La Hemeroteca Nacional Digital de México: perspectivas de la preservación digital para el patrimonio documental

d) Conversión a pdf

Una funcionalidad importante para la hndm es la búsqueda, la localización y la consulta de textos dentro de los materiales. Para lograr dicha funcionalidad, a partir de la imagen tiff se realiza una conversión a formato pdf y el reconocimiento óptico de caracteres (ocr, por sus siglas en inglés) para cada página generada en el proceso de captura. Como resultado, se obtienen los archivos con capacidad de búsqueda dentro del texto. Ambos archivos forman parte de la preservación a largo plazo.

e) Integración de metadatos

Los metadatos son elementos fundamentales en cualquier proyecto de digitalización. Es una buena práctica recopilar tanta información, como sea necesaria, en el momento de la creación de los materiales digitales. [20] Por lo tanto, es recomendable la integración de metadatos sobre el objeto original y el digital creado, conteniendo, por ejemplo, parámetros de imagen digital, equipo utilizado, fecha y hora de creación, etcétera. En el caso de la hndm, los dispositivos de captura de imágenes se configuran para agregar a los archivos el conjunto de metadatos técnicos de forma automática.

Otros metadatos que se agregan al archivo son los descriptivos. Éstos se obtienen del sistema de información de la Hemeroteca y se incrustan tanto en las imágenes tiff como en los archivos de distribución pdf. Todos los materiales a digitalizar deben estar correctamente catalogados, ya que el registro bibliográfico se agrega en un archivo tipo MARC-xml, conteniendo la descripción bibliográfica completa de la obra. Tanto la inserción de metadatos como la creación del archivo externo se realizan de forma automática con un programa de procesamiento por lotes. Un elemento importante en todo el proceso, es la asignación de identificadores únicos a los objetos digitales, los cuales sirven para localizar inequívocamente a los objetos, que en este proyecto se construyen a partir del número de sistema asignado por el sistema de información de la HNM y el código de barras asignado al material impreso.

f) Conformación de paquetes para la preservación y distribución

Para la creación de paquetes fue necesario establecer una convención con respecto al nombramiento de archivos y la estructura de carpetas, la cual facilitó la automatización de los procesos de validación y verificación mediante el uso de un programa de cómputo. Este programa valida y verifica que las carpetas contengan los objetos digitales y los metadatos correspondientes, que el nombramiento de archivos sea el adecuado, que la estructura de carpetas sea válida y que los archivos pdf cuenten con capacidad de búsqueda en texto, entre otras validaciones.

Después de los procesos de validación y verificación se generan los paquetes de preservación y distribución. Los paquetes de preservación integran archivos de imágenes y materialidad en formato tiff, archivos xml con la catalogación bibliográfica completa, archivos pdf de distribución y un archivo manifiesto con la suma de verificación de cada uno de los archivos. Una vez conformados, los paquetes pasan al sistema de almacenamiento de preservación, donde son resguardados y gestionados mediante procesos específicos para la preservación digital. Vale la pena mencionar que, para el resguardo de paquetes de preservación, se ha creado una estructura de almacenamiento estable con dos copias, y se continúa trabajando en la gestión de preservación, que comprende el desarrollo de actividades de seguridad, el monitoreo de almacenamiento, el control de acceso, la implementación de estrategias de preservación y la actualización de paquetes de distribución.

Por otra parte, los paquetes de distribución son integrados únicamente por los archivos en formato pdf, los cuales se cargan al sistema de gestión para ser publicados en la HNDM.

Es importante resaltar que la creación de paquetes es un proceso automatizado que evita errores humanos en el nombramiento de archivos, en la estructura de los paquetes y en la creación de los registros de carga en la hndm. Todos estos procesos facilitan la distribución de imágenes y, principalmente, disminuyen el tiempo de publicación de los materiales digitalizados, sin dejar de mencionar los beneficios en la agilización de los flujos de trabajo y el incremento de la productividad.

g) Distribución

La plataforma web, denominada HNDM, evolucionó notablemente con la reciente incorporación del sistema de gestión del repositorio virtual con el que se han incorporado nuevas funcionalidades, entre las que destacan: la carga automática de archivos para publicación, la actualización de paquetes de distribución, la creación de indicadores estadísticos, la descarga de archivos pdf y la conformación de colecciones dinámicas. Estas funcionalidades estarán a disposición de los usuarios en los próximos meses.

Así, la plataforma de distribución facilita que la Hemeroteca Nacional brinde acceso continuo y constante a los materiales digitalizados, independientemente de la ubicación geográfica de los usuarios, además de ofrecer continuamente nuevos títulos digitalizados de publicaciones impresas que son de gran valor y utilidad para investigadores y para el público en general. En la figura 3, “Nuevas publicaciones en la HNDM”, se muestra la interfaz web con los últimos títulos agregados a la plataforma y demás detalles del ítem digitalizado.