基于智慧校園的高校網(wǎng)站網(wǎng)頁(yè)歸檔研究

孫婷婷 張軼群 柳萍

摘 要：高校網(wǎng)站作為智慧校園建設(shè)的基礎(chǔ)平臺(tái)，產(chǎn)生了海量的網(wǎng)頁(yè)數(shù)據(jù)，這些數(shù)據(jù)多源、異構(gòu)且復(fù)雜，并且從產(chǎn)生、發(fā)布到展示均是以電子形式進(jìn)行。文章分析國(guó)內(nèi)外有關(guān)高校網(wǎng)站網(wǎng)頁(yè)歸檔的現(xiàn)狀，總結(jié)其中存在的問(wèn)題，結(jié)合東南大學(xué)實(shí)踐提出具有高校特色的網(wǎng)站網(wǎng)頁(yè)歸檔管理體系。

關(guān)鍵詞：高校網(wǎng)站；網(wǎng)頁(yè)歸檔；歸檔策略；東南大學(xué)

近年來(lái)隨著高校智慧校園及“雙一流”建設(shè)的推進(jìn)，高校網(wǎng)站成了教學(xué)資源共享、師生互動(dòng)交流、部門(mén)協(xié)同辦公的綜合信息集成服務(wù)平臺(tái)，產(chǎn)生了海量的網(wǎng)頁(yè)數(shù)據(jù)和電子文件。但受人為操作、軟硬件升級(jí)、網(wǎng)站改版等原因影響，這些網(wǎng)頁(yè)數(shù)據(jù)及文件具有易逝性，因此需要及時(shí)歸檔，保證網(wǎng)頁(yè)檔案信息資源長(zhǎng)久保存。

一、 國(guó)際國(guó)內(nèi)現(xiàn)狀

1996年國(guó)外已開(kāi)始網(wǎng)站網(wǎng)頁(yè)歸檔研究與實(shí)踐，最早主要有澳大利亞網(wǎng)絡(luò)文件保存和獲取項(xiàng)目（PANDORA）、英國(guó)網(wǎng)絡(luò)信息保存聯(lián)盟計(jì)劃（UKWAC），美國(guó)國(guó)會(huì)圖書(shū)館網(wǎng)絡(luò)信息保存項(xiàng)目（MINERVA）等，此后法國(guó)、加拿大、韓國(guó)等國(guó)家和組織也相繼開(kāi)展相關(guān)工作。2003年，國(guó)際互聯(lián)網(wǎng)保存聯(lián)盟（IIPC）[1]成立，截至2022年2月，共有52個(gè)成員機(jī)構(gòu)，涵蓋了超過(guò)45個(gè)國(guó)家的檔案館、圖書(shū)館、學(xué)校等。大多數(shù)高校如哥倫比亞大學(xué)、康奈爾大學(xué)、加州大學(xué)洛杉磯分校與美國(guó)互聯(lián)網(wǎng)檔案館（Internet Archive）合作。美國(guó)互聯(lián)網(wǎng)檔案館是1996年成立的世界上最大的在線數(shù)字檔案館，最主要的工作就是對(duì)互聯(lián)網(wǎng)上的網(wǎng)頁(yè)進(jìn)行數(shù)字建檔。[2]截至目前，其“Archive-It”網(wǎng)站歸檔項(xiàng)目已經(jīng)與387個(gè)高校、高校院系、高校附屬機(jī)構(gòu)以及高校檔案館進(jìn)行合作。[3]

