ዲጂታል ማህደር፣ ዲጂታይዜሽን፣ OCR እና የረጅም ጊዜ ጥበቃ

ትርፍ፡

• የተቃኙ ሰነዶችን ከ OCR እና HTR ጋር ወደ ጽሑፍ በመቀየር እና ውጤቱን ከትክክለኛው ምስል ጋር በማነፃፀር የማረም ችሎታ
• የማህደር ሰነዱን ዋናነት እና ታማኝነት የመጠበቅ እና AI ይዘቱን እንዳይቀይር እና የተሰራውን እድሳት የመከልከል ችሎታ
• የረጅም ጊዜ ዲጂታል ጥበቃን ከፕሮቬንሽን መረጃ እና ዘላቂ ቅርፀቶች ጋር የማቀድ ችሎታ

አንድ አርኪቪስት የሃምሳ አመት የጋዜጣ ጥራዞችን፣ በእጅ የተፃፉ ደብዳቤዎችን ወይም የቆዩ ፎቶግራፎችን ወደፊት እንዲይዝ ኃላፊነት ተሰጥቶታል። እነዚህ ሰነዶች በጊዜ ሂደት ያልፋሉ; ሁለቱንም ለመጠበቅ እና ተደራሽ ለማድረግ ዲጂታይዜሽን ይከናወናል፡ አካላዊ ሰነድ የመቃኘት እና ወደ ዲጂታል ቅጂ የመቀየር ተግባር። ነገር ግን ማጣራት ብቻውን በቂ አይደለም; አሃዛዊው ነገር በረጅም ጊዜ ውስጥ ሊገኝ ፣ ሊነበብ እና ሊቆይ የሚችል መሆን አለበት። በዚህ ክፍል ውስጥ፣ በዲጂታይዜሽን፣ በግልባጭ እና በዲጂታል ጥበቃ የስራ ሂደት ውስጥ አርቴፊሻል ኢንተለጀንስ እንዴት እንደሚጠቀሙ ይማራሉ፤ ግን ለምን ለዋና እና ለትክክለኛነት ኃላፊነቱን እንደሚወስዱ ይማራሉ.

ጥቂት ጽንሰ-ሐሳቦች. OCR (Optical Character Recognition) በሰነድ ምስል ላይ ያለውን ጽሑፍ በማሽን ሊስተካከል የሚችል ጽሑፍ የሚቀይር ቴክኖሎጂ ነው። HTR (በእጅ የተጻፈ ጽሑፍ ማወቂያ) በእጅ ለተጻፉ ሰነዶች ተመሳሳይ ሥራ ይሰራል እና በጣም ከባድ ነው። የፋይል ቅርጸቶች ጊዜ ያለፈባቸው እና ሶፍትዌሮች በሚቀየሩበት ጊዜ ዲጂታል ቁሶች ለአስርት አመታት ተነባቢ ሆነው እንዲቀጥሉ ለማድረግ ዲጂታል ጥበቃ ለማድረግ የታቀደ ጥረት ነው። AI በሦስቱም አካባቢዎች ኃይለኛ ግን ጉድለት ያለበት ረዳት ነው።

ደረጃ በደረጃ፡ ከዲጂታይዜሽን እስከ ጥበቃ

1. ቅድሚያ ይስጡ. ሁሉንም ነገር በአንድ ጊዜ ዲጂታል ማድረግ አይችሉም። በጣም ደካማ፣ በጣም የተጠየቁ እና በጣም ልዩ የሆኑ ሰነዶች በቅድሚያ ተቀምጠዋል። ይህ የፍርድ ውሳኔ ነው; AI በዝርዝር ማረም ይረዳል, ነገር ግን ተቋሙ ቅድሚያውን ይወስናል.

2. OCR/HTR ይቃኙ እና ይተግብሩ። ሰነዱን በከፍተኛ ጥራት ይቃኙ እና ጽሑፉን ለማውጣት OCR ወይም HTR ይጠቀሙ። AI ላይ የተመሰረቱ መሳሪያዎች በአሮጌ እና አስቸጋሪ ጽሑፎች እንኳን እዚህ እየተሻሻሉ እና እየተሻሻሉ ነው።

3. ጽሑፉን ማረም እና ማረጋገጥ. OCR/HTR ውፅዓት ፍፁም አይደለም። ስህተቶች የተለመዱ ናቸው፣ በተለይ አሮጌ ጽሑፍ፣ ባለቀለም ገፆች ወይም የእጅ ጽሑፍ ካለ። ውጤቱን ከትክክለኛው ምስል ጋር ማወዳደር እና ማረም አስፈላጊ ነው.

