dSpace
dSpace jest otwartoźródłowym systemem do zarządzania repozytorium cyfrowym, przeznaczonym głównie dla instytucji naukowych i edukacyjnych. System umożliwia przechowywanie, organizowanie, udostępnianie i długoterminową konserwację zasobów cyfrowych, takich jak publikacje naukowe, dane badawcze, zdjęcia, filmy oraz inne formy treści elektronicznej.
Historia
Projekt dSpace został rozpoczęty w latach 1999 w Massachusetts Institute of Technology (MIT) we współpracy z Uniwersytetem Stanforda. Pierwsza publiczna wersja 1.0 ukazała się w 2002 roku i od tego czasu system jest rozwijany przez międzynarodową społeczność programistów oraz administratorów repozytoriów.
Architektura
Podstawą dSpace jest platforma Java, a system jest budowany przy użyciu Maven. Składa się z kilku warstw:
- Warstwa prezentacji – oparta na Spring Framework oraz Thymeleaf i zapewniająca interfejs webowy.
- Warstwa logiki biznesowej – zarządza operacjami na przedmiotach, kontrolą dostępu i przepływem pracy.
- Warstwa danych – wykorzystuje relacyjne bazy danych (najczęściej PostgreSQL lub Oracle) oraz systemy plików do przechowywania rzeczywistych plików cyfrowych.
- Warstwa integracji – obsługuje protokoły wymiany metadanych, takie jak OAI-PMH, oraz standardy metadanych, np. Dublin Core czy METS.
Funkcje
dSpace oferuje szereg rozbudowanych funkcji:
- Wsparcie dla metadanych w wielu schematach, w tym Dublin Core, Qualified Dublin Core, MARC, MODS.
- Możliwość definiowania własnych przepływów pracy (workflow), które kontrolują procesy recenzji, zatwierdzania i publikacji.
- Zaawansowane zarządzanie prawami autorskimi oraz integracja z licencjami Creative Commons.
- Interoperacyjność dzięki protokołowi OAI-PMH, umożliwiającemu agregację zasobów w hiperrepozytoriach.
- Funkcje wyszukiwania pełnotekstowego opartego na silniku Apache Solr oraz indeksowanie metadanych.
- Obsługa wersjonowania plików i utrzymywanie trwałych identyfikatorów Handle System (lub DOI).
- Możliwość integracji z systemami SSO (np. Shibboleth, LDAP), a także z ORCID w celu automatycznego przypisywania autorstwa.
Wersje i rozwój
Poniżej znajduje się lista najważniejszych wersji dSpace:
| Wersja | Data wydania | Kluczowe zmiany |
|---|---|---|
| 1.0 | 2002 | Podstawowa obsługa repozytorium, metadane Dublin Core. |
| 3.0 | 2009 | Wprowadzenie obsługi OAI-PMH, migracja do PostgreSQL, wsparcie dla workflow. |
| 5.0 | 2015 | Refaktoryzacja kodu na Spring, integracja z Apache Solr, lepsze API REST. |
| 6.3 | 2022 | Wsparcie dla kontenerów Docker, rozbudowane możliwości skalowania, integracja z Kubernetes. |
Zastosowanie
dSpace jest szeroko wykorzystywany na całym świecie. Przykładowe instytucje i projekty:
- Uniwersytet Harvarda – repozytorium DSpace@Harvard.
- University College London – UCL DSpace jako centralne archiwum otwartego dostępu.
- Polskie uczelnie: Politechnika Warszawska, Uniwersytet Jagielloński, oraz Polska Akademia Nauk.
- Instytuty badawcze, np. Narodowe Centrum Badań i Rozwoju, które wykorzystują dSpace do udostępniania danych z projektów grantowych.
Licencja i społeczność
Projekt jest udostępniany na licencji Apache License 2.0, co pozwala na darmowe użycie, modyfikację i dystrybucję. Społeczność dSpace regularnie organizuje:
- Konferencje DSpace Conferences oraz webinaria techniczne.
- Listy dyskusyjne i fora dspace-devel oraz dspace-users.
- Współpracę z fundacją Apache Software Foundation w ramach inicjatyw open source.
Wymagania techniczne
Typowy zestaw wymagań dla instalacji dSpace obejmuje:
- Serwer aplikacji Apache Tomcat (lub Jetty).
- System operacyjny: Linux (najczęściej dystrybucje Debian lub CentOS), chociaż obsługiwana jest także Windows.
- JDK w wersji Java 8 lub wyższej.
- Baza danych PostgreSQL (zalecana) lub Oracle.
- Systemy plików o dużej pojemności lub rozwiązania NAS/ SAN do przechowywania plików binarnych.
Perspektywy rozwoju
W najnowszych planach rozwojowych dSpace przewiduje się:
- Pełną architekturę mikrousług i wsparcie dla Kubernetes w celu lepszej skalowalności.
- Rozbudowane API REST i GraphQL dla integracji z zewnętrznymi systemami.
- Wsparcie dla zasad FAIR w kontekście zarządzania danymi badawczymi.
- Ulepszenia w zakresie automatycznego wykrywania i ekstrakcji metadanych przy użyciu sztucznej inteligencji.
Powiązane pojęcia
Warto zapoznać się także z następującymi zagadnieniami: