.
Andere eigenschappen worden niet opgenomen. Bijvoorbeeld de kleur, type motor,...
8
databanken8.
Een
object-relationeel
model
combineert
de
eigenschappen
van
een
objectgeoriënteerd model en een relationeel model.
XML is vooral gekend om documenten op te maken, maar het kan ook gebruikt worden om een
databank te maken op basis van XML bestanden. De data in de databank worden
gestructureerd aan de hand van een XML document. Deze databanken gebruiken niet alleen
XML, maar ook andere gerelateerde XML-technologieën, zoals XQuery of XPath om de
databank te bevragen. XQuery en XPath zijn een standaard zoektaal voor XML ontwikkeld door
het W3C9. Een voorbeeld van een XML databank is eXist10.
1.2.3. Soorten databanksystemen
In de meeste organisaties zijn er twee grote groepen van databanksystemen te onderscheiden.
Er zijn de complexe databanken en de desktop databanken. Het gaat meestal over relationele
databanken. De complexe databanken zijn uitgebreid en bevatten veel gegevens en
verschillende tabellen die met relaties aan elkaar verbonden zijn. We hebben speciale functies
om de beschikbaarheid, beveiliging, de integriteit,... van de databank te garanderen. Dit is
nodig, omdat databanken een belangrijke plaats innemen in een organisatie en gemaakt en
onderhouden worden door specialisten. Er wordt gebruik gemaakt van een speciale omgeving
om de databank te ontwikkelen en te onderhouden. Een voorbeeld binnen de Vlaamse
overheid van een dergelijke complexe databank is Vlimpers 11.
De desktop databanken worden ontwikkeld en onderhouden door de eindgebruiker. Deze
eindgebruiker hoeft geen speciale opleiding voor het ontwikkelen van databanken gevolgd te
hebben. Vaak heeft de eindgebruiker wel een opleiding gevolgd om te leren werken met de
desktop databank. De databank en het programma om de databank te ontwikkelen en
onderhouden zijn meestal hetzelfde. Het programma heeft ook een eenvoudige interface, die
het mogelijk maakt om een databank snel te ontwikkelen zonder al te veel voorkennis. Het is
ook mogelijk om snel een interface te maken om gegevens in te voeren of weer te geven. De
databanken zijn minder complex en hebben vaak ook een tijdelijk karakter. Een bijkomend
probleem is dat er bij dergelijke databanken minder zorg wordt besteed aan het goed
ontwikkelen van de databankstructuur. Snelheid van ontwikkelen primeert bij een dergelijke
8
Zo kan in een objectgeoriënteerde databank een object "weg" opgeslagen worden, zonder dat de attributen van de weg
in rekening moeten gebracht worden.
9
http://www.w3.org/
10
http://exist.sourceforge.net/
11
Vlimpers is de databank met personeelsgegevens van de Vlaamse ambtenaren
9
aanpak12. Er kan enkel gebruik gemaakt worden van leveranciersspecifieke oplossingen. Een
voorbeeld van een dergelijk programma is MS Access 13.
1.2.4. Datatypes
In een databank worden gegevens opgeslagen volgens een bepaald datatype. Zoals eerder
vermeld, wordt meestal gebruik gemaakt van tekstuele of numerieke gegevens. Afhankelijk
van de databank zijn er ook andere datatypes beschikbaar. In databanken worden, naast tekst
en numerieke gegevens, ook afbeeldingen, geluid, multimedia-bestanden opgeslagen of alles
wat in een bitstream kan opgeslagen worden. Dit soort data worden opgeslagen in een
datatype dat LOB (Large OBject wordt genoemd). Afhankelijk van de inhoud zijn er
verschillenden soorten LOB's. Er zijn bijvoorbeeld BLOB of CLOB. BLOB staat voor Binairy
Large OBjects en bevatten binaire data. CLOB staat voor Character Large OBject en bevat
karakters.
Elke databank leverancier heeft ook nog eigen datatypes. Bijvoorbeeld in MS Access is er een
datatype hyperlink. Het is ook mogelijk voor de gebruiker om eigen datatypes te definiëren.
Deze eigen ontwikkelde datatypes zijn afhankelijk van de gebruikte databank.
1.2.5. Zoektalen
Een zoektaal wordt gebruikt om een databank te bevragen. De meest bekende zoektaal voor
databanken is SQL. Het staat voor Structured Query Language. Het is de zoektaal voor
relationele databanken.
Het
bestaat
uit
verschillende
onderdelen,
bijvoorbeeld
SQL/PSM
is
een
procedurele
programmeertaal. Deze taal maakt van SQL een "gewone" programmeertaal en voegt
bepaalde functies zoals een lus toe. Door de verschillende onderdelen is SQL meer dan alleen
een zoektaal. SQL wordt verder uitgebreid besproken 14.
Zoals eerder aangehaald is SQL niet de enige zoektaal. Bij een XML databank wordt gebruik
gemaakt van XQuery.
12
Deze observatie is geen kritiek, maar het is wel een kenmerk waar rekening mee moet gehouden worden bij het
ontwikkelen van een archiveringsstrategie.
13
http://office.microsoft.com/en-us/access/
14
Zie 6.2.1.1. SQL
10
2. Wat betekent het archiveren van een databank?
2.1. Archiveren van datasets
Soms wordt bij het bewaren van databanken enkel het bewaren van datasets bedoeld. Het
grote verschil tussen het archiveren van datasets en databanken is dat bij een dataset de data
in één of meer bestanden wordt bijgehouden en een beschrijving van de mogelijke relaties in
een niet-formele taal15 gebeurd. Het is ook mogelijk dat er per tabel een lijst van gebruikte
codes wordt aangemaakt om de codes in de dataset uit te leggen. Bijvoorbeeld in een
bepaalde kolom kan M voor mannelijk en V voor vrouwelijk staan. Ook deze codes worden in
een niet-formele taal beschreven16. Bijvoorbeeld EASY17 maakt een hele reeks gearchiveerde
datasets toegankelijk. De data worden beschreven in een CSV-bestand18 en de code die
gebruikt wordt in de dataset wordt toegelicht in een tekst bestand. Daarnaast is er nog een
extra PDF-bestand met de metadata voor de data en de codes. Het bewaren van een dataset is
een interessante mogelijkheid bij grote hoeveelheden uniforme data, zoals bij enquêtes of
volkstellingen.
Nog een verschil tussen het archiveren van databanken en datasets is dat een databank vaak
uniek is en ontwikkeld wordt om aan een specifieke behoefte te voldoen. Er wordt bovenop de
databank in de applicatielaag een eigen interface ontwikkeld. De interface is niet wijd verspreid
en is vaak specifiek voor een bepaalde databank. Het wordt soms ook gemaakt in een
ontwikkelomgeving die specifiek is voor een bepaalde leverancier.
2.2. Archiveren van databanken
Bij databanken die minder uniforme data hebben, moet de volledige databank zoveel mogelijk
bewaard worden. Hiermee wordt bedoeld: de data, relaties tussen de tabellen, de
applicatielaag, de zoekvragen, procedurele talen, triggers19, subschema’s20, beperkingen,…. De
15
16
Een uitgebreidere bespreking is te vinden bij 6.2.1.1. Platte tekstbestand
Er bestaan initiatieven om datasets beter te documenteren, zoals het Data Documentation Initiatief (DDI)
http://www.ddialliance.org. Het is de bedoeling om een XML-gebaseerde standaard te maken voor de inhoud,
presentatie, transport en bewaring van de documentatie van datasets in sociale en gedragswetenschappen.
17
EASY staat voor Electronic Archiving System. Het is een elektronisch depot van DANS. Voor een uitgebreide
bespreking zie verder
18
CSV staat voor comma-separated value. Het is een bestand met een scheidingsteken aangebracht om de velden te
scheiden. Zie verder 6.2.1.1. Platte tekstbestand.
19
Een trigger is een stuk procedurele code dat automatisch wordt uitgevoerd als een reactie op een bepaalde gebeurtenis
in een tabel van een databank.
11
applicatielaag moet bijvoorbeeld bewaard blijven als er betekenis vervat zit in de applicatielaag
over de data. De volledige databank geeft ook meer context. Doordat context zo belangrijk is,
is het belangrijk om bij een databank niet alleen de inhoud (de data) te bewaren, maar ook de
structuur van de databank. Zo blijft de databank voor een lange tijd verstaanbaar en is het
mogelijk om de omstandigheden te reconstrueren waarin het archiefobject gebruikt werd.
Context is niet alleen belangrijk voor de archivaris, maar ook voor de gebruiker van de
gearchiveerde databank. Dankzij de context is het voor de gebruiker mogelijk om in te
schatten wat de waarde is en beperkingen zijn van de data. Op deze manier is het voor de
gebruiker mogelijk om de data juist te interpreteren en efficiënt te gebruiken 21.
Er kan wel op een andere manier context gegeven worden. Bijvoorbeeld op de website van de
archiefvormer kan er bij de dataset informatie vermeld worden over de archiefvormer. Dit is
echter geen duurzame manier en het geeft geen formele beschrijving van de structuur die
gemakkelijk in andere programma's kan geïmporteerd worden of gebruikt worden op een
andere manier. Er blijft ook geen informatie over hoe de databank door de archiefvormer
gebruikt werd.
2.3. Datawarehouses
Er is verder een verschil tussen archiveren van databanken en datawarehouses. In een
datawarehouse worden gegevens opgeslagen in een "archief" om ze te analyseren en patronen
te herkennen in de data, maar het is geen archief om data te bewaren, zoals in deze tekst
wordt bedoeld. Bij datawarehouses worden de data bijvoorbeeld genormaliseerd aan de
structuur van de datawarehouse. Hierdoor verliest de data zijn oorspronkelijke orde en gaat de
structuur van de originele databank verloren. Bovendien worden in een datawarehouse
verschillende databanken bij elkaar gevoegd. Het is niet altijd mogelijk te achterhalen uit
welke databank een bepaalde record komt. In een datawarehouse worden m.a.w. de
belangrijke archiveringsprincipes geschonden.
Een datawarehouse verandert niet alleen de structuur, maar ook de semantiek van een
databank. Een ETL programma22 past de semantiek van de data aan de semantiek van een
20
In databank jargon wordt dit views genoemd. Het is een virtuele tabel die aangemaakt wordt op basis van de tabellen
in een databank en de virtuele tabel maakt geen onderdeel uit van het schema.
21
Research information network, Stewardship of digital research data: a framework of principles and guidelines (Draft
for consultation), april 2007, p 9. http://www.rin.ac.uk/data-principles
22
ETL staat voor Extract, Transform en Load. Het is een proces bij datawarehouses om data uit andere bronnen te
extraheren, te transformeren in een nieuwe structuur om de data gemakkelijker te analyseren en opnieuw te laden in een
datawarehouse. http://en.wikipedia.org/wiki/Extract,_transform,_load
12
datawarehouse aan, waardoor de oorspronkelijke semantiek verloren gaat. Hierdoor zal de
context van de data verloren gaan. Dit maakt duidelijk dat archiveren meer is dan alleen het
bewaren van de data in de databank.
Een ander probleem met datawarehouses is eerder een algemeen probleem met software. De
software veroudert erg snel en dit geeft problemen bij de toegankelijkheid. Bij datawarehouses
wordt gebruik gemaakt van leverancierspecifieke software en hierdoor wordt het langdurig
bewaren van gegevens een probleem.
Er wordt op dit moment wel onderzocht hoe een datawarehouse kan ingeschakeld worden in
een archiveringsstrategie. Het onderzoek zal nagaan wat de eisen zijn waaraan een
datawarehouse moet voldoen om gebruikt te kunnen worden voor archivering 23. De
doelstellingen van dit onderzoek zijn om onder andere de transformatieregels om te zetten in
een procesgeoriënteerd en geïntegreerd schema. Dit systeem moet de betekenis bewaren van
de processen en de impliciete kennis over de processen expliciet maken. Deze expliciete kennis
zit vervat in procedures van een organisatie en in documentatie van de softwareontwikkeling.
Er moeten dan concordantieregels24 worden uitgewerkt tussen de operationele databank en de
datawarehouse uitgerust voor archivering. De structuur van de te archiveren databank moet
gecontroleerd, gedocumenteerd en gereorganiseerd worden, zodat het duidelijk is wat de
oorspronkelijke structuur was en hoe deze structuur is omgezet in de nieuwe structuur. Er
moet een manier zijn om deze verandering in structuur te documenteren en om de
gearchiveerde databank buiten de datawarehouse op te slaan, zodat alle informatie over een
gearchiveerde databank bewaard kan worden voor een lange termijn. Gabriel David stelt voor
dat dit opgeslagen wordt in een XML model, zodat het voor langetermijnbewaring in
aanmerking kan komen.
3. Vraagstukken bij het archiveren van databanken
3.1. Wat moet gearchiveerd worden?
Er zijn een aantal specifieke moeilijkheden bij het archiveren van databanken. Bij digitale
documenten is het duidelijk wat een archiefstuk is, maar bij een databank is dit niet zo
duidelijk. Er zijn verschillende mogelijkheden. Het complete databanksysteem kan als een
archiefstuk bekeken worden, inclusief de data, DBMS en toepassing. Het is ook mogelijk om
23
Gabriel David, Data Warehouses in the Path from Databases to Archives. International Workshop on Database
Preservation (PresDB'07), 2007. http://homepages.inf.ed.ac.uk/hmueller/presdb07/papers/PRESDB_GTD.pdf
24
In het Engels wordt dit mapping genoemd
13
enkel de data te bewaren, zoals hierboven besproken bij datasets25. Het is ook mogelijk om de
data verspreid over verschillende tabellen of de gegevens uit de databank zoals die getoond
worden op het scherm aan de gebruiker te beschouwen als archief. Het wordt nog
onduidelijker als men probeert om een archivistische beschrijving te geven van een
betekenisvolle entiteit zoals een dossier, document,... Dit is moeilijk omdat de gegevens voor
het maken van een dergelijk betekenisvolle entiteit maar een onderdeel zijn van een databank
of verspreid kunnen zijn over verschillende tabellen of over verschillende databanken. Het
moet duidelijk zijn dat de vraag ”wat moet er bewaard worden” niet eenduidig kan beantwoord
worden en dat dit afhankelijk kan zijn van de interpretatie van de archiefvormer en kan
verschillen van databank tot databank.
Zoals hierboven bij de beschrijving van een databank naar voor komt bestaat een databank uit
verschillende onderdelen. Er moet afgevraagd worden welk onderdeel een belangrijk onderdeel
van de databank vormt. Dit helpt bij het bepalen wat gearchiveerd moet worden. Zo kan men
de vraag stellen of de applicatielaag belangrijk is om bewaard te blijven
3.2. Wanneer moet er gearchiveerd worden?
Niet alle databanken moeten bewaard blijven. Zoals eerder aangehaald zijn databanken uniek
en daarom is het niet eenvoudig om een databank op te nemen in een document- en
archiefbeheersplan en algemene richtlijnen te geven welke databank moet bewaard blijven en
hoe lang. Het is daarom belangrijk om van bij de creatie van de databank te bepalen of de
databank in aanmerking komt voor langetermijnbewaring. De archiefvormer kan het best
bepalen wanneer een databank in aanmerking komt voor langetermijnarchivering. Het is wel
belangrijk om afspraken te maken met het Algemeen Rijksarchief, want de algemeen
rijksarchivaris is degene die kan bepalen of iets voor lange termijn bewaard moet worden. De
aangewezen
manier
om
afspraken
te
maken
met
de
rijksarchivaris
is
om
een
archiefbeheersplan op te stellen. Een archiefbeheersplan geeft een overzicht van alle
documenttypes in een organisatie. Het Algemeen Rijksarchief heeft geen specifieke richtlijnen
voor het archiveren van databanken en de archiefwet is ook niet duidelijk of databanken
überhaupt wel gearchiveerd moeten worden (zie verder 3.4). Toch zijn er een aantal richtlijnen
die gevolgd kunnen worden:

Hoe hoger de databank in de hiërarchie van een organisatie geplaatst kan worden, hoe
belangrijker de databank wordt om te bewaren. Bijvoorbeeld de Vlimpers databank is
belangrijker om te bewaren dan een databank die door iemand gemaakt is om
eenvoudig personeelsgegevens te beheren van de afdeling. Hoewel die databank
25
2.1 Archiveren van datasets
14
belangrijk kan zijn voor de werking van die persoon is het niet belangrijk om voor een
lange tijd te bewaren. Omdat Vlimpers voor heel de Vlaamse overheid gebruikt wordt
en dus hoog in de hiërarchie voorkomt, is het wel interessant om deze databank te
bewaren.

Bevat de databank extra informatie (die belangrijk is om te bewaren) over de
organisatie of de activiteiten van de archiefvormer die niet in documenten of andere
informatieobjecten bewaard wordt? Of is de informatie verspreid over verschillende
documenten en zit in de databank alle informatie samen? Dan kan het interessant zijn
om de databank te bewaren.

Worden de gegevens in andere vorm bewaard? Bijvoorbeeld als op basis van de
databank documenten gemaakt worden die ook bewaard blijven? Dan is het niet nodig
om de databank te bewaren, als de andere documenten al bewaard worden.

Laat de wetgeving toe om de informatie te bewaren in digitale vorm?

Kan de integriteit en authenticiteit van de gegevens voldoende gegarandeerd worden?
Bepalen wanneer een databank moet gearchiveerd worden is ook niet eenvoudig. Bij een
operationele databank verandert de inhoud regelmatig. De structuur verandert in mindere
mate. Dit schept problemen voor het bepalen van het tijdstip van archiveren. Er kan gesteld
worden dat in elk geval bij wijzigingen aan de structuur de databank gearchiveerd moet
worden
en
oude gegevens niet verwijderd of overschreven
mogen worden. Als de
bewaartermijn verstreken is dan mogen de data wel verwijderd worden.
Om het beste moment te vinden om de inhoud van de databank te archiveren is heel wat
moeilijker. Als een databank afgesloten is of als de wijzigingen af en toe plaats vinden of op
regelmatige basis, maar in één keer een grote hoeveelheid, dan is het heel wat eenvoudiger
om een tijdstip te bepalen. De archiefvormer is best geplaatst om het moment voor
archivering te bepalen. Er zou bijvoorbeeld gezegd kunnen worden dat een databank één keer
per jaar gearchiveerd kan worden.
Voor de databanken die continu gewijzigd worden, zijn er een aantal mogelijkheden 26. De
eenvoudigste en meest beheersbare oplossing is om een tijdsstempel te gebruiken bij elk
record. Zo is het eenvoudig te weten wanneer de data laatst gewijzigd zijn en kan er
éénvoudig een selectie uitgevoerd worden op de data.
26
Kevin Ashley (2004) The preservation of databases, VINE 34/2, p.66-70.
15
Het maken van complexe databanken gebeurt, zoals eerder aangehaald, door specialisten. Het
archiveren is daardoor ook complex en moet gebeuren door specialisten. Desktop databanken
zijn vaak eenvoudiger en het archiveren moet volgens een eenvoudig systeem gebeuren dat
door de eindgebruiker snel geleerd kan worden en weinig expertise vereist.
Type databank27
Beschrijving
Wanneer archiveren
Gesloten28 – statische29
databank
Een databank die afgesloten is
op een bepaald moment,
bijvoorbeeld
onderzoeksdatabanken
Op het einde wanneer de
databank afgesloten is
Open30 – statische databank
Een lijst van transacties bij
een bankrekening. De
transacties worden
toegevoegd aan de databank.
Een tupel wordt niet gewijzigd
Op regelmatige tijdstippen
kan de archiefvormer bepalen
om een archiveringsactie uit
te voeren, bijvoorbeeld
jaarlijks
Gesloten – dynamisch31
In bijzondere
omstandigheden, bijvoorbeeld
een databank van een bedrijf
dat failliet is
Op het einde wanneer de
databank afgesloten is
Open – dynamisch
Een databank die continu
geüpdatet wordt
Een tijdstempel toevoegen
aan elk tupel. Zo wordt het
eenvoudiger om te
archiveren.
3.3. Eisen bij het archiveren
Een probleem van een andere orde is dat er weinig onderzoek verricht is naar de
langetermijnbewaring van databanken, zeker in vergelijking met het bewaren van digitale
documenten of afbeeldingen.
Als er gesproken wordt over het archiveren van databanken, dan wordt er vaak enkel het
archiveren van datasets bedoeld. Maar zoals eerder besproken is het niet mogelijk om voor
elke databank enkel de dataset te bewaren, want anders kan er belangrijke informatie verloren
gaan.
Al deze problemen maken het moeilijk om een databank om te zetten naar een vorm die het
27
Kevin Ashley (2004) The preservation of databases, VINE 34/2, p.66-70.
28
Gesloten betekent dat er waarschijnlijk geen data meer zullen toegevoegd worden
29
Een statische databank is wanneer de tupel van een databank éénmaal gecreëerd niet meer gewijzigd worden
30
Open betekent een databank waar gegevens kunnen toegevoegd worden
31
De data in een dynamische databank kunnen overschreven worden
16
mogelijk maakt om te archiveren.
Een oplossing voor het archiveren van databanken moet de volgende eisen in acht nemen:

de authenticiteit en integriteit moeten zoveel mogelijk bewaard blijven door het
bewaren van de originele structuur (inclusief primaire sleutels, vreemde sleutel,
datatypes,...)

