Link extinction ( engelska link rot , bokstavligen - link rot ) är en process där de använda webbadresserna inte längre leder till den ursprungliga källan. Sådana länkar kallas trasiga eller döda länkar . Två huvudprocesser förstås som utrotning eller förfall: referensröta ( utrotning av fotnoter) och länkröta ( utrotning av länkar). I det första fallet fortsätter URL : en att fungera, men leder till en felaktig eller modifierad sida. Detta fenomen kallas även för innehållsdrift . Drift är svårare att upptäcka, men det får mer betydande konsekvenser, eftersom det bidrar till spridning av desinformation eller utbyte av begrepp. I fallet med länkröta går det inte att nå länken , vilket gör att användare förlorar åtkomsten till webbsidan .
Länkar kan sluta fungera av olika anledningar. Ibland kräver detta bara att ett tecken i URL:en ändras. Till exempel slutade många webbplatser att använda prefixet "www", och även om deras innehåll förblev detsamma slutade de ursprungliga länkarna att fungera. Detsamma kan hända med implementeringen av kryptering och övergången från " http: " till " https: ". Dessutom byter webbplatsägare namn på kataloger, ändrar domännamn och portalstruktur och glömmer att uppdatera domänregistreringen - allt detta leder till trasiga länkar.
Länkutrotning fortskrider med tiden. Så från 1996 till 2021 slutade en fjärdedel av länkarna till tredjepartsresurser i artiklarna i The New York Times (NYT) att fungera . Uppgifterna erhölls från analysen av över 550 000 publikationer av medlemmar av Harvard Law School i samarbete med NYT-journalister [1] [2] [3] .
Hyperlänkar används i stor utsträckning inte bara i daglig kommunikation utan också i tidskriftsartiklar, vetenskapliga rapporter och andra typer av publikationer. Deras popularitet beror på deras bekvämlighet och prisvärdhet. Till exempel, enligt Harvard juridikprofessor Lawrence Lessig , kan citerade onlineartiklar potentiellt nå fler läsare eftersom de kan nås "bara genom att klicka på en länk." Samtidigt flyttar allt fler tidningar och tidskrifter på nätet. En analys av mer än 100 000 artiklar visade att det genomsnittliga antalet citeringar av tryckta verk var 2,74 och onlineversioner - 7,03 [4] . Andelen artiklar som citerar minst en webbadress ökade från 24 % 2006 till 48,5 % 2013 [5] [6] [7] .
Under utrotning av länkar ( eng. länk rot , bokstavligen - ruttnande länkar ) förstå två huvudprocesser: utplåning av fotnoter ( eng. referens röta ) och utplåning av länkar ( eng. länk rot ). I det första fallet fortsätter URL : en att fungera, men leder till en felaktig eller modifierad sida. Detta fenomen kallas även för innehållsdrift . Till skillnad från tryckta källor kan innehållet på webbsidan ändras utan någon speciell markering. Drift är svårare att upptäcka, men det medför mer betydande konsekvenser, eftersom det bidrar till spridning av desinformation eller utbyte av begrepp [8] . Fallet där URL:en inte är tillgänglig och ger ett fel kallas länkrot [9] [10] [11] [8] [12] [13] [14] .
Den främsta orsaken till att länkar försvinner är decentraliseringen av World Wide Web - webbdesignen innebär inte en centraliserad lagring av innehåll. Upptid för länkar bestäms av domännamnsägare [15] som ofta glömmer att förnya sin domänregistrering, spåra innehåll och spåra trasiga länkar. Dessutom ändras webbplatser regelbundet - på webbsidor ändrar de informationen och strukturen på själva webbplatserna, byter namn på filer och kataloger, flyttar innehåll [16] [2] . Frekvensen och omfattningen av ändringar på en webbsida beror också på dokumentets storlek. Större dokument ändras oftare än mindre [17] . Allt detta leder till att länkar försvinner [4] [8] [18] [16] . År 2009 Yahoo! stänga av GeoCities gratis webbhotellservrar , vilket resulterar i förlust av data på 7 miljoner webbplatser [19] . Dessutom kan utsläckning orsakas av ändrade åtkomstinställningar, till exempel när man registrerar sig eller inför en prenumeration på tidigare öppet innehåll [4] . Länkar kan också försvinna till följd av avsiktliga handlingar. Så efter att BuzzFeeds redaktionella policy ändrades 2015 raderades mer än 1000 inlägg, inklusive de som annonsörer av portalen eller anställda hos partnerföretag tidigare hade klagat på [20] [21] [22] [23] .
