লাভ:
- স্ক্যান করা নথিগুলিকে OCR এবং HTR দিয়ে টেক্সটে রূপান্তর করে এবং প্রকৃত চিত্রের সাথে আউটপুট তুলনা করে সংশোধন করার ক্ষমতা
- সংরক্ষণাগার নথির মৌলিকতা এবং অখণ্ডতা রক্ষা করার ক্ষমতা এবং AI-কে বিষয়বস্তু পরিবর্তন এবং বানোয়াট পুনরুদ্ধার থেকে বাধা দেয়
- মূল তথ্য এবং টেকসই বিন্যাস সহ দীর্ঘমেয়াদী ডিজিটাল সংরক্ষণের পরিকল্পনা করার ক্ষমতা
একজন আর্কাইভিস্টকে পঞ্চাশ বছরের পুরনো সংবাদপত্রের ভলিউম, হাতে লেখা চিঠি বা পুরানো ফটোগ্রাফ ভবিষ্যতে নিয়ে যাওয়ার দায়িত্ব দেওয়া হয়। সময়ের সাথে সাথে এই নথিগুলি পরে যায়; উভয়কে সংরক্ষণ এবং অ্যাক্সেসযোগ্য করার জন্য, ডিজিটাইজেশন করা হয়: একটি ফিজিক্যাল ডকুমেন্ট স্ক্যান করা এবং এটিকে ডিজিটাল কপিতে রূপান্তর করার কাজ। কিন্তু একা স্ক্রিনিং যথেষ্ট নয়; ডিজিটাল বস্তুটি অবশ্যই দীর্ঘমেয়াদে খুঁজে পাওয়া, পাঠযোগ্য এবং রক্ষণাবেক্ষণযোগ্য হতে হবে। এই ইউনিটে, আপনি শিখবেন কিভাবে ডিজিটাইজেশন, ট্রান্সক্রিপশন এবং ডিজিটাল সংরক্ষণ কর্মপ্রবাহে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করতে হয়; কিন্তু আপনি শিখবেন কেন আপনি মৌলিকতা এবং নির্ভুলতার জন্য দায়ী থাকবেন।
কয়েকটি ধারণা। OCR (অপটিক্যাল ক্যারেক্টার রিকগনিশন) একটি প্রযুক্তি যা একটি নথির চিত্রের পাঠ্যকে মেশিন-সম্পাদনাযোগ্য পাঠ্যে রূপান্তর করে। HTR (হস্তলিখিত টেক্সট রিকগনিশন) হাতে লেখা নথিগুলির জন্য একই কাজ করে এবং অনেক বেশি কঠিন। ডিজিটাল সংরক্ষণ হল একটি পরিকল্পিত প্রচেষ্টা যাতে ডিজিটাল অবজেক্টগুলি কয়েক দশক ধরে পাঠযোগ্য থাকে, এমনকি ফাইল ফর্ম্যাটগুলি অপ্রচলিত হয়ে যায় এবং সফ্টওয়্যার পরিবর্তন হয়। AI তিনটি ক্ষেত্রেই একটি শক্তিশালী কিন্তু ত্রুটিপূর্ণ সহকারী।
ধাপে ধাপে: ডিজিটাইজেশন থেকে সংরক্ষণ
1. অগ্রাধিকার দিন। আপনি একবারে সবকিছু ডিজিটাইজ করতে পারবেন না। সবচেয়ে ভঙ্গুর, সর্বাধিক অনুরোধ করা এবং সবচেয়ে অনন্য নথিগুলি প্রথমে রাখা হয়। এটি একটি বিচারিক সিদ্ধান্ত; AI তালিকা সম্পাদনা করতে সাহায্য করে, কিন্তু প্রতিষ্ঠান অগ্রাধিকার নির্ধারণ করে।
2. স্ক্যান করুন এবং OCR/HTR প্রয়োগ করুন। উচ্চ রেজোলিউশনে দস্তাবেজটি স্ক্যান করুন, তারপর পাঠ্য বের করতে OCR বা HTR ব্যবহার করুন। AI-ভিত্তিক সরঞ্জামগুলি এখানে আরও ভাল হচ্ছে, এমনকি পুরানো এবং কঠিন পাঠ্যের সাথেও।
3. টেক্সট সংশোধন করুন এবং যাচাই করুন। OCR/HTR আউটপুট কখনই নিখুঁত হয় না। ত্রুটিগুলি সাধারণ, বিশেষ করে যদি পুরানো লেখা, দাগযুক্ত পৃষ্ঠা বা পাণ্ডুলিপি থাকে। প্রকৃত চিত্রের সাথে আউটপুট তুলনা করা এবং এটি সংশোধন করা অপরিহার্য।
