Palestra Digitalizacao e Preservacao Digital: uma introdução / relato de caso

DIGITALIZAÇÃO
E
PRESERVAÇÃO DIGITAL
Uma introdução / relato de caso
André Nito Assada - DGPJ/DT/SIBi USP - 13 de janeiro de 2016
André Nito Assada
DGPJ / DT / SIBi
Universidade de São Paulo
13 de janeiro de 2016

PROGRAMAÇÃO
1. DIGITALIZAÇÃO
 Contextualização / motivação
 Imagem e documento digital – conceitos fundamentais
 Equipamentos
 Estratégias de digitalização
 Gerenciamento de um serviço de digitalização
 Formação de um arquivo digital  preservação digital

PROGRAMAÇÃO
2. PRESERVAÇÃO DIGITAL
 Desafios – obsolescência – analogia com o caso da Pedra de
Rosetta
 Conceito(s) de preservação
 O que digitalizar
 Como digitalizar
 Gerenciamento, armazenagem / arquivamento

1. DIGITALIZAÇÃO
 Equipamentos

1. DIGITALIZAÇÃO
 Por que digitalizar?
 Um pouco de história

CONTEXTUALIZAÇÃO:
POR QUE DIGITALIZAR?
 Problematização:
 Digitalizar para preservar
 Economizar espaço
 Reduzir custos
 Aumentar a eficiência/eficácia no acesso à informação

CONTEXTUALIZAÇÃO:
UM POUCO DE HISTÓRIA
 DIGITAL – Representação
 A cifra de Bacon (1605) - “código”: representar uma letra por um grupo de letras
 O Código Baudot (1874) – código de máquina (binário: 1 ou 0)
 5 bits
 International Telegraph Alphabet No. 1 (ITA1)
 ITA2 – adoção de padrão internacional:
Predecessor do ASCII
 Comunicação à distância pelo advento da eletrônica:
TTY – Teletypewriter
 2ª Guerra Mundial (1939 a 1945)
bom dia
AAAABABBABABABBAAABBABAAAAAAAA Fonte: Wikipedia
B O M D I A
BOMDIA
Teletypewriter – TTY na 2ª GM- Fonte: Wikipedia

CONTEXTUALIZAÇÃO:
UM POUCO DE HISTÓRIA
 ASCII e UTF-8
 A questão da padronização: possibilidade de leitura
 7 bits
 7 “posições” = Maior número de combinações possíveis
= Possibilidade de representar até 128 caracteres
 Possível agora representar caracteres de controle,
espaço, quebra de linha, início e fim de transmissão,
tabulação, etc.
 Evolução da computação: adoção de 8 bits
 Derivativas do ASCII, p. ex. Unicode/UTF-8: (identificação
“code points” + código) – possível representação de mais
1.112.064 caracteres (eg. cirílico, grego, ideogramas, etc)
Fonte: Wikipedia ( https://en.wikipedia.org/wiki/UTF-8 )
Concluindo este tópico: para nossos fins, podemos pensar simplificadamente que o digital é a
representação do físico por meio de código binário. Importante compreender também que o código que
realiza essa representação pode variar, e a importância de se saber a codificação para interpretar e
exibir corretamente a representação – esta noção será essencial para pensarmos preservação digital

IMAGEM E DOCUMENTO DIGITAL:
CONCEITOS BÁSICOS
p.17, recomendações do CONARQ:
http://www.conarq.arquivonacional.gov.br/media/publicacoes/recomenda/recomendaes_para_digitaliz
ao.pdf
 TIFF? Compressão? Resolução? Bits?
 O que são estes termos?
 Por que esses parâmetros são preconizados?
 Um conceito inicial:
 Matriz digital (arquivo obtido diretamente da
captura)
 Alta qualidade/fidelidade
 Arquivos grandes
 Acesso restrito
 Derivadas digitais (arquivos gerados a partir da
matriz, com fins de promover acesso, divulgação,
uso secundário, etc)
 Qualidade média/baixa
 Arquivos compactos, fáceis de copiar/transferir
 Acesso ao usuário final

CONCEITOS BÁSICOS
 Texto digitado vs. Texto digitalizado
(imagem vetorial vs. imagem rasterizada)
 Texto digitado – código binário interpretado pelo programa editor de texto. É exibido como
imagem vetorial.
 Texto digitalizado – código binário interpretado pelo programa visualizador de imagens. O
código corresponde à descrição de uma imagem rasterizada, e não de caracteres de texto
“Por que alguns PDFs ficam bons quando eu dou zoom e outros ficam ruins?”
 Experimento prático: vamos salvar um slide como imagem e o mesmo slide como texto –
diferença entre caractere representado vetorialmente vs. rasterizado (será explicado a seguir)
 A importância de saber escolher a melhor forma de armazenar uma informação