De authenticiteit en integriteit kunnen gewaarborgd worden door de originele bitstream
en metadata te bewaren32.

de metadata moeten toegankelijk en begrijpbaar zijn op lange termijn

de data moeten bruikbaar en verwerkbaar zijn door toekomstige systemen

de databank moet onafhankelijk worden van de DBMS, de hardware en het
besturingssysteem

er moet gebruik gemaakt worden van standaarden die breed geaccepteerd en
internationaal erkend zijn. Er wordt best gebruik gemaakt van open standaarden,
omdat deze vrij van patenten zijn en dus een grotere zekerheid bieden om gebruikt te
worden als archiveringsformaat

het beheer en onderhoud van het archief moet onafhankelijk zijn van specifieke
software. De voorkeur zou uit moeten gaan naar open bron software, omdat dit grotere
zekerheid biedt, het veranderen van programma gemakkelijker is en het probleem van
vendor lock-in33 vermeden wordt

het archief moet toegankelijk gemaakt kunnen worden, het moet bijvoorbeeld mogelijk
zijn om de gearchiveerde databank opnieuw te importeren in een andere databank

de niet-technische metadata moeten verworven worden en opgeslagen worden in een
standaard formaat. Ook deze metadata moet toegankelijk gemaakt worden, zodat de
gearchiveerde databank gemakkelijk terug te vinden is
3.4. Wettelijke aspecten bij het archiveren van
databanken
Er zijn een aantal wettelijke aspecten waarmee rekening moet gehouden worden bij het
archiveren van databanken. Een belangrijk decreet is het decreet op Openbaarheid van
bestuur. Het decreet legt aan de overheid op om bestuursdocumenten waarover het beschikt
ter beschikking te stellen aan de burgers.
32
Zie verder 4.1 Keuze van metadata voor de technische uitwerking
33
Met vendor lock-in wordt bedoeld dat men vasthangt aan een bepaald programma, omdat er geen gemakkelijke
manier is om naar ander programma over te schakelen of omdat het veranderen van leverancier een grote kost met zich
meebrengt.
17
Het is niet duidelijk of de term bestuursdocumenten ook betrekking heeft op databanken, want
het is moeilijk bij een databank te spreken van een document. Ook de verduidelijking van de
term schept problemen bij databanken. Men definieert bestuursdocumenten als “de drager, in
welke vorm ook, van informatie waarover een instantie beschikt”. Het is niet duidelijk bij
databanken wat onder de term “informatie” valt. Zijn dit enkel de gegevens in de databank of
is dit ook bijvoorbeeld de applicatielaag, die van de gegevens in een databank informatie
maakt? Uit de Memorie van toelichting34 is af te leiden dat ook databanken vallen onder de
definitie van bestuursdocumenten 35.
Om aan het decreet op openbaarheid van bestuur te voldoen moet een overheid de
bestuursdocumenten bewaren. Toch zijn er een aantal beperkingen op het decreet van
openbaarheid
van
bestuur.
De
eerste
beperking
is
de
archiefwet
van
1955
voor
publiekrechterlijk archief. De wet maakt het mogelijk om een selectie uit te voeren van de
archiefobjecten die men moet bewaren. Er moet bij het vernietigen van archief wel
toestemming gevraagd worden van de Algemeen Rijksarchivaris.
De archiefwet is een verouderde en vage wet. Zo staat er niets vermeld over databanken. De
wet bevat ook geen definitie van de term archief. Dit maakt het moeilijk om te bepalen of een
databank valt onder de archiefwet. Een veel gebruikte definitie voor archief “de verzameling
van stukken die, ongeacht datum, vorm of materiële drager, voortgebracht en ontvangen
worden door iedere [...] archiefproducerende instelling in de uitoefening van haar activiteit”36.
Onder deze brede definitie kunnen ook databanken vallen die gemaakt zijn in uitoefening van
de taak of activiteit van de archiefvormer.
Het decreet van openbaarheid van bestuur en de archiefwet zijn bondgenoten, omdat het
archief volgens de archiefwet in een geordende en toegankelijke staat bewaard moet worden.
Dit maakt het mogelijk om bestuursdocumenten 37 in het archief gemakkelijk terug te vinden
en gemakkelijker op een vraag van de burger te antwoorden. Anders gezegd het decreet op
openbaarheid van bestuur heeft een efficiënt archiefbeheer nodig.
34
Memorie
van
toelichting
bij
de
term
“Bestuursdocument”
http://www3.vlaanderen.be/openbaarheid/meer.php?nav_id=11&eenheid_id_van=185.
35
Filip Boudrez en Hannelore Dekeyser, David, Digitaal archiveren in praktijk. Openbaarheid van bestuur, p 26.
http://www.expertisecentrumdavid.be/davidhandboek/index.html
36
Dit is een veel gebruikte definitie in de archiefsector A.J.M Den Teuling, Archiefterminologie voor Nederland en
Vlaanderen, Stichting Archiefpublicaties, ’s Gravenhage, 2003
37
Er is geen volledige overlapping tussen archiefstuk en bestuursdocument, maar ze overlappen wel voor een groot
gedeelte. Een diepgaande analyse is te vinden in Digitaal archiefbeheer in de praktijk. Handboek, 27 –ev.
18
De privacywet legt ook beperkingen op aan het decreet van openbaarheid van bestuur en aan
het archief. De overheid moet zich afvragen of de inzage in een bepaald bestuursdocument of
archiefobject geoorloofd is als het document of object personeelsgegevens bevat. Niet enkel
inzage is beschermd maar elk verwerking38 van een archiefobject is onderhevig aan de
privacywet.
Nog een wet die het decreet op de openbaarheid van bestuur beperkt is de auteurswet. In
deze wet is er speciaal aandacht voor databanken. In de auteurswet wordt databank
gedefinieerd als “een verzameling van werken, gegevens of andere zelfstandige elementen,
systematisch of methodisch geordend, en afzonderlijk met elektronische middelen of
anderszins toegankelijk39”. Een databank hoeft op basis van deze definitie niet digitaal te zijn.
Bijvoorbeeld een telefoonboek in papieren vorm is ook een databank volgens deze wet 40.
De auteurswet beschermt enkel databanken waarvan de originaliteit van de databank blijkt uit
de selectie of de rangschikking van de inhoud. Omdat men geen selectie wil maken in een
databank of men wil geen originele rangschikking, vallen heel wat databanken niet onder de
auteurswet. Enkel de structuur kan door de auteurswet beschermd worden. Als het
telefoonboek weer als voorbeeld genomen wordt, dan is het duidelijk dat een telefoonboek alle
telefoonnummers wil ontsluiten en zeker geen selectie wil maken. Ook de manier van
rangschikken van de gegevens is niet origineel, want de rangschikking is alfabetisch.
De wetgever wilde dergelijke databanken beschermen, omdat ze een grote investering vragen
van de producent van de databank. Daarom werd er een speciale Europese databankrichtlijn 41
gemaakt en werd deze richtlijn omgezet in een databankwet 42. De wet is van toepassing op
databanken waarvan de verkrijging, controle of presentatie van de inhoud een substantiële
investering vereist.
De auteurswet en de databankwet zijn belangrijk voor het archiveren van databanken, omdat
38
De verwerking moet breed geïnterpreteerd worden, bijvoorbeeld verspreiding is ook een verwerking. De definitie van
verwerking is te vinden in de privacywet art.1 §2.
39
Art 20bis van de auteurswet
40
In deze tekst geldt wordt een andere definitie gebruikt. Voor de definitie van een databank in deze tekst zie 1.2. Wat
zijn databanken.
41
Richtlijn 96/9/EG van het Europees Parlement en de Raad van 11 maart 1996 betreffende de rechtsbescherming van
databanken
42
Wet houdende omzetting in Belgisch recht van de Europese richtlijn van 11 maart 1996 betreffende de
rechtsbescherming van databanken - 31 augustus 1998. Een uitgebreide bespreking van deze wet is te vinden in Hendrik
Vanhees, De juridische bescherming van databanken, Rechtskundig weekblad 1999-2000, 30, 25 maart 2000, p 1001 –
1018.
19
er toestemming moet gevraagd worden aan de auteur voor o.a. archivering. De auteurswet
beschermt een databank voor 70 jaar na de dood van de auteur 43 en de databankwet heeft
een maximale bescherming van 31 jaar44. Er zijn wel een aantal uitzonderingen gemaakt voor
personen die een legale kopie mogen hebben. In de databankwet wordt deze uitzonderingen
de rechtmatige gebruiker45 genoemd. Deze gebruiker heeft tot een deel van de databank
toegang en kan binnen de beperkingen van de databankwet 46 en de auteurswet47 kopieën van
een deel van de databank gebruiken.
In de algemene auteurswet is er een speciale uitzondering voor reproducties en mededelingen
door archieven48. In de databankwet is er geen uitzondering voor archieven. Er is enkel een
uitzondering voor het gebruik voor wetenschappelijk onderzoek en educatieve doeleinden.
Voor deze uitzonderingen is het enkel toegestaan om een niet-substantieel deel van de
databank te gebruiken. Dit schept problemen voor het archiveren van databanken.
Al deze wettelijke aspecten moeten uitgeklaard worden voor een databank gearchiveerd kan
worden. Sommige aspecten moeten bekeken worden voor de databank gecreëerd wordt, zoals
de beperkingen die de auteurswet en databankwet opleggen. Indien nodig moet er in een
licentieovereenkomst een uitzondering voorzien worden om het archiveren van databank
mogelijk te maken.
4. Metadata
Noch tijdens de dynamische fase noch tijdens de latere levensstadia staat een object op
zichzelf. Een e-mail is meer dan enkel de tekst van het e-mailbericht. Het draagt een
tijdsstempel, is afkomstig van een auteur, behandelt een bepaald onderwerp, beantwoordt een
eerder bericht, heeft betrekking op een dossier, is gecreëerd met een bepaald programma
enzovoort. Al deze elementen bieden informatie over de informatie in het document; het zijn
metadata of gegevens over gegevens. Net zoals bij papieren stukken zijn ze voor de
archiefvormer, de archiefbeheerder en de archiefgebruiker waardevolle elementen. Ze
documenteren de archivistische en technische context van het document en maken het beheer
43
Voor uitzonderingen zie de auteurswet art 2.
44
Een databank wordt beschermd voor 15 jaar bij de fabricage van de databank en als de databank daarna aan het
publiek wordt ter beschikking gesteld dan komt daar nog eens 15 jaar bij.
45
Art 2 4°
46
Art 8 - 12
47
Art 20quater van de auteurswet
48
Hannelore Dekeyser (2007) Auteursrecht, technische maatregelen en wettelijk depot p 32
– 33.
http://www.expertisecentrumdavid.be/docs/Auteursrecht_Digitaal_Archiveren_v2.pdf.
20
van dat document in al zijn levensfases mogelijk. Ze zijn niet alleen essentieel voor een
individueel document, maar ook voor een dossier, een serie en zelfs een archiefbestand.
4.1. De keuze van metadata
Metadata dienen diverse doelstellingen en moeten daarom met grote zorg gekozen worden.
Een vaak gebruikte categorisering van metadata is de indeling in inhoud, structuur en beheer.
De inhoudelijke metadata leggen de auteur, de datum, de titel en dergelijke vast. Onder
structuur dient men informatie over het formaat en de representatie of weergave van het
object te verstaan. Ten derde beschrijven metadata over het beheer onder meer de
bewerkingsgeschiedenis en de rechten. Een aantal specifiekere metadataschema’s zijn echter
voorgesteld die meer aandacht schenken aan de bijzonderheid van archieven. Zoals hierboven
aangehaald, is context een belangrijk begrip in de archiefwereld. Het zorgt dat de band tussen
het digitaal object en het proces bewaard blijft en dat het object niet haar (juridische,
administratieve of historische) waarde verliest.
Uit het hoger beschreven voorbeeld van een e-mail blijkt dat de inhoud van het object vaak
niet toereikend is om de context te achterhalen. Noch de band met andere object, noch de
functie van het object is vanzelfsprekend. Toekenning van metadata aan archiefstukken dient
dus rekening te houden met zeer diverse noden: niet alleen de inhoud moet gedocumenteerd
worden, maar ook de verschijningsvorm van die inhoud, de context, de technische
eigenschappen en het beheer van het object tijdens de dynamische, semi-statische en
statische fase.
Het OAIS-model definieert vier categorieën metadata die gericht zijn op archivistische
bewaring en ontsluiting: 1) Inhoud 49, 2) Bewaring50, 3) Structuur51 en 4) Beschrijving52. De
categorie ‘Inhoud’ omvat metadata over de visuele representatie of weergave en de technische
eigenschappen van het object. Daaronder vallen dus ook gegevens over het bestandsformaat,
de karakterset, de soft- en hardwareomgeving en het bestandssysteem.
49
Content Information
50
Preservation Description Information
51
Packaging Information
52
Descriptive Information
21
Figuur 1: Het OAIS-model
De tweede categorie maakt de bewaring van die inhoud op lange termijn mogelijk.
Bewaringsmetadata documenteren dus de inhoud van het bestand en houden haar begrijpelijk
en
betrouwbaar.
Het
OAIS-model
legt
vier
onderscheiden
functies
vast
voor
bewaringsmetadata: Referentie, Context, Betrouwbaarheid en Geschiedenis53. ‘Referentie’
identificeert het bestand op unieke wijze en maakt haar terugvindbaar, zowel binnen het depot
als naar buiten toe. Onder ‘Context’ wordt de relatie van het bestand met de taken van de
moederorganisatie en met andere bestanden gedefinieerd, waardoor haar functie bewaard
blijft. ’Betrouwbaarheid’ bewaakt de authenticiteit en integriteit van het object: het kan een
controlecijfer bevatten of een digitale handtekening54. Metadata over de ‘Geschiedenis’ leveren
informatie over het traject dat het object (en de ‘Inhoud’) doorlopen heeft: de oorsprong van
het object, de migratiebewerkingen die het heeft ondergaan, de bevoegde beheerders, de
bewaartermijnen55 en regelingen van openbaarheid56.
53
De Engelstalige benamingen luiden resp. Reference Information, Context Information, Fixity Information en Prove-
nance Information
54
Een controlecijfer of checksum is het resultaat van een algoritme uitgevoerd op (meestal) de bits van een bestand om
de integriteit ervan te controleren. Uiteraard moet in beide gevallen nagestreefd worden zo veel mogelijk gegevens te
bewaren, dus ook het gebruikte algoritme, private sleutels enzovoort.
55
Het verwijderen van AIP’s (of archiefselectie en - vernietiging) is niet opgenomen in het OAIS-model. Gegevens
over de bewaartermijn past niettemin in de categorie Geschiedenismetadata.
56
Een inleiding tot Bewaringsmetadata of Preservation Description Information biedt T. Leyssens, ‘Preservation
Metadata: metadata voor digitale archieven op basis van het OAIS-informatiemodel’, Bibliotheek- & Archiefgids, 79
(2003/3) 15-18.
22
De derde categorie beschrijft de structuur van het AIP57 in het digitale depot, zoals de wijze
waarop metadata geassocieerd worden met het object.
Tenslotte maakt de categorie ‘Beschrijving’ ontsluiting van het archief mogelijk. Ze bevat
algemeen-descriptieve gegevens over het AIP – geput uit de andere metadata – en wordt
bevraagd
door
de
gebruiker
die
op
zoek
is
naar
een
bepaald
object,
dossier
of
archiefbestand58. Het vormt de bouwstenen van wat de archiefgebruiker kent als de inventaris.
Voor elk van deze algemene categorieën van metadata moeten concrete elementen gekozen
worden voor elk object, elk archiefbestanddeel. Een toenemend aantal concrete toepassingen
van metadatastandaarden is beschikbaar maar onderlinge afstemming blijft beperkt 59. Toch
kunnen en moeten ze de archiefvormer en archiefbewaarder inspireren bij het bepalen van de
vereiste metadata. De National Archives of Australia ontwikkelden een lijst van metadata die
verplicht is voor overheidsinstellingen van het Commonwealth of Australia 60. Ook in de
Australische staat New South Wales, in Groot-Brittannië en in Canada werden gelijkaardige
standaarden ontwikkeld61. Dichter bij huis stelde de Archiefschool in Amsterdam een lijst van
metadata op voor het digitale beheer van papieren en digitaal overheidsarchief en baseerde
zich daarbij op eerder ontwikkelde en gestandaardiseerde modellen62.
Tussen
deze
standaarden
voor
publiekrechterlijk
archiefbeheer
zijn
de
onderlinge
overeenkomsten beperkt, aangezien ze vaak vanuit een eigen theoretisch model vertrekken.
Zelfs over de metadata die verplicht moeten worden, bestaat geen eensgezindheid. De
gemeenschappelijke
aggregatieniveau
57
verplichte
(document,
metadata
dossier
of
zijn
identificatie,
serie),
titel,
openbaarheid,
auteur,
datum,
bewaartermijn
en
AIP staat voor Archival Information Package. Dit is het pakket waarin een archiefobject wordt opgeslagen in het
OAIS-model. Het pakket bevat niet alleen het archiefobject, maar ook metadata.
58
Consultative Committee for Space Data Systems, Reference Model for an Open Archival Information System
(OAIS), 2002 , p. 4-34. Zie http://public.ccsds.org/publications/archive/650x0b1.pdf.
59
Een overzicht van de verschillende initiatieven en hun uiteenlopende doelstellingen geeft H. Hofman, ‘Metadata and
the Management of Current Records in Digital Form (2000) http://www.ica.org/en/node/30038.
60
National Archives of Australia, Recordkeeping Metadata Standard for Commonwealth Agencies, 1999
http://www.naa.gov.au/records-management/publications/RKMS.aspx
61
Zie voor een (stilaan verouderd) overzicht en analyse van alle metadatastandaarden http://www.gseis.ucla.edu/us-
interpares/madras/index.php
62
Met name ISO-15489, MoReq (Model Requirements for the Management of Electronic Records) en de archivistische
beschrijvingsnormen ISAD(G) en ISAAR(CPF). P. Horsman e.a., Softwarespecificaties voor Records Management
Applicaties voor de Nederlandse Overheid 2004, 95-96. http://www.remano.nl/docs/ReMANO2004.pdf. Recordkeeping
Metadata Standard for Commonwealth Agencies, 1999. http://www.naa.gov.au/Images/rkms_pt1_2_tcm2-1036.pdf
23
beheersgeschiedenis. Essentiële gegevens als bijvoorbeeld organisatie of bestandsformaat zijn
niet overal verplicht gesteld63. De optionele metadatavelden zijn nog veel diverser. Integrale
overname van één metadatastandaard is dus niet doenbaar zonder aanvullingen en
aanpassingen64.
Enkele categorieën
van
metadata
uit het
OAIS-model
werden
apart
uitgewerkt. De
Amerikaanse Library of Congress werkte bijvoorbeeld vooral aan technische metadata voor
tekst, afbeeldingen, video en audio, maar niet voor databanken. 65 De categorie van
bewaringsmetadata slorpte echter de laatste jaren veruit de meeste aandacht op. Een eerste
initiatief was bijvoorbeeld het NEDLIB-project66 dat voor de ontwikkeling van het OAIS-model
al een voorstel deed voor bewaringsmetadata. Daarna volgde de National Library of New
Zealand67 en PREMIS-werkgroep68. Opvallend is dat vooral de bibliotheekwereld zich hier
profileerde, in tegenstelling tot archiefinstellingen. Deze initiatieven hebben soms geen
boodschap aan het belang van context bij de bewaring van digitale archiefobjecten. Ze zijn
niettemin waardevolle vertrekpunten bij de uitbouw van een digitaal depot.
5. Wat zijn de essentiële kenmerken en
authenticiteitseisen van een databank?
Alle bewaringsstrategieën voor digitale objecten dragen het risico op het verlies van gegevens
of functionaliteiten met zich mee. Zo is de geëmuleerde omgeving69 om een oud rekenblad
weer te geven bijna nooit identiek aan de oorspronkelijke omgeving. Of kan de gemigreerde
63
National Archives of Australia, Recordkeeping Metadata Standard for Commonwealth Agencies, 1999, p. 13 – 14.
http://www.naa.gov.au/records-management/publications/RKMS.aspx en
Governenement of Canada, Record Keeping Metadata Requirements for the Government of Canada, 2001.
http://www.imforumgi.gc.ca/documents/2001/meta/metatb_e.asp
64
Een gebruikelijke praktijk bij digitale depots. Zie bijvoorbeeld het Electronic Records Archives Program (ERA) van
de NARA op http://2006.xmlconference.org/programme/presentations/79.html.
65
http://www.lcweb.loc.gov/rr/mopic/avprot/extension2.html#textMD
66
C. Lupovici en J. Masanès, Metadata for the Long Term Preservation of Electronic Publications (NEDLIB Report
Series 2) Amsterdam, 2000) http://nedlib.kb.nl/
67
National Library of New Zealand, Metadata Standards Framework. Preservation Metadata (Revised), 2003.
http://www.natlib.govt.nz/catalogues/library-documents/preservation-metadata-revised
68
PREMIS
Working
Group,
Data
Dictionary
for
Preservation
Metadata,
2005,
p.
viii.
http://www.oclc.org/research/projects/pmwg/premis-final.pdf. Zie ook P. Caplan, Preservation Metadata, DCC Digital
Curation Manual, 2006, p. 10-11. http://www.dcc.ac.uk/resource/curation-manual/chapters/preservation-metadata/ en H.
Hofman, Metadata and the Management of Current Records in Digital Form, 2000. http://www.ica.org/en/node/30038
69
Zie 6.4 Emulatie
24
kopie opgeslagen in een ander bestandsformaat dan de oorspronkelijke databank eveneens
bepaalde eigenschappen verliezen. Maar niet alle eigenschappen zijn echter even belangrijk
om de authenticiteit van de databank te vrijwaren.
De authenticiteitseisen zijn belangrijk om te bepalen wat de beste bewaarstrategie 70 zal zijn.
De eisen worden bepaald door het proces en het wettelijk statuut van de databank. De
werkprocessen en het statuut zijn belangrijk om te begrijpen, omdat deze informatie nodig is
om de inhoud van de database te begrijpen en het verband met gerelateerde objecten te
begrijpen. Als de databank bewaard wordt zonder extra informatie over de waarde en de
betekenis, dan wordt het later moeilijk om de inhoud van de databank te begrijpen. Als
voldaan is aan de gestelde authenticiteitseisen kan worden aangetoond dat een databank nog
authentiek is, ook al is ze gewijzigd door beheer -of bewaaracties. De databank hoeft dan niet
exact gelijk te zijn aan de oorspronkelijke versie 71.
In een poging om objectieve voorwaarden op te stellen waaraan een authentiek document
moet voldoen, stelde de InterPARES-projectgroep vast dat er geen generaliserende uitspraken
gedaan kunnen worden over de eigenschappen van digitale documenten 72. Deze stelling is ook
van toepassing voor databanken. Het belang van de eigenschappen is afhankelijk van het
werkproces waarbinnen de databank zijn functie vervult of vervulde. Elk archiefobject is
ontstaan of ontvangen bij de uitoefening van een functie door de individuele of collectieve
archiefvormer. De band tussen de databank en het proces waarbinnen het ontstaan is moet
bewaard blijven – indien ze verloren gaat, is de databank niet meer begrijpbaar. Alles wat deze
band documenteert is een essentiële eigenschap. Een authentieke kopie behoudt dus de
essentiële eigenschappen van de databank, samen met eventuele wettelijk verplichte
eigenschappen.
De InterPARES-groep ontwikkelde een analyseschema met een lijst van alle essentiële
eigenschappen voor digitale documenten 73. Er is (nog) geen lijst gemaakt met de essentiële
eigenschappen voor databanken. Zoals hierboven vermeld, kunnen databanken complexe
systemen zijn en is het niet onmiddellijk duidelijk wat bewaard moet blijven. Daarom is het
belangrijk om te onderzoeken wat de essentiële kenmerken zijn van een databank en vast te
70
zie verder 6. Een digitale archiveringsstrategie
71
Jeff Rothenberg, Tora Bikson,, Carrying Authentic, Understandable and Usable Digital Records Through Time, 1999.
http://www.digitaleduurzaamheid.nl/bibliotheek/docs/final-report_4.pdf
72
H. MacNeil, Trusting Records in a Postmodern World (Lezing op University of Virginia, mei 2002). Zie
http://www3.iath.virginia.edu/sds/macneil_text.htm
73
US - InterPARES Project, Findings on the Preservation of Authentic Electronic Records, 2002, p. 63-69.
http://www.gseis.ucla.edu/us-interpares/pdf/InterPARES1FinalReport.pdf
25
stellen wat de authenticiteitseisen zijn. Het is de taak van de archiefvormer en de
archiefbeheerder om een onderscheid te maken tussen de essentiële en de incidentele
eigenschappen van elk soort object. Zo is de kleur die bij de tekstopmaak van een emailbericht gebruikt werd minder wezenlijk dan de kleur van een foto. De afbeelding van de
leeuw in brieven van de Vlaamse overheid is essentieel; de grafische overgangseffecten tussen
dia’s in een presentatie zijn dat niet. Het gebruikte lettertype in een officieel document heeft
meer waarde dan het lettertype van een persoonlijk memorandum van een leidend ambtenaar.
Wat echter niet in rekening gebracht werd door InterPARES is het gedrag van een digitaal
object. Dat gedrag wordt gevormd door interactieve elementen, zoals een dynamisch tekstveld
in een brief of een formule in een rekenblad.
Een andere belangrijke bron om de essentiële authenticiteitseisen te bepalen is de
wetgeving74.
5.1. Inhoud
Het belangrijkste onderdeel van een databank zijn de gegevens. De inhoud van de tabellen
moet intact en leesbaar bewaard worden. De gebruikersapplicatie maakt gebruik van de
gegevens van de databank om informatie op het scherm te laten zien. Deze gegevens worden
uit de databank gehaald door een zoekvraag te formuleren. Daarom moeten de zoekvragen
ook bewaard blijven.
5.2. Context
Een belangrijke eis voor het goed bewaren van een databank is dat de context duidelijk is. Met
context wordt de oorspronkelijke omgeving bedoeld waarin de databank gemaakt en gebruikt
is. Het gaat over informatie in verband met de functie, het bedrijfsproces en de organisatie. De
contextuele informatie is nodig om de inhoud van de databank te kunnen begrijpen en
situeren. Het is ook belangrijk om de samenhang tussen de databank en andere objecten te
vatten.
De context is ook belangrijk voor de gebruikers van de gearchiveerde databank. Het is
mogelijk om de waarde in te schatten van de data en de beperkingen beter te begrijpen. Op
die manier kan de gebruiker de data op een goede manier interpreteren 75.
74
Zie eerder Wettelijke aspecten bij het archiveren van databanken
75
Research information network, Stewardship of digital research data: a framework of principles and guidelines (Draft
for consultation), april 2007, p 9. http://www.rin.ac.uk/data-principles
26
Om de context te bewaren moet de databank beschrijvende metadata bevatten, zoals de naam
van de organisatie, de taak, het werkproces en de relatie met andere bestanden. Om de
waarde en de beperkingen van de data te kunnen inschatten is het belangrijk om de herkomst
van de data te documenteren. Ook de manier van ingeven van de data en de methoden,
technieken en instrumenten om de data te verwerven.
Om de context van de wijzigingen te behouden is het belangrijk dat er een logboek wordt
bijgehouden. Met het logboek kan aangetoond of nagekeken worden in hoeverre de databank
nog authentiek is na eventuele beheer -of bewaaracties. Het logboek bevat voornamelijk
technische metadata, zoals informatie over de originele en huidige databank en informatie die
nodig is om de huidige databank te interpreteren, zoals naam en versie van de gebruikte
DBMS en besturingssysteem en de naam en het type apparatuur. Ook informatie over de
gebruikte bewaarstrategie, zoals de toepassing die werd gebruikt om de bewaaractie uit te
voeren, datum en tijdstip dat de bewaaractie werd uitgevoerd. Het logboek moet ook
informatie bevatten over de verantwoordelijke van de bewaaractie, wijzigingen die gebeurd
zijn aan de databank tijdens de bewaaractie en het resultaat. Naast het logboek voor de
databank is er ook een logboek voor de gebruikersapplicatie. Hier wordt bijgehouden wat de
naam en versie is van de gebruikte zoektalen.
Daarom moet het logboek gemaakt worden bij de creatie van de databank. Concreet kan het
logboek ook in een databank aangemaakt worden. Want een databank kan beveiligd worden,
zodat niet iedereen wijzigingen kan uitvoeren, de gegevens mogen niet zomaar overschreven
worden,.... Het is belangrijk dat de databank waarin het logboek aangemaakt wordt,
