1 / 20

Use of PREMIS for Internet Archive AIPs

Learn how the collaboration between University of Michigan and University of California enabled the transformation of Internet Archive materials into HathiTrust-compatible AIPs through the use of PREMIS events documentation.

laurin
Télécharger la présentation

Use of PREMIS for Internet Archive AIPs

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. September 22, 2010 Use of PREMIS for Internet Archive AIPs

  2. Overview • University of Michigan and University of California worked together to develop ingest processes for Internet Archive content • IA materials did not match previously developed standards for HathiTrust materials • Solutions were developed to transform IA materials into HathiTrust-compatible AIPs • Discuss our use of PREMIS events to document processes and transformations

  3. HathiTrust Overview • Launched in 2008 by CIC and University of California system libraries to archive and share digital collections • Partnership is open to institutions worldwide • Currently: • Nearly 30 partners • 6.6 million digital volumes • 1.3 million public domain • 247 terabytes

  4. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>Internet Archive</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>capture1</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>capture</PREMIS:eventType> <PREMIS:eventDateTime>2008-08-04T19:50:13</PREMIS:eventDateTime> <PREMIS:eventDetail>Initial capture of item</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>Internet Archive</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>scribe7.la.archive.org</PREMIS:linkingAgentIdentifier Value> <PREMIS:linkingAgentRole>image capture</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  5. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>fixity check1</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>fixity check</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:34:02</PREMIS:eventDateTime> <PREMIS:eventDetail>Calculation of md5 hash values for downloaded IA files, comparison with pre-download md5 values</PREMIS:eventDetail> <PREMIS:eventOutcomeInformation> <PREMIS:eventOutcome>warning</PREMIS:eventOutcome> <PREMIS:eventOutcomeDetail> <PREMIS:eventOutcomeDetailNote>files failed checksum validation</PREMIS:eventOutcomeDetailNote> <PREMIS:eventOutcomeDetailExtension> <HT:fileList status="failed"> <HT:file>arcanacaelestiah03swed_files.xml</HT:file> <HT:file>arcanacaelestiah03swed_meta.xml</HT:file> </HT:fileList> ….

  6. … </PREMIS:eventOutcomeDetailExtension> </PREMIS:eventOutcomeDetail> </PREMIS:eventOutcomeInformation> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>md5sum</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  7. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>package inspection1</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>package inspection</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:34:01</PREMIS:eventDateTime> <PREMIS:eventDetail>Inspection of IA download package for missing files</PREMIS:eventDetail> <PREMIS:eventOutcomeInformation> <PREMIS:eventOutcome>pass</PREMIS:eventOutcome> </PREMIS:eventOutcomeInformation> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>ingest_ia_volumes.pl</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  8. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>mod1_image_header</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>image header modification</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:34:29</PREMIS:eventDateTime> <PREMIS:eventDetail>Image header modification to HathiTrust conventions</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>ingest_ia_volumes.pl</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> …

  9. <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>exiftool</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  10. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>mod2_file_rename</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>file rename</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:34:03</PREMIS:eventDateTime> <PREMIS:eventDetail>File renaming to HathiTrust conventions</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>ingest_ia_volumes.pl</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  11. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>mod3_ocr_split</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>ocr split</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:34:05</PREMIS:eventDateTime> <PREMIS:eventDetail>Splitting of IA XML OCR into one plain text OCR file and one XML file (with coordinates) per page</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>ingest_ia_volumes.pl</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  12. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>mod4_ia_mets_creation</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>ia mets creation</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:34:30</PREMIS:eventDateTime> <PREMIS:eventDetail>Creation of IA METS file</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>ingest_ia_volumes.pl</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  13. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>message digest calculation1</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>message digest calculation</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:34:30</PREMIS:eventDateTime> <PREMIS:eventDetail>Calculation of page-level md5 checksums</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>md5sum</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  14. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>validation1</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>validation</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:34:30</PREMIS:eventDateTime> <PREMIS:eventDetail>IA METS validation</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>Xerces-C</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  15. <PREMIS:object xsi:type="PREMIS:representation"> <PREMIS:objectIdentifier> <PREMIS:objectIdentifierType>identifier</PREMIS:objectIdentifierType> <PREMIS:objectIdentifierValue>uc2.ark:/13960/t2p55qw6d</PREMIS:objectIdentifierValue> </PREMIS:objectIdentifier> <PREMIS:preservationLevel> <PREMIS:preservationLevelValue>1</PREMIS:preservationLevelValue> </PREMIS:preservationLevel> <PREMIS:significantProperties> <PREMIS:significantPropertiesType>file count</PREMIS:significantPropertiesType> <PREMIS:significantPropertiesValue>1584</PREMIS:significantPropertiesValue> </PREMIS:significantProperties> <PREMIS:significantProperties> <PREMIS:significantPropertiesType>page count</PREMIS:significantPropertiesType> <PREMIS:significantPropertiesValue>528</PREMIS:significantPropertiesValue> </PREMIS:significantProperties> </PREMIS:object>

  16. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>transformation1</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>transformation</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:34:30</PREMIS:eventDateTime> <PREMIS:eventDetail>Transformation of files for ingest: mod1-mod4 in IA METS</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>ingest_ia_volumes.pl</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  17. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>page feature mapping1</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>page feature mapping</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:35:48</PREMIS:eventDateTime> <PREMIS:eventDetail>Map original page feature tags to HathiTrust</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>GROOVE</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  18. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>fixity check1</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>fixity check</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:34:39</PREMIS:eventDateTime> <PREMIS:eventDetail>Validation page-level md5 checksums</PREMIS:eventDetail> <PREMIS:eventOutcomeInformation> <PREMIS:eventOutcome>pass</PREMIS:eventOutcome> </PREMIS:eventOutcomeInformation> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>md5sum</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  19. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>ingestion1</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>ingestion</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:35:48</PREMIS:eventDateTime> <PREMIS:eventDetail>Ingestion of object package into repository</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>GROOVE</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

  20. <PREMIS:event> <PREMIS:eventIdentifier> <PREMIS:eventIdentifierType>UM</PREMIS:eventIdentifierType> <PREMIS:eventIdentifierValue>validation1</PREMIS:eventIdentifierValue> </PREMIS:eventIdentifier> <PREMIS:eventType>validation</PREMIS:eventType> <PREMIS:eventDateTime>2010-04-27T16:35:18</PREMIS:eventDateTime> <PREMIS:eventDetail>Validation of object components</PREMIS:eventDetail> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>AgentID</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>UM</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>Executor</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>GROOVE</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifier> <PREMIS:linkingAgentIdentifierType>tool</PREMIS:linkingAgentIdentifierType> <PREMIS:linkingAgentIdentifierValue>jhove1.5</PREMIS:linkingAgentIdentifierValue> <PREMIS:linkingAgentRole>software</PREMIS:linkingAgentRole> </PREMIS:linkingAgentIdentifier> </PREMIS:event>

More Related