CONCEITOS BÁSICOS
 Imagem digital – conceito de Raster ou Bitmap
(explicação simplificada)
 Descrição de pontos em estrutura de matriz – cada ponto é descrito quanto à
sua posição e cor.
 Cada cor por sua vez é descrita por uma combinação entre R (Vermelho), G
(Verde) e B (Azul) (ou outros padrões de cor, como CMYK - a ser explorado em
ocasião propícia)
 Ao contrário de um Vetor, em que a descrição é relativa à orientação entre
pontos, em um Bitmap a descrição é absoluta com relação a cada ponto
 “Dar zoom”: em um vetor, o programa que lê reconstrói a orientação entre
pontos infinitamente – a imagem não “fica ruim” ; já no caso de uma imagem
bitmap, o zoom irá aproximar a visualização até o nível dos pontos OU em casos
de ampliação haverá “suavização” (=interpolação): o programa interpreta o
posicionamento dos pontos e adiciona informações que não estavam no original
(conceito de interpolação será visto mais para frente)
 Experimento prático, da mesma forma que com texto:
https://pt.wikipedia.org/wiki/Ficheiro:Vector-based_example.svg
Fonte: Wikipedia (https://pt.wikipedia.org/wiki/Raster)

CONCEITOS BÁSICOS
 Digitalização: conversão de uma informação para o meio digital
 No caso de digitalização de documentos: conversão da informação analógica para o formato digital
 Informação analógica (não-digital): fotos, negativos, mapas, livros, áudios de discos de vinil
 Informação digital: tudo aquilo passível de transmissão ou armazenamento eletrônico (~binário)
 Informação: ao digitalizar, um documento, não apenas o seu texto é considerado informação, mas também o
papel, sua cor, suas marcas e manchas, sua textura, etc.
 Qual o objetivo da digitalização? Qual informação se deseja capturar?
Em primeira instância: deseja-se preservar o conteúdo textual e de possíveis ilustrações, ou também se deseja possibilitar outras
formas de fruir/estudar a obra (como ver sua textura e orientação das fibras do papel, possíveis vincos nas folhas, anotações à lápis,
etc)?
 Na digitalização de um documento: obtém-se uma imagem digital = obtém-se um raster
 Composto por pontos descritos com relação à posição absoluta e cor
 Posteriormente, por um processo de reconhecimento ótico de caracteres (OCR), é possível codificar um texto a
partir da imagem (a ser visto)

CONCEITOS BÁSICOS
 Elementos básicos de uma imagem:
 Resolução ótica (“megapixels”)
 Quantidade de pontos (pixels) que compõem a imagem
 Um píxel é considerado como o menor componente de uma imagem digital.
 Modelo para compreensão por analogia: técnica do pontilhismo
( https://upload.wikimedia.org/wikipedia/commons/6/60/Morning%2C_Interior_-_Luce.jpeg )
 experiência prática: em uma foto, por que geralmente “mais megapixels” significa “melhor imagem” – quantidade de
informação para descrever a mesma coisa
 Resolução ótica: capacidade de captura real da imagem (maior quantidades de pontos = maior quantidade de
informação/detalhes)
 Resolução interpolada: resultado de aumento artificial da resolução, por algoritmo  não é informação contida no original
15mp 6mp 2mp 1.8mp

CONCEITOS BÁSICOS
 Elementos básicos de uma imagem - resolução ótica (“megapixels”)
DPI vs PPI, captura, impressão, exibição no monitor – desmistificando
DPI não está relacionado ao tamanho da imagem, e sim com a qualidade da impressão da imagem:
Indica o número de pontos por polegada (Dot Per Inch = DPI) que irá compor a imagem.
Quanto mais pontos por polegada (maior densidade de pontos) maior a resolução e qualidade.
O que significa então capturar em 300 DPI (recomendação do CONARQ¹)?
 Critério: qualidade da imagem. Exigir 300 DPI se deve à capacidade de gerar cópias de boa qualidade (legibilidade,
reprodução de detalhes)
 Uma impressão de boa qualidade precisa de pelo menos 300 DPI para que os pontos não sejam notados ao se olhar para o
impresso.
 Supondo uma imagem que tenha 1800x1200 pixels = 2160000 pixels = 2,16 megapixels
 temos: 1800 / 300 = 6 polegadas x 1200 / 300 = 4 polegadas  tamanho 6x4 polegadas (15,24 x 10,16cm, o nosso popular 10x15).
 Analogamente: se o original tem 6x4 polegadas, uma captura de 2,2 mpix é suficiente para gerar cópias de 300 DPI
 Se tenho uma folha formato A4 (8,27 pol × 11,7 pol), qual deve ser a resolução de captura para obter 300 DPI?
 11,7 pol x 300 dots/pol = 3510 dots(pixels) e 8,27 pol x 300 dots/pol = 2481 pixels ; 3300x2700 = 8708310 pixels = 8,7 megapixels
¹ http://www.conarq.arquivonacional.gov.br/media/publicacoes/recomenda/recomendaes_para_digitalizao.pdf

CONCEITOS BÁSICOS
 Elementos básicos de uma imagem - resolução ótica (“megapixels”)
DPI vs PPI, captura, impressão, exibição no monitor – desmistificando
 Se preciso de 8,7 megapixels para digitalizar uma folha A4... então basta comprar uma
câmera de 9 megapixels para meu projeto de digitalização? NÃO! Motivos:
 Você não irá digitalizar apenas folhas A4. Para digitalizar, por exemplo, uma folha A1 (22x34
pol = 56 x 86cm aproximadamente) na qualidade de 300 DPI, seria necessário um sensor de
67,32 megapixels.
 A qualidade da captura não depende exclusivamente da resolução de captura. Fatores de
qualidade:¹
 Resolução óptica
 Profundidade de bits (resolução de cor / resolução tonal)
 [Ausência de] Compactação
 [Ausência de] Interpolação
 Qualidade do equipamento
 Técnicas de captura
Ver pp.7-8 das recomendações do CONARQ: http://www.conarq.arquivonacional.gov.br/media/publicacoes/recomenda/recomendaes_para_digitalizao.pdf