En enda teckenändring i URL:en räcker för att göra en länk bruten. Till exempel har många webbplatser slutat använda prefixet "www", och även om deras innehåll inte har ändrats fungerar inte de ursprungliga länkarna längre. Samma sak kan hända med införandet av trafikkryptering: en felaktig inställning när man flyttar från " http: " till " https: " innebär ett "brott" av länken [24] . Om länken är bruten kan användare stöta på flera typer av fel [16] [25] [16] [26] [4] :
Länkbeständighet säkerställs av tre huvudfaktorer: publiceringsår, URL-hierarki och toppdomän [27] [11] . Ju äldre länken är, desto mer sannolikt är det att den inte är tillgänglig. Fotnoter för åtkomstdatum kommer sannolikt att vara mer stabila – även om en webbsida inte är tillgänglig, kommer användarna att kunna använda arkiveringstjänster som Wayback Machine genom att veta om åtkomstdatumet . Toppdomäner anses också vara mer stabila [28] . Privatägda webbplatser tenderar att försvinna oftare än statliga och utbildningssajter [29] . En studie från 2003 visade att länkar som slutar på " .com " dog ut oftast (46 % förlorade efter 27 månader), följt av " .edu " (30%), andra (20%), " .gov " (10 %) och " .org " (5%) [30] .
Från en artikel av Jonathan Zittrain för The Atlantic [15][...] Det visar sig att länkutsläckning och innehållsdrift är en integrerad del av Internet, vilket är föga överraskande och chockerande riskabelt för ett bibliotek som har "miljarder böcker och inget centralt filsystem." Föreställ dig en värld där bibliotek inte existerar och istället finns en "delningsekonomi" av fysiska kopior av böcker - folk kan registrera böckerna de har hemma och andra kan komma och se dem. Naturligtvis är det inte förvånande att ett sådant system kan bli föråldrat när böckerna inte längre finns där de ursprungligen var märkta – särskilt om någon noterade att boken fanns i någon annans hus 2015, och då skulle en annan intresserad läsare se en rapport för 2015 och skulle försöka besöka det ursprungliga hemmet 2021. Detta är den situation som för närvarande utvecklas på Internet.
De första storskaliga studierna om förekomsten av länkutrotning började i slutet av 1990-talet. En av de första forskarna var Jakob Nielsen , expert på webbplatsprestanda. 1998 rapporterade han resultaten av en studie utförd av All Things Web, enligt vilken cirka 6 % av länkarna på Internet var brutna [31] [9] . Därefter analyserade University of Tennessee- professorn Sally McMillan ett urval av webbplatser från 1997-2000 och fann att 27 % av webbadresserna försvann tre år efter skapandet [29] . Efterföljande analys visade att antalet döda länkar ökar linjärt över tiden. Så 2008 fanns döda länkar i 8,3 % av resursadresserna från ett statistiskt signifikant urval av 579 rubriker. Under 2009 hittades trasiga länkar i 13,7 % av webbadresserna från ett urval av 680 webbplatser, och 2010 utgjorde döda länkar 22,4 % av alla webbadresser från ett urval av 736 länkar [11] [9] . År 2021 samarbetade ett team vid Harvard Law School med journalister från The New York Times (NYT) för att genomföra en citeringsviabilitetsstudie baserad på onlineversioner av artiklar som släppts av NYT. Totalt har mer än 550 000 publikationer sedan 1996 studerats, vilka innehöll cirka 2,2 miljoner länkar till tredje parts webbplatser. Studien visade att nästan en fjärdedel av alla länkar som användes vid citering upphörde att fungera [1] [2] [3] [1] [2] [3] .