gemakkelijk te exporteren is in XML of een ander formaat dat toelaat om het logboek voor een
lange tijd te bewaren. De databank zou best gebruik maken van een standaard taal en een
open brontoepassing zijn. Op die manier wordt vermeden dat de gegevens van het logboek
door vendor lock-in verloren gaan. Een voorbeeld van een databank die gebruikt zou kunnen
worden is eXist76. Het is een open bron databank en maakt gebruik van XML als
bestandsformaat.
5.3. Structuur
Om de structuur te bewaren moeten de tabellen, relaties tussen tabellen, beperkingen 77,
subschema en veldeigenschappen78 bewaard blijven. Naast de fysieke structuur van de
databank moet ook de logische structuur bewaard blijven. De logische structuur kan
76
http://exist.sourceforge.net/
77
De beperkingen zijn onder andere type, vreemde sleutels,...
78
Naam, gegevenstype, veldlengte
27
weergegeven worden in een afbeelding zoals een ERD-diagram79, of in tekstvorm, zoals een
XML-schema. De structuur van de gebruikersapplicatie moet ook bewaard worden. Deze kan
bewaard worden door de schermopbouw te documenteren.
5.4. Uiterlijk
Het uiterlijk80 beschrijft hoe de inhoud op het scherm wordt weergegeven. Dit is belangrijk om
te bewaren omdat het uiterlijk kan gebruikt worden om een bepaalde betekenis uit te drukken.
Het is niet altijd nodig om het uiterlijk te bewaren, als het uiterlijk geen betekenis bevat. Deze
betekenis is niet in de voorgaande kenmerken terug te vinden. Het uiterlijk slaat enkel op de
gebruikersapplicatie.
5.5. Gedrag
Gedrag is een relatief nieuw begrip voor de archiefwereld. Het is een dynamisch kenmerk dat
enkel van toepassing is op digitale objecten. Het gedrag geldt bij databanken enkel voor de
gebruikersapplicatie.
Het gedrag en het uiterlijk zijn moeilijk te bewaren voor een lange termijn, omdat het ofwel
ingebed zit in het database programma of bijvoorbeeld bij een webapplicatie in de
programmacode en de compiler. Het gedrag en het uiterlijk is enkel te bewaren door emulatie,
conversie81 of door een beschrijving te maken en deze te bewaren.
De
beschrijving
moet
gebruikersinterface.
De
informatie
bevatten
gebruikersapplicatie
over
wordt
de
functionaliteiten,
bewaard
omdat
zoekvragen
soms
door
en
de
gebruikersapplicatie data in de databank informatie wordt. Het geeft context aan de data en zo
is de data te begrijpen.
De beschrijving van de functionaliteiten vermeldt wanneer en onder welke voorwaarden een
functie mag geactiveerd worden. De zoekvragen voor het invoeren, wijzigen, verwijderen en
opvragen van gegevens uit de databank moeten ook beschreven worden en opgenomen in de
documentatie, zoals eerder aangehaald moeten de zoekvragen in leveranciersspecifieke SQL
omgezet worden naar een gestandaardiseerde versie van SQL. Andere leveranciersspecifieke
code die niet in standaard SQL kan omgezet worden, zoals PL/SQL van Oracle, moet
79
Entity-Relationship diagram is een grafische representatie om een conceptueel model weer te geven. Er wordt in
vastgelegd wat de onderdelen, relaties tussen de verschillende onderdelen en de beperkingen in het conceptueel model
zijn.
80
Testbed Digitale Bewaring, Van digitale vluchtigheid naar digitaal houvast. Bewaren van databases, 2003, P. 14.
81
Emulatie en conversie worden verder besproken onder 6. Een digitale archiveringsstrategie
28
gedocumenteerd worden. In de documentatie moet ook vermeld worden wat de naam en
versie van de databank is waarvoor de code bedoeld is.
De
gebruikersinterface
kan
ook
gedocumenteerd
worden
aan
de
hand
van
de
gebruikersdocumentatie of documentatie van de ontwikkelaars. De documentatie moet, indien
nog niet volledig, aangevuld worden met een beschrijving van elk veld op elk scherm en de
relatie met de velden in de tabel. Het uiterlijk kan verder gedocumenteerd worden met
schermafbeeldingen.
Het is gemakkelijker om het gedrag en het uiterlijk te bewaren voor een korte termijn, want
dan kan door conversie de databank omgezet worden naar een nieuwe versie van de
databank.
6. Een digitale archiveringsstrategie
Net als hun papieren tegenhangers moeten digitale documenten raadpleegbaar blijven op
korte, middellange en lange termijn om administratieve, juridische en (voor het statische
archief) historische redenen. De snelle technologische evolutie in de informaticasector dwingt
de archiefvormer om – meer dan bij het papieren archief – aandacht te hebben voor de
technologie van de drager en de informatie die erop vastgelegd is. Digitale documenten zijn
immers enkel machineleesbaar en zijn dus afhankelijk van informatietechnologie om
raadpleegbaar te blijven.
6.1. De keuze van een strategie
Om dit probleem het hoofd te bieden, bestaan er verschillende strategieën 82. Afhankelijk van
de bewaartermijn, de technische aard van de documenten en de financiële mogelijkheden zal
men vaak voor één oplossing of een combinatie van twee oplossingen kiezen. Een digitale
archiveringsstrategie mag zich niet enkel richten op het behoud van de oorspronkelijke
bitstream of het digitale object (zoals de reguliere back-up of het maken van een nieuwe kopie
op een cd-rom om gegevensverlies tegen te gaan). Dit garandeert immers wel de (machinale)
leesbaarheid, maar niet noodzakelijk de (visuele) raadpleegbaarheid van de gegevens op
middellange of lange termijn. De software om de bestanden te raadplegen is immers niet het
eeuwige leven beschoren.
82
Het afdrukken van digitale objecten als archiveringsstrategie wordt niet in beschouwing genomen in deze tekst: deze
strategie leidt tot een toename van de materiële omvang van het papieren archief en mogelijk verlies van de context van
het
stuk
en
functionaliteiten.
Voor
de
andere
strategieën,
zie
http://www.library.cornell.edu/iris/tutorial/dpm/terminology/strategies.html.
29
Een oplossing die vooral voor complexe digitale objecten zoals een databank gebruikt wordt, is
de computermuseumstrategie. Men bewaart niet alleen de data, maar ook de applicaties die de
data genereerden en verwerkten, samen met de handleidingen en andere documentatie. Zo
kunnen de oorspronkelijke bewerkingen en rapporteringen bewaard worden. Binnen de
Vlaamse overheid wordt deze strategie momenteel toegepast voor de opslag van onder meer
boekhoudkundige en wetenschappelijke gegevens. De snelle evolutie van hardware bemoeilijkt
echter de raadpleging op lange termijn, waardoor deze strategie enkel geschikt is voor digitale
objecten die maximaal acht tot tien jaar bewaard moeten worden. Vaak behoudt men dan ook
niet alleen de software, maar ook de hardware, waarvoor bruikbare wisselstukken echter niet
lang beschikbaar blijven.
De meest voorkomende bewaarstrategieën om digitale informatie langdurig te kunnen bewaren
zijn: migratie, conversie en emulatie.
6.2. Migratie
Wanneer bestanden omgezet worden naar een indeling die raadpleegbaar is in een andere
(software- of hardware) configuratie, spreekt men van migratie83. De strategie om een digitaal
object raadpleegbaar te houden op verschillende computerplatformen is op dit moment de
meest gebruikte digitale archiveringsstrategie. Migratie verplicht de archiefbeheerders echter
om af te stappen van het idee dat het origineel bewaard moet worden; het streeft ernaar om
een integere, authentieke kopie van het origineel te bewaren die compatibel is met een andere
technologische generatie. Het concept van een ‘origineel’ in archivistisch opzicht is immers niet
vol te houden in de digitale wereld aangezien de informatie en haar drager gescheiden zijn 84.
Voor een migratie kan uitgevoerd worden moet er een onderzoek gevoerd worden om na te
gaan welk doelformaat het beste geschikt is om naar te migreren en welke minimale
eigenschappen het digitale object moet hebben om de omgezette vorm te (h)erkennen als een
authentiek en integer object.
Een ander belangrijk element om rekening mee te houden bij migratie is hoe lang een object
bewaard moet blijven. Als iets maar 5 jaar bewaard moet blijven dan is het niet altijd de
83
Testbed Digitale Bewaring White Paper. Migratie: context en huidige stand van zaken, 2001, p. 9-10, te raadplegen
op http://www.digitaleduurzaamheid.nl/bibliotheek/docs/white_paper_migratie.pdf. Zie ook E. Oltmans, ‘Cost Models
in Digital Archiving: An Overview of Life Cycle Management at the National Library of the Netherlands’, Liber
Quarterly, 14 (2004) 380-392, te raadplegen op http://webdoc.sub.gwdg.de/edoc/aw/liber/lq-3-04/oltmans.pdf.
84
F. Boudrez en H. Dekeyzer, Digitaal archiefbeheer in de praktijk. Handboek (Rapporten van het Stadsarchief
Antwerpen 5) (Antwerpen, 2004) 54-55.
30
moeite waard om grote inspanning te leveren om een object te archiveren.
Net als de andere archiveringsstrategieën kent migratie voor- en tegenstanders. Terwijl ze –
samen met emulatie – op dit moment aanvaard wordt als een zeer valabele strategie, zijn het
de voorstanders van emulatie die de zwaarste kritiek leveren 85. Hun voornaamste bezwaar is
dat migratie het verlies van gegevens en functionaliteiten niet kan uitsluiten, zelfs al zijn ze
meestal miniem. Het is bijgevolg een intensief proces dat voortdurende opvolging vereist, ook
van reeds gearchiveerde databanken. Voor databanken is het argument dat er gegevensverlies
optreedt een minder belangrijk argument, omdat het heel moeilijk is om met de verschillende
leverancierspecifieke
databanken
geen
gegevensverlies
te
hebben.
Het
verlies
van
functionaliteit zou wel een probleem kunnen zijn, bijvoorbeeld bij databanken waar de
applicatielaag belangrijk is.
6.2.1. Standaardformaten
Bij migratie voor lange termijn is het belangrijk om gebruik te maken van gestandaardiseerde
bestandsformaten86, want dit geeft een grotere zekerheid om de gemigreerde databank na een
lange termijn nog te kunnen openen.
Met het migreren naar een gestandaardiseerd bestandsformaat wordt bedoeld het migreren
van
een
gesloten
bestandsformaat,
eigen
aan
een
bepaalde
leverancier,
naar
een
standaardformaat. Het voordeel van een standaardformaat is dat het niet afhankelijk is van
bepaalde hardware of software en daardoor gemakkelijker voor langetermijnbewaring. Bij het
gebruik van gesloten formaten is er ook het probleem van vendor lock-in of het afhankelijk zijn
van één leverancier. Het is erg belangrijk dat dit vermeden wordt, anders wordt de archivaris
afhankelijk van één leverancier om een bepaald bestand te openen en later voor het omzetten
naar een nieuw formaat. In een snel evoluerende sector als de informaticasector is dat een
groot probleem, daarom is het belangrijk om een standaard te gebruiken. Er zijn verschillende
soorten standaarden, zoals standaarden door een gebruikersorganisatie beheerde standaard 87
of door een aantal bedrijven gesteunde standaard 88 of door een gemeenschap of door een
85
Rothenberg, Avoiding Technological Quicksand: Finding a Viable Technical Foundation for Digital Preservation,
1999, p 5-6 te raadplegen op http://www.clir.org/pubs/abstract/pub77.html
86
ISO 18492:2005, Long-term preservation of electronic document-based
information, p 12.
87
Een voorbeeld is AIIM (Association for Information and Image Management). Het is een vereniging die zich focust
op standardisatie op het gebied van Enterprise Content Management http://www.aiim.org/
88
Een voorbeeld is ECMA International. Het is een standaardorganisatie van bedrijven actief in computer of
communicatiesystemen http://www.ecma-international.org/
31
officiële standaardorganisatie uitgebrachte organisatie. De verschillende soorten standaarden
hebben een verschillend belang en gewicht. De standaarden met het meeste gewicht zijn de
standaarden uitgebracht door een standaard organisatie zoals ISO.
Het is ook belangrijk om een onderscheid te maken tussen de jure standaarden, de facto en
open standaarden. De jure standaarden zijn door een standaardisatieorgaan erkende
standaard, zoals ISO. De standaarden worden in een formeel en open proces erkend. Een de
facto standaard is een standaard die veel gebruikt wordt. De facto standaarden komen tijdens
een gesloten proces tot stand, vaak door de fabrikant zelf. Soms zijn er ook licentiekosten
verbonden aan een dergelijke standaard. Dit maakt het moeilijk om een dergelijke "standaard"
te gebruiken. Een open standaard is vrij van patenten en de specificatie is publiek beschikbaar.
Een bekend voorbeeld van een open standaard is HTML. Sommige versies van deze open
standaarden zijn ook goedgekeurde standaarden door ISO en zijn dus ook de jure
standaarden. Bij HTML bijvoorbeeld is versie 4.01 strict een ISO standaard (ISO/IEC
15445:2000). Andere versies zijn geen ISO standaard.
De keuze voor een open standaard of standaard moet niet rigoureus gebeuren. Een belangrijk
criterium is dat de open standaard of standaard wijdverspreid moet zijn. Het is een erg
subjectief
criterium89,
gebruikersgemeenschap
maar
of
er
naar
kan
gekeken
hoeveel
worden
verschillende
naar
de
grootte
programma’s
de
van
de
standaard
ondersteunen. Dit criterium is nodig omdat sommige standaarden niet gebruikt werden in
praktijk. Het is dan niet te verantwoorden om in dergelijke open standaarden te investeren.
Er moet ook opgemerkt worden dat standaardformaten moeten worden omgezet naar nieuwe
versies van de standaard of een andere standaard. Dus ook bij een standaard eindigt de
migratie niet. Het moet regelmatig opgevolgd worden.
De standaardformaten die vaak naar voor worden geschoven zijn ASCII, XML en SQL. Deze
formaten wordt naast het oorspronkelijk formaat opgenomen in de wetgeving 90 van de
Nederlandse overheid.
6.2.1.1. Platte tekstbestand
Het meest gebruikte formaat om platte tekst op te slaan is met de ASCII tekenset. ASCII is
een standaard die al een hele tijd bestaat en zijn degelijkheid bewezen heeft. De
ondersteuning is groot en ASCII is wijdverspreid. ASCII wordt gebruikt om letters, cijfers en
andere symbolen in een tekst voor te stellen door een getal. Dat getal wordt ter identificatie
89
Zie verder bij de vergelijking tussen UCS en Unicode
90
Artikel 6e, Regeling geordende en toegankelijke staat archiefbescheiden
32
gebruikt van dat teken in computers en andere systemen die met ASCII tekst kunnen werken.
Het belangrijkste doel van ASCII is om tekst uit te wisselen, zoals ook uit de naam ASCII of
American Standard Code for Information Interchange blijkt91. De ASCII standaard is gemaakt
door ANSI, de Amerikaanse standaardenorganisatie. ASCII is ook een ISO standaard. ISO
64692 wijkt licht af van de ANSI versie van ASCII.
Maar ondertussen is ASCII verouderd. Het kan maar een beperkt aantal karakters weergeven,
daarom
kan
ASCII
beter worden
vervangen
door
Unicode.
Unicode heeft
100
000
gereserveerde karakters in tegenstelling tot ASCII dat 256 karakters ondersteunt. Unicode is
geen door ISO gecertificeerde standaard, maar is wel vrij en gratis beschikbaar. Unicode wordt
door het Unicode Consortium93 uitgewerkt. Dit is een consortium dat bestaat uit een hele reeks
bedrijven. Het is een zogenaamde industriestandaard. Het is nog niet zo wijdverspreid als
ASCII, maar de ondersteuning groeit snel.
ISO/IEC 10646 of ook wel Universal Character Set genoemd is vergelijkbaar met Unicode en is
wel een ISO standaard. Maar er wordt in dit geval beter gekozen voor Unicode in plaats van de
ISO-standaard, omdat Unicode wijder verspreid is.
Bij het archiveren van databanken wordt een platte tekstbestand vooral gebruikt om data op te
slaan. De verschillende velden uit een tabel worden van elkaar gescheiden door een karakter,
vaak wordt een komma of een tab gebruikt.
Het is ook mogelijk om andere onderdelen in een platte tekst bestand op te nemen, zoals de
relaties, datatypes en andere informatie. Maar deze gegevens worden dan beschreven in een
niet-formele taal. Deze descriptieve metadata worden toegevoegd aan een apart bestand.
Op basis van deze bestanden kan de databank dan gereconstrueerd worden 94. Het is heel
arbeidsintensief om een dergelijk archief te beheren en toegankelijk te maken, omdat de
databank in een voor computers ontoegankelijk, niet-formeel, formaat zijn opgeslagen,
daarom moet er door de archivaris veel manueel werk uitgevoerd worden om de databank
toegankelijk te maken.
Voor het beschrijven van relaties, datatypes,... is een tekstbestand zonder een formele taal
niet voldoende. Er moet een taal gebruikt worden die ook door computers gebruikt worden. De
gebruikte taal moet ook een standaard en vrij beschikbaar zijn. Er zijn twee "talen" die
91
http://en.wikipedia.org/wiki/ASCII
92
http://en.wikipedia.org/wiki/ISO/IEC_646
93
http://www.unicode.org/consortium/consort.html
94
Deze methode wordt vaak gebruikt bij datasets
33
hiervoor veel gebruikt worden. Het gaat om SQL en XML.
6.2.1.2. SQL
SQL is zoals ASCII een standaard. Het is een standaard goedgekeurd door ANSI 95 en ISO. SQL
is ook gekend als ISO 9075. Het is een taal die zijn degelijkheid bewezen heeft en volwassen
is. De eerste versie van de standaard werd ontwikkeld in 1986 (SQL-89). Er zijn ondertussen al
verschillende revisies geweest, SQL-92, SQL-99 en SQL 2003. De meeste databanken
ondersteunen een versie van de standaard.
SQL-92 wordt het meest ondersteund. De
nieuwere versies worden niet door alle databanken ondersteund. Er is momenteel ook geen
databank die alles van de laatste versie van de standaard ondersteunt. Welke standaard
gekozen wordt bij archivering, is afhankelijk van elementen die nodig zijn om de
leveranciersspecifieke SQL om te zetten in de standaard SQL.
SQL is een taal die vooral gekend is om zoekvragen in te stellen, maar het wordt ook gebruikt
om de structuur van de databank te definiëren. Dit laatste is de Data Definition Language. De
Data Definition Language wordt gebruikt om de tabellen van een databank en de databank zelf
te beschrijven. Er worden onder andere de relaties, beperkingen, data types,... gedefinieerd.
Met deze taal kan de structuur van de databank volledig beschreven worden.
Het grote probleem, vanuit een archiefstandpunt, van de SQL-standaard is dat de standaard
veel ruimte laat voor interpretatie en uitbreiding door de ontwikkelaar van het DBMS. Er zijn
zogenaamd 137 implementatie-afhankelijke elementen en deze elementen mogen door de
leverancier van de databank zelf gedefinieerd worden en geïmplementeerd worden 96. De enige
vereisten is dat de eigen implementatie gedocumenteerd wordt.
De Amerikaanse overheid heeft regels vastgelegd waaraan databank leveranciers moeten
voldoen voor ze door overheidsinstanties gebruikt kunnen worden 97. Deze regels worden de
Federal Information Processing Standard (FIPS) genoemd98. Er zijn op de website enkele test
suites te downloaden om de conformiteit aan de FIPS SQL standaard te testen 99. Deze FIPS
regels leggen wel beperkingen aan de ANSI/ISO SQL standaard op. Dankzij de FIPS regels zijn
95
De Amerikaanse standaarden organisatie, die ook ASCII gemaakt heeft
96
S. Heuscher, S Jaermann, P. Keller-Marxer en F. Moehle (2004) Providing Authentic Long-term Archival Access to
Complex Relational Data, p 3 http://arxiv.org/abs/cs/0408054.
97
S. Heuscher, S Jaermann, P. Keller-Marxer en F. Moehle (2004) Providing Authentic Long-term Archival Access to
Complex Relational Data, p 3 http://arxiv.org/abs/cs/0408054.
98
http://www.itl.nist.gov/fipspubs/fip127-2.htm en http://www.itl.nist.gov/fipspubs/fip193.htm. Deze regels zijn
ondertussen niet meer geldig.
99
http://www.itl.nist.gov/div897/ctg/sql_form.htm.
34
de meeste databank systemen wel compatibel met SQL-92 en wordt er gebruik gemaakt van
SQL-Flaggers100 om aan te geven welke elementen niet conform de standaard zijn.
De leveranciersspecifieke uitbreidingen van de databank komen veelvuldig voor. Het zijn
bijvoorbeeld wijzigingen aangebracht aan data types, functies, operatoren,.... of er werden
nieuwe ontwikkeld. De
eigen
interpretatie
mogelijkheden
en
het
gebruik van
eigen
uitbreidingen door databank leveranciers zorgt voor problemen bij het archiveren van
databanken en daarom moeten de gebruikte zoekvragen omgezet worden naar een
gestandaardiseerde versie van SQL. Alles wat niet omgezet kan worden moet beschreven en
gedocumenteerd worden. Bij het ontwikkelen van een databank, die moet gearchiveerd
worden, moet er getracht worden om zoveel mogelijk de SQL standaard te volgen. Mimer
Information Technology biedt een online SQL Validator 101 aan om de conformiteit met de
verschillende ANSI/ISO SQL standaarden te testen.
Naast SQL gebruiken sommige databanken een eigen procedurele programmeertaal om
routines op te slaan. Het wordt gebruikt om blokken programmeercode in een databank toe te
voegen. Een voorbeeld van een procedurele programmeertaal is PL/SQL van Oracle of
PL/pgSQL van PostgreSQL. De standaard procedurele programmeertaal is SQL/PSM. PSM staat
voor Persistent Stored Module. Dit onderdeel van de SQL-99 standaard kent geen wijde
verspreiding. De meeste databanken ondersteunen enkel de eigen procedurele taal. Vanuit een
archiefstandpunt bekeken is het belangrijk om deze procedurele talen om te zetten naar de
standaard SQL/PSM.
Om een databank te archiveren is het niet voldoende om de databank om te zetten in
ISO/ANSI SQL en SQL/PSM. Er zijn nog bijkomende acties nodig om de databank toegankelijk
te maken voor een lange tijd, zoals het toevoegen van descriptieve metadata.
6.2.1.3. XML
Een ander belangrijke standaard die gebruikt kan worden om een databank te beschrijven is
XML. XML is een bestandsformaat geschikt voor langetermijnbewaring. Het is een open
standaard ontwikkeld door het W3C 102 en is wijdverspreid. Het wordt gebruikt als basis voor
100
SQL-Flaggers zijn een onderdeel van de SQL standaard en moet er voor zorgen dat de ontwikkelde SQL-taal voor
een specifieke databank overdraagbaar is naar verschillende implementaties
101
http://developer.mimer.se/validator/
102
Het W3C of World Wide Web Consortium is een organisatie die web standaarden vastlegt. Het is geen
standaardenorganisatie zoals ISO. De standaarden van het W3C zijn geen de jure standaarden. Het is wel mogelijk dat
een web standaard omgezet wordt in een de jure standaard.
Het best gekende web standaard is HTML
http://www.w3.org/
35
heel veel standaarden. Hierdoor geniet XML een brede ondersteuning door veel programma's
die XML bestanden kunnen openen of verwerken. De specificatie is vrij en gratis beschikbaar.
XML is platformonafhankelijk en is leesbaar door mensen en machines. Het is onmiddellijk
leesbaar en soms ook begrijpbaar in een eenvoudige tekstverwerker103.
Oorspronkelijk werd XML ontwikkeld om documenten te structureren. Het is een opmaaktaal
die het mogelijk maakt om de inhoud, structuur en presentatie van elkaar te scheiden. Dit
bevordert de leesbaarheid van het bestand.
Nu wordt XML niet enkel meer gebruikt om documenten op te maken, maar ook om data te
structureren. Hierdoor is het mogelijk om meer informatie over de data op te slaan in een XML
bestand dan in een ASCII bestand. De structuur geeft aan in welk kolom en welk veld een
bepaalde waarde zich bevindt. XML is ook gemakkelijk uit te breiden door een DTD of een XML
Schema te gebruiken. DTD en XML Schema worden gebruikt om XML elementen te definiëren.
DTD staat voor Document Type Definition. Ook deze taal is ontwikkeld door het W3C. Het is de
oudste manier om XML elementen te definiëren en het is minder krachtig dan een XML
Schema. Er kan met een XML Schema ook meer informatie worden opgeslagen over de
databank in een XML bestand. Het is bijvoorbeeld mogelijk om de data types te definiëren.
Dankzij DTD bestanden en XML Schema's kunnen XML bestanden gevalideerd worden om te
kijken of het XML bestand overeenkomt met de definitie. Als karaktercodering ondersteunt
XML o.a. ook Unicode en ASCII, zoals hierboven aangehaald bij ‘Platte tekstbestanden’ wordt
er best gebruik gemaakt van Unicode als karaktercodering.
XML kan gebruikt worden bij het archiveren van databanken om de context, inhoud en
structuur op te slaan. Door een DTD of een XML Schema te gebruiken kan de structuur van
een databank expliciet gemaakt worden. Het XML bestand bevat het overzicht van de databank
en als metadata moet het bestand minstens de naam van de databank en DBMS programma,
versie van de databank en DBMS, naam van het DTD of XML schema, de naam van de
tabellen, opmerkingen over de tabellen, de gebruikte SQL om subschema's te creëren,
kolomnamen, gegevenstype, mag de waarde 'NULL' gebruikt worden, maximum lengte van
een gegevenstype, beperkingen, type beperking, kolomnaam waarop de beperking geldt en de
referentie naar de vreemde sleutels. Het XML Schema voor het opslaan van deze informatie
moet eerst gedefinieerd worden en er moet vastgelegd worden welke informatie men wil
opslaan.
103
Dit geldt enkel als het XML bestand goed ontwikkeld wordt, anders is het XML bestand ook moeilijk te begrijpen
zonder verdere uitleg.
36
De data kan in een tekstbestand worden opgeslagen zoals hierboven beschreven, maar het is
ook mogelijk om het tekstbestand met data te vervangen door een XML bestand. Op die
manier is zowel het schema van de databank als de data in XML. Bij grote databanken kan dit
wel voor problemen zorgen om een dergelijk groot XML bestand te openen. Het XML bestand
zou dan kunnen gesplitst worden in verschillende bestanden. Een andere manier om de
bestandsgrootte te beperken is om de binaire data te exporteren uit de databank en in aparte
bestanden op te slaan. In het XML bestand moet een verwijzing opgeslagen worden naar het
geëxporteerde bestand en er moet aangegeven worden welk bestandsformaat geëxporteerd
werd. Dit vereist een grotere zorg bij het beheer van het archief. De bestanden die uit de
databank geëxporteerd worden moeten op een aangepaste manier bewaard
worden,
afhankelijk van het bestandsformaat dat de bestanden zijn. Het zou bijvoorbeeld over
afbeeldingen kunnen gaan of kantoordocumenten.
De context kan opgeslagen worden door de metadata op te slaan in een XML bestand.
Een ander interessante XML technologie die XML interessant maakt als archiveringstechnologie
is XSLT104. Het is ook gemaakt door het W3C en zorgt voor het omzetten van XML in een ander
XML formaat of in een ander niet-XML formaat, zoals SQL.
De gebruikersapplicatie is moeilijk te bewaren door het migreren naar XML. Als de
gebruikersapplicatie
functionerend
bewaard
moet
blijven,
dan
is
emulatie
de
enige
mogelijkheid. Gezien emulatie nu geen bruikbare mogelijkheid is (zie hierboven), moet zoals
eerder vermeldt de gebruikersapplicatie zo goed mogelijk beschreven worden. Er kan gebruikt
gemaakt worden van schermafbeeldingen en handleidingen die gemaakt zijn om gebruikers
vertrouwd te maken met de toepassing.
Samenvattend kan gesteld worden dat XML kan gebruikt worden bij de migratiestrategie als
een onafhankelijk formaat om de databank op te slaan of als tussenschakel tussen huidige
databanken en toekomstige databanken. Het gebruik van XML als archiveringsformaat kent
veel bijval en wordt in heel wat onderzoeken naar voor geschoven als de beste oplossing.
6.2.1.4. Platte tekst + XML + SQL
Het is mogelijk om de vorige standaarden te combineren en gebruik te maken van de
verschillende voordelen van elke standaard. Er zijn een aantal combinatie mogelijkheden. Zo
kan er gebruik gemaakt worden van platte tekst en XML. De platte tekst bevat dan de data en
XML de metadata en de beschrijving van de databank.
104
Extensible Stylesheet Language Transformations http://www.w3.org/TR/xslt.
37
Er is ook een combinatie mogelijk tussen SQL en XML. SQL bevat de beschrijving van de
databank met de verschillende tabellen en de data die toegevoegd moet worden aan de
databank. Het XML bestand bevat de data en de metadata over de databank 105.
Een andere mogelijkheid is om de drie standaarden te combineren. Zo wordt platte tekst
gebruikt om de grote hoeveelheid gegevens op een zo compact mogelijke manier te bewaren.
Er wordt ook hier best Unicode gebruikt om ook vreemde karakters zo goed mogelijk te
bewaren. XML bevat de metadata over de databank, zodat de betekenis van de databank niet
verloren gaat. Deze wordt dan op een meer gestructureerde manier opgeslagen dan de data.
De structuur van de databank wordt opgeslagen in SQL 106. Als de databank opnieuw
toegankelijk gemaakt moet worden, dan is het gemakkelijkste om SQL te gebruiken om de
databank opnieuw op te bouwen. Het moet wel opgemerkt worden dat het hier gaat over
standaard SQL.
6.2.1.5. RDF en OWL
Hoewel XML een veel gebruikt formaat is in de archiefwereld, heeft het ook enkele nadelen.
Een nadeel bij het bewaren van databank is dat het de semantiek van een databank niet
expliciet bewaard. Met RDF (en bij uitbreiding ook OWL) is het wel mogelijk om meer van
semantiek expliciet weer te geven, zoals de relaties tussen de tabellen en velden. Het wordt
ook mogelijk om relaties tussen databanken weer te geven.
RDF is een web standaard ontwikkeld door het W3C 107. RDF staat voor Resource Description
Framework. Het is een raamwerk om een eenvoudig, uitbreidbaar en makkelijk te vermengen
datamodel te maken. Dit maakt het mogelijk om voor een bepaald domein een algemeen
datamodel uit te werken.
RDF en XML sluiten elkaar niet uit, ze zijn complementair. RDF wordt gebruikt om een model te
beschrijven en XML om de data binnen een model te beschrijven. Het datamodel is heel
flexibel en kan het gebruikt worden om verschillende soorten datamodellen voor te stellen.
In XML gebeurt, zoals eerder besproken, de definiëring door een DTD of door een XML
Schema. Een DTD definieert vooral de syntaxis. Een XML Schema definieert ook de syntaxis,
maar kan meer beperkingen opleggen, zoals het vastleggen van datatypes of andere
105
Het moet duidelijk zijn dat met metadata hier de metadata wordt bedoeld zoals beschreven in 4. Metadata en niet de
data dictionary
106
Er wordt voornamelijk de DDL (Data Definition Language) van SQL bedoeld. De data wordt immers opgeslagen in
het platte tekstbestand
107
http://www.w3.org/RDF/
38
beperkingen. RDF gebruikt RDFS om het datamodel te definiëren. RDFS staat voor RDF
Schema. Het is een raamwerk dat de eigenschappen, de klassen en relaties van RDF objecten
kan beschrijven. RDF is bedoeld om enkel een algemeen datamodel te ontwikkelen. Er is een
andere taal die gebruikt kan worden om een meer specifieke model te ontwerpen. Deze taal
wordt OWL of Web Ontology Language genoemd108.
OWL is ook een taal ontwikkeld door het W3C. Het is geen vervanging van RDF, maar een
bijkomende taal, die bovenop RDF wordt toegepast.
In verband met databanken kan gesteld worden dat XML kan gebruikt worden voor de
concretisering109 van de inhoud van een databank. XML geeft enkel de syntaxis weer en geeft
geen betekenis aan de elementen 110. Er is geen mogelijkheid om te bepalen wat de betekenis
is van die relatie of wat bijvoorbeeld de eigenschappen zijn van de relaties. Hiervoor is een
vocabularium nodig dat een datamodel kan definiëren en dat de verschillende relaties en de
eigenschappen van deze relatie expliciet maakt. Expliciete relaties zijn belangrijk om het model
geschikt te maken om door een machine te verwerken. Vanuit archivistisch oogpunt kan
duidelijker gedefinieerd worden wat de relatie is en wat de eigenschappen zijn van deze
relatie. Als er impliciete relaties worden gebruikt zoals bij XML dan is men afhankelijk van de
software of van een beschrijving om duidelijk te maken wat de relatie is tussen de
verschillende elementen. RDF en OWL maken het mogelijk om de relaties, beperkingen,...
expliciet te maken. OWL kan bijvoorbeeld een relatie meer gedetailleerde definiëren, zoals
disjunctie of de kardinaliteit.
Een belangrijk voordeel van RDF is dat het zelfbeschrijvend is. Zo is er minder uitleg nodig dat
enkel door mensen bruikbaar is. Een nadeel is dat RDF en OWL nog niet gebruikt zijn voor het
archiveren van databanken. Het moet ook onderzocht worden of het gebruikt kan worden om
een databank te archiveren.
Platte tekst
108
109
SQL
XML
Platte tekst +
SQL + XML
RDF/OWL
http://www.w3.org/2004/OWL/
In het Engels wordt dit serialization genoemd
110
Het is zoals eerder gezegd een metataal voor het definiëren van opmaak en structuur van de data.
39
Platte tekst
+
Structuur
blijft bewaard veel
beschrijvingen
nodig in een
niet-formele
taal
SQL
Betekenis van
de databank
en
verschillende
velden blijven
bewaard
+
De betekenis
wordt vooral
bewaard in een
beschrijvend
gedeelte met
een weinig
formele taal
Beschikbare
hulpmiddelen
++++
Heel veel
hulpmiddelen
beschikbaar
+++
Probleem is
ook dat de
meeste
databanken
geen standaard
SQL
gebruiken.
++
De betekenis
moet bewaard
blijven in een
beschrijvend
gedeelte in een
weinig formele
taal. Sommige
onderdelen
zoals de
beschrijving
van de
datatypes is
wel in een
formele taal.
++++
Heel veel
hulpmiddelen
beschikbaar
Maturiteit
++++
Wordt overal
ondersteund
++++
Wordt heel
veel gebruikt
XML
++++
Platte tekst +
RDF/OWL
SQL + XML
++++
++++
+++
+++
Betekenis wordt
vooral in de
structuur
bewaard. Extra
betekenis zoals
datatypes kan in
een formele taal
beschreven
worden (XML
Schema)
++++
Betekenis kan
precies worden
opgeslagen
(zeker met
OWL). Om
datatypes te
definiëren kan
ook gebruik
gemaakt worden
van XML
Schema’s
+++
Ook veel
hulpmiddelen
beschikbaar,
maar minder
+++
++
Weinig middelen
ter beschikking.
Ze zijn vaak nog
in volle
ontwikkeling
+++
Wordt steeds
belangrijker
+++
+
Nog heel jong.
Het gebruik
begint toe te
nemen
40
Platte tekst
Gemakkelijk
beheer
+
Door het
gebrek aan
structuur zijn
ze moeilijk te
bewerken.
De nietformele
beschrijving
zijn ook
moeilijk up-todate te houden
SQL
XML
Platte tekst +
SQL + XML
+++
+++
++
De bestanden Het is erg
Door de
hebben meer
gestructureerd en verschillende
structuur en
dat
bestanden en
zijn daarom
vereenvoudigd verschillende
ook
het beheer, maar formaten
éénvoudiger te grote bestanden
beheren. Om zijn moeilijk om
het beheer te
te bewerken,
vereenvoudige omdat ze veel
n kunnen ze in geheugen
een databank vereisen. Het
geladen
verhoogt ook de
worden. De
opslagvereisten
niet-formele
stukken zijn
moeilijk te
beheren.
RDF/OWL
++
Het kan snel
complex worden
en er zijn weinig
hulpmiddelen ter
beschikking. Er
is weinig
expertise buiten
de academische
kringen.
Tabel 1: Overzicht van de standaardformaten
Essentiële kenmerken en authenticiteitseisen
Inhoud
De inhoud kan goed bewaard worden. Het is belangrijk dat
er wel een validatiestap is om na te kijken of de migratie
geslaagd is.
Context
De context moet bewaard worden door beschrijvende en
technische metadata toe te voegen.
Structuur
De structuur kan bewaard blijven, maar zal meer
beschreven moeten worden. Bij andere strategieën kon de
structuur bewaard worden in een databank, bij migratie zal
de structuur meer beschreven moeten worden in een
standaard taal. Het is mogelijk om de beschrijving in een
databank te laden en op die manier te bevragen.
Uiterlijk
Het uiterlijk is niet te bewaren door gebruik te maken van
migratie. Het uiterlijk moet beschreven worden.
Gedrag
Het gedrag is niet gemakkelijk om te bewaren, daarom
wordt het best beschreven.
41
6.2.2. Interoperabiliteit
Interoperabiliteit111
is,
naast
het
omzetten
in
een
standaardformaat,
een
mogelijk
migratiestrategie. In deze strategie wordt een oud bestandsformaat omgezet in een nieuw
programma met een ander bestandsformaat, bijvoorbeeld wanneer een oude dBase III
bestand wordt geïmporteerd in MS Access. Een andere vorm van interoperabiliteit is het
gebruik maken van een tijdelijk uitwisselingsformaat, bijvoorbeeld het omzetten van een MS
Access bestand in een tekstbestand en importeren in een andere database programma zoals
bijvoorbeeld MySQL.
Bij desktop databanken kan het programma zelf gebruikt worden of kan er gebruik gemaakt
worden van hulpprogramma's om de databank om te zetten naar een ander formaat. Het zijn
relatief eenvoudige migraties. In MS Access kan er bijvoorbeeld naar ASCII, RTF of Excel
omgezet worden. Het is mogelijk dat er informatie verloren gaat bij het omzetten in een ander
formaat of het opnieuw importeren in een andere databank, bijvoorbeeld bij het omzetten naar
Excel gaat informatie over de relaties verloren. Er moet gecontroleerd worden of de omzetting
geslaagd is zonder dat de essentiële informatie verloren is gegaan. Deze controle is relatief
eenvoudig.
Het omzetten van complexe databanken is moeilijker en is een werk voor specialisten. Het
proces kan uit meerdere fasen bestaan. Er kan gebruik gemaakt worden van de speciale
hulpprogramma’s. Het blijft een moeilijke taak, omdat ook de zoekopdrachten en de
gebruikersapplicatie moeten getest worden.
Door deze moeilijkheden is interoperabiliteit geen goede strategie voor complexe databanken.
Het kan wel gebruikt worden als tijdelijke oplossing voor het omzetten van verouderde desktop
databanken naar een nieuwe of een andere databank. Het is belangrijk dat gekeken wordt in
hoeverre de authenticiteit en de integriteit van de database behouden blijft. Het is belangrijk
dat de termijn tussen het bronformaat en het doelformaat zo klein mogelijk is om zoveel
mogelijk informatie te behouden.
Essentiële kenmerken en authenticiteitseisen
Inhoud
De inhoud wordt vaak goed overgenomen. Het is belangrijk
om te testen of de omzetting goed gebeurd is.
Context
De context moet beschreven worden door technische en
111
Testbed Digitale Bewaring (2003) Van digitale vluchtigheid naar digitaal houvast. Bewaren van databanken, p 32.
http://www.digitaleduurzaamheid.nl/bibliotheek/Bewaren_van_databases.pdf
42
beschrijvende metadata toe te voegen.
Structuur
De structuur van de tabellen worden normaal goed
omgezet. Afhankelijk van de gebruikte techniek worden
andere onderdelen van de databank minder goed omgezet.
Het gaat dan bijvoorbeeld over de relaties, beperkingen of
datatypes. Als er gebruik gemaakt wordt van een tijdelijk
uitwisselformaat, zoals Excel of ASCII dan gaat de
informatie over de relaties verloren en zal die moeten
toegevoegd worden. Sommige databanken gebruiken
speciale datatypes die andere databanken niet
ondersteunen112. Deze informatie kan verloren gaan.
Om de logische structuur te bewaren is het aan te raden
om een ERD-diagram te bewaren van de databank. Dan kan
de structuur van de oude en de nieuwe databank snel
gecontroleerd worden.
Uiterlijk
Het uiterlijk is moeilijk te bewaren. Het is nodig om het
uiterlijk te documenteren met schermafbeeldingen
Gedrag
Het gedrag is, net zoals uiterlijk, moeilijk te bewaren.
Daarom moet ook het gedrag gedocumenteerd worden.
6.3. Conversie
Een andere strategie is conversie, waarbij objecten opgeslagen worden in een hogere, nieuwe
versie van hetzelfde bestandsformaat. Hoe groter het tijdsverschil is tussen de oorspronkelijk
gebruikte bestandsversie en de versie waarnaar geconverteerd zal worden, hoe groter de kans
is op verlies van gegevens en functionaliteiten. Indien het bestandsformaat gesloten is,
bestaat bovendien het risico dat de informatie op termijn niet meer toegankelijk is. Het
voordeel van conversie is echter dat het een relatief eenvoudige bewerking is die met behulp
van de nieuwe versie van de moedertoepassing uitgevoerd kan worden. Enkel voor databanken
die slechts gedurende enkele jaren raadpleegbaar moeten blijven, is dit een geschikte optie.
Essentiële kenmerken en
authenticiteitseisen
Inhoud
De inhoud wordt goed bewaard. Al kunnen er bij de
omzetting wel kleinere fouten optreden. Het is belangrijk
bij de conversie te kijken of het omzetten gelukt is door
de twee versies te vergelijken.
Context
De context moet ook bij conversie bewaard worden. Dit
kan door beschrijvende en technische metadata toe te
voegen.
112
Voor een voorbeeld zie 10. Stappenplannen
43
Structuur
De structuur van de databank blijft goed bewaard, omdat
de leverancier van de databank meestal hulpprogramma’s
maakt om de conversie uit te voeren of de conversie
mogelijkheid wordt ingebouwd in het DBMS.
De logische structuur kan vaak weergegeven worden door
hulpprogramma’s of ingebouwde programma’s, want heel
wat DBMS hebben een eigen programma of andere
hulpprogramma’s.
Uiterlijk
Bij databanken is conversie moeilijker uit te voeren dan bij
andere archiefobjecten, omdat zowel de databank als de
applicatielaag geconverteerd moeten worden. Bij een
databank zoals een MS Access is dit relatief eenvoudig,
omdat een nieuwe versie vaak de oude versie kan openen
en converteren. Het wordt moeilijker als het om
complexere databanken gaat, omdat heel wat
componenten ook geconverteerd moeten worden. De
broncode van de gebruikersapplicatie, de programmacode
om met het DBMS te communiceren en de SQL moeten
omgezet worden naar de nieuwe versie. Uiteraard moeten
niet altijd alle componenten omgezet worden. De
verschillende componenten zijn vaak gemaakt met
leveranciersspecifieke programma’s en daarom is het
conversieproces afhankelijk van deze programma's.
Gedrag
Het gedrag blijft bewaard. Het is mogelijk dat er fouten
ontstaan door wijzigingen tussen verschillende versies,
daarom is het belangrijk om te testen of de opzetting naar
de nieuwe versie geslaagd is.
6.4. Emulatie
Emuleren is op bepaalde computers een andere computer nabootsen door middel van
software. Emulatie wordt bij digitaal archiveren gebruikt om op een nagebootste computer
verouderde software uit de tijd dat het bestand gemaakt werd te gebruiken. Op deze manier
kan men op een betrouwbare manier oude bestanden openen. Het gaat dan vooral over oude,
niet-gestandaardiseerde bestanden waarvoor geen programma meer beschikbaar is om het
bestand te openen. Als een dergelijk bestand geopend zou moeten worden, dan zou er een
nieuw programma geschreven moeten worden. Dit vereist een grote hoeveelheid onderzoek en
reconstructie als het bestand geen open formaat en niet goed gedocumenteerd is. Emuleren is
vooral een oplossing voor bestanden waarvoor geen migratie of conversie strategie bestaat.
Er zijn verschillende soorten emulatie. Er kan een emulator gemaakt worden die de hardware,
het besturingssysteem, specifieke software of een combinatie van de vorige technieken
nabootsen.
44
Bij de emulatie door specifieke software wordt er een programma geschreven dat het oude
programma emuleert. Het is nodig om voor elk programma een nieuwe emulator te schrijven.
De programma’s zijn leverancierspecifiek en dit vereist een grote inspanning om een dergelijk
programma te maken en te onderhouden.
Het voordeel van hardware emulatie ten opzicht van het bouwen van een programma dat de
weergave van een oud bestand mogelijk maakt, is dat een hardware emulator maar één keer
gemaakt moet worden en dat er dan een hele reeks programma's kunnen gebruik van maken
in tegenstelling tot de vorige soort emulator. Hardware emulatie laat toe om complexe
software en speciaal ontworpen software gemakkelijk te bewaren. In dit opzicht is dit een
interessante bewaarstrategie.
Het nadeel van hardware emulatie is de technische complexiteit in het ontwerpen, testen en
gebruiken van de emulator, omdat het specificeren van alle hardware-interacties moeilijk is. De
hardware-interacties zijn eigendom van de makers van de computerhardware en niet
toegankelijk voor de ontwerpers van de emulator. Ook al zijn de hardwarefuncties gekend dan
is het nog een moeilijke opdracht, omdat de softwarematige implementatie van deze functies
complex en lastig is.
Bij de emulatie van het besturingssysteem zijn ook aanzienlijke inspanningen nodig, want het
besturingssysteem moet gereconstrueerd worden. Het emuleren van een besturingssysteem is
niet voldoende om een bepaald programma te laten werken, want een besturingssysteem
verleent enkel faciliteiten die door een programma tijdens het uitvoeren gebruikt worden. De
applicatie moet zelf altijd uitgevoerd worden op hardware net als het besturingssysteem en
dus blijft emulatie van de hardware een vereiste.
Een bijkomend nadeel bij emulatie van complexe databanken ten opzichte van documenten is
dat er verschillende onderdelen moeten bewaard worden. Zo moeten de oorspronkelijke
databank, het oorspronkelijk besturingssysteem, DBMS, de databanktoepassing, ook de
volledige
gebruikershandleiding
en
verschillende
configuratiebestanden
voor
het
besturingssysteem en de gegevens in de DBMS bewaard worden. Het is ook nodig dat de
software in het publieke domein is of dat de licentie verworven is voor de geëmuleerde
componenten.
Een algemeen nadeel van emuleren is dat de oude programma’s en de daar bijhorende oude
technologieën gekend moeten zijn bij de gebruikers. Het is ook niet eenvoudig om met één
vraag verschillende programma’s te bevragen. Telkens moet in het specifieke programma een
zoekvraag gestart worden.
45
Het grootste nadeel van de emulatiestrategie voor het bewaren van databanken is dat er geen
emulator is voor de bewaring voor databanken. Er is nog verder onderzoek nodig om na te
gaan of het überhaupt mogelijk is om de verschillende onderdelen van een databank te
emuleren. Hierdoor is dit momenteel geen optie.
Essentiële kenmerken en authenticiteiteisen
Inhoud
Bij emulatie blijft de oorspronkelijk inhoud bewaard,
omdat het oorspronkelijk bestand bewaard blijft.
Context
De context moet toegevoegd worden door beschrijvende
en technische metadata toe te voegen.
Structuur
De structuur wordt bewaard omdat de oorspronkelijke
databank bewaard blijft. Sommige databanken hebben
eigen of ingebouwde hulpmiddelen om de logische
structuur weer te geven.
Uiterlijk
Gedrag
Het uiterlijk blijft bewaard omdat de oorspronkelijke
applicatielaag bewaard blijft. Het kan wel moeilijk zijn om
het uiterlijk te bewaren als er extra programma’s bewaard
moeten worden. Bijvoorbeeld bij databanken met een
webinterface moet er naast de databanksoftware een
webserver, een programmeertaal,... bewaard blijven.
Het gedrag blijft bewaard omdat de oorspronkelijke
databank bewaard blijft.
6.5. Geen bewaarstrategie gebruiken
Niets doen is ook een mogelijkheid. Bij databanken is dit een meer relevante mogelijkheid dan
bij andere archiefobjecten, want er zijn een aantal valabele argumenten. Er kan bijvoorbeeld
gesteld worden dat het te veel inspanning (en geld) vergt om een databank te archiveren. De
data die gearchiveerd kan worden, wordt weggeschreven in een speciale archieftabel. De
archieftabel blijft in de databank bewaard en wordt ook geconverteerd of gemigreerd naar een
nieuwe databank.
Een andere optie is om enkel de output van de databank te archiveren en de data in de
databank zo lang mogelijk te bewaren. Want de databank is vaak ook maar een bron voor een
andere vorm, bijvoorbeeld een databank met personeelsgegevens wordt gebruikt om een
personeelsdossier op te maken in papieren of elektronische vorm. Of bij wetenschappelijk
onderzoek worden heel wat gegevens bewaard, maar het is mogelijk om enkel de output van
die gegevens te bewaren, namelijk het wetenschappelijk rapport. Op dit moment gebeurt het
op deze manier bij papieren archieven. Het moet duidelijk zijn dat de output wel op een goede
46
manier moet gearchiveerd worden en dat hiervoor wel een bewaarstrategie moet uitgewerkt
worden.
Het nadeel van enkel de output te bewaren van een databank is dat het moeilijk wordt om de
gegevens te bevragen, zoals een databank wel mogelijk maakt. Een ander voorbeeld waar het
bewaren van de databanken of datasets een voordeel is en niet enkel de output, is wanneer
bijvoorbeeld een databank of dataset gebruikt wordt voor wetenschappelijk onderzoek. Door
de dataset of databank te bewaren en niet enkel het eindrapport is het mogelijk voor andere
wetenschappers om de experimenten opnieuw uit te voeren en kan het eindrapport
gemakkelijker op zijn waarde getest worden. Soms is het moeilijk om bepaalde experimenten
opnieuw uit te voeren en dan is het ook belangrijk om de dataset of databank te bewaren.
Een andere mogelijkheid is om op basis van statistiek een deel van de databank te bewaren en
enkel dat deel te bewaren. Zo hoeft niet alles bewaard te worden en kan er veel ruimte
gespaard worden. Het is een techniek die ook wordt toegepast bij grote papieren archieven113.
Er zijn databanken die meer informatie kunnen bevatten dan de output die gegenereerd wordt.
Het gaat dan bijvoorbeeld over databanken die belangrijke informatie bevatten over de
organisatie. Bij de Vlaamse overheid is de Vlimpers databank daar een voorbeeld van. Het is
de databank waar alle gegevens over personeel worden bijgehouden. Het is een erg
belangrijke databank en ze bevat ook veel informatie over de organisatie zelf die niet in een
personeelsdossier zit, zoals de organisatiestructuur. Er zit in de Vlimpers databank heel wat
meer informatie dan in personeelsdossiers die anders uit verschillende bronnen zou moeten
samengevoegd worden.
Het gebruik van steekproeven is op deze databank af te raden. De selectie op basis van
steekproeven is interessanter voor papieren archief dan bij digitaal archief. Digitaal archief
maakt het mogelijk om automatisch bewerkingen uit te voeren op de data. Hierdoor is het ook
interessant om bijvoorbeeld evoluties over een lange termijn te onderzoeken of het kan ook
gebruikt worden om rekenschap af te leggen.
Bij de het berekenen van de kostprijs moet ook rekening gehouden worden met de wettelijke
aspecten, zoals aan gehaald in 3.4. Er zijn wettelijke verplichtingen waaraan voldaan moet
113
E. Aerts, Archiefselectie vanuit de statistiek: de steekproef in de archivistiek (Miscellea archivistica. Manuale, 28),
Brussel 1998 en E. Aerts, The application of Elementary Sampling in the Appraising of Records, in: archive vor der
Globalisierung? Beiträge zum Symposion des Nodrhein-Westfälischen Hauptstaatsarchivs in Verbindung mit den
Allgemeinen Reichsarchiven in Brüssel (Belgien) und Den Haag (Niederlande) vom 11 bis 13 Semptember 2000 in
Düsseldorf
(red.
M.
Blach-veldtrup,
O.
Dascher
&
A.
Koppetsch),
Münster,
2001,
p
157-205.
http://www.archive.nrw.de/dok/symposion01/Inhalt.html
47
worden. Als er in een rechtzaak bepaalde stukken niet voorgelegd kunnen worden, dan kan dit
o.a. financiële gevolgen hebben. Het is belangrijk dit in het achterhoofd te houden bij het
beslissen over de beste bewaarstrategie en bij het selecteren van de essentiële kenmerken en
authenticiteitseisen.
Essentiële kenmerken en authenticiteitseisen
Inhoud
Wanneer de databank niet wordt bewaard, maar wel de output
van de databank, dan wordt de inhoud wel bewaard, maar niet
meer op een dergelijke gestructureerde manier als in een
databank. Het is dan bijvoorbeeld niet meer mogelijk om een
bevraging te doen over de gegevens, zoals dat wel mogelijk is in
een databank.
Context
De context moet toegevoegd worden door beschrijvende metadata
en technische metadata toe te voegen. De technische metadata
geldt dan voor de oplossing die gekozen werd in plaats van de
databank.
Structuur
De structuur van de databank wordt niet bewaard, omdat het in
een andere vorm wordt bewaard.
Uiterlijk
Het uiterlijk wordt ook niet bewaard, omdat de databank niet
bewaard wordt.
Gedrag
Het gedrag gaat ook verloren, omdat er een andere vorm wordt
gebruikt
6.6. Conclusie bewaarstrategieën
Aangezien het moeilijk is om databanken te archiveren, is het aan te raden om het originele
bestand en de nodige software te bewaren. Bij complexe databanken zit de databank niet
vervat in één bestand, maar bestaat het uit verschillende bestanden. Alle bestanden die deel
uitmaken van de databank, zoals de data, gebruikersapplicatie,... moeten bewaard blijven. Het
biedt de meest authentieke representatie van de databank, zolang het nog mogelijk is om de
databank
uit
te
voeren.
Het
biedt
ook
grotere
mogelijkheden
bij
toekomstige
bewaarstrategieën en emulatie blijft een optie.
Emulatie van databanken is een interessante strategie, vooral in vergelijking met andere
digitale
objecten.
Het
is
interessant
omdat
zowel
de
databank,
DBMS
als
de
gebruikersapplicatie kan behouden worden. Het is enkel interessant als een strategie voor
langetermijnbewaring, want er is een grote inspanning en kennis vereist om emulatie software
te maken en te onderhouden. Er zijn op dit moment ook geen bruikbare emulatieprogramma’s
en er is onderzoek nodig naar de haalbaarheid van emulatie van databanken. Hierdoor is
emulatie op dit moment geen optie.
48
Net zoals bij interoperabiliteit, kan conversie alleen gebruikt worden om databanken voor een
korte termijn te bewaren. Er moet ook over gewaakt worden dat de conversie naar een nieuwe
versie regelmatig gebeurt.
Migratie is op dit moment de beste optie voor het archiveren op lange termijn. Het is
belangrijk om over te schakelen op een standaardformaat voor langetermijnbewaring. Het is
beter voor een de jure standaard of een open standaard te kiezen. Andere factoren spelen ook
een rol zoals de geschiktheid en de populariteit van de standaard. XML is een interessant
formaat voor langetermijnbewaring. Het wordt op dit moment naar voor geschoven als de
beste oplossing voor het archiveren, omdat XML een wijdverspreide open standaard is en veel
gebruikt wordt bij archivering.
Om meer van de semantiek van de databank te bewaren, zouden RDF en OWL een mogelijke
oplossing kunnen zijn. Deze optie zou ook nog verder onderzocht moeten worden om na te
gaan of het een optie is om XML te vervangen of aan te vullen.
“Niets doen” en enkel opslaan van de output van de databank wordt hier niet verder in
beschouwing genomen, omdat het vooral een management beslissing is. Het is belangrijk dat
de archivaris op een degelijke manier de output van de databank kan bewaren. Het opslaan
van de te archiveren databank in een archieftabel komt overeen met technisch archiveren,
zoals eerder besproken.
Voordelen
Emulatie
+ Zeer getrouwe
representatie
+ Alle oorspronkelijke
functionaliteiten werken
Conversie
+ Zeer getrouwe
representatie
+ Relatief eenvoudige ingreep
+ Beperkte kans op
gegevensverlies op korte
termijn
+ Relatief eenvoudige ingreep
+ Beperkte kans op
gegevensverlies op korte
termijn
+ Minder afhankelijk van een
bepaald platform en
producent
Interoperabiliteit
Nadelen
- Arbeidsintensieve
ontwikkeling
- Meerdere configuratie
moeten geëmuleerd worden
- Licenties van de
verschillende programma’s
nodig
- Geen emulator voor
databank software
- Volledige afhankelijkheid
van platform en producent
- Problematische conversie
van oudere versies, met kans
op gegevensverlies
- Niet alle functionaliteiten
kunnen bewaard blijven
- Geen volledige
onafhankelijkheid van
platform en producent
49
Voordelen
Migratie
Nadelen
+ Volledige neutraliteit en
onafhankelijkheid
+ Getrouwe representatie
- Kans op beperkt
gegevensverlies bij
oorspronkelijke
migratiebewerking
- Geen eenvoudige bewerking
- Niet alles kan behouden
worden, bijvoorbeeld de
applicatielaag en hierdoor
moet er veel beschreven
worden
Tabel 2: Voor- en nadelen van verschillende bewaarstrategieën
Kortetermijnbewaring
Langetermijnbewaring
Permanente bewaring
-
X
X
-
-
-
-
X
X
X
-
-
Emulatie114
Interoperabiliteit
Migratie
Conversie
Tabel 3: Overzicht bewaarstrategieën