CONCEITOS BÁSICOS
 Dos 6 elementos citados, os 3 primeiros são elementos básicos de uma imagem:
 1. Resolução ótica (“megapixels”) – já explicado
 2. Resolução de cor (tonal)
 Quantidade de bits usados para representar a cor de um único pixel numa imagem bitmap (raster), ie., quantidade de informação usada para descrever a
cor de cada ponto
 De forma análoga à nossa discussão inicial sobre Bacon, Baudot, ITA2 e ASCII:
Um maior número de bits possibilita um maior número de combinações. Como cada combinação é uma cor, um maior número de combinações significa
uma maior escala de tonalidades possíveis = maior fidelidade de cor
 1 bit: 1 cor (preto)
 4 bits: 24 = 16 tons
 8 bits: 16 x 16 = 256 tons
 24 bits: 256 x 256 x 256 = 16.777.216 tons
(Em RGB: 8 bits por cor)
 ... 30, 32, 36, 48 bits...
 Formato e Compressão
Fonte: Wikipedia
Fonte: Wikipedia

CONCEITOS BÁSICOS
 Dos 6 elementos citados, os 3 primeiros são elementos básicos de uma imagem
 3. Formato e Compressão
 TIFF (Tagged Image Format): criado em 1986, formato proprietário da Adobe
 Indicado para gráficos de todos os tipos
 Permite multipágina
 JPEG (Joint Photograph Experts Group): criado em 1983
 Indicado para fotografia
 Compressão voltada para fotografia
 Possibilita fotos com tamanho “viável”
 Não permite multipágina
 PDF (Portable Document Format): criado em 1990
 Encapsula imagens rasterizadas e vetoriais
 JPEG, TIFF, PNG
 ISO 19005-1:2005 (“PDF-A”) – para preservação

CONCEITOS BÁSICOS
 TIFF (Tagged Image Format): criado em 1986, formato proprietário da Adobe
 Indicado para gráficos de todos os tipos
 Permite compactação ou não (diversos tipos: LZW, CCITT, CT8/PNG, etc)
 JPEG (Joint Photograph Experts Group): criado em 1983
 Indicado para fotografia (lógica de compressão voltada para transições de baixo contraste, estruturas irregulares)
 Possibilita fotos com tamanho “viável”
 Não permite multipágina
 PNG (Portable Network Graphics): criado em 1996
 Voltado para gráficos na internet (melhor compressão para transições de alto contraste, áreas grandes de cor sólida, estruturas regulares)
 Possibilita compressão sem perda de qualidade (lossless)
 PDF (Portable Document Format): criado em 1990
 Encapsula imagens rasterizadas (compactadas ou não) e vetoriais
 “Incorpora” JPEG, TIFF, PNG...
 ISO 19005-1:2005 (“PDF-A”) – para preservação
 Algoritmo MRC (Mixed Raster Content) – ABBYY, Luratech...

CONCEITOS BÁSICOS
 RAW
 Formato proprietário de cada equipamento de digitalização
 Só pode ser aberto pelo próprio software do equipamento
 Informação pura obtida diretamente do output do equipamento – dados não alterados
 Em fotografia é bastante utilizado, pois permite trabalhar posteriormente com cor e luz sem grandes
perdas
 Sem compactação, tamanho grande
 RAW x TIFF sem compressão
 Por que se recomenda então TIFF e não RAW?
 Apesar de também ser formato proprietário, o TIFF é mais universal do que o RAW: diversos programas podem ler
esse formato, enquanto que o RAW é lido apenas pelo software do equipamento
 O TIFF está em uso há mais de 30 anos, havendo pressão de mercado por compatibilidade (sua última versão
está em uso há 23 anos). O software proprietário do RAW é variável conforme o fabricante e ao mudar de
versão pode simplesmente não ler mais versões antigas
 Para abrir o TIFF não dependemos da marca/software do equipamento de digitalização

CONCEITOS BÁSICOS
 Dos 6 elementos citados, os 3 últimos estão relacionados com técnica
 Interpolação
 Poderia ser considerado elemento da imagem também, porém colocamos como um elemento de técnica
aqui porque a interpolação geralmente é ativada/desativada no momento em que se configura a
digitalização (ou então na ampliação, o que já não é mais o nosso foco de digitalização)
 Como visto anteriormente: A interpolação consiste em adicionar novos pontos a uma imagem, aumentando
artificialmente sua resolução. Essa técnica utiliza os pontos existentes, e adiciona novos pontos entre eles
com valor da média entre os pontos.
 Suaviza assim a aparição dos pixels quando se amplia uma imagem
 Ao mesmo tempo, adiciona informação que não está presente no original – não há fidelidade
 Não deve, assim, ser utilizada para geração de matrizes, uma vez que não corresponderá à informação
original
 Equipamento
 Técnica de captura (conhecimento de fotografia)

