Národní standard formátů pro archivaci

Zpracovávání omezené množiny vybraných formátů v rámci životního cyklu dokumentu u původce nebo případně posléze archiválie v archivu – tzv. formátová normalizace – se ukázalo efektivním nástrojem řešení středně- a dlouhodobého uložení a zpřístupňování digitálních objektů dle mezinárodního standardu Otevřeného archivačního informačního systému (ČSN ISO 14721:2014).

Tato strategie se odráží v definici druhů dokumentů a stanovených formátů, prezentovaných v § 23 vyhlášky č. 259/2012 Sb. Primárně jsou určeny ke standardizovanému zajištění příjmu, vyřízení a uložení dokumentů v prostředí elektronického systému spisové služby. Mají zajistit jak občanům, tak úřadům, podání a doručení dokumentu ve formátu, který mohou zobrazit většinově běžnými prostředky výpočetní techniky bez nutnosti instalace specializovaných (proprietárních) programů. Současně jsou vhodné vzhledem ke své povaze i pro krátkodobé, střednědobé i dlouhodobé uložení v prostředí elektronických spisoven a digitálních archivů.

Zároveň však tato skupina formátů nemůže ve své úplnosti postihnout komplexní digitální objekty, které původci vytvářejí mimo elektronické systémy spisové služby, zejm. ve (specializovaných) informačních systémech, a to mnohdy i již historických s omezenými možnostmi exportu, či spravovaných nebo dokonce zveřejňovaných prostřednictvím různých dalších aplikací v podobě webových stránek/portálů, sociálních sítí atd. I tento informačních obsah může mít a má trvalou hodnotu danou politickým, hospodářským, právním, historickým, kulturním, vědeckým nebo informačním významem. V neposlední řadě se v prostředí digitálních archivů uchovává řada digitálních reprodukcí archiválií vzniklých z analogové podoby. V řadě těchto případů mohou při volbě uchovávacího formátu vedle univerzálnosti, robustnosti a odolnosti proti chybám převažovat na místo otevřenosti a bezpoplatkovosti formátu také kritéria hustoty záznamu a efektivity uložení komplexních objektů, kde se předpokládá jejich prezentace v tomtéž nebo obdobném specializovaném prostředí (např. rozsáhlé multimediální archivy, geodatové sbírky, databázové systémy atd.). Výběr vhodného archivního formátu musí respektovat princip zachování co nejlepší kvality, pokud možno bez ztráty informace při případné migraci. Obecně je třeba při výběru archivního formátu zohlednit také jeho udržitelnost, rozšíření a podporu uživatelské a archivní komunity v podobě dostupnosti nástrojů a aplikací pro jejich prezentaci a zpracování (např. s využitím open-source).

Podrobný popis jednotlivých formátů využívá údaje Kongresové knihovny ve Washingtonu (https://www.loc.gov/preservation/digital/formats/fdd/browse_list.shtml), Národního archivu Spojených států amerických ve Washingtonu https://www.archives.gov/records-mgmt/policy/transfer-guidance-tables.html a příslušných tuzemských a mezinárodních norem ČSN, ISO/IEC, CEN a doporučení AES, EBU, ITU, SMPTE a IEEE.

Informaci, zda příslušný formát v elektronickém systému spisové služby je vhodný při exportu do digitálního archivu, obsahují Formátová pravidla jako součást kontroly vstupních datových balíčků (Submission Information Package, SIP) na adrese https://validatorsip.nacr.cz.

Při přípravě byly využity konzultace s Archivem Českého rozhlasu (M.A. Miloslav Novák, Dipl.Tech. et Ph.D.), Národním filmovým archivem (Mgr. et BcA. Adéla Kudlová), Archivem České televize (Pavel Přibil) a Českým vysokým učením technickým (Ing. Karel Fliegel, Ph.D.).

Legenda k následujícím tabulkám:

formát – název formátu souboru nebo jeho kontejneru

verze – verze formátu souboru/profil formátu souboru nebo jeho kontejneru

PUID – identifikátor formátu, příp. jeho verze) v technickém registru PRONOM (https://www.nationalarchives.gov.uk/PRONOM/), jedná se pouze o orientační údaj, který se může měnit v čase, příp. již neodrážet aktuální vývoj

kódování – vyžadované kódování

standard – zveřejněná specifikace formátu souboru

výstup eSSL – formáty/operace požadované pokud se jedná o výstup ze spisové služby

archivace – formát je vhodný pro dlouhodobé uchovávání

SIP – Submission Information Package

AIP – Archival Information Package (v oblasti multimédií termín MAP – Master Archive Package)

IAP – Intermediate Access Package (v oblasti multimédií se používá jako tzv. mezaninový formát pro označení meziproduktu-intermediátu vhodného pro vytváření dalších DIP)

DIP – Dissemination Information Package (v oblasti multimédií termín DAP – Distribution Access Package)

Zahrnuje formáty používané ke kódování nahraného zvuku, k uložení informací se využívají ztrátové či bezztrátové metody kódování.