我國(guó)網(wǎng)站網(wǎng)頁(yè)歸檔研究與實(shí)踐起步較晚，最早是2001年北京大學(xué)網(wǎng)絡(luò)實(shí)驗(yàn)室的中國(guó)Web信息博物館項(xiàng)目，其收錄了幾乎所有中文網(wǎng)站的網(wǎng)頁(yè)信息。2003年國(guó)家圖書(shū)館開(kāi)始從事網(wǎng)絡(luò)信息資源采集與保存實(shí)驗(yàn)項(xiàng)目（WICP），對(duì)中國(guó)境內(nèi)的互聯(lián)網(wǎng)資源進(jìn)行采集與保存。此后，國(guó)家圖書(shū)館加入IIPC，成立了國(guó)家圖書(shū)館互聯(lián)網(wǎng)信息保存保護(hù)中心，[4]并于2021年啟動(dòng)互聯(lián)網(wǎng)信息戰(zhàn)略保存項(xiàng)目。但是我國(guó)檔案部門(mén)的網(wǎng)站網(wǎng)頁(yè)歸檔工作仍處于探索階段，目前僅有少數(shù)網(wǎng)站網(wǎng)頁(yè)歸檔試點(diǎn)單位。此外，也有少數(shù)高校開(kāi)展網(wǎng)站網(wǎng)頁(yè)歸檔工作，如臺(tái)灣大學(xué)自2006年起開(kāi)發(fā)網(wǎng)頁(yè)歸檔系統(tǒng)，建立了臺(tái)灣網(wǎng)站典藏庫(kù)，至今已收錄10大類(lèi)共計(jì)52個(gè)網(wǎng)站。[5]

二、 高校網(wǎng)站網(wǎng)頁(yè)歸檔存在的問(wèn)題

綜合國(guó)內(nèi)外現(xiàn)狀可見(jiàn)，我國(guó)的網(wǎng)站網(wǎng)頁(yè)歸檔尚處于起步階段，高校網(wǎng)站網(wǎng)頁(yè)歸檔工作更是處于萌芽階段，存在著以下幾點(diǎn)亟待解決的問(wèn)題。

1. 管理辦法缺失

2019年12月，國(guó)家檔案局發(fā)布《政府網(wǎng)站網(wǎng)頁(yè)歸檔指南》，政府網(wǎng)站網(wǎng)頁(yè)歸檔工作有了統(tǒng)一的指導(dǎo)標(biāo)準(zhǔn)。政府出臺(tái)的規(guī)范標(biāo)準(zhǔn)雖對(duì)高校具有指導(dǎo)借鑒意義，但由于兩者網(wǎng)頁(yè)信息存在差異，在實(shí)際工作中不能完全適用。筆者通過(guò)調(diào)研北京、上海、江蘇、浙江、重慶、東北等地區(qū)的30余所高校，發(fā)現(xiàn)其中開(kāi)展網(wǎng)站網(wǎng)頁(yè)歸檔工作且制定相關(guān)管理辦法的高校寥寥無(wú)幾。政府或?qū)W校管理辦法的缺失，使得高校網(wǎng)站網(wǎng)頁(yè)歸檔工作“無(wú)章可循”，出現(xiàn)種種問(wèn)題。并且由于缺乏政策認(rèn)可與指導(dǎo)，高校對(duì)網(wǎng)站網(wǎng)頁(yè)的認(rèn)識(shí)度和利用度有限，缺乏有效的支持與信息反饋，難以開(kāi)展或推進(jìn)網(wǎng)站網(wǎng)頁(yè)歸檔項(xiàng)目，更難反推管理辦法的制定，由此陷入惡性循環(huán)，制約了高校網(wǎng)站網(wǎng)頁(yè)歸檔工作的開(kāi)展。

2. 采集歸檔方式局限

目前高校多采用選擇性采集和被動(dòng)歸檔相結(jié)合的方式。選擇性采集是選擇符合一定標(biāo)準(zhǔn)的特定網(wǎng)站網(wǎng)頁(yè)或文件進(jìn)行采集；被動(dòng)歸檔是由檔案管理系統(tǒng)下達(dá)網(wǎng)頁(yè)采集任務(wù)，利用采集工具抓取指定網(wǎng)頁(yè)信息并歸檔。其局限性在于對(duì)采集內(nèi)容的選擇標(biāo)準(zhǔn)具有主觀性，且易割裂采集內(nèi)容與周?chē)h(huán)境、背景知識(shí)等相關(guān)網(wǎng)頁(yè)的聯(lián)系。也有少數(shù)高校采用完整性采集和被動(dòng)歸檔相結(jié)合的方式。完整性采集是對(duì)特定網(wǎng)絡(luò)域的所有網(wǎng)頁(yè)信息進(jìn)行完整采集。這種完整性采集與被動(dòng)歸檔相結(jié)合的缺點(diǎn)在于周期長(zhǎng)、頻率低、成本高，兩個(gè)采集時(shí)間節(jié)點(diǎn)之間發(fā)生更新的網(wǎng)頁(yè)信息無(wú)法歸檔，造成大量的信息遺漏，且無(wú)法實(shí)施深層網(wǎng)絡(luò)資源采集，歸檔的信息質(zhì)量較差。

