資料デジタル化の手引の変遷（34）
どーも、吉田です。
前回は、自称「象」を名乗る集団HathiTrustは、実は、「Google」「Internet Archive」「Microsoft」で発生した電子データを「取り込んだ」だけなプロジェクトと揶揄るところから始め、すぐに、手のひらを返して、「プロジェクトとして、「取り込む」ことの大変さを分かってくれ！」と、その偉大さを語り始めた。
そして、最後に、HathiTrust関係者による2010年の発表資料について、軽く触れて、筆をおいた。今回は、その発表資料について、細かく見ていくことにする。
さっそく、資料を見ていくが、冒頭、こんな嘆きをつぶやく。
つまり、「Internet Archiveの電子に仕立てたる文（ふみ）どもを見つるに、その術策（じゅつさく）も造り構へも、書誌（しょし）の注しやうまでも、かの館にて前々より基準と仰ぎゐたるGoogleの定めに、似ても似つかぬ違ひのあまた侍りき。」ということである。
資料の1ページ目の右側、一番上を見ると、
ということで、「HathiTrustはもともとGoogleの納品パッケージを基準に受入・検証環境を構築していた」とのこと。そりゃそうだ。げにさる事ぞかし。
ここで、SIPとAIPについて、説明をする。かの巨象の引き受けたる筆舌に尽くしがたき憂ひのさまを、これほど端的に世の人の胸に知らしむる手立ては、外に侍らざるべければなり。
自称「象」を名乗る集団HathiTrustは、実は、「Google」「Internet Archive」「Microsoft」で発生した電子データを「取り込んだ」だけなプロジェクトである、と何度もお伝えした。つまり、
提供者（作成者）：「Google」「Internet Archive」「Microsoft」
受入・検証・整備実施者（蔵の管理者）：「HathiTrust」
ということを意味している。
「Google」（のようなしっかりとした会社）と、最初の「データ受け入れ体制」を決めた。そこには、吉田の観測だと、6個の「すげぇ」点があった。
（１）Google由来のSIPは、内容と仕様の面で非常に均一だった
（２）解像度、圧縮方式、色、ビット深度などの画像仕様が統制されていた
（３）技術・記述・構造メタデータの仕様が統制されていた
（４）Googleが作成したSource METSが含まれていた
（５）チェックサム、ファイル形式、ページ画像とOCRの対応などを機械的に検証できた
（６）基準適合なら受け入れ、不適合ならエラーとして報告できた
発表資料の中にちりばめられているので、時間の関係上、それぞれの引用個所を画像で示すことはしないので、いったん読んでみて、見つけておいてほしい。
証拠に厚みを持たせるために、もう一つ資料を追加しやう。
冒頭の資料と同じ、「Jeremyさん」による解説である。こちらは、受け入れのときに、何をやっているのか、ということを、一か所に凝縮してくれているので、引用画像としては、スクショしやすいので、こちらを採用。
長くなるが、重要なので、訳しておこう。
符牒（ふてふ）の吟味（Barcode Validation）
文庫に収むるあまたの書物の名札（しるし）は、世の図書の館にて書冊（ふみ）に貼り置かれたる棒縞の符牒（ばーこーど）をもて結び合はせたり。その文字の数や、あやまちを防ぐ定めの数字（ちぇっくでじっと）の狂ひなきかを、厳しく糺（ただ）し見むとす。
姿の変ぜぬ改め（Fixity Check）
寄せられし万（よろづ）の品につきて、新たに検分の符（ちぇっくさむ）を算（かぞ）へ直し、写し取りし元より渡されたる符や、蔵に入るる前に定めたる符と引き合はせて、寸毫（すんがう）も中身の変じ損なはれぬかを確かむるなり。
筋目の乱れなき改め（Consistency Checks）
落丁（らくちゃう）の如く頁（ページ）の順序に欠落はあるまじきか、また写し取りたる画（え）の枚数と、文字を読み解きたる控え（OCR）の数とが、一対一にて狂ひなく寄り合ひゐるかを、漏れなく見定むるなり。
器（うつは）の形の改め（Well-formedness Check）
かの「じぇいほーゔ（JHOVE）」なる細工道具を用ひて、入り来る品々の骨組みが掟通りに正しく結ばれゐるか、また奥底に潜みたる言ひ送り（めたでーた）に狂ひなきかを検分す。
差配の台帳作り（METS file creation）
象の館の掟に従ひて、かの書物の骨相（こっそう）をことごとく書き記したる「めつ（METS）」といふ差配の台帳を編み出だすなり。
永代（えいたい）の道標（Permanent URL）
「はんどる（Handle）」なる仕組みを頼みとし、千代（ちよ）を経（ふ）るとも迷ふよしのなき、永代朽ちざるありかの道標（うらる）を一つひとつの品に授け置く。
蔵への納骨（Deposit）
かくして、仕立て上げたる差配の台帳（METS）と、余れる品々を一つに括（くく）りたる袋（zip）とを、深き土蔵の奥処（おくすが）へと厳かに収め鎮め侍（はべ）るなり。
と こ ろ が、
「Internet Archive」（のような「ユルユルな」会社）から、次の「データ受け入れ」を開始したときに、どのようなことが起きたのか？
Internet Archive由来のSIPは、
（１）未切抜きの元ページ画像と、加工済みのページ画像の両方が含まれていた
（２）メタデータが複数のファイルに分散し、明確な共通スキーマも確認できなかった
（３）パッケージごとに含まれるファイルが一定していなかった
（４）ページ種別の語彙がHathiTrustと異なり、表記揺れや誤記もあった
（５）JPEG 2000の画像ヘッダーに、必要な技術・記述メタデータがない場合があった
（６）IA由来の識別子と、HathiTrustの規則とは異なるファイル命名方式が使われていた
（７）PDF、DjVu、GIFなど、保存対象のファイルから再生成可能と判断された派生ファイルも含まれていた
口汚き謗（そし）りの連なり出づること、数珠（じゅず）の玉の切れたるがごとくにして、心ある耳には聞くに忍びざる気色（けしき）なり。その折ふしに居合はせたる者どもの、胸を焦がしたる苦患（くげん）の深さ、正気を失ひて狂ひ惑ひたるさま、すべてを打ち捨てて嘆き果てたる情（こころ）のほど、いかに痛ましき極みなりけむ、言ふもおろそかなり。
でも、苦難に直面してこそ、進歩がある。このHathiTrustの大騒動は、2010年には、少なくとも、２つの資料（発表資料 もう一つ資料）で世界に広まったので、「国立国会図書館資料 デジタル化の手引」における「2011年の改訂版」と「2017年のさらなる改訂版」に多大なる影響を残した、と思ふ。吉田