4. ሜታዳታ እና የጥበቃ መረጃ ያክሉ። ወደ አሃዛዊው ነገር የምርቱን ፣ የፍተሻ ሁኔታዎችን ፣ የቅርጸት መረጃን እና አቀራረቡን - ሰነዱ ከየት እንደመጣ እና እንዴት እንደተሰራ። ይህ መረጃ ለወደፊት ማረጋገጫ እና ጥበቃ ወሳኝ ነው።

5. ለረጅም ጊዜ ጥበቃ እቅድ ያውጡ. ክፍት, የተለመዱ እና ዘላቂ የሆኑ የፋይል ቅርጸቶችን ይምረጡ; ወደ ኋላ መመለስ; ቅርጸቶች ጊዜ ያለፈባቸው ከሆኑ የስደት እቅድ ያውጡ።

ጠቃሚ ምክር፡ የ OCR ውጤቱን እንደ "ግልጽ ጽሑፍ" አትቀበል። የፍለጋ ሥርዓት በዚህ ጽሑፍ ውስጥ ቢሠራ፣ በስህተት የታወቁ ቃላት ምንጩ እንዳይገኝ ያደርጉ ነበር። ለወሳኝ ስብስቦች የ OCR ውፅዓት በሰው ዓይን ላይ ማረም የሁሉንም ቀጣይ ተደራሽነት ጥራት ይወስናል።

የዲጂታል ነገር ትክክለኛነት እና ትክክለኛነት

የማህደር ስራው እምብርት ትክክለኛነት እና ታማኝነት ናቸው፡ አንድ ሰነድ በትክክል ከተጠየቀው ምንጭ እንደሚመጣ እና ይዘቱ እንዳልተቀየረ ማረጋገጫ ነው። በዚህ ጊዜ AI የሁለት አቅጣጫ ስጋት ይፈጥራል. በመጀመሪያ፣ በ OCR/HTR እርማት ወይም “ማሻሻል” ወቅት AI ጽሑፉን በጸጥታ ማሻሻል ይችላል። "ማስተካከያ" በሚለው ስም የሌለ ቃል መጨመር ይችላል. ሁለተኛ፣ ምስል "ጥገና" ወይም "ተሃድሶ" በ AI ከተሰራ, ዋና ያልሆኑ ዝርዝሮች ሊዘጋጁ ይችላሉ.

የመዝገብ ቤቱ ህግ ግልጽ ነው፡ የዲጂታል ጥበቃ ቅጂው ለዋናው ታማኝ መሆን አለበት። በ AI የተደረገው እያንዳንዱ ማሻሻያ መመዝገብ አለበት እና ትክክለኛው (ጥሬ) ቅኝት ሁል ጊዜ መቀመጥ አለበት። ሰነድ "ማሳመር" ታሪካዊ ማስረጃውን ሊያጠፋው ይችላል።

ማስጠንቀቂያ፡ የድሮ ፎቶ ወይም ሰነድ ከ AI ጋር "ለማሻሻል" ፈታኝ ሊሆን ይችላል። ነገር ግን AI የጎደሉትን ክፍሎች በማዘጋጀት ይሞላል. በማህደር መዝገብ ውስጥ ይህ ማለት የውሸት ታሪካዊ ማስረጃ መፍጠር ማለት ነው። የመልሶ ማግኛ ውፅዓት የመጀመሪያውን ምንጭ ፈጽሞ አይተካም; እንደ የተለየ፣ በግልጽ የተሰየመ ተለዋጭ ሆኖ ተከማችቷል።