CONCEITOS BÁSICOS
 Dos 6 elementos citados, os 3 últimos estão relacionados com técnica
 Equipamento
 Veremos sobre especificações do equipamento no próximo tópico
 Quanto à técnica: necessário compreender a técnica de operação correta: de nada adianta um equipamento poderoso,
de alta resolução, que é operado apenas mecanicamente
 Não adianta também um ótimo equipamento sem se planejar a digitalização e pensar o processo de acordo com os
objetivos que se deseja atingir
 Manutenção regular do equipamento evitando tempos de parada/improdutividade e custos com reparo de quebras que
poderiam ter sido evitadas
 Técnica de captura (conhecimento de fotografia)
 Abertura, exposição, sensibilidade/ISO, qualidade de sensores e objetivas, distorções ópticas, profundidade de campo,
balanço de cor, iluminação
 exemplo prático da influência da luz e do balanço de cores na captura digital:
https://www.youtube.com/watch?v=-uG-YAW9io4
 exemplo prático da influência do balanço de branco:
https://www.youtube.com/watch?v=Zu7ujmFwzNc
 Exemplo prático: apperture X profundidade de campo

EQUIPAMENTOS
 Câmeras fotográficas
 Resolução (do equipamento, não da imagem gerada) – sensor de maior resolução possibilita capturar
objetos maiores
 Inversamente, uma maior densidade de pixels em um sensor pode (simplificando) degradar a absorção de luz ou
gerar efeitos de interferência elétrica – buscar equipamentos de qualidade comprovada
 Comparação de câmeras e lentes: http://www.the-digital-picture.com/Reviews/Comparison-Tools.aspx
 Velocidade de captura
 Sensibilidade de captura (ISO)
 Qualidade da objetiva: abertura e componentes da objetiva
 Exemplo prático: comparando uma objetiva Sigma X Canon
http://www.the-digital-picture.com/Reviews/ISO-12233-Sample-
Crops.aspx?Lens=787&Camera=453&Sample=0&FLI=0&API=4&LensComp=805&CameraComp=453&SampleComp=0&F
LIComp=0&APIComp=4
 Velocidade da memória e da interface de transferência de dados
 Suporte/entrada do material a ser digitalizado
Fonte: Wikipedia

EQUIPAMENTOS
 Velocidade da memória e da interface de transferência de dados
Fonte: Wikipedia
Fonte: Wikipedia https://en.wikipedia.org/wiki/Secure_Digital#Speed_class_rating
Fonte: Wikipedia https://en.wikipedia.org/wiki/USB#Transmission_rates
Outras interfaces: Firewire, Esata, Ethernet...

EQUIPAMENTOS
 Suporte/entrada do material a ser digitalizado
 Paralelismo
 Resistência a vibrações
 Material
 Limpeza
 Não pode reagir ou contaminar a obra
 Conservação do estado físico da obra
 Facilidade de manuseio

EQUIPAMENTOS
 Outros equipamentos: scanners, backscanners, robôs de automação...
 Custo de compra
 Custo de manutenção
 Sensor e câmera própria ou de “fabricação em massa”
 Partes móveis e/ou frágeis, sensores, filtros sensíveis a umidade e calor
 Produtividade
 Fatores fotográficos: paralelismo, distorções ópticas, abertura, profundidade de campo, sensibilidade, calibragem de cor
 Facilidade de manuseio x finalidade da digitalização (exemplo de caso: point-and-shoot vs. backscanner)
 Suporte da obra - risco de dano ou desgaste (luz forte e/ou quente, calor do equipamento, vibração, atrito, graxa)
 Contaminação cruzada
 Necessário que a máquina seja fácil de higienizar
 Necessário medidas de conservação antes da digitalização (como reparos e desinfecção)
 Por melhor e mais automático que seja o equipamento: ainda assim, há sempre necessidade de conhecimentos teóricos em
fotografia para resolver casos difíceis
 Suporte técnico – eficácia e eficiência, custos de importação
 Burocracias para aquisição – nacional X importado

ESTRATÉGIAS DE DIGITALIZAÇÃO
 Por que digitalizar?
 Promover acessibilidade, possibilidade de acesso remoto, acesso simultâneo, disseminação mundial da informação
 Agilidade na recuperação da informação
 Menor exposição do usuário e dos profissionais a fungos e outros agentes danosos à saúde
 Mas: economia de espaço físico não existe, pois é necessário manter os originais;
Necessidade de trabalho para higienização e restauro;
Custo de storage (compra e manutenção)
Custo de mão de obra para digitalizar, indexar e gerenciar/manter arquivo digital
 Promove novas formas de uso da informação: análise textual (comparação, contabilização de fontes e citações, etc)
eletrônica e comunicações eletrônicas.
 Promove novas formas de organização de um material: o mesmo material pode se encontrado ao mesmo tempo em mais
de uma “estante” (“coleção”)
 Indexação correta permite controle maior da propriedade intelectual (?)
 Novas formas de interação com as mídias: sons e videos podem ser relacionados por link ao texto (exemplo: execução de
uma partitura digitalizada em MIDI ou por um intérprete)
 Diminui o manuseio da obra física, colaborando com a preservação de seu estado físico - principalmente importante no
caso de obras únicas/raras
 Porém: os custos do digital somam-se aos custos do acervo físico. A digitalização não tem como consequência
necessária a eliminação do exemplar físico. Há de se considerar ainda que além dos custos de digitalização,
haverá custo de armazenamento, indexação digital e manutenção do acervo digital (preservação digital).