De onderstaande tabel bespreekt de mogelijke bewaarstrategie voor elke databanksysteem,
zoals besproken in 2.2.1.
De voorgestelde korte termijn bewaarstrategie (tot 5 jaar):
Hiërarchisch
Netwerk
Object-
Relationeel
XML
georiënteerd
Emulatie
-
-
-
-
-
Conversie
X
X
X
X
X
Interoperabiliteit
-
-
-
-
-
Migratie
-
-
-
-
-
Tabel 4: Overzicht van de voorgestelde korte termijn bewaarstrategie per type databanksysteem
De voorgestelde lange termijn bewaarstrategie (6 jaar -...):
114
Emulatie is pas een optie als er een emulator wordt gebouwd en als deze ook efficiënt blijkt
50
Hiërarchisch
Netwerk
Object-
Relationeel
georiënteerd
XML
databank
Emulatie
X
X
X
X
X
Conversie
-
-
-
-
-
Migratie
XML
XML
XML
XML
XML
Interoperabiliteit
-
-
-
-
-
Tabel 5: Overzicht van de voorgestelde lange termijn bewaarstrategie per type databanksysteem
7. Stand van zaken van projecten en hulpmiddelen
7.1. Emulatie
Een veel geciteerde emulator in archiefcontext is de UVC of "Universal Virtual Computer" van
IBM, het Nationaal archief en de Koninklijke bibliotheek van Nederland 115. Het is een universele
emulator, omdat er geen programma moet geëmuleerd worden. De data wordt op een speciale
manier bewaard. Er wordt een speciale gelabelde versie bewaard in een speciale UVC
programmeertaal. Deze gelabelde versie van de data wordt gebruikt om met een UVC
programma het oude bestandsformaat terug weer te geven. Op deze manier is er geen
volledige emulatie nodig. Er is enkel een programma dat de gelabelde data kan decoderen. Dit
is ook een nadeel van de UVC. Voor elk formaat moet er een decodeermodule geschreven
worden en bij elke generatie van nieuwe hardware moet er ook een nieuwe virtuele computer
ontwikkeld worden.
UVC is geen oplossing voor databanken, want er is geen decodeerprogramma ontwikkeld dat
kan getest worden. Het moet ook nog onderzocht worden of de UVC in staat is alle aspecten
van een databank op een betrouwbare manier te decoderen.
Er wordt op dit moment onderzoek gedaan naar emulatie software door de Koninklijke
115
R. Lorie, The UVC: a Method for Preserving Digital Documents – Proof of Concept, 2002. Een technisch overzicht
van de UVC biedt J.R. van der Hoeven, R. J. van Diessen en K. van der Meer, 'Development of a Universal Virtual
Computer (UVC) for long-term preservation of digital objects', Journal of Information Science, 31/3, 2005, p. 196-208,
te
raadplegen
op
http://dx.doi.org/10.1177/0165551505052347.
Zie
ook
de
projectsite:
http://www.kb.nl/hrd/dd/dd_projecten/projecten_emulatieproject.html.
51
Bibliotheek, het Nationaal Archief van Nederland en recent ook PLANETS 116. Een eerste product
dat recent werd uitgebracht is Dioscuri117. Het is een emulator die momenteel een 8086
computer nabootst. Het is de bedoeling om een meer recentere computer te emuleren. De
bedoeling is om een moderne computer met Windows 2000 te emuleren. Deze machine wordt
de Reference Workstation genoemd (RWS). In de scope van het project is ook opgenomen om
databanken te emuleren, maar zijn nog niet getest. Men heeft al succesvol een aantal
programma’s kunnen uitvoeren, bijvoorbeeld Wordperfect 5.1 (een tekstverwerker), Arachne
(browser) en een aantal spelen.
Het
verschil
tussen
Dioscuri
en
de
huidige
commerciële
emulatoren
zoals
VMWare
emulatiesoftware118 en Virtual PC van Microsoft119 is dat Diocsuri een tussenlaag heeft. De
tussenlaag wordt de Universal Virtual Machine (UVM) genoemd en is de tussenlaag tussen de
huidige hardware en de emulator. De tussenlaag is gemaakt, omdat er minder wijzigingen
moeten doorgevoerd worden aan de emulator als de onderliggende hardware veranderd. De
huidige UVM die gebruikt wordt is Java. Nog een verschil is dat de emulator modulair is
opgebouwd. Zo is het gemakkelijker om een bepaald onderdeel dat geëmuleerd wordt te
vervangen door een nieuw onderdeel. De verschillende modules die moeten gebruikt worden
staan
beschreven
in
de
Emulator
Specification
Document
(ESD).
De
verschillende
componenten worden met elkaar verbonden door een controller. De controller haalt de
modules uit de module bibliotheek.
Dioscuri is een interessant programma dat in de toekomst mogelijk een oplossing is voor het
emuleren van databanken. Er moet nagegaan worden of het programma in staat is om op een
performante manier databanken te emuleren.
7.2. Conversie
Conversie is, zoals hierboven aangehaald, enkel voor korte termijn. Het is een relatief
eenvoudige operatie. Het wordt moeilijker bij complexe databanken en
ook als de
applicatielaag moet geconverteerd worden. Het is best om niet te veel versie over te slaan,
anders wordt de conversie moeilijker.
116
PLANETS staat voor ‘Preservation and Long-term Access through Networked Services’. Het is een project door de
Europese Unie onder het zesde raamwerk programma om een aantal kernproblemen van digitale bewaring aan te
pakken. De nadruk ligt op het uitwerken van praktische oplossingen en hulpmiddelen voor langetermijnbewaring van
culturele en wetenschappelijke informatie http://www.planets-project.eu/
117
http://dioscuri.sourceforge.net
118
http://www.vmware.com/
119
http://www.microsoft.com/windows/products/winfamily/virtualpc/default.mspx
52
Als we bijvoorbeeld naar MS Access kijken dan worden er door elke nieuwe versies een aantal
oudere versies van Access ondersteund. Bij het openen van een oude versie van een MS
Access bestand wordt gevraagd of het bestand geconverteerd moet worden. Binnen de
Vlaamse overheid wordt MS Access 2003 veel gebruikt. Deze versie kan MS Access 97 en MS
Access 2000 bestanden openen. Als er bij de conversie fouten optreden, dan wordt er een
tabel ‘Conversiefouten’ gemaakt. In deze tabel worden de fouten beschreven 120.
Om het conversieproces vlot te laten verlopen is het belangrijk om een verantwoordelijke aan
te duiden die de conversies uitvoert op regelmatige tijdstippen en die een testprocedure
uitwerkt om te kijken of de conversie geslaagd is. Hiervoor is het belangrijk om de gebruikte
databanken binnen de organisatie op te lijsten en een conversieplan uit te werken. Bij de
oplijsting kunnen er een aantal gegevens worden bijgehouden over de databanken, zoals een
beschrijving van de databank, wat de software is die gebruikt wordt om de databank te
raadplegen, of en welke applicatielaag gebruikt wordt, bewaartermijn,....
7.3. Interoperabiliteit
‘Interoperabiliteit’ is een migratie naar een ander formaat dat geen standaardformaat is. Als
voorbeeld wordt ook hier MS Access genomen, omdat het een veel gebruikte databank is. Het
is mogelijk om een MS Access databank om te zetten naar een andere databank, bijvoorbeeld
MySQL. Hiervoor kan de Migration Tool van MySQL gebruikt worden. Het programma is een
onderdeel van de MySQL GUI Tools 121 en het kan gebruikt worden om een MS Access bestand
te converteren naar een MySQL databank. De MySQL Migration Toolkit ondersteunt niet alleen
MS Access, maar kan een heleboel andere databanken migreren. Het resultaat is een MySQL
databank
en
geen
databank
in
een
standaardformaat,
maar
omdat
het
een
openbronprogramma is en het tabelformaat ook openbron is, kan het een alternatieve opslag
zijn voor kortetermijnbewaring. Het is geen ideale oplossing, maar het is in elk geval
duurzamer dan het Access-formaat te blijven gebruiken 122. De applicatielaag van de Accessdatabank wordt niet overgenomen. Hiervoor moet een andere oplossing gezocht worden.
120
http://office.microsoft.com/nl-be/access/HP051863711043.aspx
121
http://www.mysql.com/products/tools/migration-toolkit/.
122
Microsoft heeft een XML gebaseerd formaat gemaakt voor alle MS Office bestanden. De nieuwe OOXML
bestandsformaten zijn door het ECMA associatie goedgekeurd als een standaard en momenteel is OOXML ingediend
bij de ISO standaardorganisatie en Microsoft hoopt dat OOXML een ISO standaard wordt. Het nieuwe OOXML
formaat is ook geen oplossing, omdat het Access formaat uit deze familie een binair formaat is en niet zoals de andere
bestandsformaten op XML gebaseerd is.
53
7.4. XML als bewaarformaat
XML is een veel gebruikt formaat om databanken te bewaren. Hieronder worden een aantal
instellingen en initiatieven opgesomd die XML gebruiken als bewaarformaat. Ze concentreren
zich enkel op de data en migreerden de applicatielaag niet.
7.4.1. Digitale Duurzaamheid
Digitale Duurzaamheid, een project van het nationaal archief van Nederland, heeft een aantal
tests uitgevoerd123. Ze hebben gebruik gemaakt van WinAllora en XML Junction124 om een MS
Access 2002 databank te migreren naar XML. Er werd 1 XML bestand gemaakt per tabel en er
werd 1 overzichtsbestand van de databank in XML gemaakt. In het overzichtsbestand werden
ook beperkingen en eventuele databank subschema's opgesomd. Het migreren van de
databank naar verschillende bestanden is moeilijk met de gebruikte programma’s. Zo bleek het
moeilijk te zijn om de programma’s te configureren om de gewenste output te krijgen en om
volledige controle te krijgen over de uiteindelijke vorm. Er kon niet beslist worden wat er
behouden werd en wat verwijderd kon worden. Daarom werd er gekozen om een eigen
programma te maken.
Bij Digitale Duurzaamheid heeft men ook een aantal problemen tegengekomen met hun
strategie. De verbinding tussen het eigen ontwikkeld programma en de databank heeft
beperkte mogelijkheden. Er werd gebruik gemaakt van JDBC en ODBC. Een ander probleem
dat men tegenkwam was een probleem met het omzetten van leveranciersspecifieke SQL naar
de standaard SQL125 en tussen java.sql en Oracle databank. Er was ook een probleem met het
geheugen. Bij grote databanken was er ook te weinig geheugen omdat volledige tabellen in het
geheugen werden geladen. Ook afbeeldingen in de databank gaven problemen, want er werd
niet voldoende informatie gegeven over het formaat van de afbeeldingen. Het exporteren van
bestanden uit databanken was daarom moeilijk. Bij een onbekende databank zou dit
problemen kunnen geven. Er was in dat geval nood aan meer metadata.
7.4.2. Arkade en Arkadukt
Het nationaal archief van Noorwegen heeft ook gewerkt rond het archiveren van databanken.
123
Remco Verdegem, Database Preservation Issues. Erpanet Workshop Long-term Preservation of Databases, 2003
http://www.digitaleduurzaamheid.nl/bibliotheek/docs/longterm_preservation_of_databases.pdf.
124
WinAllora heet nu XML-RDB en is een programma van Hitsoftware. XML junction was een programma van Data
Junction,
maar
het
product
bestaat
niet
meer
en
Data
Junction
is
overgenomen
door
Pervasive
http://www.pervasive.com/.
125
Zoals eerder besproken
54
Een databank wordt beschreven in ADDMML. ADDMML is een XML DTD en staat voor Archives
Data Description and Manipulation Markup Language. Het is een metadata formaat om de data
uit databanken te beschrijven in een software en hardware onafhankelijk formaat. Er worden
enkel datasets beschreven.
De structuur van de taal is hiërarchisch opgesteld en is gelaagd. De taal beschrijft eerst de
dataset, daarna worden de verschillende bestanden beschreven. Na de beschrijving van een
bestand worden de tabellen beschreven. Na de tabellen worden velden beschreven en als
laatste de codes gebruikt in de velden.
Het programma dat deze ADDMML bestanden maakt, wordt Arkadukt genoemd. Het is een
grafisch programma dat gebruikt wordt om correcte ADDMML-bestanden te maken zonder dat
de gebruiker ADDMML moet kennen.
Een tweede programma is Arkade, het maakt gebruik van de output van Arkadukt. Het
ondersteunt de volgende functies: conversie, analyse, controle van de ADDMML-bestanden. Er
zijn ook nog een aantal speciale functies die ondersteund worden, zoals de creatie van SASdatasets126 en willekeurige kwaliteitstesten van records. Er is nog een derde programma ArkN3
dat de conformiteit nakijkt met de Noorse Records Management standaard.
7.4.3. RODA
Het nationaal archief van Portugal doet ook onderzoek naar het archiveren van databanken. Ze
zijn hiervoor een project opgestart dat RODA wordt genoemd 127. RODA staat voor "Repository
of Authentic Digital Objects". Zoals uit de naam blijkt is het niet enkel de bedoeling om een
depot te maken om databanken in te archiveren, maar ook documenten, afbeeldingen en
andere digitale objecten.
Databanken worden in het depot toegevoegd als ze van het gesloten en statische type 128 zijn.
Om databanken te beschrijven heeft men een eigen generiek XML schema ontwikkeld. Het
schema wordt DBML genoemd. Een DBML-bestand bestaat uit twee delen. Het eerste gedeelte
bevat de structuur van de databank en het tweede gedeelte de data.
Voor de migratie wordt gebruik gemaakt van een hulpprogramma dat specifiek voor een
bepaalde databank geschreven werd. Een dergelijk programma wordt een mediator genoemd.
De omzetting van de structuur gebeurt door de mediator. De structuur bestaat uit een
126
SAS is een statistisch programma http://www.sas.com/.
127
http://roda.iantt.pt/en.
128
zie hierboven
55
algemeen gedeelte met een overzicht van de tabellen, kolommen en primaire en vreemde
sleutels. Na het algemene gedeelte wordt elke tabel en rij afzonderlijk gedefinieerd. Na het
structurele gedeelte worden de data in de juiste structuur weergegeven.
RODA maakt gebruik van het PREMIS129 datamodel. Het datamodel bestaat uit 5 entiteiten:
Intellectual Entities, Object, Rights, Event, Agent. Om Intellectual Entities te beschrijven wordt
EAD130 gebruikt. De databank en de beschrijvende bestanden worden in één pakket
samengebracht. Het pakket bestaat uit drie delen: beschrijvende metadata in EAD, DBML en
bijkomende bestanden. Het pakket wordt beschreven in METS 131. Het concept van de
pakketten is afkomstig van het OAIS-model. Afhankelijk van de taak wordt het pakket SIP, DIP
of AIP genoemd132.
Om toegang te verlenen tot de databank wordt het pakket omgezet in andere formaten, want
XML wordt snel te groot om gebruikt te worden. Er wordt gebruik gemaakt van HTML en SQL.
De gebruiker kan door het HTML bestand bladeren of kan het SQL bestand in een andere
databank importeren.
Er wordt geen vermelding gemaakt van het bewaren van onderdelen van de databank die niet
gemigreerd kunnen worden of die niet opgenomen kunnen worden in de gebruikte bestanden,
zoals formulieren of andere interfaces.
7.4.4. MIXED
MIXED133 is een project van DANS134. MIXED staat voor Migration to Intermediate XML for
Electronic Data. De doelstelling van het project is om een systeem en procedure uit te werken
129
Staat voor PREservation Metadata, Implementation Strategies. Het is gegroeid uit de bibliotheekwereld. Het bestaat
uit een aantal strategieën en een data dictionairy om minimale set van bewaringsmetadata te definiëren.
130
EAD staat voor Encoded Archival Description. Het is een internationale standaard die gebruik maakt van XML om
archiefinventarissen te maken. Zo kunnen deze archieftoegangen toegankelijk, uitgewisseld en gepubliceerd worden.
http://www.loc.gov/ead/.
131
Metadata Encoding and Transmission Standard: http://www.loc.gov/standards/mets/. Het is een standaard om
verschillende soorten bestanden samen te nemen en op te slaan als een XML-bestand.
132
SIP staat voor Submission Information Package en is het pakket dat aangeleerd wordt aan het digitaal depot; DIP
staat voor Dissemination Information Package en dit is het pakket dat naar de gebruiker wordt gestuurd; AIP betekent
Archival Information Package en dit is het pakket dat opgeslagen wordt in het depot.
133
http://mixed.dans.knaw.nl/
134
DANS staat voor Data Archiving and Networked Services. Het is een onderzoeksinstelling van KNAW (Koninklijke
Nederlandse Academie van Wetenschappen) en NWO (Nederlandse Organisatie voor Wetenschappelijk Onderzoek).
Het doel van DANS is om digitale onderzoeksdata beschikbaar te stellen. http://www.dans.knaw.nl/nl/
56
om datasets van onderzoeksprojecten toegankelijk te maken en te houden.
Enkel de data en de logische relaties worden behouden bij de methode die MIXED gebruikt.
Het project onderzoekt hoe datasets uit databanken en spreadsheet kunnen gemigreerd
worden naar een generiek XML formaat. Het generiek formaat wordt gebruikt om de data te
bewaren in het EASY depot135. Het EASY depot maakt gebruik van het OAIS model. Het depot
zorgt dat de data toegankelijk blijven voor later en dat de gebruikers 136 de data kunnen
downloaden. Om de data van het depot toegankelijk te maken voor de gebruikers wordt het
XML bestand omgezet in een ander formaat, bijvoorbeeld naar CSV.
Om de data om te zetten wordt er een module gemaakt voor elke databanksysteem en
spreadsheetprogramma. De module moet de data omzetten in het generieke XML formaat.
Veel informatie over MIXED is nog niet beschikbaar, want het project is pas vanaf januari 2007
gestart.
7.5. SIARD
SIARD is een programma ontwikkeld door het federaal archief van Zwitserland. SIARD staat
voor ‘Software Invariant Archiving of Relational Databases at the Swiss Federal Archives’. Het
is een programma dat een databank migreert naar standaard formaten, namelijk SQL en XML.
SIARD heeft de mogelijkheid om een directe connectie te maken met een operationele
databank, een migratie van de databank naar een andere databank (zowel van dezelfde
leverancier als van een andere leverancier) of een connectie met een operationele databank
via een hiervoor speciaal ontwikkeld component. Een intermediaire databank is een
interessante optie omdat het toelaat om een aantal bewerkingen uit te voeren die het
archiveren vergemakkelijken, zoals data conversie, filteren,...
Het programma bestaat uit drie onderdelen, namelijk A0, A1 en A2. Het zijn afzonderlijke
programma's die door andere gebruikers bediend kunnen worden. Dit heeft het voordeel dat
verschillende personen tegelijkertijd kunnen werken en specialisatie mogelijk maakt.
A0 wordt gebruikt om een databank te analyseren en te extraheren uit een DBMS. Het
analyseert de databank en geeft deze weer in een boomstructuur. De analyse geeft een
overzicht van de verschillende onderdelen van de databank, zoals de data dictionary, schema’s,
tabellen, sub-schema’s, beperkingen,…. Deze verschillende onderdelen worden dan omgezet
naar SQL-99 elementen. Als de migratie niet gelukt is, door bijvoorbeeld leverancierspecifieke
135
EASY staat voor elektronisch archiveringssystemen:.http://easy.dans.knaw.nl/dms
136
Gebruikers zijn hier heel ruim te interpreteren, zowel onderzoekers als burgers. In het OAIS jargon wordt dit de
‘designated community’ genoemd
57
onderdelen, dan wordt in de structuur aangegeven waar fouten zijn opgetreden bij de migratie
van de leverancierspecifieke SQL naar standaard SQL-99. Alle wijzigingen die optreden bij de
migratie naar SQL-99 worden opgeslagen in een logboek. Als de gerapporteerde problemen
kunnen opgelost worden, manueel of automatisch, dan wordt er een archief gemaakt. Het is
ook mogelijk om aan te geven dat een bepaald onderdeel niet gearchiveerd kan worden of dat
bepaalde onderdelen niet gearchiveerd moeten worden en dat ze uitgesloten worden bij het
archiveren. Al deze acties worden opgenomen in het logboek. Het resultaat van de migratie
zijn een aantal XML-bestanden met de generieke metadata, SQL-99 bestanden en platte
tekstbestanden.
De XML referentiebestanden die gemaakt worden door A0, worden bij A1 gebruikt om niettechnische metadata over de verschillende onderdelen van de databank en contextuele
metadata toe te voegen door de gebruiker. Er zijn een aantal verplichte metadatavelden die
moeten ingevuld worden. Na de toevoeging van deze gegevens wordt het XML-bestand terug
naar het archief verplaatst.
A2 wordt gebruikt om toegang te verlenen tot de gearchiveerde databank en om de
gearchiveerde bestanden opnieuw te importeren in een nieuwe databank.
7.6. Chronos
Een commerciële oplossing voor het archiveren van databanken is Chronos 137. Het is een
product dat te vergelijken is met SIARD. Het is ontwikkeld door CSP en de universiteit van
Landshut. Het is een applicatie die aan de te archiveren databank wordt gekoppeld. Het
Chronos systeem bewaart de oorspronkelijke databank en heeft de mogelijkheid om de
databank te exporteren in XML en platte tekst. XML wordt gebruikt voor de metadata te
bewaren en platte tekst (ASCII of Unicode) voor de data. In het XML bestand wordt informatie
over objectnamen, datatypes en beperkingen opgeslagen. Het Chronos systeem verandert de
oorspronkelijke data niet, maar bewaart de data zoals ze gedefinieerd is in de oorspronkelijke
databank. Dit is het belangrijkste verschil met SIARD. Chronos bevat een kennisdatabank met
de informatie over verschillende DBMS, zodat er migratie mogelijk zijn tussen de verschillende
leverancierspecifieke databanken. Het archief is toegankelijk via het Chronos systeem of kan
geïmporteerd worden in een andere databank.
Chronos heeft verschillende mogelijkheden om te archiveren. Een eerste mogelijkheid is de
retrieval gebaseerde benadering. Deze benadering verschilt van de object gebaseerde
benadering zoals SIARD. SIARD extraheert de verschillende objecten, zoals tabellen,
137
http://www.chronos.csp-sw.de/?lang=en
58
subschema's, kolommen,.... Chronos extraheert de volledige data tupels en bewaart alle
informatie over de sleutel beperkingen tussen verschillende objecten. Dit zorgt dat de
gearchiveerde bestanden minder snel groeien, want Chronos heeft een incrementele
archiveringsmogelijkheid. Via deze incrementele archivering hoeft niet telkens bij elke nieuwe
archiveringsactie opnieuw alle tabellen,... geëxtraheerd worden.
De retrieval gebaseerde methode gebruikt het SELECT statement in SQL om gegevens uit de
databank te halen. Zo kan er volgens Chronos bepaald worden welke data men uit de
databank wenst te archiveren. De relationele integriteit138 wordt behouden. Chronos voegt
deze integriteit automatisch toe. Er wordt gebruik gemaakt van de vreemde sleutel. Als er
geen vreemde sleutel is of deze functionaliteit niet ondersteund wordt door de databank, dan
moet de integriteit van de relaties manueel geconfigureerd worden.
Een andere mogelijkheid om een tabel te archiveren is door gebruik te maken van speciale
"archive status" velden. Chronos heeft een update mechanisme om de status van deze velden
te veranderen. Dit speciaal veld geeft aan dat een bepaalde rij gearchiveerd mag worden.
De authenticiteit van de gearchiveerde data tupels worden op twee manieren bewezen. De
eerste manier is door een hash code139 van elke tupel te berekenen en de hash code wordt
opgeslagen in een te archiveren bestand. Op deze manier kan de juistheid 140 van elke tupel
aangetoond worden. De tweede manier is door een hash code te berekenen van het volledige
te archiveren bestand. De hash code wordt berekend voor de overbrenging en na de
overbrenging van het te archiveren bestand naar de uiteindelijke opslag. De authenticiteit kan
verbeterd worden door een digitale handtekening te gebruiken bovenop de hash code.
Bij incrementeel archivering bestaat het gevaar dat er na verloop van tijd veranderingen
worden aangebracht aan een schema van de databank en dat de schema's incompatibel
worden. Om dit probleem op te lossen maakt Chronos gebruik van "archive revisions". Bij elke
verandering aan het productiesysteem wordt er een nieuwe revisie aangemaakt. Chronos
detecteert deze schema veranderingen automatisch. De verschillende revisies worden bewaard
en de structurele wijzigingen worden door Chronos automatisch gedetecteerd. De semantische
138
Wordt ook referentiële integriteit genoemd. Het is een beperking gebruikt om de consistentie tussen tabellen te
behouden. Het komt er op neer dat bij een vreemde sleutel in één tabel altijd een primaire sleutel uit een andere tabel
hoort. Het probleem van de relationele integriteit kan ontstaan wanneer een record verwijderd wordt.
139
Een hash code wordt gegenereerd door een hashfunctie. Het zet een langere tekst om in een korte tekst. Deze korte
tekst is de hashwaarde. Het is moeilijk om van de korte tekst naar de lange tekst te gaan, maar het is wel mogelijk om te
controleren of de korte tekst overeenkomt met de lange tekst (cfr checksums)
140
In het Engels wordt dit fixity genoemd
59
wijzigingen, bijvoorbeeld hernoemen van kolommen en veranderingen in datatypes,..., moeten
door de beheerder van het Chronos depot worden aangegeven en deze wijzigingen kunnen niet
automatisch gedetecteerd worden. Er zijn wel hulpmiddelen om de concordantie uit te voeren.
Er is ook een derde mogelijkheid en dat is de combinatie van de twee voorgaande. Er kan
bijvoorbeeld een nieuwe kolom worden toegevoegd aan een tabel en de inhoud van de kolom
wordt berekend door de combinatie van de bestaande kolommen. Als de gebruiker het
incrementeel gevormde archief wenst te bevragen, dan wordt er op basis van de verschillende
schema's een virtuele laag gecreëerd tijdens de zoekactie. De virtuele laag wordt gebruikt om
de verschillende bestanden die zijn ontstaan door de incrementele archiveringsacties van de
verschillende revisies of door opgesplitste bestanden die de maximum bestandsgrootte hebben
bereikt. De virtuele laag bevindt zich tussen de gebruiker en de data. De virtuele laag zorgt
dat verschillende bestanden overeenkomen als een homogeen geheel.
Er is directe toegang tot het Chronos archief door gebruik te maken van een webinterface of
een speciaal ontworpen java programma of een extern programma dat gebruikt maakt van de
Chronos API141 Zo hoeven bestanden niet geïmporteerd te worden in een nieuwe databank,
zoals dat bij SIARD wel nodig is. Het archief kan full-text, per kolom of met een SQL zoekvraag
bevraagd worden. De resultaten kunnen gevisualiseerd worden of in een aantal formaten
geëxporteerd worden.
Als de geëxporteerde bestanden wel worden geïmporteerd in een ander databank dan kunnen
er verschillende gebruikers gebruik maken van het archief en kunnen er verschillende rechten
en verschillende gebruikersgroepen toegekend worden. In volgende versies zal het voor de
beheerders mogelijk zijn om rapporten te maken. Het zullen geen logboeken zijn zoals bij
SIARD.
SIARD
Chronos
Migreren naar standaard
Ja, naar de SQL standaard en
XML
Tekst als importformaat
Ja
Nee, er is een kennisbank
met informatie over
verschillende databanken. Het
is wel mogelijk om te
exporteren naar XML
Ja
Verbonden met
operationele DB
Is wel mogelijk, maar wordt
niet aangeraden
Ja en is een functie
Exportformaat
XML
XML
141
API staat voor Application Program Interface en het laat programma’s of diensten communiceren met een
programma via vastgelegde commando's.
60
SIARD
Chronos
Aantonen van de
effectiviteit?
?
Prijs
?
Kan niet getest worden. Het
is wel mogelijk om een
demonstratie te krijgen van
van CSP. Die duurt 2 à 3
dagen en kost 2000 tot 3000
euro + reiskosten
Voor 1 CPU is de licentiekost
25.000 Euro (exclusief BTW).
Het is inclusief 1 database
verbinding.
Bijkomende databank
verbindingen kosten 3.000
Euro per verbinding
Onderhoudscontract kost
3.750 Euro per jaar
Technische vereisten
Gebruikt java, maar geen
technische eisen verder
bekend
Ondersteunde databanken
“Export modes” voor Oracle en
SQL Server. Voor de overige
JDBC
Gebruikt java en is voor
verschillende
besturingssystemen
beschikbaar (bijvoorbeeld
Windows XP, Server 2003,
2000, Linux, Solaris, HP-UX,
AIX)
Oracle, IBM DB2, MS SQL
Server of elke databank die
JDBC ondersteunt
OAIS -Compliant
?
Ja
Personeelsvereisten
Eigen informatica personeel
voor de verdere ontwikkeling
+ onderhoud
Onderhoudscontract mogelijk
voor 3.750 Euro (geen
ontwikkeling nodig)
Nadelen