Obecné požadavky:

Bitová hloubka min. 16 bitů, doporučeno 24 bitů, vzorkovací frekvence alespoň 44,1 kHz, doporučuje se vzorkování 96 kHz. V případě převodu archivních zvukových záznamů nebo zvukové složky audiovizuálních záznamů se doporučuje min. 48 kHz s hloubkou 24 bitů a bez ekvalizační křivky (v případě jejího použití alespoň uchovat v metadatech její profil). V případě již existujících zvukových záznamů s nižším vzorkovacím kmitočtem nebo hloubkou kvantizace je však vhodnější tyto záznamy rovněž uchovat a nijak je softwarově neupravovat.

Výstup pro výběr dokumentů za archiválie a jejich uchovávání v digitálním archivu.

Spustitelné binární soubory se doporučuje ponechat v původní podobě.

Kategorie zahrnuje databázové formáty, tabulky, statistická či vědecká data. Vzhledem ke komplexnosti rozsáhlých databázových systémů je vhodné upřesnit způsob exportu pro trvalé uložení v archivu s příslušným digitálním archivem/NDA již při návrhu systému. Export může mít podobu pravidelného výstupu datových vět před jejich smazáním z databáze, pravidelné předání snímku databáze po dohodnutém časovém úseku nebo export celé databáze včetně upřesnění nejčastějších databázových dotazů pro zpřístupnění databáze v archivu.

Kategorie zahrnuje zprávy zasílané s využitím výpočetní techniky, zejména protokolu SMTP. Primárně se pro ukládání e-mailových zpráv využije formát PDF/A. Přílohy e-mailů je nutné převést dle požadavků na ostatní formáty. Původní elektronická podání se mohou zároveň předat navíc v původním formátu. Celé e-mailové účty se předávají ve formátu PST/MBOX (nutné zohlednit ochranu soukromí a u veřejnoprávních původců umožnit odstranění informací soukromé povahy).

Výstup pro výběr dokumentů za archiválie a jejich uchovávání v digitálním archivu.

Fonty se ponechávají v původní podobě, pokud není stanoveno jinak.

Webové stránky mohou zahrnovat jak obsah přístupný v síti Internet, tak i obsah, který je prezentován v rámci lokální sítě intranet.

Již při designu webových stránek je vhodné dodržet zásady přístupnosti – viz např. Metodický pokyn k zákonu č. 99/2019 Sb., o přístupnosti internetových stránek a mobilních aplikací a o změně zákona č. 365/2000 Sb., o informačních systémech veřejné správy a o změně některých dalších zákonů, ve znění pozdějších předpisů (včetně požadavků normy EN 301 549 V3.2.1), což usnadní i realizaci exportu pro trvalé uložení.

Primárním způsobem uložení webových stránek v prostředí Internet je harvesting, kdy rozsah a frekvenci je nutné dopředu domluvit s příslušným archivem. Tento způsob však nedokáže zahrnout export databází, autorizovaného obsahu, komplexních JAVA skriptů nebo třeba streamovaného videa, které musí být při exportu předány způsobem odpovídajícím charakteru těchto dat (dle kategorizace výše).

Lokálně vytvořený export by měl zahrnout obsah celé domény včetně vnitřně odkazovaných URL.

Výstup pro výběr dokumentů za archiválie a jejich uchovávání v digitálním archivu.

U souborů pro komprimaci dat se vyžaduje jejich dekomprimace a uplatnění požadovaných formátových převodů na obsažené soubory. V původní podobě se předává pouze ve vybraných případech (kontejnery ASiC).

Kategorie zahrnuje elektronické dokumenty využívající elektronické autentizační prvky (např. FO/ZFO, ASiC). U většiny se vyžaduje převod obsažených dokumentů do výstupního datového formátu a zároveň předání originálu.

U obrazů disku se vyžaduje jejich dekomprimace a uplatnění požadovaných formátových převodů na obsažené soubory. Zároveň se předává obraz disku v původní podobě.

Formáty pro zaznamenávání, kopírování, přehrávání, vysílání a zobrazování statického obrazu.