 Critérios para priorizar uma digitalização
 Valor intrínseco: o tempo de uso e o número de pessoas que utiliza o material é alto
 O projeto pode ser completado com sucesso com os equipamentos, a verba e a mão de
obra disponível
 A verba disponível também já foi pensada com relação à preservação digital
 A instituição possui propriedade sobre os direitos autorais de digitalização ou recebeu
autorização de seu detentor
 O projeto de digitalização promove sustentabilidade, por exemplo substituindo a
necessidade de distribuição de exemplares impressos em papel pela versão eletrônica,
ainda por cima acessível por todos de forma remota. Exemplos: Revistas antigas da USP e o
Portal de Revistas ; Teses antigas da USP e o Portal de Teses ; Obras de autores USP e a BDPI
 O projeto foi planejado, praticável, há um norteador e os objetivos a serem alcançados são
razoáveis
 O projeto causará economia de dinheiro: eliminar a necessidade de adquirir exemplares
repetidos, remover os custos com restauro e encadernação de obras
 O material é importante para a instituição, não há cópia e está deteriorando

 Erros comuns a serem evitados ao se planejar uma digitalização
 “Vamos digitalizar todo o acervo”
 Custos: tempo, mão de obra, storage, processamento
 Utilizar esses recursos para digitalizar obras não relevantes/que poderiam ser doadas ou descartadas
 “Vamos digitalizar para eliminar o exemplar físico. Assim economizamos espaço e mão de obra”
 Perda do digital (acidental ou criminosa)
 Nem sempre o digital é considerado substituto perfeito do físico
 Problemas na digitalização percebidos apenas após o descarte
 Dificuldades de recuperação do digital (má indexação)
 Preferência pessoal/profissional pelo exemplar físico
 “Vamos comprar o equipamento “modelo X” para digitalizar todo acervo”
 Cada equipamento é mais adequado a um tipo/formato de obra.
 Não há equipamento ideal que solucione todas as dificuldades
 Por vezes o acervo é constituído em sua grande maioria de obras de simples digitalização e se adquire um equipamento muito caro e complexo introduzindo
complexidade em um processo que poderia ser simples
 Outras vezes, na tentativa de economizar, se adquire um equipamento mais barato porque as especificações são similares ao mais caro, mas ou o acervo exige
equipamentos que se adaptem a variações de formato ou mesmo a qualidade do equipamento mais barato acaba deixando a desejar (ou mesmo até
danificando a obra)
 “Vamos digitalizar. Depois organizamos”
 A indexação e organização deve ser pensada de forma simultânea à digitalização. É uma ilusão pensar que será possível localizar um arquivo específico dentro de
milhões de arquivos para então indexá-lo

 Escolha do equipamento: deve se dar conforme as características das obras e a finalidade da digitalização
 Obras
 Que não podem ser desencadernadas
 De grande formato
 De formato diminuto
 Encadernadas com grampo/espiral
 Com pouca abertura
 Com pouca margem
 Com costura frágil
 Impressão opaca/apagada
 Tinta sensível a calor/luz
 Anotações importantes em grafite
 Com manchas
 Com ondulações
 Extremamente raras
(X confiabilidade do equipamento)
 Finalidade
 Capturar apenas o conteúdo textual impresso
 Capturar anotações feitas em grafite fraco ou mesmo apagadas (relevo)
 Capturar ilustrações para ampliação
 Captura o mais fiel possível ao original

 Planejar como lidar com irregularidades na digitalização
 Página faltando ou duplicada
 Página com ondulações e/ou manchas
 Foldouts no meio da obra
 Numeração irregular
 Impressões em apenas um lado (descartar ou manter o lado branco?)
 Páginas grudadas
 Pela impressão
 Por grampo
 Por cola
 Por fita
 Páginas rasgadas previamente
 Acidentes com a obra durante a digitalização
 Digitalização duplicada (como evitar?)
 Digitalização de edições (eg., se apenas a 1a edição é rara)
 Digitalização de exemplares (eg., se apenas um exemplar específico é raro)
Veja mais sobre planejamento de digitalização em: https://www.loc.gov/preservation/care/scan.html

GERENCIAMENTO DE UM SERVIÇO DE
DIGITALIZAÇÃO
 Controle de fluxo e registro de pessoas
 Segurança tanto física quanto do servidor de arquivos e do sistema de captura e processamento
 Identificação/Seleção, conferência do estado físico antes de digitalizar
 Recebimento/guarda temporária
 [Conservação/restauro]
 Digitalização em si
 Guarda temporária na digitalização
 Controle de qualidade
 Devolução do exemplar físico, conferência do estado físico na entrega
 Processamento do digital: crop, rotação, brilho contraste e cor,…
 Controle de qualidade 2
 Disponibilização de versão online / indexação
 Arquivamento / indexação 2
 Manutenção/preservação do digital

1. DIGITALIZAÇÃO
 Equipamentos
 “Digitalizei, logo estou preservando” : verdadeiro ou falso?

“DIGITALIZEI, LOGO ESTOU PRESERVANDO” :
VERDADEIRO OU FALSO?
 Toda informação (seja ela uma pintura na parede de uma caverna até uma mensagem trivial enviada pelo
smartphone, passando por um vídeo gravado em VHS ou um rótulo de lata de molho) tem um valor para que
aquilo seja considerado necessário preservar.
 Alguns tipos de informação, como o tíquete de trem, tem caráter temporário, enquanto que outras informações,
como a declaração do imposto de renda, precisam ser armazenados por um período maior de tempo. Esse
valor varia com o tempo: um tíquete de trem utilizado por Getúlio Vargas em sua infância tinha pouco valor,
porém hoje em dia se comprovado o uso por GV este tíquete teria alto valor. Essa é uma das funções
importantes das bibliotecas e arquivos: cuidar da guarda de obras de valor, além de adicionar informações que
conferem autenticidade, valor e peso histórico às obras.
 Em outros termos, já é uma medida de preservação.
 A digitalização visa também conservar a informação criando uma representação digital da informação contida
em suporte físico. À primeira vista, a digitalização é uma medida de preservação. Mas esta medida não é
absolutamente certeira se não for planejada a partir de conhecimentos sólidos...

