כיצד לשמר מטא־נתונים של מדיה חברתית

הורדת ארכיון של חשבון היא רק הצעד הראשון. הרשומה העמידה היא הקשר בין הפוסט, המדיה שלו, המטא־נתונים שלו ונסיבות ההורדה.

תהליך עבודה אמין שומר את החבילה המקורית, מתעד את המטא־נתונים שנמצאים מחוץ לתמונה או לסרטון, משמר חותמות זמן יחד עם פרטי אזור הזמן שלהן, ומאמת כל קובץ מדיה לאחר החילוץ.

מה יכול להיכלל בארכיון של מדיה חברתית

אין פורמט אוניברסלי יחיד למטא־נתונים של מדיה חברתית. זרמי פעילות חברתית צוברים הקשר, אובייקטים מולטימדיים ומטא־נתוני מעורבות, בעוד שפוסטים, לייקים, תשובות, פרסומים מחדש ותגובות עשויים להיות מיוצגים באופן שונה בכל פלטפורמה לפי המחקר הארכיוני.

ייצוא עשוי להכיל מטא־נתונים בנוסף לטקסט של הפוסט. רשומת שימור שימושית צריכה לכלול את הפרטים הבאים, כאשר הייצוא מספק אותם:

ההפרדה הזו חשובה מכיוון שערכי המעורבות בהורדת חשבון הם תמונות מצב. ייתכן שבהמשך יהיה להם ערך שונה בפלטפורמה כפי שמסביר המחקר הארכיוני.

בחרו את הייצוא בכוונה ותעדו את חלון הלכידה שלו

השתמשו בבקרות הייצוא העדכניות של הפלטפורמה, ותעדו מה ביקשתם לפני הורדת הייצוא.

Facebook

בתהליך העבודה של Facebook במחשב שולחני, השתמשו ב: תמונת פרופיל > הגדרות ופרטיות > הגדרות > חשבון Meta > המידע וההרשאות שלך > ייצוא המידע שלך > יצירת ייצוא. בחרו את הפרופיל ובחרו ייצוא למכשיר בהוראות של Facebook.

Facebook מאפשרת לבחור מידע מסוים, טווח תאריכים, פורמט, כתובת דוא״ל להתראות ואיכות מדיה. סרטונים באיכות גבוהה יותר הופכים את הייצוא לגדול יותר לפי Facebook.

Instagram

בתהליך העבודה של Instagram במחשב שולחני, השתמשו ב: עוד > הגדרות > חשבון Meta > המידע וההרשאות שלך > ייצוא המידע שלך > יצירת ייצוא. בחרו את הפרופיל, בחרו הבא, ולאחר מכן בחרו ייצוא למכשיר בהוראות של Instagram.

Instagram מאפשרת גם להתאים אישית את המידע, טווח התאריכים, הפורמט, כתובת הדוא״ל להתראות ואיכות המדיה. Meta מציינת שקישור הייצוא עשוי להגיע בתוך עד 30 ימים, ושייצוא מוכן זמין במשך ארבעה ימים לפי Instagram. Facebook מציינת גם היא שייצוא שהושלם זמין במשך ארבעה ימים, ושהייצוא מוגן בסיסמה לפי Facebook.

Google Takeout

Google Takeout יכולה לייצא סרטוני YouTube ונתונים ממוצרים אחרים של Google. בחרו את המוצרים, צמצמו את נתוני המוצר אם יש צורך, ובחרו שיטת מסירה ופורמט ארכיון לפי Google.

Takeout מציעה קובצי ZIP או TGZ, ייצוא חד־פעמי או מתוזמן, וארכיונים מרובים כאשר חורגים מגודל הארכיון המרבי שנבחר לפי Google.

בכל ייצוא, רשמו את החשבון, טווח התאריכים שנבחר, מועד הבקשה, מועד יצירת הארכיון או הורדתו, הפורמט שנבחר והגדרת איכות המדיה. שמרו את חלון הלכידה הזה בנפרד מהמצב המאוחר יותר של החשבון: Google מזהירה שקובץ נתונים עשוי שלא לכלול שינויים שבוצעו בין בקשת ההורדה ליצירת הארכיון לפי Google.

