カレントアウェアネス-E
No.534 2026.11.12
E2929
ドイツ国立図書館ウェブアーカイビング選定基準の検討＜文献紹介＞
国立国会図書館関西館電子図書館課・松田恵里（まつだえり）
Woldering, Britta et al. Relevance and Diversity – Towards Selection Criteria for Archiving the German Web. LIBER Quarterly. 2026, 36(1). p. 1-30.
https://doi.org/10.53377/lq.23531
ドイツ国立図書館（DNB）のウェブアーカイビング選定基準に関する論文“Relevance and Diversity – Towards Selection Criteria for Archiving the German Web”が“Liber Quarterly”の36巻1号（2026）に掲載された。以下、この論文を概括する。
ドイツでは、2006年にウェブサイトも納本制度の対象となり、2012年にウェブサイトの収集が始まった。現在DNBは、ウェブサイト約9,000件、スナップショット約7万件を保存している。収集の拡充を目指しているが、「ドイツのウェブ」と定義し得るもの（ドイツ国立図書館法により、ドイツ国内で公開・提供されるもの、ドイツ語で作成されているもの、ドイツに関する内容であるもの、と定義される。）を全て収集することは不可能である。そこで、収集対象を選定する必要があるが、ウェブサイトの膨大さと複雑さを考えると、選定判断の全てを人が担うことは難しい。このような問題意識から、この論文では、選定プロセスの（半）自動化を目指す長期的目標が示されている。また、この自動化に向けて、“relevance”（関連性）と“diversity”（多様性）を中心的な選定基準とする“exemplary diversity”（模範的な多様性）が収集の指針として紹介されている。
関連性は、厳格な選定を重要視するとともに、少数の重要な要素に注目する。一方多様性は、重要性や質に関係なく、可能な限り多くのトピックやアクター、そして意見を幅広く表すことを求める。関連性と多様性は相反する方向を向いているが、どちらも自由民主主義とドイツのウェブのアーカイブ構築には欠かせない基準である。
関連性や多様性を定義するにはどうすればよいだろうか。まず、関連性は、公共圏での認知度と影響力の指標化を通じて測ることができる。認知度の指標には、コンテンツの利用状況、アクターに関する引用数や言及数、トピックに対する投稿・コンテンツの数などが例として挙げられる。影響力の指標としては、（主要）メディアや、要職にある政治家のようなアクターに起因するアジェンダセッティング効果（マスメディアによる報道頻度がテーマの重要性に影響を与えること）や世論形成力が挙げられる。なお、社会を構成する機能的なサブシステム（例えば、政治、経済、科学、アート、スポーツ等の専門領域・分野）の視点から定義される指標によっても関連性を補うことができる。これらのサブシステムは、政治における首相や大臣といった役職、学術界における賞等を例とする独自の重要性の尺度を持つ。次に多様性については、全ての集団の関心や社会の全ての意思表示が、認知度や影響力にかかわらず公共圏で表現されるようにしなければならないことを意味する。
関連性と多様性の指標化に当たり、トピック、アクター、世論、空間の四つの側面を考慮する必要がある。
まず、トピックについて、オンライン提供情報のタイトル要素を分析・集約した結果として、デジタル、スポーツ、ライフスタイル、健康、旅、家族等の23の代表的なジャンルが紹介されている。オンラインメディアには確立した構造やジャンルはないものの、SEO（検索エンジン最適化）によって形成される実質上の構造を定義することは可能である。23の代表的なジャンルは、この構造から選定される使用頻度の高いジャンルとも重なる。次に、アクターとは、個人や集団を指す。高い認知度、高い評価、そして影響力と結びついているアクターの公的な立場や役割によって、関連性を示すことができる。また、多様性をより高めるため、一般の人もアクターとして考慮に入れるべきである。続いて世論に関して、オピニオンリーダー、トレンドセッター、インフルエンサーは、サブシステムの中での関連性の指標であり、また、世論全体を表すために、多様な層から選ばれる必要がある。最後に空間について、あるトピックが多国間、国、州、地域等のどのレベルの範囲で語られているかを把握することが重要である。
ウェブサイトの選定のプロセスには、多くの人的リソースが必要となるため、関連性と多様性を基にした選定の自動化もしくは部分的な自動化を、本論文は提案している。まず、ニュース記事、Wikipedia、ソーシャルネットワーク、科学文献等の情報源を基にしたトピックの自動識別が考えられる。ただ、この方法は現在のトレンドに焦点を当てすぎることや、重要性ではなく人気度に偏った選定になるのではないかとの疑問が呈されている。反対に、ウェブサイトの公平で多様性のある選定アプローチとして、DENIC（ドイツの国別トップレベルドメインを管理する組織）等のリストからのランダムな選択も提示されている。加えて、LLMs（大規模言語モデル）をサイト選定に適用することも示された。しかし、判断のプロセスにバイアスが含まれてしまわないか等の懸念も表明された。そして、LLMs特有の不透明性という課題を踏まえ、コレクションの構成に直接的な影響を与える選定基準は、透明性があることが重要であるとの指摘もなされている。
「DNBはその歴史で初めて、選定基準をどう定義し、正当化していくかという問いに直面している。」と本論文は述べている。DNBは納本図書館として内容を判断することなく収集してきたが、ウェブにある情報を収集するという課題に対し、新しい指針が必要となっている。DNBの選定基準の定義や選定の（半）自動化に向けた検討はこれからも続いていくと思われる。世界には、国別トップレベルドメインの網羅的な収集を目指す英国やフランス等の国もある。それらの国とは異なり、ウェブサイトの選定収集を目指しているDNBの今後の動きに注目したい。
Ref：
久常香織, 松田恵里, 田中福太郎, 木下雅弘. 世界の国立図書館のウェブアーカイブ事業：2025年調査. カレントアウェアネス-E. 2025, (514), E2845.
https://current.ndl.go.jp/e2845