“DIGITALIZEI, LOGO ESTOU PRESERVANDO” :
VERDADEIRO OU FALSO?

 Desafios – obsolescência – analogia com o caso da Pedra de Rosetta
 Gerenciamento digital
 Armazenagem / arquivamento

DESAFIOS – ANALOGIA COM A PEDRA DE ROSETTA
Fonte do texto e imagem: Wikipedia (https://pt.wikipedia.org/wiki/Pedra_de_Roseta )
A Pedra de Roseta é um fragmento de uma estela de granodiorito do Egito Antigo, cujo
texto foi crucial para a compreensão moderna dos hieróglifos egípcios. Primeiro texto
bilíngue a ser recuperado na história moderna, está em exibição ao público no Museu
Britânico desde 1802, onde é o objeto mais visitado. Sua inscrição registra um decreto em
três parágrafos com o mesmo texto: o superior está na forma hieroglífica do egípcio
antigo, o trecho do meio em demótico (variante do egípcio tardio), e o inferior em grego
antigo.
Levantava-se a hipótese de que os três textos fossem o mesmo, embora apenas o em
grego pudesse ser entendido.
O conhecimento sobre a escrita em hieróglifos encontrava-se perdido desde o século IV, e
do demótico desde pouco depois. Desse modo, dois problemas confrontavam os
acadêmicos que trabalhavam com as inscrições: saber se os hieróglifos representavam
uma simbologia fonética ou apenas símbolos pictóricos, e determinar o significado das
palavras individuais.
O médico britânico Thomas Young obteve um substancial progresso em 20 anos de
estudo. Mas o mérito final da completa realização da tradução, em 1822, pertence ao
estudioso francês Jean-François Champollion, que desta forma iniciou a ciência do estudo
de assuntos referentes ao Egito, a egiptologia.
Preservação do suporte
Preservação do código
Possibilidade de conversão entre códigos X Perda de informação

 Gerenciamento e Armazenagem / arquivamento
http://www.arqsp.org.br/cpba/

CONCEITO(S) DE PRESERVAÇÃO
 Arquivo digital – uma analogia
 Informação capturada por um processo de digitalização (eg., uma revista
digitalizada) ou informação nativamente digital (eg., uma revista eletrônica)
 Esta informação é armazenada em um formato, ie. um código capaz de
representar a informação física na forma binária (lembre-se da Cifra de Bacon e
o padrão ASCII). Isto constitui um arquivo. Estes formatos estão em constante
evolução e obsolescência
 Este arquivo precisa ser gravado em um suporte, uma mídia. As mídias, assim
como os formatos, também variam consideravelmente e estão em constante
evolução e obsolescência
 Estas mídias, por sua vez, exigem condições específicas de
armazenamento/preservação digital, e necessitam de equipamentos específicos
e baseados em tecnologia moderna para sua leitura
Impressão
Suporte
Idioma
Preservação

 Arquivo digital – uma analogia (continuação)
 O formato em que a informação é armazenada muitas vezes precisa ser convertido
para um formato mais novo para que possa continuar sendo entendido
 O suporte em que a informação está armazenada muitas vezes precisa ser
atualizado, copiando o arquivo para uma para armazenar em uma tecnologia mais
atual
 De qualquer forma, este arquivo precisa ser armazenado de uma forma que possa
ser encontrado facilmente depois. Precisa ser indexado
Tradução/
versão
Cópia
Mas então, no que difere a preservação física da preservação digital?
Indexação

 Confusão: termos múltiplos e polissêmicos, usados de forma solta, casual ou mesmo com apelo de marketing:
“digitalizar para preservar”, “preservação digital”, “digitalização para promover acesso”...
 Preservação (física)
 Conservação
 Restauro
 Inclui manutenção, tratamento, prevenção de danos e reparo de danos
 Como consequência, consegue promover o acesso à obra durante maior período de tempo
 Preservação digital
 Não significa aplicar medidas de conservação e restauro ao exemplar físico. Mas a digitalização demanda que
o exemplar físico esteja em condições suficientes para suportar o processo de digitalização (poder-se-ia
afirmar: exige a preservação física)
 Se assemelha à preservação física na medida em que se preocupa também em promover o acesso à obra por
maior tempo
 Mas a preservação digital não se resume à digitalização... Vejamos

