面向纵向分析的现有 Web 存档集合的时间扩展
数字图书馆
2025-06-02 v1
摘要
环境治理与数据倡议（EDGI）在 2016 年至 2020 年间定期抓取美国联邦环境网站，以捕捉两届总统政府之间的变化。然而，由于它不包括在 2008 年结束的上届政府，该集合不适合回答我们的研究问题：特朗普政府（2017-2021）删除的网站术语是否由奥巴马政府（2009-2017）添加？因此，像许多使用 Wayback Machine 资源进行历史分析的研究人员一样，我们无法访问满足我们需求的完整集合。为了回答我们的研究问题，我们必须将 EDGI 集合扩展回 2008 年 1 月。这包括发现未包含在 EDGI 集合中但持续存在至 2020 年的相关页面，而不仅仅是使用现有页面在时间上进一步回溯。我们通过各种手段（Save Page Now、Archive-It 等）将各组织为其自身目的收集的工件拼凑在一起，以策划一个足以满足我们意图的数据集。在本文中，我们贡献了一种在时间上扩展现有 Web 存档集合以实现纵向分析的方法论，包括使用该方法论扩展的数据集。我们使用新数据集来分析我们的问题：特朗普政府删除的网站术语是否由奥巴马政府添加？我们发现数据集中 81% 的页面在 2008 年至 2020 年间发生了变化，并且特朗普政府删除的术语所在的页面中，有 87% 的术语是在奥巴马政府期间添加的。
引用
@article{arxiv.2505.24091,
title = {Temporally Extending Existing Web Archive Collections for Longitudinal Analysis},
author = {Lesley Frew and Michael L. Nelson and Michele C. Weigle},
journal= {arXiv preprint arXiv:2505.24091},
year = {2025}
}
备注
Presented at RESAW 2025; 23 pages, 14 figures, 8 tables