Comment créer une archive de recherche Web reproductible

La recherche sur le Web se termine souvent par une collection d'onglets et de signets de navigateur. Cela fonctionne jusqu'à ce qu'une page change, qu'un paragraphe cité soit déplacé, qu'un graphique interactif soit mis à jour ou qu'un collègue ne puisse pas accéder au même état de compte. Une archive reproductible fait plus que sauvegarder des pixels : elle enregistre quelle question a été posée, quelle version a été consultée, quelle partie a été conservée et comment un lecteur ultérieur peut vérifier l'interprétation.

Les captures d'écran pleine page et les PDF sont des composants utiles de cette archive car ils préservent la mise en page et le contexte visibles. Ils ne remplacent pas les citations, les téléchargements natifs, les ensembles de données ou l’évaluation des sources. Ce flux de travail combine ces éléments sans exagérer ce que prouve un seul artefact.

Commencez par un journal de recherche

Créez une entrée par source avec le titre, l'éditeur, l'auteur lorsqu'il est disponible, l'URL canonique, la date d'accès et le fuseau horaire, la date de publication ou de mise à jour et la question de recherche qu'elle prend en charge. Enregistrez les termes de recherche et les filtres pour les bases de données ou la recherche sur site. Pour les pages dynamiques, la région des notes, la langue, l'ordre de tri, l'état du compte et les sélections pertinentes.

Attribuez un ID source stable tel que S014. Utilisez-le dans les notes, les noms de fichiers et les citations. Cela évite toute confusion lorsque plusieurs pages partagent un titre ou lorsqu'un éditeur met à jour une URL. Un journal révèle également des lacunes : une affirmation étayée uniquement par une page marketing mérite un niveau de confiance différent de celui corroboré par des données primaires.

Évaluer la source avant de la conserver

Identifiez qui a créé le contenu, ses preuves, ses incitations, son processus de publication et son historique de correction. Distinguer les sources primaires, les analyses, les résumés et l’agrégation anonyme. Recherchez les méthodes citées, les exemples de dates, les définitions et les conflits d’intérêts. La préservation gèle ce que vous avez vu ; cela ne rend pas fiable une affirmation peu fiable.

Lorsque vous citez une statistique, remontez-la à la première source disponible. Enregistrez le rapport ou l'ensemble de données qui définit le numéro, pas seulement la page qui le répète. Enregistrez les restrictions d’accès et les licences. La visibilité publique n'accorde pas automatiquement l'autorisation de redistribuer l'intégralité d'une œuvre protégée par le droit d'auteur.

Choisissez le bon artefact

Préférez les PDF natifs, les fichiers CSV, les rapports téléchargeables et le HTML accessible lorsqu'ils préservent la structure. Utilisez une capture d'écran d'une page entière pour documenter l'état visuel, le placement contextuel, la sortie interactive ou une page dépourvue d'exportation durable. Enregistrez les deux lorsqu’ils répondent à des questions différentes. Pour la vidéo ou l’audio, utilisez des transcriptions autorisées et des notes horodatées plutôt que de supposer qu’une capture d’écran capture la substance.

Évitez de tout convertir sans discernement. La capture de menus, de recommandations et de commentaires sans fin peut rendre l'enregistrement moins consultable. Définissez un début et un point final et notez les omissions intentionnelles. Pour un long rapport au format HTML, capturez l'article et les références, mais enregistrez séparément si les commentaires ou les liens connexes ont été exclus.

Stabiliser les pages dynamiques

Définissez une fenêtre d'affichage et un zoom connus, chargez les sections paresseuses, développez les notes de bas de page nécessaires et mettez les animations en pause si possible. Enregistrez les filtres avant la capture. Les graphiques interactifs peuvent afficher les valeurs uniquement au survol ; complétez la capture d’écran par un tableau ou une observation écrite. Si le graphique est mis à jour automatiquement, incluez la période affichée et l'heure de capture.

Les flux infinis n’ont pas d’état complet inhérent. Choisissez un point de terminaison en fonction de la date, du nombre d'éléments ou d'une règle de pertinence, puis utilisez des lots avec chevauchement. Les listes virtualisées peuvent supprimer des éléments hors écran, pensez donc aux exportations officielles. Ne décrivez jamais un échantillon comme l’aliment entier à moins d’avoir vérifié ses limites.

Capturer le contexte source

La page du navigateur seule peut ne pas afficher son URL ou l'heure d'acquisition. Conservez-les dans le journal de recherche ou dans une note de couverture. Incluez l'ID source, l'URL canonique, l'horodatage de capture, la fenêtre d'affichage, la langue et les interactions qui ont révélé le contenu. Si une connexion était requise, décrivez la catégorie d'accès sans enregistrer les informations d'identification.

Conservez la capture brute jusqu'à ce que le PDF paginé soit approuvé. Si vous recadrez, biffez ou annotez, créez un dérivé et documentez la modification. Un PDF visuel n’est pas intrinsèquement infalsifiable. La transparence du traitement est plus crédible que les affirmations d’authenticité absolue.