ሶስት ጥቃቅን ጉዳዮች

ጉዳይ 1 — የጋዜጣ መዛግብት ሊፈለጉ የሚችሉ ሆኑ። አንድ ቤተ መፃህፍት ለ30 አመታት ያስቆጠረውን የሀገር ውስጥ ጋዜጦች ስብስብ ዲጂታል አድርጓል። በ OCR፣ 90,000 ገፆች ተገለብጠው እንዲፈለጉ ተደርገዋል። ከዚህ ቀደም ቀናት የፈጀ የርዕስ ፍለጋ አሁን ወደ ሰከንድ ተቀንሷል። ነገር ግን ቡድኑ የ OCR ትክክለኛነት በአሮጌ እና ባለቀለም ገፆች ላይ ወደ 80% ዝቅ ብሏል እና ከፍተኛ አመታትን በሰው ዓይን ለማረም ቅድሚያ ሰጥቷል።

ጉዳይ 2 — HTR የእጅ ጽሑፉን ከፈተ። አንድ ማህደር HTRን በ19ኛው ክፍለ ዘመን ለማንበብ አስቸጋሪ ለነበሩት ፊደሎች ስብስብ ተተግብሯል። በባለሙያዎች ንባብ ወራት መሠረት ስርዓቱ ከፍተኛ ፍጥነት አግኝቷል። ነገር ግን እያንዳንዱ የሕትመት ገጽ ከዋናው ጋር ሲነጻጸር በባለሞያ ፓሊዮግራፈር (የጥንታዊ ጽሑፍ ባለሙያ)፣ ምክንያቱም በሰዎችና በቦታዎች ስም ላይ ስህተቶች ነበሩ።

ጉዳይ 3 - የውሸት "ተሃድሶ" ውድቅ ተደርጓል. አንድ ቡድን ከ AI ጋር የተቀደደ ታሪካዊ ፎቶግራፍ "እንደሚጠግን" አሰበ። AI የጎደሉትን የፊት ክፍሎችን በመገጣጠም አጠናቋል። እነዚህ የፈጠራ ዝርዝሮች ታሪካዊ ማስረጃዎችን እንደሚያዛቡ አርኪቪስት ተገነዘበ; የተስተካከለው ምስል ከመጀመሪያው ጎን ተለይቶ ተከማችቷል፣ “AI derivative” የሚል ብቻ በግልጽ ተለጠፈ።

የመዳረሻ ቅጂ, የመጠባበቂያ ቅጂ እና የቅርጸት ውሳኔ

በዲጂታይዜሽን ውስጥ ጥሩ ልምምድ የአንድን ነገር ቅጂ ለተለያዩ ዓላማዎች መለየት ነው። የማቆያ ጌታ ለወደፊት የሚወሰድ ትክክለኛ ዲጂታል ነገር ነው፣ በከፍተኛ ጥራት፣ ባልተጨመቀ ወይም በማይጠፋ ቅርጸት ይከማቻል። እምብዛም አይነካም. የመዳረሻ ቅጂ ለተጠቃሚው የሚቀርበው ትንሽ፣ በቀላሉ የተከፈተ ልዩነት ነው። ይህ ልዩነት አስፈላጊ ነው ምክንያቱም ለአጠቃቀም ተግባራዊ የሆነው ቅርጸት (ትንሽ, የተጨመቀ) ለረጅም ጊዜ ለማቆየት ተስማሚ ላይሆን ይችላል; ለመንከባከብ ተስማሚ ቅርጸት (ትልቅ, ኪሳራ የሌለው) ለዕለታዊ አጠቃቀም አስቸጋሪ ነው. በዚህ የስራ ሂደት ውስጥ፣ AI ፋይሎችን በመሰብሰብ፣ የጎደሉ ልዩነቶችን በመለየት እና ዲበ ውሂብ በሁለት ቅጂዎች መካከል ወጥነት ያለው እንዲሆን ለማድረግ ይረዳል። ነገር ግን የቅርጸት ምርጫ የጥበቃ ውሳኔ ነው፡ ክፍት፣ በሰፊው የተመዘገቡ እና ዘላቂ ቅርጸቶች ተመራጭ መሆን አለባቸው (ከባለቤትነት ፣ ከተዘጉ ቅርጸቶች) እና ቅርጸቶቹ ከጊዜ በኋላ ጊዜ ያለፈባቸው ከሆኑ የፍልሰት እቅድ ዝግጁ መሆን አለበት። AI ፎርማትን ቢጠቁም የተቋሙ የረጅም ጊዜ የጥበቃ ፖሊሲ የመጨረሻ ውሳኔ አለው።