3. 歸檔范圍、內(nèi)容片面

高校網(wǎng)站涵蓋范圍廣泛，包含主站、二級(jí)單位網(wǎng)站及微博微信等。這些網(wǎng)站網(wǎng)頁(yè)形式多樣，更新發(fā)布信息頻繁，具有復(fù)雜性、異構(gòu)性和動(dòng)態(tài)性等特點(diǎn)。因此對(duì)高校檔案館的人力、資金、技術(shù)等方面具有較高的要求，能將這些網(wǎng)站網(wǎng)頁(yè)全部歸檔的少之又少。目前國(guó)內(nèi)高校多是在校內(nèi)網(wǎng)絡(luò)范圍內(nèi)選擇性地采集歸檔相關(guān)網(wǎng)頁(yè)，如校報(bào)、校內(nèi)新聞等網(wǎng)頁(yè)，歸檔內(nèi)容基本局限于純文本或網(wǎng)頁(yè)快照，缺乏與網(wǎng)頁(yè)相關(guān)的多媒體內(nèi)容、元數(shù)據(jù)等信息，大大降低了網(wǎng)頁(yè)檔案的憑證價(jià)值和利用價(jià)值。

三、 東南大學(xué)網(wǎng)站網(wǎng)頁(yè)歸檔實(shí)踐策略

2020年起，東南大學(xué)按照“統(tǒng)籌規(guī)劃、量力而行、分期建設(shè)”的原則，通過(guò)調(diào)研學(xué)校網(wǎng)站群網(wǎng)絡(luò)架構(gòu)、平臺(tái)建設(shè)和信息內(nèi)容等情況，統(tǒng)籌規(guī)劃實(shí)踐工作，按網(wǎng)站類(lèi)型和實(shí)施難易度確定分期建設(shè)的目標(biāo)，至2021年底已完成65萬(wàn)余條網(wǎng)頁(yè)數(shù)據(jù)及文件的歸檔工作，2022年將完成學(xué)校官方微博和微信網(wǎng)頁(yè)歸檔。通過(guò)借鑒國(guó)內(nèi)外經(jīng)驗(yàn)，以及對(duì)做法進(jìn)行不斷總結(jié)與完善，逐步探索出具有較強(qiáng)可行性的高校網(wǎng)站網(wǎng)頁(yè)歸檔實(shí)踐策略。

該策略通過(guò)建立一套完善的網(wǎng)站網(wǎng)頁(yè)歸檔體系，完成前端平臺(tái)構(gòu)建、管理制度建設(shè)、采集歸檔方式選擇以及數(shù)據(jù)檢測(cè)與利用等工作，從而形成良好的“生態(tài)系統(tǒng)”，系統(tǒng)各部分要素節(jié)點(diǎn)相輔相成、結(jié)合互補(bǔ)、互相推動(dòng)、缺一不可，最終實(shí)現(xiàn)網(wǎng)站網(wǎng)頁(yè)歸檔從前端控制、過(guò)程實(shí)施到后端管理的一體化、全過(guò)程管理。

1. 前端平臺(tái)構(gòu)建

（1）構(gòu)建系統(tǒng)平臺(tái)

構(gòu)建系統(tǒng)平臺(tái)的目的是對(duì)歸檔數(shù)據(jù)進(jìn)行前端控制，將多種采集和歸檔方式結(jié)合并舉。一方面，依托智慧校園網(wǎng)站群系統(tǒng)的主動(dòng)推送，實(shí)現(xiàn)校內(nèi)網(wǎng)站多站點(diǎn)、多欄目統(tǒng)一管理及信息集成，完整地將網(wǎng)站群上的數(shù)據(jù)進(jìn)行歸檔。另一方面，建立完善的網(wǎng)頁(yè)采集機(jī)制，通過(guò)下達(dá)任務(wù)，對(duì)校外站點(diǎn)數(shù)據(jù)進(jìn)行被動(dòng)抓取。兩種方式優(yōu)勢(shì)互補(bǔ)，有效提高數(shù)據(jù)信息的廣度和精度，保障歸檔網(wǎng)頁(yè)數(shù)據(jù)的齊全完整。