 A digitalização muitas vezes é vista como uma atualização de suporte - uma microfilmagem de preservação com mais
tecnologia. A digitalização não tem como consequência necessária a preservação, mas se relaciona com ela em vários
pontos.
 A digitalização de uma obra pode diminuir a consulta ao exemplar físico. Menor manuseio significa menor desgaste da obra, portanto
uma medida de preservação
 A digitalização da obra permite distribuir com facilidade em nível mundial cópias da obra, o que significa promoção do acesso à obra
por mais tempo, portanto também uma medida de preservação
 A digitalização, no entanto, não substitui a microfilmagem em todos os quesitos. Possui vantagens e desvantagens.
 Preservação digital não significa simplesmente “digitalizar para preservar”, apesar de se relacionar com esse processo.
 A preservação digital na verdade está preocupada na conservação da informação a partir do momento em que ela se torna digital.
Implica no esforço com medidas formais para se garantir que a informação digital continue acessível e usável. A preservação digital
então está relacionada com a medida de “digitalizar para preservar” a partir do momento em que os arquivos digitais são gerados e se
deve decidir o que fazer com eles
“Digital preservation is the method of keeping digital material alive so that they remain usable as
technological advances render original hardware and software specification obsolete.”
-- Prytherch, Ray [compilador]. Harrod's librarian glossay and reference book.10th ed. Ashgate, 2005.

 O microfilme
 É utilizado há mais tempo com fins de preservação (uso comercial a partir de 1920), e estudos avaliam que sua durabilidade pode atingir séculos se corretamente
manuseado e guardado.
 Analógico: para sua leitura (acessar a informação), é necessário apenas luz e uma lente de aumento, sem necessidade de eletricidade ou quaisquer outros equipamentos
modernos (acomoda-se bem à visão apocalíptica de tempo)
 Para sua guarda correta, basta controlar parâmetros ambientais luz, umidade relativa, calor). Durabilidade garantida pelas normas ISO de aproximadamente 500 anos
 Tem amparo legal para documentos oficiais na “Lei n° 5.433, de 8 de maio de 1968” e no “Decreto n° 1.799, de 30 de janeiro de 1996”, que permite a eliminação do
documento em papel.
 Já o arquivo digital
 É de utilização recente (os primeiros esforços para pensar a preservação digital datam de 1996 com a publicação do relatório “Preserving digital information: Report of the
task force on archiving of digital information”, e a tomada de medidas realmente efetivas datam dos anos 2000)
 Estudos variam quanto à durabilidade da informação digital – problema da obsolecência em vários pontos do processo
 A armazenagem da informação se dá em suportes e formatos bastante variáveis – desafio para o futuro
 Suporte variável: quem hoje em dia conseguiria ler um disquete 8 pol. ou mesmo um JazzDrive?
 Formato variável: Mesmo se conseguisse ler, conseguiria abrir um arquivo ( interpretar o código)?
 Estes suportes e codificações estão constantemente evoluindo sem muita atenção à retrocompatibilidade!
 Outro fator pouco considerado é a durabilidade (pensando em séculos, e não apenas décadas) das mídias
 As medidas de guarda correta dos diversos tipos de mídias são variáveis
 A autenticidade do digital ainda não tem total anteparo legal. Necessário confiar na idoneidade da instituição que realizou a digitalização
 Mas:
 O acesso e leitura são mais fáceis e amplas na era da computação e da globalização - acessibilidade
 Não há perdas de informação quando se realiza uma cópia do digital, ao contrário de quando se realiza uma cópia da cópia analógica

 Pelo que foi exposto até aqui, podemos perceber que a preservação do
documento digital deve se dividir na preservação da informação e do suporte
desta informação
(por isso, a comparação entre arquivo digital e microfilme pode não ser justa: no
microfilme estamos falando basicamente de um suporte, enquanto que no
arquivo digital discutimos suporte e informação)
 No documento digital:
 Suporte depende de hardware que lê a mídia e envia o código para interpretação
 Informação depende de software que interpreta código e transforma em informação
legível por humano
Em outras palavras: no documento físico convencional, suporte e informação são
inseparáveis. A mudança de suporte implica necessariamente em perda de
informação. Já no documento eletrônico, é possível migrar a informação de
maneira intacta entre suportes diferentes. A informação, no entanto, ao ser
atualizada (convertida) para uma nova forma de codificação, está sujeita a
possíveis perdas.
Para aprofundamento, veja a partir da p.115 em
MARCONDES, KURAMOTO, TOUTAIN, SAYAO. Bibliotecas digitais: saberes e práticas/organizadores. Salvador : EDUFBA, 2005
http://livroaberto.ibict.br/bitstream/1/1013/1/Bibliotecas%20Digitais.pdf

 Aspectos a serem observados na preservação de documento digital (modificado a partir de SAYAO e
também BARATA):
 Preservar a cadeia de bits – preservar o dado em si, fisicamente, a lógica binária
 Preservar o conteúdo - capacidade de ler o conteúdo em baixo nível, o código
 Preservar a autenticidade - o documento não sofreu adulteração, mudanças não autorizadas, ou não
corrompeu devido a falhas no suporte
 Preservar a proveniência - origem e cadeia de custódia que confirmam a autenticidade e a integridade
 No caso de conteúdo nativamente digital: Preservar a apresentação - forma, layout, fontes, tamanho, margens,
colunas, cores, paginação... É possível preservar isso em um PDF/A?
 No caso de conteúdo nativamente digital: Pensar os limites do objeto – o que é o objeto a ser preservado? O
PDF? O conjunto de arquivos que formam a matriz? Seus metadados? Sua indexação? Seus links? Animações
flash encapsuladas? O que deve ser preservado?
 No caso de conteúdo nativamente digital: Preservar as funcionalidades - componentes multimídia, conteúdo
dinâmico, interoperabilidade, busca (eg. um livro em Flash)
 Preservar a versão/edição: Ser capaz de distingui-lo de outras versões, cópias e edições
 Preservar o contexto - as dependências de hardware, software, modo de distribuição e links com outros objetos -
possível?
Para aprofundamento, veja a partir da p.115 em
MARCONDES, KURAMOTO, TOUTAIN, SAYAO. Bibliotecas digitais: saberes e práticas/organizadores. Salvador : EDUFBA, 2005
http://livroaberto.ibict.br/bitstream/1/1013/1/Bibliotecas%20Digitais.pdf
Para introdução ao PDF/A, veja:
http://www.pdfa.org/publication/pdfa-in-a-nutshell-2-0/