Ett antal studier har ägnats åt frågan om länkutrotning. De analyserade vetenskapliga artiklar där författarna förlitade sig på internetkällor. En studie från 2003 visade att cirka 13 % av webbadresserna som publicerades i de tre främsta vetenskapliga tidskrifterna gick sönder inom tjugosju månader efter att en artikel publicerades. Under 2008 fann en studie av historiska tidskrifter att 38 % av de citerade webbadresserna blev otillgängliga inom sju år efter att en artikel publicerades och 10 % blev obrukbara inom några månader. I ett urval av Nya Zeelands vetenskapliga tidskrifter från 2002-2005 slutade 30 % av webbcitaten att fungera 2006 [11] . Under 2013 genomförde BMC Bioinformatics en analys av livslängden för länkar i den vetenskapliga litteraturen. Forskarna Jason Hennessy och Steven Xijin Ge vid University of South Dakota analyserade cirka 15 000 citat i utdrag från Web of Science Citation Index . De fann att den genomsnittliga livslängden för webbsidor var 9,3 år och endast 62 % av länkarna arkiverades [24] . Detta har fått forskare att dra slutsatsen att avklingningshastigheten för nya webbadresser är högre än äldre [32] [16] [33] [7] . Forskarna fann också att i ett antal juridiska tidskrifter publicerade mellan 1999 och 2011, fungerade mer än 70 % av länkarna inte längre [24] [9] .
Under 2008 visade en kvartalsanalys av fyra år av ledande publikationer att endast 61 % av 416 onlinecitat behölls. 19 % av onlinefotnoterna innehöll ett fel i webbadressen och 63 % inkluderade inget åtkomstdatum i det publicerade citatet. Av de länkar som fortfarande var aktiva matchade endast 58 % det citerade innehållet [34] [35] [2] . Under 2015 analyserade Herbert Van de Sompel, en informationsspecialist vid Los Alamos National Research Library i New Mexico , mer än 1 miljon webblänkar till webbplatser från cirka 3,5 miljoner tidningar publicerade mellan 1997 och 2012. Under 2012 var 13 % av hyperlänkarna i arXiv.org- artiklar och 22 % av hyperlänkarna i artiklar från Elsevier- tidskrifter döda. Cirka 75 % av länkarna arkiverades inte på någon portal inom två veckor efter publiceringsdatumet för artikeln. Detta innebär att deras innehåll kanske inte längre återspeglar originalet [36] [37] .
Ett utmärkt exempel på omfattningen av länkutrotning är Alex Tews The Million Dollar Homepage -projekt . Portalen lanserades 2005 för att hjälpa Tew att samla in pengar till universitetsutbildning. För att göra detta kom han på en webbplats med ett rutnät på 1000 gånger 1000 pixlar , där du kunde köpa utrymme för att länka till din webbplats för en dollar per styck. Köpare kunde placera små bilder av sina webbplatser, som var länkade till en URL och en slogan som visades när de svävade. Alla pixlar såldes 138 dagar efter lanseringen av portalen. År 2014 laddade 22 % av hemsidans pixlar inte en webbsida [38] [39] .