（2）搭建數(shù)據(jù)橋梁

在智慧校園網(wǎng)站群系統(tǒng)與檔案管理系統(tǒng)之間開(kāi)通數(shù)據(jù)接口，實(shí)現(xiàn)數(shù)據(jù)的無(wú)縫對(duì)接。在網(wǎng)頁(yè)采集程序與檔案管理系統(tǒng)之間開(kāi)通數(shù)據(jù)接口，實(shí)現(xiàn)校外站點(diǎn)數(shù)據(jù)的抓取與傳輸。通過(guò)這兩座“橋梁”，實(shí)現(xiàn)前、后端互聯(lián)互通，能夠進(jìn)行數(shù)據(jù)解析、清洗與去重、關(guān)系映射與轉(zhuǎn)換等[6]，提高歸檔數(shù)據(jù)質(zhì)量，最終至檔案管理系統(tǒng)進(jìn)行長(zhǎng)久保存，并在專(zhuān)題數(shù)據(jù)庫(kù)集成與展示。

2. 管理制度建設(shè)

（1）定義歸檔范圍

為了確保來(lái)源不同、態(tài)別不同、構(gòu)成不同的網(wǎng)頁(yè)數(shù)據(jù)與文件應(yīng)收盡收、應(yīng)歸盡歸，首先需要明晰歸檔集成對(duì)象。高校網(wǎng)站網(wǎng)頁(yè)歸檔范圍應(yīng)包含三部分：一是中英文高校主站，二是中英文二級(jí)單位如院系、職能部門(mén)、直屬單位等網(wǎng)站，三是校外站點(diǎn)與本校相關(guān)的重大事件、重要人物、重要事跡以及微博微信等網(wǎng)頁(yè)。東南大學(xué)規(guī)定了網(wǎng)站網(wǎng)頁(yè)歸檔范圍涵蓋東南大學(xué)智慧校園網(wǎng)站群以及校外媒體站點(diǎn)的相關(guān)內(nèi)容，特別是與學(xué)校招生就業(yè)、人才培養(yǎng)、科研教學(xué)等相關(guān)的重要站點(diǎn)。

（2）明確歸檔內(nèi)容

根據(jù)高校網(wǎng)站網(wǎng)頁(yè)信息類(lèi)型及呈現(xiàn)方式，可明確歸檔保存的內(nèi)容。網(wǎng)頁(yè)是內(nèi)容和結(jié)構(gòu)兩方面的結(jié)合：內(nèi)容包含文本內(nèi)容（即網(wǎng)頁(yè)上的純文本）、視覺(jué)內(nèi)容（即網(wǎng)頁(yè)信息的視覺(jué)形式）、多媒體內(nèi)容（圖片、音視頻、動(dòng)畫(huà)等）以及網(wǎng)頁(yè)元數(shù)據(jù)。結(jié)構(gòu)包含外觀（即網(wǎng)頁(yè)整體布局或演示）和行為（即網(wǎng)站內(nèi)外鏈接導(dǎo)航）。東南大學(xué)規(guī)定設(shè)置歸檔字段如文件題名、網(wǎng)站名稱(chēng)等將元數(shù)據(jù)采集歸檔，同時(shí)網(wǎng)頁(yè)文件及其視頻、圖片等以附件形式歸檔，并且利用技術(shù)手段將源網(wǎng)頁(yè)的可視化圖像進(jìn)行歸檔，保留了網(wǎng)頁(yè)的真實(shí)面貌。

（3）制定檔號(hào)規(guī)則

制定檔號(hào)規(guī)則是對(duì)數(shù)量眾多、內(nèi)容廣泛、形式復(fù)雜的網(wǎng)站網(wǎng)頁(yè)信息進(jìn)行科學(xué)有序管理的必要一環(huán)，需使之兼具唯一性、合理性、穩(wěn)定性、擴(kuò)充性、易操作性，又能夠與本單位檔號(hào)制定規(guī)則相一致。參考《政府網(wǎng)站網(wǎng)頁(yè)歸檔指南》及東南大學(xué)檔案館其他類(lèi)檔案號(hào)的制定規(guī)則，按“檔案門(mén)類(lèi)-歸檔年度-網(wǎng)站級(jí)別-流水號(hào)”規(guī)則設(shè)置，能夠體現(xiàn)檔案門(mén)類(lèi)和網(wǎng)站級(jí)別，便于查找和區(qū)分。