שמרו יחד את החבילה, המדיה והמטא־נתונים

שמרו את קובץ ה־ZIP או ה־TGZ המקורי שהורד כחבילת המקור. התיעוד של Facebook מתאר ייצוא HTML כקובץ ZIP עם קובץ HTML של אינדקס ותיקיות המכילות קבצים כגון תמונות וסרטונים, בעוד ש־JSON ניתן לקריאה מכנית ויכול להקל על העברת מידע לפי Facebook.

אל תתייחסו לתיקיית המדיה כאל הארכיון כולו. שמרו את אינדקס ה־HTML כאשר יש לכם ייצוא HTML, שמרו את ה־JSON כאשר יש לכם ייצוא JSON, ושמרו את המדיה המקורית. חבילת השימור המתוארת על ידי curl-x כוללת את קובץ המדיה המקורי, ארכיון דף עם חותמת זמן, גיבוב SHA-256 לכל קובץ שהורד, כתובת URL של הפוסט, תאריך הגישה, זהות האוסף ורשומות זמינות של הרשת או תגובת השרת לפי curl-x.

תעדו את שם הקובץ המשויך לכל פריט מדיה. אם אתם זקוקים לשם קובץ תיאורי, כללו את הפלטפורמה, את שם המשתמש ואת התאריך; התבנית המתועדת היא twitter_username_20260811.mp4 כפי שממליץ curl-x. תעדו את שם הקובץ יחד עם הגיבוב, כתובת המקור וחותמת זמן הלכידה.

בנו רשומת מטא־נתונים לכל פריט מדיה

השתמשו ברשומת JSON נלווית, המכונה לעיתים sidecar, יחד עם המדיה הקשורה. הדבר שימושי כאשר הכיתוב, מזהה הפוסט, חותמת הזמן או הקשר אחר מאוחסנים ב־JSON ולא בתוך התמונה או הסרטון.

JSON מתאים למשימה זו: מפרט Activity Streams של W3C מתאר את JSON כדרך ידידותית לבני אדם, ניתנת לעיבוד מכני וניתנת להרחבה לייצוג מטא־נתונים עשירים של פעילות לפי W3C. רשומת sidecar או מלאי מעשית יכולה להשתמש בשדות הבאים כאשר הם זמינים:

• שם הקובץ וסוג המדיה.
• כתובת URL של הפוסט ומזהה הפוסט.
• הכיתוב או טקסט הפוסט.
• חותמת הזמן המקורית של הפוסט.
• שם המשתמש של המחבר, שם התצוגה וכתובת URL של הפרופיל.
• מדדי המעורבות כפי שהם מופיעים בתמונת המצב של הייצוא.
• נתוני מיקום, האשטאגים, אזכורים וקישורים.
• captured_at, הגורם שאסף את הנתונים ושיטת הלכידה.
• גיבוב SHA-256 או גיבוב תוכן אחר.
• התשובה הגולמית כאשר היא זמינה.

רשומת השימור לדוגמה של SociaVault משתמשת ב־captured_at, source_url, captured_by, method, content_hash ו־raw_response, ולאחר מכן שומרת את הרשומה כ־JSON בשם קובץ דטרמיניסטי כפי שמוצג במדריך השימור שלה.

שמרו שדות נפרדים עבור חותמת הזמן המקורית של הפוסט ועבור captured_at. אם הפלטפורמה מספקת היסט אזור זמן או Z, שמרו אותו במקום להמיר את הערך בשקט לשעה מקומית. Activity Streams של W3C דורש קידוד UTF-8 ומגדיר ערכי תאריך־שעה עם היסט מספרי מפורש או Z לפי W3C.

אמתו את הארכיון לאחר החילוץ

האימות צריך לענות על שתי שאלות: האם הקובץ הצפוי שרד את החילוץ, והאם ניתן לקשר אותו לרשומת הפוסט הנכונה?