USA: s högsta domstol har utvecklat en praxis att citera permanenta källor - som regel var det böcker. Sådana citat gjorde det möjligt för advokater och forskare att hitta, förstå och utvärdera domstolens bevis och argument. Men sedan 1996 har domare i allt större utsträckning använt länkar och hyperlänkar när de beskriver domar [40] [12] [41] . Enligt en studie från 2013 av professorn Jonathan Zittrain från Harvard Law School, fungerade inte cirka 49 % av hyperlänkarna i högsta domstolens beslut [42] [43] [44] . Domstolen är överst i hierarkin av federala domstolar, definierar landets lagar och till och med påverkar lagar i internationella jurisdiktioner, så döda referenser i beslut kan vara särskilt skadliga [45] . Till exempel, när domare Samuel Alito hänvisade till en webbadress i ett tv-spelsvåldsärende 2011, övergav domänägarna webbplatsen och lämnade detta meddelande på den för att betona den tillfälliga karaktären hos informationen som publicerades på Internet [46] :
Är du inte glad att du inte citerade den här webbsidan i Högsta domstolens rapport i Brown v. Interactive Entertainment Merchants Association , 131 S.Ct. 2729, 2749 n.14 (2011). Om du gjorde det, som domare Alito gjorde, skulle det ursprungliga innehållet för länge sedan ha varit borta, och någon annan kunde ha kommit in och köpt domänen för att kommentera hastigheten på relaterad information i internetåldern.
För att lösa detta problem började allt webbmaterial som citerades i domstolsbeslut att arkiveras i pappersform. Dessutom skapades en specialiserad portal, där arkiverade kopior av webbplatser lagras [47] .
Liknande problem kan uppstå vid upprättande av protokoll - polisen kan lita på ett register från videobandspelare som publicerats på Internet , som senare kan raderas av ägaren. En annan fråga är hur länge man ska behålla data i systemet - de flesta polisavdelningar har inte tillräcklig teknisk kapacitet för att klara av mängden inkommande data [46] .
Länkutrotning kränker och undergräver integriteten och evidensbasen för vetenskaplig forskning inom alla områden [48] [33] [49] [50] . Redan 1996 var en tredjedel av citaten i peer-reviewed elektroniska tidskrifter inte tillgängliga, och många arbetsreferenser innehöll inte fullständig information - datumet för extraktion saknades, och metadata var felaktigt formaterad [51] . Enligt en studie som genomfördes 2016 pekar 75 % av länkarna till vetenskapligt innehåll inte längre på den information som citeras i texten [52] . Samtidigt växer antalet vetenskapliga artiklar som hänvisar till Internetresurser stadigt [32] . Vissa tidskrifter, som Cancer Research , har börjat förbjuda användningen av webbadresser i fotnoter. Denna praxis är dock snarare ett undantag [30] .
Den utbredda utrotningen av länkar har också lett till en förändring i bibliotekens praxis när det gäller arkivmaterial [9] . Om tidigare papperskopior ansågs vara det huvudsakliga sättet att lagra information, och deras onlineversioner var ett extra alternativ, går nu bibliotek och förlag över till digitalt format, eftersom de tryckta kopiorna är föråldrade [15] . Många bibliotek har börjat skapa sina egna onlinearkiv med permanent tillgång till lagrat material [53] [54] .
Länkutrotning är en integrerad del av det förutspådda digitala mörka tidsscenariot - en situation där det kommer att ske en förlust av elektronisk data i frånvaro av pappersekvivalenter. Förespråkare av denna teori tror att på grund av otillräckliga elektroniska arkiveringsmetoder och den ökande decentraliseringen av Internet, finns det en risk att förlora information om vår era i framtiden [55] [56] . Termen digital mörk tidsålder föreslogs först 1997 vid en internationell konferens av International Federation of Library Associations and Institutions . Definitionen hänvisar till medeltidens era , kännetecknad av den nästan fullständiga frånvaron av skriftliga bevis [57] [58] [59] . Ett av de vanligaste exemplen på den digitala mörka tidsåldern är förlusten av tillgång till gamla enheter och lagringsmedia, inklusive disketter , Zip-enheter och CD- skivor [60] [61] [62] [63] [64] [65] .