4. মেটাডেটা এবং সুরক্ষা তথ্য যোগ করুন। ডিজিটাল অবজেক্টে এর উৎস, স্ক্যানিং শর্ত, ফরম্যাট তথ্য, এবং উদ্ভব যোগ করুন — নথিটি কোথা থেকে এসেছে এবং কীভাবে এটি প্রক্রিয়া করা হয়েছে। এই তথ্য ভবিষ্যতে যাচাইকরণ এবং সুরক্ষার জন্য গুরুত্বপূর্ণ।
5. দীর্ঘমেয়াদী সুরক্ষার জন্য পরিকল্পনা করুন। খোলা, সাধারণ এবং টেকসই ফাইল বিন্যাস চয়ন করুন; ব্যাক আপ; ফরম্যাট অপ্রচলিত হলে একটি মাইগ্রেশন পরিকল্পনা করুন।
পরামর্শ: OCR আউটপুটকে "ক্লিয়ার টেক্সট" হিসেবে গ্রহণ করবেন না। যদি একটি অনুসন্ধান সিস্টেম এই পাঠ্যের মাধ্যমে কাজ করে, ভুলভাবে স্বীকৃত শব্দের কারণে উত্সটি খুঁজে পাওয়া যাবে না। সমালোচনামূলক সংগ্রহের জন্য, মানুষের চোখে OCR আউটপুট সংশোধন করা সমস্ত পরবর্তী অ্যাক্সেসের গুণমান নির্ধারণ করে।
ডিজিটাল বস্তুর সত্যতা এবং অখণ্ডতা
আর্কাইভাল কাজের কেন্দ্রবিন্দুতে রয়েছে সত্যতা এবং অখণ্ডতা: এই নিশ্চয়তা যে একটি নথি সত্যই দাবিকৃত উৎস থেকে এসেছে এবং এর বিষয়বস্তু পরিবর্তন করা হয়নি। এই মুহুর্তে, এআই একটি দ্বিমুখী হুমকি তৈরি করে। প্রথমত, OCR/HTR সংশোধন বা "বর্ধিতকরণ" সময়, AI নীরবে পাঠ্য পরিবর্তন করতে পারে; "সংশোধন" নামের অধীনে বিদ্যমান নেই এমন একটি শব্দ যোগ করতে পারেন। দ্বিতীয়ত, AI দিয়ে ছবি "মেরামত" বা "পুনরুদ্ধার" করা হলে, অ-মূল বিবরণ উত্পাদিত হতে পারে।
আর্কাইভিস্টের নিয়ম স্পষ্ট: ডিজিটাল সংরক্ষণ কপি অবশ্যই আসলটির প্রতি বিশ্বস্ত হতে হবে। AI দিয়ে করা প্রতিটি উন্নতি নথিভুক্ত করা উচিত এবং প্রকৃত (কাঁচা) স্ক্যান সবসময় সংরক্ষণ করা উচিত। একটি নথির "সুন্দরকরণ" এর ঐতিহাসিক প্রমাণের মূল্যকে ধ্বংস করতে পারে।
সতর্কতা: এটি AI এর সাথে একটি পুরানো ফটো বা নথিকে "উন্নত" করতে প্রলুব্ধ হতে পারে; কিন্তু AI অনুপস্থিত অংশগুলি তৈরি করে পূরণ করে। একটি সংরক্ষণাগার নথিতে, এর অর্থ মিথ্যা ঐতিহাসিক প্রমাণ তৈরি করা। পুনরুদ্ধার আউটপুট মূল উৎস প্রতিস্থাপন করে না; একটি পৃথক, স্পষ্টভাবে লেবেলযুক্ত বৈকল্পিক হিসাবে সংরক্ষণ করা হয়৷
তিনটি মিনি কেস
কেস 1 — সংবাদপত্রের সংরক্ষণাগারগুলি অনুসন্ধানযোগ্য হয়ে উঠেছে। একটি লাইব্রেরি স্থানীয় সংবাদপত্রের 30 বছরের পুরনো সংগ্রহকে ডিজিটালাইজ করেছে। OCR দিয়ে, 90,000 পৃষ্ঠা প্রতিলিপি করা হয়েছে এবং অনুসন্ধানযোগ্য করা হয়েছে; একটি বিষয় অনুসন্ধান যা আগে দিন লাগত এখন সেকেন্ডে কমিয়ে আনা হয়েছে। যাইহোক, দলটি লক্ষ্য করেছে যে পুরানো এবং দাগযুক্ত পৃষ্ঠাগুলিতে OCR নির্ভুলতা 80% এ নেমে গেছে এবং মানুষের চোখ দিয়ে সেরা বছরগুলি সংশোধন করাকে অগ্রাধিকার দিয়েছে।
কেস 2 — HTR পাণ্ডুলিপি খুলেছে। একটি আর্কাইভ 19 শতকের পড়া কঠিন চিঠির সংগ্রহে HTR প্রয়োগ করেছে। বিশেষজ্ঞদের দ্বারা পড়ার মাস অনুযায়ী সিস্টেমটি দুর্দান্ত গতি অর্জন করেছে; কিন্তু প্রিন্টআউটের প্রতিটি পৃষ্ঠাকে একজন বিশেষজ্ঞ প্যালিওগ্রাফার (প্রাচীন লেখার বিশেষজ্ঞ) দ্বারা আসলটির সাথে তুলনা করা হয়েছিল, কারণ মানুষ এবং স্থানের নামে ত্রুটি ছিল।
কেস 3 - জাল "পুনরুদ্ধার" প্রত্যাখ্যান করা হয়েছে। একটি দল AI এর সাথে একটি ছেঁড়া ঐতিহাসিক ফটোগ্রাফ "মেরামত" বিবেচনা করেছে। AI অনুপস্থিত মুখের অংশগুলিকে ফিট করে সম্পূর্ণ করেছে। আর্কাইভিস্ট বুঝতে পেরেছিলেন যে এই বানোয়াট বিবরণ ঐতিহাসিক প্রমাণকে বিকৃত করবে; মেরামত করা চিত্রটি মূলের পাশাপাশি আলাদাভাবে সংরক্ষণ করা হয়েছিল, শুধুমাত্র স্পষ্টভাবে "এআই ডেরিভেটিভ" লেবেলযুক্ত।
অ্যাক্সেস কপি, সংরক্ষণ কপি এবং বিন্যাস সিদ্ধান্ত
ডিজিটাইজেশনের একটি ভাল অভ্যাস হল বিভিন্ন উদ্দেশ্যে একই বস্তুর কপি আলাদা করা। একটি সংরক্ষণ মাস্টার হল প্রকৃত ডিজিটাল বস্তু যা ভবিষ্যতে বহন করা হবে, সর্বোচ্চ রেজোলিউশনে, সংকুচিত বা ক্ষতিহীন বিন্যাসে সংরক্ষণ করা হয়; এটি খুব কমই স্পর্শ করা হয়। অ্যাক্সেস কপি হল ব্যবহারকারীর কাছে উপস্থাপিত একটি ছোট, সহজে খোলা বৈকল্পিক। এই পার্থক্যটি গুরুত্বপূর্ণ কারণ যে বিন্যাসটি ব্যবহারের জন্য ব্যবহারিক (ছোট, সংকুচিত) দীর্ঘমেয়াদী সংরক্ষণের জন্য উপযুক্ত নাও হতে পারে; সংরক্ষণের জন্য আদর্শ বিন্যাস (বড়, ক্ষতিহীন) দৈনন্দিন ব্যবহারের জন্য কষ্টকর। এই ওয়ার্কফ্লোতে, এআই ফাইল ইনভেন্টরি করতে, অনুপস্থিত ভেরিয়েন্টগুলি সনাক্ত করতে এবং মেটাডেটা দুটি কপির মধ্যে সামঞ্জস্য রাখতে সহায়তা করতে পারে। যাইহোক, বিন্যাসের পছন্দ একটি সংরক্ষণের সিদ্ধান্ত: খোলা, ব্যাপকভাবে নথিভুক্ত এবং টেকসই বিন্যাসগুলিকে অগ্রাধিকার দেওয়া উচিত (মালিকানা, বন্ধ বিন্যাসের পরিবর্তে), এবং সময়ের সাথে বিন্যাসগুলি অপ্রচলিত হয়ে গেলে একটি মাইগ্রেশন পরিকল্পনা প্রস্তুত রাখা উচিত। এমনকি যদি AI একটি বিন্যাসের পরামর্শ দেয়, প্রতিষ্ঠানের দীর্ঘমেয়াদী সংরক্ষণ নীতি চূড়ান্ত বলে।
টিপ: প্রতিটি ডিজিটাল অবজেক্টের জন্য, একটি সংক্ষিপ্ত রেকর্ড রাখুন যা প্রশ্নের উত্তর দেয় "মূল উৎস কোথায়, কোন বিন্যাসে সংরক্ষণ অনুলিপি, কোন বিন্যাসে অ্যাক্সেস কপি, এবং কোনটি ব্যবহারকারীর জন্য উপলব্ধ করা হয়েছে?" এই তিনটি স্তর মিশ্রিত করলে এটি অস্পষ্ট হয় যে কোন ফাইলটি বিশ্বস্ত মাস্টার এগিয়ে যাচ্ছে।
চারটি অনুলিপিযোগ্য টেমপ্লেট
1) OCR আউটপুট সংশোধন সাহায্য:
নীচে একটি OCR পাঠ্য এবং প্রকৃত পৃষ্ঠার বিবরণ রয়েছে৷ শুধুমাত্র openOCR ত্রুটিগুলি ঠিক করুন (খারাপ অক্ষর, যৌগিক/বিভক্ত শব্দ)। বিষয়বস্তু পরিবর্তন করবেন না, শব্দ যোগ বা অপসারণ. আপনি নিশ্চিত না হলে, "[?]" দিয়ে চিহ্নিত করুন। OCR পাঠ্য: [এখানে]
2) টেক্সট-ইমেজ সামঞ্জস্য পরীক্ষা:
নীচের সংশোধন করা পাঠ্যটিতে কি এমন কোন সংযোজন আছে যা মূল নথিতে (যা তৈরি করা হতে পারে) আশা করা হয়নি? প্রতিটি সন্দেহজনক অংশ চিহ্নিত করুন এবং কেন এটি সন্দেহজনক তা লিখুন। পাঠ্য: [এখানে]
3) সুরক্ষা মেটাডেটা খসড়া:
নিম্নলিখিত ডিজিটাইজড বস্তুর জন্য সংরক্ষণ মেটাডেটা রূপরেখা তৈরি করুন: উত্স, উত্স, স্ক্যান তারিখ/রেজোলিউশন, ফাইল বিন্যাস, লেনদেনের ইতিহাস। শুধু আমার দেওয়া তথ্য ব্যবহার করুন, অনুপস্থিত ক্ষেত্রটি ফাঁকা রাখুন। তথ্য: [এখানে]
4) অগ্রাধিকার সহায়তা:
নীচে ডিজিটাইজেশনের অপেক্ষায় থাকা সংগ্রহগুলির তালিকা রয়েছে; ভঙ্গুরতা, চাহিদা এবং স্বতন্ত্রতার উপর ভিত্তি করে অগ্রাধিকার নির্ধারণে সহায়তা করুন। প্রতিটি সম্পদের জন্য সংক্ষিপ্ত ন্যায্যতা দিন; চূড়ান্ত সিদ্ধান্ত আমার উপর ছেড়ে দিন। তালিকা: [এখানে]
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট:
এই স্ক্যান করা টেক্সটটি সঠিক এবং সুন্দর করুন।
"সুন্দর করা" AI কে আমন্ত্রণ জানায় বিষয়বস্তু পরিবর্তন করতে, বাদ পড়ার জন্য; সংরক্ষণাগার নথির মৌলিকতা ক্ষতিগ্রস্ত হয়.
শক্তিশালী প্রম্পট:
আপনার ভূমিকা: ডিজিটাইজেশন সম্পাদক সহকারী। নিম্নলিখিত OCR পাঠ্যে, শুধুমাত্র স্পষ্ট স্বীকৃতি ত্রুটিগুলি (খারাপ অক্ষর, ভুলভাবে বিভক্ত শব্দ) ঠিক করুন৷ কোনো শব্দ যোগ, অপসারণ বা পরিবর্তন করবেন না। যেখানে আপনি নিশ্চিত নন সেখানে "[?]" ছেড়ে দিন। আপনার করা প্রতিটি সংশোধন একটি পৃথক তালিকায় দেখান। পাঠ্য: [এখানে]
শক্তিশালী প্রম্পট AI-কে শুধুমাত্র ত্রুটি শনাক্ত করার জন্য সীমাবদ্ধ করে, বিষয়বস্তু স্পর্শ করা থেকে এটি নিষিদ্ধ করে এবং সংশোধনগুলিকে খুঁজে পাওয়া যায়।
কর্মপ্রবাহ এবং ঝুঁকি টেবিল
মঞ্চ
AI এর অবদান
প্রধান ঝুঁকি
সুরক্ষা পরিমাপ
স্ক্যান
-
দরিদ্র মানের
উচ্চ রেজোলিউশন
OCR/HTR
টেক্সটে রূপান্তর করুন
স্বীকৃতি ত্রুটি
মানুষের সংশোধন
সংশোধন
ত্রুটি প্রস্তাবনা
বিষয়বস্তু পরিবর্তন
মূলের সাথে তুলনা
পুনরুদ্ধার
ইমেজ ডেরিভেটিভ
মানানসই বিস্তারিত
কাঁচা আসল রাখুন, এটি লেবেল করুন
সুরক্ষা
মেটাডেটা খসড়া
মূল ক্ষতি
জন্ম রেকর্ড
সাধারণ ভুল
- সংশোধন ছাড়াই OCR আউটপুট গ্রহণ করা। ত্রুটি অনুসন্ধান এবং অ্যাক্সেস ব্যাহত.
- এআইকে "সুন্দর করে তুলুন।" এটি বিষয়বস্তু পরিবর্তন করে এবং মৌলিকতা নষ্ট করে।
- প্রকৃত প্রমাণের জন্য AI পুনরুদ্ধার প্রতিস্থাপন করা। বানোয়াট বিবরণ মিথ্যা ইতিহাস তৈরি করে।
- কাঁচা স্ক্যান সংরক্ষণ না. মূল ছাড়া কোন সংশোধন যাচাই করা যাবে না.
- মূল তথ্য বাদ দেওয়া। নথির নির্ভরযোগ্যতা খুঁজে পাওয়া যায় না।
সংক্ষেপে
ডিজিটাল আর্কাইভ এবং ডিজিটাইজেশনে এআই; এটি একটি মূল্যবান সাহায্য যা OCR/HTR ট্রান্সক্রিপশন, মেটাডেটা ড্রাফটিং এবং অগ্রাধিকারের গতি বাড়ায়। কিন্তু আর্কাইভাল কাজের সারমর্ম হল সত্যতা এবং অখণ্ডতা: ওসিআর আউটপুট মানুষের চোখ দ্বারা সংশোধন করা উচিত, এআই কখনই নীরবে বিষয়বস্তু প্রতিস্থাপন করা উচিত নয়, পুনরুদ্ধার ডেরিভেটিভগুলি মূল প্রমাণ প্রতিস্থাপন করা উচিত নয় এবং কাঁচা স্ক্যানিং এবং প্রমাণ তথ্য সর্বদা সংরক্ষণ করা উচিত। AI কে এমন একটি টুল হিসাবে ব্যবহার করুন যা নথিটিকে "উন্নত" করে না, বরং এটির সাথে সত্য থাকার সময় এটিকে অ্যাক্সেসযোগ্য করে তোলে।
আবেদন টাস্ক
OCR আউটপুটের একটি সংক্ষিপ্ত নমুনা পান (হয় আপনার নিজের উত্পাদন বা একটি প্রকৃত স্ক্যান থেকে)। "OCR আউটপুট সংশোধন সহায়তা" টেমপ্লেট দিয়ে শুধুমাত্র স্বীকৃতি ত্রুটিগুলি সংশোধন করুন, তারপরে AI "টেক্সট-ইমেজ সামঞ্জস্য পরীক্ষা" টেমপ্লেটের সাথে সামগ্রী যুক্ত করেছে কিনা তা পরীক্ষা করুন। তারপরে "সংরক্ষণ মেটাডেটা ড্রাফ্ট" টেমপ্লেটের সাথে বস্তুর উদ্ভব এবং বিন্যাস তথ্য সহ একটি রেকর্ড তৈরি করুন।
চেকলিস্ট
- [ ] আমি প্রকৃত চিত্রের সাথে OCR/HTR আউটপুট তুলনা করেছি এবং এটি সংশোধন করেছি।
- [] আমি পরীক্ষা করেছি যে AI সামগ্রী যোগ/পরিবর্তন করে না।
- [ ] আমি কাঁচা (মাস্টার) স্ক্যান আলাদাভাবে এবং অপরিবর্তিত রেখেছি।
- [ ] আমি মেটাডেটাতে প্রোভেন্যান্স এবং ফর্ম্যাট তথ্য যোগ করেছি।
- [ ] আমি পরিষ্কারভাবে পুনরুদ্ধারের রূপগুলিকে "AI ডেরিভেটিভ" হিসাবে লেবেল করেছি৷