ጠቃሚ ምክር: ለእያንዳንዱ ዲጂታል ነገር, ለጥያቄዎች መልስ የሚሰጥ አጭር መዝገብ ያስቀምጡ "የመጀመሪያው ምንጭ የት ነው, የመጠባበቂያ ቅጂው በምን አይነት ቅርጸት ነው, የመዳረሻ ቅጂው በየትኛው ቅርጸት ነው, እና ለተጠቃሚው የሚቀርበው?" እነዚህን ሶስት እርከኖች መቀላቀል የታመነው ጌታ የትኛው ፋይል ወደፊት እንደሚሄድ ግልጽ ያደርገዋል።

አራት ሊገለበጡ የሚችሉ አብነቶች

1) የ OCR የውጤት ማስተካከያ እገዛ፡-

ከዚህ በታች የOCR ጽሑፍ እና የእውነተኛው ገጽ መግለጫ አለ። OpenOCR ስህተቶችን ብቻ ያስተካክሉ (መጥፎ ቁምፊዎች፣ ውህድ/የተከፋፈሉ ቃላት)። ይዘትን አይቀይሩ, ቃላትን አይጨምሩ ወይም ያስወግዱ. እርግጠኛ ካልሆኑ በ"[?]" ምልክት ያድርጉበት። OCR ጽሑፍ፡ [እዚህ]

2) የጽሑፍ ምስል ወጥነት ማረጋገጫ;

ከዚህ በታች ባለው የተስተካከለ ጽሑፍ ውስጥ በዋናው ሰነድ ውስጥ ያልጠበቁት (የተሰራ ሊሆን ይችላል) ተጨማሪዎች አሉ? እያንዳንዱን አጠራጣሪ ክፍል ምልክት አድርግበት እና ለምን አጠራጣሪ እንደሆነ ጻፍ። ጽሑፍ: [እዚህ]

3) የመከላከያ ሜታዳታ ረቂቅ፡-

ለሚከተለው ዲጂታይዝድ ነገር የማቆያ ሜታዳታ ዝርዝርን ያመንጩ፡- ምንጭ፣ ማስረጃ፣ ቅኝት ቀን/ጥራት፣ የፋይል ቅርጸት፣ የግብይት ታሪክ። ያቀረብኩትን መረጃ ብቻ ተጠቀም፣ የጎደለውን መስክ ባዶ ተወው። መረጃ: [እዚህ]

4) ቅድሚያ የሚሰጠው እገዛ፡-

ከዚህ በታች ዲጂታይዜሽን በመጠባበቅ ላይ ያሉ ስብስቦች ዝርዝር ነው; በደካማነት፣ በፍላጎት እና በልዩነት ላይ በመመስረት ቅድሚያ በመስጠት ያግዙ። ለእያንዳንዱ ምንጭ አጭር ማረጋገጫ ይስጡ; የመጨረሻውን ውሳኔ ለእኔ ተወው። ዝርዝር፡ [እዚህ]

ደካማ ጥያቄ / ጠንካራ ጥያቄ

ደካማ ጥያቄ፡

ይህን የተቃኘ ጽሑፍ አስተካክሉት እና አሳምረው።

"ውበት" AI ይዘቱን እንዲለውጥ ይጋብዛል, የተከሰቱትን ያካክላል; የማህደር ሰነዱ መነሻነት ተጎድቷል።

ኃይለኛ ጥያቄ፡-

የእርስዎ ሚና፡ ዲጂታይዜሽን አርታዒ ረዳት። በሚከተለው የOCR ጽሑፍ ውስጥ፣ ግልጽ የሆኑ የማወቂያ ስህተቶችን (መጥፎ ቁምፊ፣ በስህተት የተከፋፈለ ቃል) ብቻ ያስተካክሉ። ምንም ቃላትን አትጨምር፣ አታስወግድ ወይም አትቀይር። እርግጠኛ ካልሆኑበት "[?]" ይውጡ። ያደረከውን እያንዳንዱን እርማት በተለየ ዝርዝር ውስጥ አሳይ። ጽሑፍ: [እዚህ]

ኃይለኛው ፈጣን AI ስህተቶችን እንዲያውቅ ብቻ ይገድባል, ይዘትን እንዳይነካ ይከለክላል እና እርማቶችን እንዲገኙ ያደርጋል.