3. 采集歸檔方式選擇

如前文所述，單純只采用某種采集和歸檔方式具有一定的局限性，為解決這些問(wèn)題，依托網(wǎng)站網(wǎng)頁(yè)歸檔系統(tǒng)平臺(tái)，將不同的采集和歸檔方式結(jié)合互補(bǔ)，對(duì)三類(lèi)網(wǎng)頁(yè)數(shù)據(jù)——?dú)v史數(shù)據(jù)、鏈接與校外媒體站點(diǎn)數(shù)據(jù)以及新增與修改數(shù)據(jù)進(jìn)行歸檔，多線并舉，確保網(wǎng)頁(yè)檔案的齊全完整。

（1）完整性采集與主動(dòng)歸檔相結(jié)合

采用完整性采集與主動(dòng)歸檔相結(jié)合的方式，利用檔案管理系統(tǒng)與智慧校園網(wǎng)站群系統(tǒng)之間的接口，將網(wǎng)站網(wǎng)頁(yè)歸檔系統(tǒng)平臺(tái)建立之前網(wǎng)站群上存在的歷史數(shù)據(jù)一次性完整地主動(dòng)推送至檔案管理系統(tǒng)。東南大學(xué)在實(shí)踐中采用此方式實(shí)現(xiàn)了3個(gè)主要站點(diǎn)20余萬(wàn)條歷史數(shù)據(jù)及其相應(yīng)附件的歸檔工作。

（2）選擇性采集與被動(dòng)歸檔相結(jié)合

采用選擇性采集與被動(dòng)歸檔相結(jié)合的方式，對(duì)歷史數(shù)據(jù)中包含的鏈接數(shù)據(jù)的源網(wǎng)頁(yè)信息甚至可視化圖像進(jìn)行捕獲，保證歸檔數(shù)據(jù)的完整性。在實(shí)踐過(guò)程中發(fā)現(xiàn)，網(wǎng)站前臺(tái)發(fā)布人經(jīng)常通過(guò)轉(zhuǎn)載鏈接的方式發(fā)布網(wǎng)頁(yè)信息，因此歸檔后往往只含有一條鏈接，為提高歸檔數(shù)據(jù)質(zhì)量，后續(xù)將在網(wǎng)站網(wǎng)頁(yè)歸檔系統(tǒng)平臺(tái)嵌入網(wǎng)頁(yè)采集機(jī)制對(duì)數(shù)據(jù)進(jìn)行監(jiān)督完善。照此方式，可對(duì)校外媒體站點(diǎn)與東南大學(xué)相關(guān)的網(wǎng)頁(yè)及微博微信等進(jìn)行精準(zhǔn)捕獲，甚至多次捕獲不同時(shí)間節(jié)點(diǎn)的數(shù)據(jù)，確保其完整性與有效性。

（3）前端控制與實(shí)時(shí)監(jiān)測(cè)

采用前端控制與實(shí)時(shí)監(jiān)測(cè)的方式，可解決智慧校園網(wǎng)站群最新發(fā)布的新增數(shù)據(jù)歸檔問(wèn)題。網(wǎng)頁(yè)信息在網(wǎng)站前端一經(jīng)發(fā)布，立即觸發(fā)主動(dòng)歸檔機(jī)制，瞬間將網(wǎng)頁(yè)數(shù)據(jù)及文件推送至檔案管理系統(tǒng)，真正做到網(wǎng)頁(yè)數(shù)據(jù)的“一觸即發(fā)”。若已歸檔的網(wǎng)頁(yè)數(shù)據(jù)在前端發(fā)生修改，系統(tǒng)能夠?qū)崟r(shí)監(jiān)測(cè)并比對(duì)，將修改后再次發(fā)布的數(shù)據(jù)進(jìn)行推送，同時(shí)保存其修改過(guò)程中形成的元數(shù)據(jù)，確保檔案形成證據(jù)鏈的完整性。