 Gerenciamento e armazenagem / arquivamento

O QUE DIGITALIZAR
 Vimos anteriormente características físicas da obra que deveriam ser levados em
consideração para escolha do que digitalizar.
 Cientes agora das demandas de preservação que a guarda de um arquivo
digital gera, a escolha do material a ser digitalizado também precisa ser pensado
em termos de preservação digital
 Qual o tamanho de armazenamento necessário para armazenar os arquivos digitais?
 Qual o custo para aquisição do armazenamento necessário?
 Qual o custo anual de manutenção desse armazenamento?
 Há mão de obra qualificada e disponível para cuidar deste armazenamento?
 Há mão de obra qualificada e disponível para contornar a obsolescência
tecnológica?

COMO DIGITALIZAR
 Vimos anteriormente características das obras e dos equipamentos que nos
indicavam como digitalizar do ponto de vista físico e de especificações técnicas.
 Mas do ponto de vista da preservação digital, precisamos também considerar
pelo menos mais dois aspectos para pensar como digitalizar:
 O formato gerado nativamente pelo equipamento de digitalização
 Possui compactação/perdas?
 A economia em espaço compensa a possível perda de informação?
 Como lidar com a atualização ou o fim do formato? A conversão com mais perdas será aceitável?
 É de um formato universalmente aceito para preservação digital? Caso negativo, qual o
custo (tempo, dinheiro, mão de obra) para conversão? Vale o risco de o equipamento se
tornar obsoleto quanto este formato não puder mais ser lido?
 A digitalização foi planejada junto à indexação, para que o arquivo possa ser
recuperado corretamente? Como nomear os arquivos e qual a estrutura de pastas?

 Gerenciamento e Armazenagem / arquivamento

GERENCIAMENTO, ARMAZENAGEM / ARQUIVAMENTO
 Medidas para garantia do arquivamento efetivo e
eficiente
 Indexação correta e atenta
 Backup
 Cópias em suportes diferentes
 Três cópias em locais diferentes e distantes
 Medidas específicas para conservação de cada tipo de
mídia
 Campo magnético, umidade, poluição, vibração, calor,
intensidade de uso
 Repositórios distribuídos / armazenamento em nuvem (?)
 Sistemas de redundância de discos (RAID 1, 5, 10...)
 Controle de acesso/segurança ao sistema e ao
equipamento físico
 Validação periódica da consistência por meio de HASH
Critérios recebem nota de 1 a 3
Fonte: The National Archives, UK
https://www.nationalarchives.gov.uk/documents/selecting-storage-media.pdf

Fonte: Van BOGART, John W. C. Studie zur Haltbarkeit von
Archivmedien. [National Medial Lab], 1996
Disponível em:
http://www.apt.drg.de/media/document/1488/Studie-
Archivmedien.pdf
GERENCIAMENTO, ARMAZENAGEM / ARQUIVAMENTO

 Ver também:
The Library of Congress: Meeting the Challenge of Digital Preservation
http://www.digitalpreservation.gov/series/challenge/
Conservação preventiva de Bibliotecas e Arquivos (ARQ-SP)
http://www.arqsp.org.br/cpba/
Link “Publicações”  Cadernos Técnicos do Projeto de Conservação Preventiva de Bibliotecas e Arquivos  Números 44 a 47, 49, 50 e 51
 Estude os casos de projetos:
 Compare a qualidade e a facilidade de recuperação entre estes dois projetos:
 Jornal Folha de São Paulo
http://acervo.estadao.com.br/
 Jornal O Estado de São Paulo
http://acervo.estadao.com.br/
 Nosso caso na USP: a Biblioteca Digital de Obras Raras e Especiais (BORE)
http://obrasraras.usp.br/
 Em Portugal: Arquivo Nacional Torre do Tombo
http://digitarq.dgarq.gov.pt/
 Na França: Gallica
http://gallica.bnf.fr/

OBRIGADO!
André Nito Assada
DGPJ / DT / SIBi USP
andre.assada@usp.br

Palestra Digitalizacao e Preservacao Digital: uma introdução / relato de caso

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Andere mochten auch

Andere mochten auch (11)

Ähnlich wie Palestra Digitalizacao e Preservacao Digital: uma introdução / relato de caso

Ähnlich wie Palestra Digitalizacao e Preservacao Digital: uma introdução / relato de caso (20)

Mehr von SIBiUSP

Mehr von SIBiUSP (20)

Kürzlich hochgeladen

Kürzlich hochgeladen (6)

Palestra Digitalizacao e Preservacao Digital: uma introdução / relato de caso