השתמשו ברצף הבא:

1. שמרו את החבילה המקורית ואת המדיה המקורית.
2. צרו מלאי עם שם הקובץ, כתובת URL של הפוסט, מזהה הפוסט, חותמת הזמן המקורית של הפוסט וכל כיתוב או רשומת JSON זמינים.
3. הפיקו גיבוב SHA-256 לכל קובץ מדיה שהורד.
4. תעדו כל גיבוב לצד שם הקובץ, כתובת המקור וחותמת זמן הלכידה. ערך SHA-256 משמש כטביעת אצבע של קובץ: אם הקובץ לא השתנה, הגיבוב נשאר זהה לפי curl-x.
5. בדקו שלכל פריט מדיה יש רשומת מטא־נתונים תואמת, ותעדו כשדות חסרים את הפרטים שהייצוא לא סיפק.
6. שמרו יחד את המלאי, את ה־JSON או ה־HTML הגולמי, את המדיה המקורית ואת רשומות הלכידה הזמינות.

קביעות היא הבדיקה החישובית לכך שקובץ נותר כפי שהוא מתיימר להיות. אנשי מקצוע בתחום השימור משתמשים בסכומי ביקורת עבור קבצים שהופקדו ויכולים להריץ אותם מחדש מעת לעת כמתואר במחקר הארכיוני.

מה ארכיון יכול ומה אינו יכול להוכיח

השתמשו בצילום מסך כהפניה חזותית נוספת, לא כחבילת השימור המלאה ממוקדת־המטא־נתונים שתוארה לעיל. לרשומה חזקה יותר, שמרו את המדיה המקורית, את המטא־נתונים וההקשר, את חותמת זמן הלכידה, את כתובת המקור, את תאריך הגישה, את זהות האוסף, גיבובים ורשומות זמינות של דף, רשת או תגובת שרת לפי curl-x.

ארכיון שהורד יכול לשמר את חותמת הזמן של הפוסט כפי שנרשמה בפלטפורמה, כאשר השדה הזה נכלל. עם זאת, יש לסמן אותו בחלון הלכידה שלו: Google מזהירה שהארכיון עשוי שלא לכלול שינויים שבוצעו בין הבקשה ליצירת הארכיון, והמחקר הארכיוני מציין שספירות המעורבות עשויות להשתנות בהמשך לפי Google והמחקר הארכיוני.

אם מדיה או מטא־נתונים חסרים, שמרו את החבילה המקורית ואת ה־HTML או ה־JSON הגולמי, סמנו את השדה החסר במלאי ותעדו את הגדרות הייצוא ואת חלון הלכידה. כך נשמר הגבול בין מה שהפלטפורמה סיפקה לבין מה שלא היה זמין בהורדה.

רשימת בדיקה חוזרת לשימור

לפני ההורדה:

• תעדו את החשבון, הפלטפורמה, מועד בקשת הייצוא, טווח התאריכים שנבחר, הפורמט ואיכות המדיה.
• בחרו בבקרות הייצוא הרשמיות של הפלטפורמה וציינו אם התוצאה תהיה HTML, JSON, ZIP או TGZ.
• תעדו את חלון הזמינות של הייצוא כאשר הפלטפורמה מספקת אותו.

לאחר ההורדה:

• שמרו את קובץ ה־ZIP או ה־TGZ המקורי ואת המדיה המקורית.
• שמרו את אינדקס ה־HTML או את רשומות ה־JSON שהגיעו עם הייצוא.
• צרו מלאי של שמות קבצים ומטא־נתונים עבור כל פריט מדיה.
• שמרו כיתובים, מזהי פוסטים, חותמות זמן מקוריות, פרטי פרופיל וקישורים יחד עם המדיה הקשורה.
• אחסנו sidecar של JSON או רשומה מקבילה כאשר המטא־נתונים נפרדים מהמדיה.
• שמרו את היסטי חותמות הזמן או את Z בדיוק כפי שנרשמו.
• הפיקו ותעדו גיבובי SHA-256 יחד עם שם הקובץ, כתובת המקור וחותמת זמן הלכידה.
• סמנו מדיה או שדות חסרים במקום להציג תחליף שלא אומת.
• הריצו מחדש את אימות סכומי הביקורת מעת לעת.

עבור גיבויים שוטפים בפלטפורמות המפורטות על ידי SocialGuardian, דף הבית שלה מציין שהשירות מכסה את Instagram, TikTok, YouTube, X, Facebook, LinkedIn, Twitch ו־Pinterest ומשתמש רק ב־@handle ציבורי, ללא צורך בסיסמה או בהתחברות לפי SocialGuardian.