4. 數(shù)據(jù)檢測(cè)與利用

為了加強(qiáng)網(wǎng)頁(yè)檔案數(shù)據(jù)的質(zhì)量控制和安全保障，需對(duì)歸檔后的網(wǎng)頁(yè)檔案數(shù)據(jù)進(jìn)行檢測(cè)，推進(jìn)網(wǎng)頁(yè)檔案數(shù)據(jù)資源的整合、服務(wù)和共享。

（1）數(shù)據(jù)檢測(cè)

網(wǎng)頁(yè)從前端創(chuàng)建、發(fā)布到歸檔管理均以電子形式流轉(zhuǎn)，可用四性檢測(cè)方式進(jìn)行檢測(cè)：一是通過(guò)檢測(cè)網(wǎng)頁(yè)元數(shù)據(jù)規(guī)范性、重復(fù)性以及電子文件屬性、存儲(chǔ)路徑等，保證網(wǎng)頁(yè)數(shù)據(jù)及文件的真實(shí)性；二是通過(guò)檢測(cè)歸檔的網(wǎng)頁(yè)文件數(shù)據(jù)總量、元數(shù)據(jù)與內(nèi)容數(shù)據(jù)是否齊全完整等來(lái)保證其完整性；三是網(wǎng)頁(yè)歸檔后，檢測(cè)元數(shù)據(jù)是否可以被正常訪問(wèn)，網(wǎng)頁(yè)文件及附件等是否可以正常瀏覽、下載，格式是否符合歸檔要求等，確保其可用性；四是除權(quán)限設(shè)置外，配備物理措施、數(shù)據(jù)加密技術(shù)、防病毒措施等，同時(shí)采集歸檔文件形成流轉(zhuǎn)過(guò)程中的證據(jù)鏈，保證其安全性。

（2）數(shù)據(jù)利用

為了促進(jìn)網(wǎng)站網(wǎng)頁(yè)檔案數(shù)據(jù)資源開(kāi)發(fā)與利用，應(yīng)積極探索知識(shí)管理、人工智能、數(shù)字人文等技術(shù)在網(wǎng)頁(yè)檔案信息深層加工中的應(yīng)用，通過(guò)建立專(zhuān)題數(shù)據(jù)庫(kù)的形式實(shí)現(xiàn)對(duì)網(wǎng)頁(yè)檔案資源的可視化開(kāi)發(fā)利用。東南大學(xué)在將所有網(wǎng)頁(yè)數(shù)據(jù)及文件歸檔后，建立了網(wǎng)站網(wǎng)頁(yè)檔案專(zhuān)題數(shù)據(jù)庫(kù)，為用戶(hù)提供檢索、統(tǒng)計(jì)、分析、導(dǎo)出等功能，并且歸檔的網(wǎng)頁(yè)文件以及音視頻、圖片等支持在線瀏覽或點(diǎn)播，以便為用戶(hù)提供多元化服務(wù)，助力學(xué)校發(fā)展與科學(xué)研究。

*本文系中國(guó)高等教育學(xué)會(huì)檔案工作分會(huì)一般項(xiàng)目“智慧校園背景下高校網(wǎng)頁(yè)歸檔實(shí)踐與研究”（項(xiàng)目編號(hào)：ZGD-YB-2020-21）階段性研究成果。

注釋與參考文獻(xiàn)

[1]INTERNATIONAL INTERNET PRESERVATION CONSORTIUM-IIPC [EB/OL].[2022-02-18].http：// netpreserve.org/.

[2]楊棄.美國(guó)互聯(lián)網(wǎng)檔案館建設(shè)[J].檔案與建設(shè)，2018（04）：24-26+13.

[3]Archive-It-Web Archiving Services for Libraries and Archives[EB/OL].[2022-02-18].https：//archive-it.org/.

[4]劉青，孔凡蓮.中國(guó)網(wǎng)絡(luò)信息存檔及其與國(guó)外的比較——基于國(guó)家圖書(shū)館WICP項(xiàng)目的研究[J].圖書(shū)情報(bào)工作，2013（18）：80-86+93.

[5]臺(tái)灣大學(xué).臺(tái)灣網(wǎng)站典藏庫(kù)[EB/OL].[2022-02-18]. http：//webarchive.lib.ntu.edu.tw/.

[6]卞咸杰.大數(shù)據(jù)時(shí)代檔案信息資源共享平臺(tái)數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)與應(yīng)用[J].檔案與建設(shè)，2020（10）：25-29.