V případě nové digitalizace archivních fotografických záznamů v paměťových institucích se doporučuje uchovat jak mateční záznam v podobě surových dat obvykle v závislém barevném prostoru, s barevným profilem (.icc/3d lut) a bez ořezu snímací okeničky (Digital Source Negative, DSN), tak postprodukčně upravený, níže doporučený standardní formát vhodný k dlouhodobé archivaci již s rozlišením a velikostí obrazu jako má distribuční formát. V případě potřeby časté výroby distribučních formátů v různém rozlišení podle účelu prezentace se doporučuje z akvizičního formátu (SIP) vytvořit tzv. mezaninový formát-intermediát (Intermediate Access Package, IAP), který je vhodný pro výrobu distribučních formátů (DIP). Soubor pro dlouhodobé uložení by měl být v nejvyšší originální dostupné bitové hloubce/rozlišení, bez použití následné interpolace/zvýšení bitové hloubky.

Pokud nejsou obrazová data uložena v nezávislém barevném prostoru (device independent color space) např. CIE XYZ, CIE LAB, pak je žádoucí použitý barevný prostor jasně specifikovat a u závislých prostorů připojit také barevné profily (International Color Consortium - ICC profile).

Výstup pro výběr dokumentů za archiválie a jejich uchovávání v digitálním archivu.

U grafiky využívající vektorové algoritmy se vyžaduje převod do PDF/A v podobě náhledu a zároveň předání souboru v původní podobě.

Uplatňuje se postup dle požadavků pro Textové dokumenty.

Kategorie zahrnuje formáty pro zaznamenání prostorových, tj. geografických a mapových dat.

Vzhledem ke své komplexnosti může být řešením exportu z informačního systému spravujícího prostorová data datový balíček tzv. GeoSIP dle metodiky Transformace digitálních prostorových dat pro účely trvalého uložení v digitálním archivu (https://www.mvcr.cz/soubor/metodicky-navod-c-3-2022-narodniho-archivu-transformace-digitalnich-prostorovych-dat-pro-ucely-trvaleho-ulozeni-v-digitalnim-archivu.aspx).

Výstup pro výběr dokumentů za archiválie a jejich uchovávání v digitálním archivu.

Obsah prezentovaný skrze sociální média (např. Facebook, Twitter, Slack, LinkedIn, Instagram atd.).

Primárním způsobem uložení webových stránek v prostředí Internet je harvesting, kdy rozsah a frekvenci je nutné dopředu domluvit s příslušným archivem.

Při lokálním exportu z účtu příslušného sociálního média je vhodné vybrat možnost exportu v HTML (+ CSV).

Postup dále dle kategorie Webové stránky.

Zahrnuje formáty 2D a 3D zobrazení využívané při tvorbě a výměně dat v oblasti grafických, geometrických, matematických a inženýrských aplikací.

Výstup pro výběr dokumentů za archiválie a jejich uchovávání v digitálním archivu.

Kategorie zahrnuje formáty reprezentující soubory textové a kombinované textové a obrazové dokumenty. Jedná se zpravidla o vyjádření ve strukturované nebo nestrukturované podobě, ve značkovacím jazyce nebo např. reprezentace zdrojových kódů.

Výstup pro výběr dokumentů za archiválie a jejich uchovávání v digitálním archivu.

Kategorie zahrnuje účetní záznamy v elektronické podobě.

Výstup pro výběr dokumentů za archiválie a jejich uchovávání v digitálním archivu.

Formáty pro zaznamenávání, kopírování, přehrávání, vysílání a zobrazování pohyblivého obrazu.

V případě nové digitalizace archivních kinematografických a některých audiovizuálních záznamů v paměťových institucích se doporučuje uchovat jak mateční záznam v podobě surových dat obvykle v závislém barevném prostoru a bez ořezu snímací okeničky (Digital Source Master, DSM), tak postprodukčně upravený, níže doporučený standardní formát vhodný k dlouhodobé archivaci již v nezávislém barevném prostoru (Digital Cinema Master, DCDM) s rozlišením a velikostí obrazu jako má distribuční formát (DIP). V případě potřeby časté výroby distribučních formátů v různém rozlišení podle účelu prezentace se doporučuje z akvizičního formátu (SIP) vytvořit tzv. mezaninový formát-intermediát (Intermediate Access Package, IAP), který je vhodný pro výrobu distribučních formátů (DIP).

Pro dlouhodobou archivaci a distribuční intermediát (IAP) se doporučuje využít formát založený na vnitrosnímkové kompresi (intra-frame) namísto mezisnímkového prediktivního kódování (inter-frame) vhodného pro distribuční formáty (DIP).

Pokud nejsou obrazová data uložena v nezávislém barevném prostoru (device independent color space) např. CIE XYZ, CIE LAB, pak je žádoucí použitý barevný prostor jasně specifikovat (např. ITU-R BT. 601, 709, 2020, 2100, DCI-P3 SMPTE EG 432-1, SMPTE RP 431-2 apod.) a u závislých prostorů vždy připojit použitý barevný profil, resp. převodní barevnou tabulku (3d lut).

Výstup pro výběr dokumentů za archiválie a jejich uchovávání v digitálním archivu.