Het exporteren naar een
XML-bestand is traag en
levert grote bestanden op.
Dit vormt vooral een
probleem bij grote
databanken.
Het migreren naar
standaard SQL is niet
gemakkelijk en bevat veel
fouten
Geen actieve ontwikkeling
meer?


Gebruikt een kennisbank
en dat levert problemen
op met databanken die
niet in de kennisbank
zitten.
Men wordt afhankelijk van
de leverancier van
Chronos
Geen duidelijkheid over
SQL zoekvragen, zoals
views
61
Voordelen
SIARD
Chronos




Gebruiken standaarden
Houdt rekening met de
oorspronkelijke orde
(toevoegen van
beschrijving van nietgearchiveerde databanken)
Actieve ontwikkeling
Heeft zijn degelijkheid
bewezen
Tabel 6: Vergelijking tussen SIARD en Chronos
7.7. RDF en OWL
Er is nog geen praktische ervaring met het archiveren van databanken met RDF en OWL. Er
zijn een aantal programma’s die gebruikt worden om databanken om te zetten in OWL en RDF.
Het zou interessant zijn om deze programma’s ook te bekijken in het licht van archiveren van
databanken. Een voorbeeld van een programma om een databank om te zetten in RDF of OWL
is Protégé met de Data Master plugin. Protégé is een programma van de Stanford universiteit
voor het maken van ontologiëen. De Data Master plugin maakt gebruik JDBC en ODBC om een
databank te importeren en om te zetten in RDF of een combinatie van RDF en OWL. De plugin
maakt gebruik van Relational.OWL142 van de Heinrich Heine universiteit uit Düsseldorf.
Daarnaast is er bijvoorbeeld ook TopBraid Composer 143 van TopQuadrant dat gebruik maakt
van D2R144. D2R is een taal op een concordantie te
maken tussen een databank en een
OWL/RDFS ontologie. Het is gemaakt door Chris Bizer van de vrije universiteit van Berlijn.
8. Minimale metadataset voor databanken
Met metadata wordt hier niet de metadata bedoeld zoals gebruikt in een databank. In
databankjargon wordt dit soort metadata catalogs of data dictionary genoemd. In een
relationele databank is dit een tabel waarin alle tabellen en de eigenschappen van de tabellen
van een databank zijn opgenomen.
De verschillende metadatatypes die hierboven beschreven worden zijn ook bij databanken
relevant. De technische metadata beschrijven de databank door middel van data dictionaries,
codelijsten en schema's. Ze worden aangemaakt bij het ontwikkelen van de databank. De
technische metadata zijn nodig om de gegevens in de databank te begrijpen, om te weten
welke DBMS gebruikt werd, enz. Ze geven technische context aan de databank en aan de data.
142
http://www.dbs.cs.uni-duesseldorf.de/RDF/
143
http://www.topbraidcomposer.com/
144
http://sites.wiwiss.fu-berlin.de/suhl/bizer/d2rmap/D2Rmap.htm
62
Er zijn ook de beschrijvende metadata die bijhouden wat het doel is van een databank, wie de
databank gemaakt heeft, wat de betekenis en het nut van de data is, enz. Beschrijvende
metadata beschrijven de context van de databank en zijn omgeving en geven ook informatie
over het intellectueel beheer, zoals de wijze van ordenen. Door deze beschrijvende metadata is
de databank ook in de toekomst gemakkelijk te begrijpen. De beschrijvende metadata zitten
niet in de databank vervat, maar moeten geleverd worden door de archiefvormer en moet van
bij de creatie worden bijgehouden en opgeslagen. Zowel de technische metadata als de
beschrijvende metadata zijn nodig om de databank op een goede manier te bewaren voor de
toekomst. Om een databank voor een lange termijn te kunnen bewaren moet de integriteit,
verstaanbaarheid,
authenticiteit,
originaliteit
en
toegankelijkheid
zo
goed
mogelijk
gegarandeerd worden.
Het toekennen van metadata is een belangrijk en noodzakelijke taak, maar het kan ook een
tijdsintensieve taak zijn. Gelukkig kan er heel wat metadata automatisch ingevuld worden. Een
bijkomend voordeel van het automatisch toekennen van zoveel mogelijk metadata is dat als er
minder menselijke interactie vereist is en de metadata consistenter zullen zijn. Voor een aantal
gegevens is automatische captering evident, bijvoorbeeld het gebruikte DBMS, het cijfer voor
de integriteitscontrole, het bestandsformaat of de versie van het bestandsformaat. Ook
overgeërfde metadata worden zonder menselijke inbreng toegekend.
Er bestaan geen metadatastandaarden voor het beschrijven van databanken. Elk initiatief
ontwikkelt zelf een eigen schema 145. Een voorstel voor de minimale metadataset bestaat uit de
volgende velden:
Metadata
Inhoud
Oorspronkelijk (bestands)formaat
Huidig (bestands)formaat
Naam van het oorspronkelijk DBMS
Versie van het oorspronkelijk DBMS
145
Zie bijvoorbeeld SIARD, Chronos, Mixed, RODA of Arkadukt. Voor datasets zijn er wel metadatastandaarden
ontwikkeld die bedoeld zijn om door verschillende instellingen samen gebruikt te worden, bijvoorbeeld het eerder
vermelde Data Documentation Initiative (DDI, http://www.ddialliance.org/ ). Maar deze initiatieven zijn beperkt voor
een bepaalde doelgroep. DDI is bijvoorbeeld gericht op de sociale wetenschappen.
63
Naam van het huidig DBMS
Versie van het huidig DBMS
Oorspronkelijk besturingssysteem
Huidig besturingssysteem
Naam van apparatuur
Type van apparatuur
Naam en versie van zoektalen
Bewaring
Auteur
Datum
Titel
Naam van de organisatie
Taak binnen de organisatie
Werkproces
Relatie met andere bestanden
Controlecijfer
Oorsprong van het object
Beschrijving van bewaar- of beheeractie
Datum en tijdstip van bewaar -en beheeractie
Verantwoordelijke bewaar -en beheeractie
Referentie informatie
64
Beschrijving146
Auteur
Datum
Titel
Naam van de organisatie
Taak binnen de organisatie
Werkproces
Relatie met andere bestanden
Structuur
AIP
Data dictionary
Tabellen
Beperkingen
Subschema
Datatypes
Tabel 7: Minimale set van metadata
De Inhoud beschrijft het bestandsformaat, het gebruikte databanksysteem en het gebruikte
hard –en software. Het is belangrijk dat deze beschrijving zo gedetailleerd mogelijk is, omdat
het later van groot belang kan zijn om te bepalen welke versie van een programma nodig is
om het bestandsformaat te open. Het oorspronkelijk bestandsformaat is ook belangrijk om te
kennen als onderdeel om de authenticiteit aan te tonen. Als het oorspronkelijk formaat
bewaard wordt dan is het ook belangrijk om het oorspronkelijk bestandsformaat zo goed
mogelijk te definiëren voor de juiste technische specificaties te gebruiken. Zo is het
bijvoorbeeld niet voldoende om te zeggen MS Access, maar zoveel mogelijk van het
bestandsformaat te bewaren. Er kan gebruik gemaakt worden van bestaande hulpmiddelen
zoals de PRONOM147 website van het nationaal archief van Groot-Brittannië. Het is een website
146
De metadatavelden zijn een herhaling van de andere metadatavelden, omdat de Descriptive Information van OAIS
samengesteld wordt uit andere metadatavelden
147
http://www.nationalarchives.gov.uk/PRONOM/default.htm
65
met
gedetailleerde
informatie
over
een
bestandsformaat.
DROID 148
is
een
bijhorend
programma dat kan gebruikt worden om de nodige informatie automatisch te extraheren. Er
zijn nog andere metadata extractiehulpmiddelen, maar deze ondersteunen geen databanken.
Een voorbeeld is Metadata Extractor Tool149 van de nationale bibliotheek van Nieuw-Zeeland.
De elementen bij bewaring geven de contextuele informatie en informatie om de integriteit en
authenticiteit te bewijzen. De taak, werkproces en organisatie informatie worden gebruikt om
de context te schetsen. Het controlecijfer wordt gebruikt om de integriteit aan te duiden. De
beschrijving van de bewaar- en beheeracties helpen om de authenticiteit te bewijzen.
De structuur van het gehele pakket wordt opgeslagen in een AIP. Data dictionary is specifiek
voor databanken en bevat een aantal elementen die nodig zijn om de tabellen te beschrijven.
De bovengenoemde opsomming is een minimale vereiste om databanken voor een lange
termijn op een authentieke, integere manier te bewaren. De minimale vereisten kunnen
uitgebreid worden afhankelijk van de databank en als de archiefvormer oordeelt dat de
minimale vereisten onvoldoende zijn om de authenticiteit en integriteit te behouden.
9. Richtlijnen
Als er een aantal raadgevingen worden gevolgd dan wordt het proces van archiveren
aanzienlijk vereenvoudigd. Er zijn algemene raadgevingen voor het management en specifieke
richtlijnen die gevolgd kunnen worden door ontwikkelaars en eindgebruikers. De ontwikkelaar
zal in praktijk een evenwicht moeten vinden tussen de eisen van gebruikers van de databank
nu en het vereenvoudigen van het archiveren van de databank later. De eindgebruiker kan ook
een aantal richtlijnen volgen bij het ontwikkelen van een desktop databank. Er zijn een aantal
functies toegevoegd aan een dergelijke databank die het ontwikkelen van een databank
eenvoudiger maken, maar die voor problemen zorgen bij het archiveren van de databank.
Algemene richtlijnen:

als
medewerkers
goed
opgeleid
worden
om
databanken
te
maken
en
te
onderhouden, dan wordt het gemakkelijker om de databank te archiveren.

afspreken van verantwoordelijkheden, bijvoorbeeld wie zorgt voor de conversie of
migratie van een databank en wanneer de databank gearchiveerd moet worden
148
DROID staat voor Digital Record Object Identification en wordt ook ontwikkeld door het Nationaal Archief van
Groot-Brittannië.
149
http://meta-extractor.sourceforge.net/ en http://www.natlib.govt.nz/about-us/current-initiatives/metadata-extraction-
tool
66

opletten bij het aankopen van software dat het programma standaardformaten
ondersteunt.

in de planning van projecten voldoende aandacht en nadruk leggen op het gebruik
van standaardformaten
Richtlijnen bij het ontwikkelen van databanken, die het migreren van de databank
gemakkelijker maken:

gebruik geen tabel- of kolomnaam met tekens die niet compatibel zijn met de SQL
standaard.

Mimer Information Technology biedt een online SQL Validator 150 aan om de
conformiteit met de verschillende ANSI/ISO SQL standaarden te testen.

maak geen gebruik van niet door de standaard SQL gedefinieerde gegevenstypen,
bijvoorbeeld hyperlinks, valuta en automatische nummering in MS Access. Valuta
kan
bijvoorbeeld
vervangen
worden
door
het
type
numeriek
en
in
de
gebruikersapplicatie kan aangegeven worden wat de valuta is. Een overzicht van de
verschillen tussen de SQL gebruikt in MS Access en de standaard SQL is te vinden in
de Help van MS Access.151

Bij het ontwikkelen van databanken moet rekening gehouden worden dat oude
gegevens niet mogen verwijderd of overschreven worden. Daarom moeten ze
bewaard blijven. Er kan gebruik gemaakt worden van een tijdstempel om aan te
geven wanneer welke gegevens geldig waren.
Richtlijnen voor eindgebruikers die zelf databanken ontwerpen:

ontwerp een goede structuur voor de tabellen. Belangrijke aandachtspunten zijn het
normaliseren152 van de gegevens en de referentiële integriteit van de gegevens.
Bijvoorbeeld MS Access is er een functie Prestatie-analyse. De functie geeft informatie
om onder andere de structuur van de databank te verbeteren. Deze informatie kan
gebruikt worden om de structuur te verbeteren. Het is belangrijk dat elke suggestie
bekeken wordt voor deze uit te voeren, want sommige suggesties zijn eigen aan MS
Access en dat maakt het weer moeilijker om te archiveren. Het is geen optie die
blindelings kan toegevoegd worden. Door de functie Documentatie te gebruiken krijgt u
een uitgebreid verslag van de databank. Het is interessant om dit verslag te bewaren,
150
http://developer.mimer.se/validator/
151
Zoekterm: ANSI SQL
152
Normaliseren is een techniek gebruikt in relationele databanken om de opslag van dubbele gegevens te vermijden.
De data wordt in een aparte tabel opgeslagen, zodat andere tabellen een koppeling kunnen leggen met de tabel
67
want het geeft een gedetailleerde beschrijving van de databank.

geef tabellen en kolommen een betekenisvolle naam en gebruik geen speciale
tekens153.

gebruik, zie hierboven, enkel standaard gegevenstype en enkel standaard SQL.

wees consequent in het gebruik van notaties, zoals datum en tijd. Als er bepaalde
standaarden zijn dan is het ook aan te raden die te gebruiken 154. Het is ook belangrijk
om af te spreken met alle invoerders in de databank dat dezelfde conventies worden
gebruikt. Het is belangrijk om deze conventies ook op papier te zetten, dat maakt het
duidelijk voor iedere invoerder en het kan gebruikt worden als documentatie bij het
archiveren van de databank

gebruik liefst geen paswoorden om een databank te beveiligen, maar vertrouw op
toegangsrechten op mappen en bestanden.

sommige databanken hebben ingebouwde mogelijkheden om de databank gezond te
houden. Het maakt het mogelijk om problemen en fouten in de databank sneller op te
sporen. In MS Access wordt de functie om de databank gezond te houden
"comprimeren en herstellen" genoemd. Bij ernstige fouten houdt MS Access een
logboek bij van de melding van de fouten. Dit bestand kan interessant zijn om bij te
houden.
Praktische kwesties bij het ontwerp en configuratie van het depot:

De toegang tot het depot moet zorgvuldig gecontroleerd worden, zodat er geen
opzettelijke of onbedoelde schade kan toegebracht worden.