Elektronisk arkivering är en av huvudstrategierna för att hantera länkutsläckning [10] . Det finns flera stora projekt inom detta område. 1996 grundade den amerikanska programmeraren Brewster Cale " Internet Archive " - en ideell organisation som satte sig som mål att bevara all information som publicerades på Internet, vilket inte var så mycket under de första åren av nätverket. Arkivsamlingen består av undersamlingar av arkiverade webbplatser, digitaliserade böcker, ljud- och videofiler, spel och programvara. 2001 lanserades tjänsten Wayback Machine , som genom arbetet med webbsökare arkiverar och ger tillgång till det mesta av det öppna Internet. Dessutom tillåter tjänsten användare att jämföra olika versioner av redigeringar. Från och med oktober 2021 gav WB tillgång till över 580 miljarder sparade webbsidor [66] [67] [68] [66] [69] . Datalagring utförs genom ett system av spegelplatser belägna på geografiskt avlägsna platser [70] - i San Francisco , Richmond , Alexandria , Amsterdam . För effektiv fillagring använder "Arkiv" arkivfilformatet ( ARC ), vilket gör att du kan spara filer som tas emot över alla typer av nätverksprotokoll . Arkiverade bilder visas i HTML , JavaScript och CSS -format [70] [24] [9] [32] .
På initiativ av Arkivet skapades också tjänsten Archive It - en webbarkiveringstjänst som gör det möjligt för individer och enskilda organisatörer att självständigt samla in, skapa och spara samlingar av elektroniskt material. Från och med oktober 2021 har användare tillgång till mer än 200 samlingar om historia, kultur, vetenskap, mänskliga rättigheter och andra socialt viktiga ämnen [70] [24] [9] [32] .
Liknande Wayback Machine-projektet är Perma.cc , en arkiveringstjänst skapad av Harvard Law School Library i Cambridge, Massachusetts . I Perma.cc kan du ange en URL och systemet kommer automatiskt att arkivera den och skapa en ny hyperlänk för att permanent lagra materialet [36] [9] . Perma används oftast inom det juridiska området för att bevara citerade källor [71] . The Bluebook stilistisk guide , som är vanlig i USA, uppmuntrar arkivering av länkar [72] [73] . Vissa forskare pekar dock på portalens potentiella sårbarhet, eftersom den nuvarande upphovsrättslagstiftningen inte uppmärksammar existensen och driften av webbarkiv tillräckligt [74] .
Open source-projektet Amber, skapat av Berkman Klein Center for Internet & Society , låter dig ta ögonblicksbilder av varje sida som är associerad med en arkiverad webbplats och spara dem lokalt eller på en centraliserad plattform som Internet Archive eller Perma. cc. Om projektet upptäcker att länken är trasig eller inte fungerar korrekt när material introduceras i Amber, föreslår Amber arkivering [9] [75] .
För att bekämpa länkutrotning inom det vetenskapliga området används Digital Object Identifier (DOI), som utvecklades av International Organization for Standardization år 2000. DOI är en beständig identifierare som fungerar som en länk till ett specifikt objekt, oavsett om det är en artikel, ljud eller video [30] [32] . När det väl har tilldelats en DOI får ett objekt en "permanent" klibbig länk, som till skillnad från URL:er inte kan flyttas eller raderas. Många förlag har anpassat systemet [76] . DOI lagras i specialiserade register tillsammans med metadata om varje enskilt element. Citering av verk utförs genom en numerisk identifierare, och inte genom en hyperlänk. Ett sådant system låter dig skapa stabilitet inom området vetenskaplig citering - även om materialet överförs till en ny URL kommer det fortfarande att vara tillgängligt [77] . Enligt olika uppskattningar är det med hjälp av den utbredda introduktionen av DOI möjligt att förhindra utplåning av 30-60 % av länkarna i vetenskapliga artiklar [32] [78] [24] [77] . DOI har dock en betydande nackdel - på grund av behovet av att betala en avgift för registrering av verk har många små förlag inte råd att implementera systemet [30] .