Riba:
- Ikon gyara takaddun da aka bincika ta hanyar canza su zuwa rubutu tare da OCR da HTR da kwatanta fitarwa tare da ainihin hoton.
- Ikon adana asali da mutuncin takaddar adana kayan tarihi da hana AI daga canza abun ciki da sabuntawar ƙirƙira.
- Ƙarfin tsara tsarin adana dijital na dogon lokaci tare da bayanan tabbatarwa da tsarukan dorewa
Ma’aikacin adana kayan tarihi yana da alhakin ɗaukar kundin jarida na shekaru hamsin, wasiƙun da aka rubuta da hannu, ko tsoffin hotuna zuwa gaba. Waɗannan takaddun sun ƙare akan lokaci; Don adana su duka da sanya su isa, ana yin digitization: aikin bincika takaddar zahiri da canza ta zuwa kwafin dijital. Amma dubawa kadai bai isa ba; Dole ne abu na dijital ya zama abin samuwa, abin karantawa kuma ana iya kiyaye shi cikin dogon lokaci. A cikin wannan rukunin, zaku koyi yadda ake amfani da hankali na wucin gadi a cikin ƙididdigewa, kwafi da aikin adana dijital; amma za ku koyi dalilin da yasa za ku riƙe alhakin asali da daidaito.
Wasu ra'ayoyi. OCR (Gane Haruffa Na gani) fasaha ce da ke juyar da rubutu a cikin hoton takarda zuwa rubutu mai iya gyara na'ura. HTR (Gane Rubutun Hannu) yana aiki iri ɗaya don takaddun rubutun hannu kuma ya fi wahala. Kiyaye dijital ƙoƙari ne da aka tsara don tabbatar da cewa abubuwan dijital sun kasance ana iya karanta su tsawon shekaru da yawa, duk da cewa tsarin fayil ɗin ya zama mara amfani kuma software ta canza. AI mataimaki ne mai ƙarfi amma maras kyau a duk fagage uku.
Mataki-mataki: daga digitization zuwa adanawa
1. Bada fifiko. Ba za ku iya yin digitize komai lokaci guda ba. Mafi rauni, mafi yawan buƙatu kuma mafi ƙarancin takaddun ana sa su a farko. Wannan hukunci ne na shari'a; AI yana taimakawa tare da gyara jeri, amma cibiyar tana ƙayyade fifiko.
2. Duba kuma yi amfani da OCR/HTR. Duba daftarin aiki a babban ƙuduri, sannan yi amfani da OCR ko HTR don cire rubutun. Kayan aiki na tushen AI suna samun mafi kyau kuma a nan, har ma da tsofaffi da rubutu masu wuya.
3. Gyara da tabbatar da rubutu. Fitowar OCR/HTR ba ta taɓa zama cikakke ba. Kurakurai sun zama ruwan dare, musamman idan akwai tsofaffin rubuce-rubuce, shafuka masu tabo, ko rubutun hannu. Yana da mahimmanci a kwatanta fitarwa tare da ainihin hoton kuma gyara shi.
4. Ƙara metadata da bayanin kariya. Ƙara zuwa abu na dijital yadda ya dace, yanayin dubawa, tsarin bayanai, da kuma tabbatarwa - inda takardar ta fito da kuma yadda aka sarrafa ta. Wannan bayanin yana da mahimmanci don tabbatarwa da kariya a gaba.
5. Shirye-shiryen kariya na dogon lokaci. Zaɓi tsarin fayil waɗanda suke buɗewa, gama gari kuma masu dorewa; baya baya; Yi tsarin ƙaura idan tsarin ya zama mara amfani.
Tukwici: Kar a yarda da fitowar OCR a matsayin "rubutu bayyananne". Idan tsarin bincike ya yi aiki ta wannan rubutun, kalmomin da ba daidai ba za su sa ba a sami tushen ba. Don tarin mahimmanci, gyara abubuwan OCR zuwa idon ɗan adam yana ƙayyade ingancin duk damar da za ta biyo baya.
Gaskiya da amincin abun dijital
A cikin zuciyar aikin adana kayan tarihi shine gaskiya da mutunci: tabbacin cewa da gaske takarda ta fito daga tushen da'awar kuma ba a canza abin da ke cikin ta ba. A wannan lokaci, AI yana haifar da barazana ta hanyoyi biyu. Na farko, yayin gyaran OCR/HTR ko "haɓaka," AI na iya yin shiru da canza rubutun; zai iya ƙara kalmar da ba ta wanzu a ƙarƙashin sunan "gyara". Na biyu, idan hoton "gyara" ko "maidowa" aka yi tare da AI, ana iya samar da bayanan da ba na asali ba.
Dokar ma'ajiyar kayan tarihi a bayyane take: kwafin adana dijital dole ne ya kasance mai aminci ga asali. Duk wani ci gaba da aka yi tare da AI yakamata a rubuta shi kuma a koyaushe a adana ainihin sikanin (raw) koyaushe. “Kwata” takarda na iya lalata kimar shaida ta tarihi.
Tsanaki: Yana iya zama mai jaraba don "inganta" tsohon hoto ko takarda tare da AI; amma AI yana cika sassan da suka ɓace ta hanyar yin su. A cikin daftarin tarihi, wannan yana nufin ƙirƙirar shaidar karya ta tarihi. Fitowar maidowa baya maye gurbin asalin asali; ana adana shi azaman keɓantacce, bambance-bambancen lakabi a sarari.
uku mini lokuta
Case 1 — Taskokin Jarida sun zama abin nema. Wani ɗakin karatu ya ƙididdige tarin jaridun cikin gida na shekaru 30. Tare da OCR, an rubuta shafuka 90,000 kuma an sanya su a bincika; Binciken batun da a baya ya ɗauki kwanaki yanzu an rage shi zuwa daƙiƙa. Koyaya, ƙungiyar ta lura cewa daidaiton OCR ya ragu zuwa 80% akan tsoffin shafuka da tabo kuma sun ba da fifikon gyara manyan shekaru tare da idon ɗan adam.
Case 2 — HTR ya buɗe rubutun. Rumbun tarihin ya yi amfani da HTR zuwa tarin haruffa na ƙarni na 19 masu wahalar karantawa. Tsarin ya sami babban gudu bisa ga karatun watanni da masana suka yi; Amma kowane shafi na bugu an kwatanta shi da na asali na ƙwararrun masanin binciken burbushin halittu (kwararre kan rubuce-rubucen daɗaɗɗen), domin akwai kurakurai a cikin sunayen mutane da wurare.
Shari'a ta 3 - An ƙi "maidowa" na karya. Ƙungiya ɗaya ta yi la'akari da "gyara" hoton tarihi da ya yage tare da AI. AI ya kammala sassan fuska da suka ɓace ta hanyar daidaita su. Marubucin tarihin ya gane cewa waɗannan ƙagaggun bayanai za su karkatar da shaidar tarihi; Hoton da aka gyara an adana shi daban tare da ainihin asali, kawai a sarari mai lakabin "Irivative AI".
Samun damar kwafin, kwafin adanawa da shawarar tsari
Kyakkyawan aiki a cikin digitization shine raba kwafin abu ɗaya don dalilai daban-daban. Jagoran adanawa shine ainihin abu na dijital da za a ɗauka zuwa gaba, adana shi a cikin mafi girman ƙuduri, tsarin da ba a matsawa ko asara ba; ba kasafai ake taba shi ba. Kwafin shiga ƙarami ne, sauƙin buɗe bambancen da aka gabatar wa mai amfani. Wannan bambanci yana da mahimmanci saboda tsarin da ke da amfani don amfani (ƙananan, matsawa) bazai dace da adana dogon lokaci ba; Tsarin da ya dace don adanawa (babba, marar asara) yana da wahala don amfanin yau da kullun. A cikin wannan aikin, AI na iya taimakawa wajen ƙirƙira fayiloli, gano bambance-bambancen da suka ɓace, da kiyaye metadata daidai tsakanin kwafi biyu. Duk da haka, zaɓin tsari shine shawarar adanawa: buɗaɗɗen, rubuce-rubuce da yawa kuma ya kamata a fifita sifofi masu ɗorewa (maimakon na mallakar mallaka, rufaffiyar tsarin), kuma yakamata a shirya shirin ƙaura idan tsarin ya ɓace akan lokaci. Ko da AI ya ba da shawarar tsari, manufofin kiyaye dogon lokaci na cibiyar yana da faɗin ƙarshe.
Tukwici: Ga kowane abu na dijital, adana taƙaitaccen rikodin da ke amsa tambayoyin "ina asalin tushen, a wane tsari ne kwafin adanawa, a wanne tsari ake samun kwafin shiga, kuma wanne ake bayarwa ga mai amfani?" Haɗa waɗannan yadudduka guda uku yana sa ba a san ko wane fayil ne amintaccen jagoran da ke gaba ba.
Samfura huɗu masu kwafi
1) Taimakon gyara fitarwa na OCR:
A ƙasa akwai rubutun OCR da bayanin ainihin shafin. Kawai gyara kurakurai masu buɗe OCR (mummunan haruffa, kalmomi masu haɗaka/raga-raba). Kar a canza abun ciki, ƙara ko cire kalmomi. Idan ba ku da tabbas, yi alama da "[?]". Rubutun OCR: [nan]
2) Duba daidaiton hoton rubutu:
Shin akwai wasu ƙarin abubuwa a cikin rubutun da aka gyara a ƙasa waɗanda ba a tsammanin su kasance a cikin ainihin takaddar (wanda ƙila an yi shi)? Yi alama ga kowane ɓangaren da ake tuhuma kuma rubuta dalilin da yasa ake tuhuma. Rubutu: [nan]
3) Daftarin metadata na kariya:
Ƙirƙirar ƙayyadaddun bayanan metadata don abu mai zuwa mai zuwa: tushe, tabbatarwa, kwanan wata/ƙuduri, tsarin fayil, tarihin ciniki. Kawai amfani da bayanin da na bayar, bar filin da ya ɓace babu komai. Bayani: [a nan]
4) Taimakon fifiko:
A ƙasa akwai jerin tarin da ke jiran digitization; Taimaka wajen ba da fifiko dangane da rashin ƙarfi, buƙata, da keɓantacce. Ba da taƙaitaccen hujja ga kowane albarkatu; Ka bar mini yanke shawara ta ƙarshe.List: [a nan]
Rauni mai ƙarfi / Ƙarfi mai ƙarfi
Rawanin faɗakarwa:
Gyara da ƙawata wannan rubutun da aka bincika.
"Beautify" yana gayyatar AI don canza abun ciki, gyara abubuwan da aka rasa; Asalin takardun tarihin ya lalace.
Ƙarfi mai ƙarfi:
Matsayinku: Mataimakin editan digitization. A cikin rubutun OCR mai zuwa, gyara kurakuran ganowa KAWAI (mummunan hali, kalmar raba daidai). Kar a ƙara, cire ko canza kowace kalma. Bar "[?]" inda ba ku da tabbas. Nuna kowane gyara da kuka yi a cikin jerin daban. Rubutu: [nan]
Ƙarfi mai ƙarfi yana iyakance AI don gane kurakurai kawai, yana hana shi taɓa abun ciki, kuma yana sa ana iya gano gyare-gyare.
Gudun aiki da tebur mai haɗari
Mataki
Gudunmawar AI
Babban haɗari
ma'aunin kariya
duba
-
rashin inganci
babban ƙuduri
OCR/HTR
Maida zuwa rubutu
Kuskuren ganewa
gyaran mutum
gyara
Shawarar kuskure
Canza abun ciki
Kwatanta da asali
maidowa
Asalin hoto
dacewa daki-daki
Ci gaba da danyen asali, yi masa lakabi
kariya
Daftarin metadata
asarar asali
Rikodin Provenance
Kuskuren gama gari
- Karɓar fitowar OCR ba tare da gyara ba. Kurakurai sun hana bincike da shiga.
- Kira AI "yi kyau." Yana canza abun ciki kuma yana lalata asali.
- Maye gurbin AI maidowa don ainihin shaida. Cikakken dalla-dalla yana haifar da tarihin karya.
- Ba adana danyen sikanin ba. Ba za a iya tabbatar da gyara ba sai na asali.
- Haɓaka bayanan fa'ida. Amincewar daftarin aiki ya zama wanda ba a iya gano shi ba.
a takaice
AI a cikin ɗakunan ajiya na dijital da digitization; Taimako ne mai ƙima wanda ke haɓaka rubutun OCR/HTR, tsara metadata da fifiko. Amma ainihin aikin adana kayan tarihi shine gaskiya da mutunci: yakamata a gyara fitowar OCR ta idon ɗan adam, AI bai kamata ya maye gurbin abun ciki cikin shiru ba, abubuwan da aka samo asali bai kamata su maye gurbin ainihin shaidar ba, kuma a koyaushe a adana ɗanyen bincike da tabbatarwa. Yi amfani da AI azaman kayan aiki wanda baya "inganta" daftarin aiki, amma a maimakon haka ya sa ya sami dama yayin kasancewa da gaskiya gare ta.
Aikin aikace-aikace
Samo ɗan gajeren samfurin fitowar OCR (ko dai samar da ku ko daga ainihin sikelin). A gyara kurakuran tantancewa kawai tare da samfurin "taimakon gyara kayan fitarwa na OCR", sannan duba ko AI ta ƙara abun ciki tare da samfurin "Duba daidaiton hoto na rubutu". Sannan ƙirƙiri rikodin tare da tantancewa da tsara bayanan abu tare da samfurin "Tsarin metadata".
jerin abubuwan dubawa
- [ ] Na kwatanta fitowar OCR/HTR tare da ainihin hoton kuma na gyara shi.
- [ ] Na duba cewa AI baya ƙara/canza abun ciki.
- [ ] Na ajiye danyen (master) sikanin daban kuma baya canzawa.
- [ ] Na ƙara tabbatarwa da bayanin tsari zuwa metadata.
- [ ] Na yi wa bambance-bambancen lakabi a fili a matsayin "wanda aka samu AI".