Een back-upstrategie moet uitgewerkt worden, zodat het depot bij problemen opnieuw
hersteld kan worden.
10. Stappenplannen
10.1. Voorbereidende stappen
a. Omschrijf waarom het nuttig is om de databank te archiveren. Het is belangrijk om na te
gaan of het nuttig is om de databank voor een korte of lange termijn te archiveren. Deze
stap wordt idealiter uitgevoerd voor de creatie van de databank omdat er dan een aantal
richtlijnen zijn die u kan volgen
b. Voeg de databank toe aan het archiefbeheersplan
153
154
Gebruik enkel volgende karakters: letters, cijfer, _ en -
Voor datum en tijd is dat bijvoorbeeld ISO 8601
68
c. Onderzoek de wetgeving of er vormvereisten zijn of dat er andere obstakels zijn in de
wetgeving voor het bewaren van de gegevens op een digitale manier (privacywetgeving,
auteursrecht, databankrecht, specifieke wetgeving over het onderwerp,...). Dit is een erg
belangrijke stap, want het is een belangrijk onderdeel van de authenticiteitseisen 155 en het
bepaald of er hoegenaamd wel digitaal gearchiveerd kan worden
d. Bepaal de metadata die belangrijk zijn om de databank te kunnen archiveren. Het gaat dan
o.a. om metadata om de context te bewaren, technische metadata,...
e. Samenstellen van een logboek om beheer –en bewaaractie in te noteren
f.
Duidt een verantwoordelijke aan voor het archiveren van de databanken
g. Maak een inventaris van de bestaande databanken
h. Definieer de essentiële authenticiteitseisen die bewaard moeten blijven
i.
Hou de oorspronkelijke databank ook bij. Zet de databank op een veilige plaats. De drager
waarop de databank wordt bewaard moet regelmatig nagekeken worden op fouten. Het is
belangrijk ook hier een verantwoordelijke voor aan te duiden. Maak best gebruik van
verschillende soorten dragers
10.2. Stappenplan voor langetermijnarchivering van
databanken in XML
a. Beschrijf het doel van de databank met gegevens over bijvoorbeeld de context,
archiefvormer,…
in
een
XML-bestand.
Er
kan
gebruik
gemaakt
worden
van
een
beschrijvende metadata standaard zoals EAD
b. Beschrijven van de databank, tabellen, velden en data. Er kan een eigen XML Schema
uitgewerkt worden of er kan een bestaand schema gebruikt worden, bijvoorbeeld DBML
van RODA
c. Kijk of de datatypes overal goed zijn en gebruik de juiste, standaard datatypes voor de
velden, bijvoorbeeld bij de datum 4 cijfers worden gebruikt om het jaar aan te geven. Of
bij valuta dat de juiste standaard datatypes gebruikt worden
d. Speciale tekens zoals &, < en > die voorkomen in de inhoud van een databank moeten
155
Zie verder en ook 5. Wat zijn de essentiële kenmerken en authenticiteitseisen
69
geconverteerd worden naar XML entiteiten156
e. Verwijder
alle
toegangsbeperkingen,
die
het
bekijken
of
het
exporteren
van
de
databankinhoud belemmeren. Voeg de beschrijving van de toegangsrechten toe aan het
logboek
f.
Zet de databank volledig om in XML. Als de XML-bestanden te groot worden om ze vlot te
gebruiken, is het beter om het XML-bestand te splitsen in een aantal bestanden of om een
combinatie van SQL, platte tekst en XML te gebruiken157
g. Geef een visuele voorstelling van de databank bijvoorbeeld in een ER-diagram
h. Binaire datavelden moeten geëxporteerd worden naar aparte bestanden. Er moet in het
XML-bestand een verwijzing worden aangebracht naar het geëxporteerde bestand en de
bestanden moeten ook een archiveringstraject krijgen
i.
Beschrijf de onderdelen die niet in de XML beschrijving konden opgenomen worden, zoals
de zoekvragen, invoerschermen, programmeercode,…., moeten gedocumenteerd worden.
Er kan hier gebruik gemaakt worden van de documentatie voor de gebruikers of de
documentatie gemaakt door de ontwikkelaars
j.
Gebruik een container bestand om de verschillende bestanden gemakkelijk te koppelen en
terug te vinden. METS is hiervoor geschikt
10.2.1. Valideren van gearchiveerde bestanden
a. Gebruik een programma om de XML bestanden te valideren, dit garandeert dat het XMLbestand voldoet aan de XML specificatie en aan het gebruikte XML Schema
b. Kijk of alle informatie uit de databank goed is omgezet in XML en dat alle belangrijke
eigenschappen zijn bewaard zijn ofwel in het XML-bestand ofwel in de documentatie
c. Maak ook gebruik van controlecijfers om de integriteit te controleren
156
In XML moeten speciale karakters omgezet in een code die begint met &# en wordt gevolgd door een nummer en
eindigt met een “;”, bijvoorbeeld de ampersand (&) wordt als een XML entiteit omgezet als &. Informatie over het
omzetten van SQL naar XML is te vinden in SQL-2003 standaard, in het onderdeel SQL/XML http://www.sqlx.org/
157
Zie 10.3. Stappenplan bij het archiveren van grote databank
70
10.3. Stappenplan bij het archiveren van grote
databanken
10.3.1. Stappenplan voor het omzetten van de databank
a. Beschrijf het doel van de databank met gegevens over de context, archiefvormer,… . Sla
deze informatie op in een XML-bestand
b. Geef een korte beschrijving van de inhoud van de databank, tabellen en velden. Gebruik
hier ook een XML-bestand
c. Beschrijf aan de hand van een formele taal (bijvoorbeeld bij relationele databanken kan
ANSI/ISO SQL gebruikt worden) de databank, tabellen, velden, datatypes van de velden,
relaties tussen tabellen met de kardinaliteit, primaire sleutels, eventuele vreemde
sleutels,...
d. Beschrijf de onderdelen van de databank die niet konden omgezet worden naar standaard
SQL
e. Beschrijf het eventuele coderingsschema dat gebruikt werd in de databank
f.
Zorg dat de datatypes overal goed zijn ingegeven en dat velden de juiste, standaard
datatypes gebruiken, bijvoorbeeld bij de datum 4 cijfers worden gebruikt om het jaar aan
te geven158. Of bij valuta dat de juiste standaard datatypes gebruikt worden.
g. Verwijder
alle
databankinhoud
toegangsbeperkingen,
belemmeren.
die
Voeg
het
een
bekijken
of
beschrijving
het
van
exporteren
de
van
de
verwijderde
toegangsbeperkingen toe aan het logboek
h. Geef een visuele voorstelling van de databank bijvoorbeeld in een ER-diagram
i.
Beschrijf de onderdelen van de databank die niet in een vorige beschrijving konden
opgenomen worden, bijvoorbeeld invoerschermen, rapporten, specifieke programmeercode
die niet kan omgezet worden in PSM/SQL
j.
Bewaar een gebruikershandleiding om een overzicht te hebben van de verschillende
schermen en de richtlijnen voor het invoeren van de data. Als deze handleiding niet bestaat
dan moet er een document gemaakt worden dat elk scherm afzonderlijk beschrijft. Als het
mogelijk is om de richtlijnen voor invoer te beschrijven deze ook op te nemen. Het is ook
158
De richtlijnen van ISO 8601 kunnen gevolgd worden.
71
belangrijk dat relevante documentatie tijdens de ontwikkeling bewaard wordt. Het gaat
over documentatie waar de beslissingen van de ontwikkelaars bij de ontwikkeling van de
databank zijn opgenomen of waar elementen instaan die nog niet in de beschrijving staan
en wel relevant zijn om de databank te begrijpen
k. Gebruik een container bestand om de verschillende bestanden gemakkelijk te koppelen en
terug te vinden. METS is hiervoor geschikt
10.3.2. Stappenplan voor het omzetten van de gegevens
a. Exporteer elke tabel naar bij voorkeur Unicode bestand met de velden gescheiden door een
speciaal karakter dat niet voorkomt in de tabel. Bijvoorbeeld kan er gebruik gemaakt
worden van een tab of een pijp (|) karakter. Gebruik geen aanhalingstekens om de
tekstvelden te begrenzen. Tekstvelden die te groot worden, worden beter in een apart
tekstbestand geplaatst. Een extra aandachtspunt bij het exporteren van grote tekstvelden
is dat er moet over gewaakt worden dat er geen end-of-line karakters voorkomen. Dit kan
problemen geven bij het gebruik van de bestanden. De end-of-line karakters moeten
vervangen worden door een speciaal symbool, bijvoorbeeld <EOL>159. Het is ook mogelijk
om ASCII te gebruiken in plaats van Unicode
b. Elke geëxporteerde tabel moet een naam krijgen die gebruikt wordt in de databank. Let op
met speciale karakters160
c. Binaire datavelden moeten geëxporteerd worden in een apart bestand. Er moet een
verwijzing aangebracht worden in het data-bestand naar de geëxporteerde bestanden. De
geëxporteerde, binaire bestanden moeten op gepaste manier gearchiveerd worden, zodat
ze ook bewaard kunnen worden op lange termijn. Als er wijzigingen gebeuren aan de
verwijzing dan moet deze aangepast worden in de data-bestanden. Ook al deze acties
moeten opgenomen worden in een logboek
10.3.3. Valideren van de gearchiveerde bestanden
a. Gebruik een procedure om na te kijken of alles voldoende is omgezet. De veiligste en
meest volledige procedure is om de databank opnieuw te laden in een nieuwe databank en
kijken of alle essentiële informatie bewaard is. Maar dit is een intensieve methode. Het is
159
J. Hamish, ADHS Preservation handbook. Relational databases, 2005, p 6. http://ahds.ac.uk/preservation/Relational-
Database-preservation-handbook_v1-0.pdf. In de tekst staat <EOF>, maar waarschijnlijk wordt <EOL> bedoeld
160
Zie voetnoot 153
72
ook mogelijk om een aantal tests uit te voeren, zoals ANSI/ISO SQL valideren 161 en
controlecijfers te gebruiken
b. De data-bestanden kunnen nagekeken worden op aantal kolommen en aantal rijen. Kijk de
velden na op vreemde karakters, zoals de lege vierkanten “□”. Kijk de precisie na van de
numerieke velden en kijk de conformiteit van de datums na met ISO 8601
11. Conclusie
De aanleiding van deze studie was de bevraging over het archiefbeleid van de afdelingen van
de Vlaamse overheid. Naar aanleiding van deze bevraging wil de Vlaamse overheid strategieën
aanbieden aan de verschillende afdelingen om een bewaarstrategie uit te bouwen voor het
digitale archief. In de huidige studie werd een onderzoek gedaan naar de verschillende
gangbare strategieën en de verschillende aspecten waarmee rekening moet gehouden worden
bij het archiveren van databanken.
Uit deze studie blijkt dat het archiveren van databanken een grote uitdaging vormt, vooral bij
databanken waar het niet voldoende is om enkel de gegevens te bewaren. Het is duidelijk dat
het onderzoek voor het archiveren van de volledige databank (en niet enkel de gegevens) nog
in de beginfase bevindt.
Het archiveren van databanken stelt de archiefbewaarder voor vier problemen. Van de
gearchiveerde informatie moet de machinale raadpleegbaarheid, de visuele raadpleegbaarheid,
de begrijpelijkheid en de authenticiteit gegarandeerd worden. Elk van deze eisen vragen
specifieke oplossingen.
Databanken moeten machinaal raadpleegbaar blijven. De bitstream van gegevens die de
databank
vormt,
moet
door
een
computer
geïnterpreteerd
kunnen
worden,
zonder
gegevensverlies. Dit vraagt technische oplossingen, zoals specifieke hard- en software die voor
langdurige opslag gebruikt wordt maar ook geregelde controle van de opgeslagen databanken
aan de hand van een checksum of controlecijfer.
Als databanken machinaal raadpleegbaar zijn, moet de software en hardware aanwezig zijn die
deze binaire informatie kan omzetten naar menselijk interpreteerbare informatie. Dit niveau
van raadpleegbaarheid bereikt men door de oorspronkelijke databanken te migreren naar een
open standaard. Zo blijft de garantie op raadpleegbaarheid van de informatie het grootst. In
het slechtste geval – bij ontbreken van de juiste software om de binaire gegevens naar zinvolle
informatie om te zetten – kunnen de specificaties van het gebruikte migratieformaat ingekeken
161
Bijvoorbeeld de dienst aangeboden door MimerSQL http://developer.mimer.com/validator/index.htm
73
worden en de nodige software geschreven worden. Als databanken in een gesloten
bestandsformaat opgeslagen worden, is de raadpleegbaarheid reeds na een decennium zeer
onzeker. Net als de machinale raadpleegbaarheid wordt de visuele raadpleegbaarheid
ondersteund door bijkomende gegevens, metadata die de te bewaren databank voorzien van
noodzakelijke informatie over de software- en hardwareomgeving waarbinnen de databank
ontstaan is.
Indien een databank visueel raadpleegbaar is, kan de informatie die erin vervat zit voor de
archiefgebruiker nog steeds onbegrijpelijk zijn. Een brief kan bijvoorbeeld leesbaar zijn maar
de betekenis kan onduidelijk zijn. De begrijpelijkheid van een databank garandeert men door
niet alleen een degelijke migratiestrategie te hanteren (waardoor de inhoud en haar gedrag
behouden blijft), maar ook door de context ervan te documenteren. Metadata verduidelijken
de oorsprong van de databank, de auteur, de organisatie, de relatie met het werkproces
waarbinnen het is ontstaan enzovoort. Het zijn essentiële gegevens voor de archiefgebruiker
om de functie van de databank te achterhalen.
Tenslotte moet ook de authenticiteit van een databank gegarandeerd worden. Een factuur mag
dan wel leesbaar en begrijpelijk zijn, maar dat betekent niet dat het een authentiek document
is. Een databank is authentiek als het is wat het beweert te zijn. Deze eigenschap bestaat uit
twee delen: integriteit en identiteit. Een authentieke databank is integer en dus vrij van
ongeoorloofde wijzigingen en heeft een unieke identiteit die het onderscheidt van andere
databanken.
Authenticiteit wordt gegarandeerd door een ononderbroken beheer van databanken (zowel
tijdens de dynamische als tijdens latere levensfasen). Dat beheer steunt op en wordt
gedocumenteerd
door
metadata
over
de
logische
integriteit
van
de
databank,
de
oorspronkelijke bestandsnaam, de vorige beheerders enzovoort.
Uit het bovenstaande blijkt dat een nauwe samenwerking tussen de archiefvormer en de
archiefbewaarder het fundament vormt van een degelijk digitaal archiefbeheer. Meer dan bij
papieren archief is het noodzakelijk om in te grijpen nog vóór de databank ontstaat indien men
een efficiënt archiefbeheer wil uitbouwen162. Concreet vertaalt dit zich in enkele technische
maatregelen (zoals minimumvoorwaarden die aan databanken gesteld worden) en inhoudelijke
afspraken (zoals het opstellen van bewaartermijnen).
Het is erg belangrijk om van bij het begin te bepalen of de databank gearchiveerd zal worden.
Dan kan men tijdens de creatie rekening houden met het archiveren van databanken, zoals
162
cfr 9. Richtlijnen
74
aangehaald in de Praktische richtlijnen en in het Stappenplan 163. Ook de wettelijke aspecten
kunnen een obstakel zijn bij het archiveren van databanken en moeten eerst uitgeklaard
worden voor een databank gearchiveerd kan worden.
Op
dit
moment
wordt
voor
kortetermijnbewaring
conversie
en
interoperabiliteit
als
bewaarstrategie naar voor geschoven. Deze strategieën zijn eenvoudig te implementeren en
geven een grote zekerheid van authenticiteit. Als het blijkt dat het nodig is om de databank
voor een lange termijn te bewaren, dan is het belangrijk om van bij de ontwikkeling enkele
richtlijnen in de gaten te houden. Bijvoorbeeld zou er gebruikt gemaakt kunnen worden van
ISO/ANSI SQL of zo weinig mogelijk leverancierspecifieke onderdelen te gebruiken of
documentatie maken zowel voor de gebruiker richtlijnen over de invoer of het gebruik van de
databank als de documentatie aangemaakt door de ontwikkelaar of een archiefbeheersplan
maken met hoe lang een bepaalde databank bewaard moet blijven of wie verantwoordelijk is
om de bewaarstrategie te volgen.
De meest aangewezen strategie voor langetermijnbewaring is om XML te gebruiken. Bij
databanken die te groot zijn om te bewaren in XML, kan er gebruik gemaakt worden van een
combinatie van XML, SQL en platte tekst. Binaire informatie die in de databank is opgeslagen
moet geëxporteerd worden in een apart bestand. De verwijzing naar de verschillende
bestanden wordt opgeslagen in een container bestand, zoals METS-bestand.
Het is belangrijk om voldoende metadata op te slaan over een databank bij het archiveren,
zowel technische als beschrijvende metadata. Deze studie draagt een aantal minimale
metadata elementen naar voor die minstens aanwezig moeten zijn bij het ontwikkelen van een
metadata schema voor het archiveren van een databank. Deze lijst moet gezien worden als
een minimum, als het nodig is om meer metadata elementen te registreren dan kan de set
uitgebreid worden.
In de toekomst kan emulatie een belangrijke bewaarstrategie worden als de applicatielaag
bewaard moet blijven.
163
9. Richtlijnen en 10. Stappenplan
75
Lijst van figuren
Figuur 1: CCSDS 650.0-B-1 Blue Book. Reference Model for an Open Archival Information
System (OAIS), Figuur 4-1 p. 4-1.
76
12. Bibliografie
Adobe, Adobe XMP: Adding intelligence to media, 2007. http://www.adobe.com/products/xmp/
E. Aerts, Archiefselectie vanuit de statistiek: de steekproef in de archivistiek (Miscellea
archivistica. Manuale, 28), Brussel 1998
E. Aerts, The application of Elementary Sampling in the Appraising of Records, in: archive vor
der Globalisierung? Beiträge zum Symposion des Nodrhein-Westfälischen Hauptstaatsarchivs in
Verbindung mit den Allgemeinen Reichsarchiven in Brüssel (Belgien) und Den Haag
(Niederlande) vom 11 bis 13 Semptember 2000 in Düsseldorf (red. M. Blach-veldtrup, O.
Dascher & A. Koppetsch), Münster, 2001, p 157-205.
http://www.archive.nrw.de/dok/symposion01/Inhalt.html
Kevin Ashley, The preservation of databases, VINE: The Journal of Information and Knowledge
Management Systems 2004, 34/2, 66-70.
BAR - Schweizerisches Bundesarchiv. http://www.bar.admin.ch/
Belgisch Staatsblad, Wet van 30 juni 1994 betreffende het auteursrecht en de naburige
rechten. Gewijzigd bij wet van 3 april 1995 houdende aanpassing van de wet van 30 juni 1994
betreffende het auteursrecht en de naburige rechten
Belgisch Staatsblad, 31 AUGUSTUS 1998 - Wet houdende omzetting in Belgisch recht van de
Europese richtlijn van 11 maart 1996 betreffende de rechtsbescherming van databanken
Chris Bizer, D2R Map - Database to RDF Map - Chris Bizer, 2006.http://sites.wiwiss.fuberlin.de/suhl/bizer/d2rmap/D2Rmap.htm
Filip Boudrez (2001) Het digitaal archiveringssysteem: beheersinventaris, informatielagen en
beslissingsmodel als uitgangspunt, Antwerpen, (DAVID-rapport nr. 4).
http://www.expertisecentrumdavid.be/davidproject/teksten/Rapporten/Report3.pdf
Filip Boudrez (2003) Een archiveringssysteem voor dynamische en interactieve
informatiesystemen http://www.digicult.info/downloads/digicultinfo_issue5_october_2003.pdf
Filip Boudrez (2003) Preservation of electronic records from database-driven
informationsystems, ErpaWorkshop: Long-term preservation of databases, Bern.
http://www.expertisecentrumdavid.be/davidproject/teksten/Presentaties/Information_Erpa_20
03.pdf
Filip Boudrez en Hannelore Dekeyser, David, Digitaal archiveren in praktijk. Openbaarheid van
bestuur, p 26. http://www.expertisecentrumdavid.be/davidhandboek/index.html
Priscilla Caplan, DCC Digital Curation Manual. Instalment on “Preservation Metadata”, 2006.
http://www.dcc.ac.uk/resource/curation-manual/chapters/preservation-metadata/
Consultative Committee for Space Data Systems, 650.0-B-1 Blue Book. Reference Model for an
Open Archival Information System (OAIS), 2002
CSP GmbH & Co. KG, Chronos, 2007 http://www.chronos.csp-sw.de/?lang=en
77
Cornell University Library, Digital Preservation Management: Implementing Short-term
strategies for Long-term probleem, 2003.
http://www.library.cornell.edu/iris/tutorial/dpm/eng_index.html
DANS, Home | mixed, 2007. http://mixed.dans.knaw.nl/
DANS, Voorpagina (DANS), 2007. http://www.dans.knaw.nl/nl/
DANS, DANS EASY - Electronic Archiving System, 2007. http://easy.dans.knaw.nl/dms
Gabriel David, Data Warehouses in the Path from Databases to Archives. International
Workshop on Database Preservation (PresDB'07), 2007.
http://homepages.inf.ed.ac.uk/hmueller/presdb07/papers/PRESDB_GTD.pdf
Patricia Daum, 'Evolving the Records Management Culture: From Ad Hoc to Adherence', The
Information Management Journal, 41 (2007/3) 43-49.
DDI Alliance, Data Documentation Initiative, 2007. http://www.ddialliance.org
Hannelore Dekeyser, Auteursrecht, technische maatregelen en wettelijk depot, 2007.
http://www.expertisecentrumdavid.be/docs/Auteursrecht_Digitaal_Archiveren_v2.pdf
A.J.M Den Teuling, Archiefterminologie voor Nederland en Vlaanderen, Stichting
Archiefpublicaties, ’s Gravenhage, 2003.
Digitale Duurzaamheid, Databases,
http://www.digitaleduurzaamheid.nl/index.cfm?paginakeuze=341
Dioscuri, Dioscuri - the modular emulator for digital preservation,
http://dioscuri.sourceforge.net/
Erpanet Workshop: Long-term Preservation of Databases (9 - 11 April 2003), Bern
http://www.erpanet.org/events/2003/bern/index.php
eXist, Open source Native XML database, 2007 http://exist.sourceforge.net/
EUR-Lex. Richtlijn 96/9/EG van het Europees Parlement en de Raad van 11 maart 1996
betreffende de rechtsbescherming van databanken. Publicatieblad Nr. L 077 van 27/03/1996,
p. 20 – 28.
FIPS, Database Language SQL. Federal Information Processing Standards Publication 127-2,
1993. http://www.itl.nist.gov/fipspubs/fip127-2.htm
FIPS, Database Language SQL. Federal Information Processing Standards Publication 193,
1995. http://www.itl.nist.gov/fipspubs/fip193.htm
Government of Canada, Record Keeping Metadata Requirements for the Government of
Canada, 2001. http://www.imforumgi.gc.ca/documents/2001/meta/metatb_e.asp
Tom Gruber, Toward principles for the design of ontologies used for knowledge sharing,
International Journal of Human-Computer Studies, Vol. 43/4-5, 1995, p. 907-928.
J. Hamish, ADHS Preservation handbook. Relational databases, 2005
http://ahds.ac.uk/preservation/Relational-Database-preservation-handbook_v1-0.pdf
78
S. Heuscher, S Jaermann, P. Keller-Marxer en F. Moehle (2004) Providing Authentic Long-term
Archival Access to Complex Relational Data, p 1 – 19. http://arxiv.org/abs/cs/0408054.
H. Hofman, 2000, Metadata and the Management of Current Records in Digital Form.
http://www.ica.org/en/node/30038
P. Horsman e.a., Softwarespecificaties voor Records Management Applicaties voor de
Nederlandse Overheid 2004, 95-96. http://www.remano.nl/docs/ReMANO2004.pdf.
International workshop on database preservation, 23 maart 2007
http://homepages.inf.ed.ac.uk/hmueller/presdb07/
Peter Keller-Marxer (s.d.) Long-term Archiving of Relational Databases with CHRONOS.
CHRONOS compared with SIARD, (niet gepubliceerd).
Lee W. Lacy, OWL: Representing Information Using the Web Ontology Language, 2005.
T. Leyssens, Preservation Metadata: metadata voor digitale archieven op basis van het OAISinformatiemodel, Bibliotheek- & Archiefgids, 79 (2003/3), p. 15-18.
Library of Congress. Data Dictionary for Administrative Metadata for Audio, Image, Text, and
Video Content, 2002. http://www.loc.gov/rr/mopic/avprot/extension2.html
Library of Congress, EAD: Encoded Archival Description Version 2002 Official Site (EAD Official
Site, Library of Congress). http://www.loc.gov/ead/
Library of Congress, Metadata Encoding and Transmission Standard (METS) Official Web Site.
http://www.loc.gov/standards/mets/
R. Lorie, The UVC: a Method for Preserving Digital Documents – Proof of Concept, 2002.
C. Lupovici en J. Masanès, Metadata for the Long Term Preservation of Electronic Publications
(NEDLIB Report Series 2) Amsterdam, 2000) http://nedlib.kb.nl/
H. MacNeil, Trusting Records in a Postmodern World, 2002.
http://www3.iath.virginia.edu/sds/macneil_text.htm
Microsoft, Access Home Page - Microsoft Office Online, 2007 http://office.microsoft.com/enus/access/
Microsoft, Access-bestanden converteren - Access - Microsoft Office Online.
http://office.microsoft.com/nl-be/access/HP051863711043.aspx
Microsoft, Microsoft Virtual PC 2007.
http://www.microsoft.com/windows/products/winfamily/virtualpc/default.mspx
Mimer Information Technology. Mimer SQL Developers - Mimer SQL Validator.
http://developer.mimer.se/validator/
MySQL AB, MySQL Migration Toolkit http://www.mysql.com/products/tools/migration-toolkit/
National Archives of Australia, Recordkeeping Metadata Standard for Commonwealth Agencies,
1999. http://www.naa.gov.au/records-management/publications/RKMS.aspx
79
National Library of New Zealand, Metadata Standards Framework. Preservation Metadata
(Revised), 2003. http://www.natlib.govt.nz/catalogues/library-documents/preservationmetadata-revised
Quyen Nguyen, XML Metadata For Digital Records Archives, 2006.
http://2006.xmlconference.org/programme/presentations/79.html
NIST, Structured Query Language (SQL). Test Suite, 2003.
http://www.itl.nist.gov/div897/ctg/sql_form.htm
Csongor Nyulas, DataMaster, 2007. http://protegewiki.stanford.edu/index.php/DataMaster
E. Oltmans, ‘Cost Models in Digital Archiving: An Overview of Life Cycle Management at the
National Library of the Netherlands’, Liber Quarterly, 14 (2004) p. 380-392.
http://webdoc.sub.gwdg.de/edoc/aw/liber/lq-3-04/oltmans.pdf
Shelley Powers, Practical RDF, 2003.
PREMIS Working Group, Data Dictionary for Preservation Metadata, 2005.
http://www.oclc.org/research/projects/pmwg/premis-final.pdf
Recordkeeping Metadata Standard for Commonwealth Agencies (1999)
http://www.naa.gov.au/Images/rkms_pt1_2_tcm2-1036.pdf
RelationalOWL, About: Relational.OWL - v 0.1 beta. http://dbs.cs.uniduesseldorf.de/RDF/docs/ROWLApp/
Research information network, Stewardship of digital research data: a framework of principles
and guidelines (Draft for consultation), april 2007, p 9. http://www.rin.ac.uk/data-principles
Jeff Rothenberg, Tora Bikson,, Carrying Authentic, Understandable and Usable Digital Records
Through Time, 1999. http://www.digitaleduurzaamheid.nl/bibliotheek/docs/final-report_4.pdf
SQLX Group, SQLX.org Home Page, 2004. http://www.sqlx.org/
Testbed Digitale Bewaring White Paper. Migratie: Context en huidige stand van zaken, 2001.
http://www.digitaleduurzaamheid.nl/bibliotheek/docs/white_paper_migratie.pdf
Testbed Digitale Bewaring (2003) Van digitale vluchtigheid naar digitaal houvast. Bewaren van
databanken. http://www.digitaleduurzaamheid.nl/bibliotheek/Bewaren_van_databases.pdf
TopQuadrant, Inc., Topbraid Composer, 2007. http://www.topbraidcomposer.com/
Unicode Consortium. The Unicode Consortium, 2007.
http://www.unicode.org/consortium/consort.html
US – Interpares, InterPARES2 Metadata and Archival Description Registry and Analysis System
(MADRAS). http://www.gseis.ucla.edu/us-interpares/madras/index.php
US - InterPARES Project. Findings on the Preservation of Authentic Electronic Records, 2002, p.
63-69. http://www.gseis.ucla.edu/us-interpares/pdf/InterPARES1FinalReport.pdf
J.R. van der Hoeven, R. J. van Diessen en K. van der Meer, 'Development of a Universal Virtual
Computer (UVC) for long-term preservation of digital objects', Journal of Information Science,
80
31/3, 2005, p. 196-208. http://dx.doi.org/10.1177/0165551505052347
Jeffrey van der Hoeven, Project emulatie: Dioscuri.
http://www.kb.nl/hrd/dd/dd_projecten/projecten_emulatieproject.html
Hendrik Vanhees, De juridische bescherming van databanken, Rechtskundig weekblad 19992000, 30, 25 maart 2000, p 1001 – 1018.
Remco Verdegem, Database Preservation Issues. Erpanet Workshop Long-term Preservation of
Databases, 2003
http://www.digitaleduurzaamheid.nl/bibliotheek/docs/longterm_preservation_of_databases.pdf
.
Vlaamse regering, Decreet van 26 maart 2004: openbaarheid van bestuur.
http://www3.vlaanderen.be/openbaarheid/
Vlaamse regering, Decreet van 26 maart 2004. Openbaarheid van bestuur – Memorie van
toelichting http://www3.vlaanderen.be/openbaarheid/document.php?document_id=3
VMWare Inc., VMware: Virtualization, Virtual Machine & Virtual Server Consolidation – Vmware.
http://www.vmware.com/
Wikipedia, Extract, transform, load, 2007.
http://en.wikipedia.org/wiki/Extract,_transform,_load
Wikipedia. American Standard Code for Information Interchange, 2007.
http://en.wikipedia.org/wiki/ASCII
W3C, World Wide Web Consortium, 2007 http://www.w3.org/
81