Vérifiez l'image complète et le PDF

Inspectez le haut, le milieu et le bas, puis analysez les coutures à la recherche d'éléments collants dupliqués, de lignes manquantes, d'images paresseuses vierges et de changements de disposition. Comparez les citations et les chiffres importants avec la source en direct lorsqu'elle est disponible. Prévisualisez chaque page PDF et assurez-vous que les sauts ne séparent pas les étiquettes des valeurs ou les notes de bas de page du texte référencé.

Ouvrez le PDF dans une deuxième visionneuse. Si l'OCR est ajouté, recherchez plusieurs expressions connues et comparez les noms, les dates, les unités, les points décimaux et les signes négatifs avec la source visuelle. Conservez la couche d'image ou l'original afin que les erreurs de reconnaissance puissent être résolues.

Rédigez des citations qui survivent au changement

Suivez le style de citation approprié à l'œuvre, mais incluez suffisamment de détails pour l'identification : auteur ou organisation, titre de la page, éditeur, date, URL et date d'accès. Citez une section, un tableau ou une page spécifique de votre dérivé archivé lorsque cela est utile. Votre copie d'archive prend en charge la citation ; elle ne doit pas remplacer l'URL publique, sauf si les règles d'accès l'exigent.

Utilisez les citations avec parcimonie et préservez le contexte environnant. Notez les points de suspension et la traduction. Lorsque vous traduisez une citation, conservez le libellé original et identifiez qui l'a traduit. Évitez de citer une capture d'écran comme s'il s'agissait de l'éditeur d'origine.

Organiser les fichiers et les versions

Une présentation utile regroupe le journal de recherche, les fichiers sources, les notes et les résultats d'un projet. Les noms de fichiers peuvent combiner l’ID source, la date, l’éditeur, le titre court et le type d’artefact. Conservez les originaux en lecture seule et placez les annotations, l'OCR, les traductions et les expurgations dans un dossier de dérivés. Utilisez le contrôle de version ou les sommes de contrôle lorsque le niveau d'assurance du projet le justifie.

Enregistrez les remplacements plutôt que d’écraser silencieusement. Si une source corrige un article, conservez la version antérieure le cas échéant et ajoutez la version corrigée avec une note. L’objectif est de reconstruire ce qui a éclairé l’analyse à l’époque, et non de prétendre que le Web ne change jamais.

Aborder la confidentialité, les droits d’auteur et l’accès

Minimisez les données personnelles dans les pages authentifiées et dans le contenu des participants à la recherche. Stockez les sources restreintes conformément au consentement et aux règles institutionnelles. Rédigez des copies de partage sans modifier le maître protégé. Ne contournez pas les paywalls, les contrôles techniques ou les limites d’accès contractuelles.

Les exceptions au droit d’auteur diffèrent selon les juridictions. Une copie de recherche interne peut être traitée différemment d’une republication publique. Citez et distribuez uniquement ce qui est justifié, attribuez les sources et demandez l'autorisation si nécessaire. Un outil de capture change de format, pas de propriétaire.

Test de transfert de reproductibilité

Donnez à un collègue la question de recherche, le journal et l'archive sans ouvrir les onglets de votre navigateur. Demandez-leur de localiser le passage cité, d'identifier la version source, de comprendre les filtres et les omissions et de distinguer les fichiers originaux des fichiers dérivés. Notez chaque point où ils doivent deviner. Ces suppositions sont des lacunes dans la documentation.

Répétez le test de transfert pour une source qui a changé ou disparu. Le réviseur doit toujours être en mesure d'identifier l'éditeur, de comprendre pourquoi la source a été utilisée, de localiser le passage archivé et de voir quelles affirmations s'en inspirent. S’ils ne le peuvent pas, renforcez le journal et la citation pendant que les connaissances sur le projet sont disponibles. Cet exercice teste mieux le véritable objectif des archives que le simple comptage des fichiers.

Liste de contrôle des archives

• Chaque source a un identifiant, une URL canonique, un créateur, des dates et un objectif de recherche.
• L'autorité de la source, les preuves, les incitations et l'historique des corrections ont été évalués.
• Les fichiers natifs ou les données structurées ont été préservés lorsqu'ils étaient supérieurs aux captures d'écran.
• Les paramètres dynamiques, les filtres, le contexte du compte, la langue et le point de terminaison ont été enregistrés.
• Les captures pleine page ont été inspectées pour détecter les erreurs de chargement et d'assemblage.
• Les versions originales, OCR, annotées, traduites et expurgées se distinguent.
• Les citations identifient la source de l'éditeur plutôt que seulement la copie d'archive.
• Les données personnelles, les droits d'auteur, les licences et les restrictions d'accès ont été examinés.
• Les affirmations importantes sont corroborées le cas échéant.
• Un autre lecteur peut retracer l'analyse sans s'appuyer sur une mémoire non documentée.

La reproductibilité vient des preuves connectées et non du volume des fichiers. Une capture d'écran soigneusement définie, associée à des métadonnées sources, un artefact natif approprié, des notes de traitement transparentes et une étape de vérification, crée une archive qui reste compréhensible une fois la session du navigateur terminée.