የስራ ፍሰት እና የአደጋ ሠንጠረዥ

ደረጃ

የ AI አስተዋጽዖ

ዋና አደጋ

የመከላከያ መለኪያ

ቅኝት

-

ደካማ ጥራት

ከፍተኛ ጥራት

OCR/HTR

ወደ ጽሑፍ ቀይር

የማወቅ ስህተቶች

የሰው እርማት

እርማት

የስህተት አስተያየት

ይዘትን በመቀየር ላይ

ከመጀመሪያው ጋር ማወዳደር

ወደነበረበት መመለስ

የምስል መነሻ

ተስማሚ ዝርዝር

ጥሬውን ኦርጅናሉን ያስቀምጡ, ምልክት ያድርጉበት

ጥበቃ

ዲበ ውሂብ ረቂቅ

አመጣጥ ማጣት

የፕሮቬንሽን መዝገብ

የተለመዱ ስህተቶች

• ያለ እርማት የ OCR ውፅዓት መቀበል። ስህተቶች ፍለጋን እና መዳረሻን ያበላሻሉ።
• AI “አምር” በማለት በመጥራት። ይዘቱን ይለውጣል እና ኦሪጅናልነትን ያጠፋል.
• የ AI እድሳትን በተጨባጭ ማስረጃ በመተካት። የተሰራ ዝርዝር የውሸት ታሪክ ይፈጥራል።
• ጥሬ ቅኝቱን አለማጠራቀም. ያለ ዋናው እርማት ሊረጋገጥ አይችልም።
• የፕሮቬንሽን መረጃን መተው. የሰነዱ አስተማማኝነት የማይታወቅ ይሆናል.

በማጠቃለያው

AI በዲጂታል መዛግብት እና ዲጂታል ማድረግ; የ OCR/HTR ቅጂን፣ ሜታዳታ መቅረጽ እና ቅድሚያ መስጠትን የሚያፋጥን ጠቃሚ እርዳታ ነው። ነገር ግን የማህደር ስራው ፍሬ ነገር ትክክለኛነት እና ታማኝነት ነው፡ የ OCR ውፅዓት በሰው አይን መታረም አለበት፣ AI ይዘቱን በዝምታ መተካት የለበትም፣ የመልሶ ማቋቋም ተዋጽኦዎች ዋናውን ማስረጃ መተካት የለባቸውም እና ጥሬ ቅኝት እና የፕሮቬንሽን መረጃ ሁል ጊዜ ተጠብቆ መቀመጥ አለበት። ሰነዱን "የማያሻሽል" ነገር ግን ለሱ ታማኝ ሆኖ እንዲገኝ የሚያደርገውን AI እንደ መሳሪያ ይጠቀሙ።

የመተግበሪያ ተግባር

አጭር የOCR ውፅዓት (የራስህ ምርት ወይም ከትክክለኛ ቅኝት) አግኝ። የማወቂያ ስህተቶቹን በ"OCR የውጤት እርማት እገዛ" አብነት ብቻ እንዲታረሙ ያድርጉ፣ ከዚያ AI በ"የፅሁፍ ምስል ወጥነት ማረጋገጫ" አብነት ይዘትን መጨመሩን ያረጋግጡ። ከዚያ በ"የማቆያ ሜታዳታ ረቂቅ" አብነት ለዕቃው የፕሮቬንሽን እና የቅርጸት መረጃ የያዘ መዝገብ ይፍጠሩ።

የማረጋገጫ ዝርዝር

• [ ] የ OCR/HTR ውፅዓትን ከትክክለኛው ምስል ጋር አወዳድሬ አስተካክለው።
• [] AI ይዘት እንደማይጨምር/እንደማይቀይር አረጋግጫለሁ።
• [ ] ጥሬውን (ማስተር) ቅኝቱን ለየብቻ እና ሳይለወጥ አስቀምጫለሁ።
• [ ] የፕሮቬንሽን እና የቅርጸት መረጃን ወደ ሜታዳታው ጨምሬያለሁ።
• [ ] የመልሶ ማቋቋም ተለዋጮችን "AI ተዋጽኦ" በማለት በግልጽ ሰይሜአለሁ።