लाभ:
- स्कैन किए गए दस्तावेज़ों को ओसीआर और एचटीआर के साथ टेक्स्ट में परिवर्तित करके और वास्तविक छवि के साथ आउटपुट की तुलना करके सही करने की क्षमता
- संग्रह दस्तावेज़ की मौलिकता और अखंडता को संरक्षित करने और एआई को सामग्री को बदलने और मनगढ़ंत पुनर्स्थापना से रोकने की क्षमता
- उद्गम जानकारी और टिकाऊ प्रारूपों के साथ दीर्घकालिक डिजिटल संरक्षण की योजना बनाने की क्षमता
एक पुरालेखपाल को पचास साल पुराने अखबारों के खंड, हस्तलिखित पत्र या पुरानी तस्वीरों को भविष्य में ले जाने का काम सौंपा जाता है। ये दस्तावेज़ समय के साथ ख़राब हो जाते हैं; दोनों को संरक्षित करने और उन्हें सुलभ बनाने के लिए, डिजिटलीकरण किया जाता है: एक भौतिक दस्तावेज़ को स्कैन करने और उसे एक डिजिटल प्रतिलिपि में परिवर्तित करने का कार्य। लेकिन केवल स्क्रीनिंग ही पर्याप्त नहीं है; डिजिटल वस्तु लंबे समय तक खोजने योग्य, पढ़ने योग्य और रखरखाव योग्य होनी चाहिए। इस इकाई में, आप सीखेंगे कि डिजिटलीकरण, प्रतिलेखन और डिजिटल संरक्षण वर्कफ़्लो में कृत्रिम बुद्धिमत्ता का उपयोग कैसे करें; लेकिन आप सीखेंगे कि आप मौलिकता और सटीकता की ज़िम्मेदारी क्यों लेंगे।
कुछ अवधारणाएँ. OCR (ऑप्टिकल कैरेक्टर रिकॉग्निशन) एक ऐसी तकनीक है जो दस्तावेज़ की छवि में मौजूद टेक्स्ट को मशीन-संपादन योग्य टेक्स्ट में परिवर्तित करती है। एचटीआर (हस्तलिखित पाठ पहचान) हस्तलिखित दस्तावेजों के लिए वही काम करता है और कहीं अधिक कठिन है। डिजिटल संरक्षण यह सुनिश्चित करने के लिए एक योजनाबद्ध प्रयास है कि डिजिटल वस्तुएं दशकों तक पढ़ने योग्य बनी रहें, भले ही फ़ाइल प्रारूप अप्रचलित हो जाएं और सॉफ़्टवेयर बदल जाएं। एआई तीनों क्षेत्रों में एक शक्तिशाली लेकिन त्रुटिपूर्ण सहायक है।
चरण दर चरण: डिजिटलीकरण से संरक्षण तक
1. प्राथमिकता दें. आप एक ही बार में सब कुछ डिजिटल नहीं कर सकते. सबसे नाजुक, सबसे अनुरोधित और सबसे अनोखे दस्तावेज़ों को पहले रखा जाता है। यह एक न्यायिक निर्णय है; एआई सूची संपादन में मदद करता है, लेकिन संस्था प्राथमिकता निर्धारित करती है।
2. ओसीआर/एचटीआर को स्कैन करें और लागू करें। दस्तावेज़ को उच्च रिज़ॉल्यूशन पर स्कैन करें, फिर टेक्स्ट निकालने के लिए OCR या HTR का उपयोग करें। यहां पुराने और कठिन पाठों के साथ भी एआई-आधारित उपकरण बेहतर से बेहतर होते जा रहे हैं।
3. पाठ को सही और सत्यापित करें। ओसीआर/एचटीआर आउटपुट कभी भी सही नहीं होता। त्रुटियाँ आम हैं, खासकर यदि कोई पुराना लेखन, दागदार पन्ने या कोई पांडुलिपि हो। आउटपुट की वास्तविक छवि से तुलना करना और उसे सही करना आवश्यक है।
4. मेटाडेटा और सुरक्षा जानकारी जोड़ें। डिजिटल ऑब्जेक्ट में उसका उद्गम, स्कैनिंग स्थितियाँ, प्रारूप जानकारी और उद्गम जोड़ें - दस्तावेज़ कहाँ से आया और इसे कैसे संसाधित किया गया। यह जानकारी भविष्य के सत्यापन और सुरक्षा के लिए महत्वपूर्ण है।
5. दीर्घकालिक सुरक्षा की योजना बनाएं. ऐसे फ़ाइल स्वरूप चुनें जो खुले, सामान्य और टिकाऊ हों; बैक अप; प्रारूप अप्रचलित हो जाने की स्थिति में माइग्रेशन योजना बनाएं।
युक्ति: ओसीआर आउटपुट को "स्पष्ट पाठ" के रूप में स्वीकार न करें। यदि कोई खोज प्रणाली इस पाठ के माध्यम से काम करती, तो गलत पहचाने गए शब्दों के कारण स्रोत नहीं मिल पाता। महत्वपूर्ण संग्रहों के लिए, मानव आंख के लिए ओसीआर आउटपुट को सही करना बाद की सभी पहुंच की गुणवत्ता निर्धारित करता है।
डिजिटल वस्तु की प्रामाणिकता और अखंडता
अभिलेखीय कार्य के केंद्र में प्रामाणिकता और अखंडता है: यह आश्वासन कि दस्तावेज़ वास्तव में दावा किए गए स्रोत से आता है और इसकी सामग्री में कोई बदलाव नहीं किया गया है। इस बिंदु पर, AI दोतरफा खतरा पैदा करता है। सबसे पहले, ओसीआर/एचटीआर सुधार या "एन्हांसमेंट" के दौरान, एआई चुपचाप पाठ को संशोधित कर सकता है; "सुधार" नाम के अंतर्गत कोई ऐसा शब्द जोड़ सकते हैं जो मौजूद नहीं है। दूसरा, यदि छवि "मरम्मत" या "पुनर्स्थापना" एआई के साथ की जाती है, तो गैर-मूल विवरण तैयार किया जा सकता है।
पुरालेखपाल का नियम स्पष्ट है: डिजिटल संरक्षण प्रतिलिपि मूल के प्रति वफादार होनी चाहिए। एआई के साथ किए गए प्रत्येक सुधार का दस्तावेजीकरण किया जाना चाहिए और वास्तविक (कच्चे) स्कैन को हमेशा संरक्षित रखा जाना चाहिए। किसी दस्तावेज़ को "सुंदरीकरण" करना उसके ऐतिहासिक साक्ष्य मूल्य को नष्ट कर सकता है।
सावधानी: एआई के साथ किसी पुराने फोटो या दस्तावेज़ को "सुधारना" आकर्षक हो सकता है; लेकिन एआई छूटे हुए हिस्सों को बनाकर उन्हें भर देता है। एक अभिलेखीय दस्तावेज़ में, इसका अर्थ झूठे ऐतिहासिक साक्ष्य तैयार करना है। पुनर्स्थापना आउटपुट कभी भी मूल स्रोत को प्रतिस्थापित नहीं करता है; एक अलग, स्पष्ट रूप से लेबल वाले संस्करण के रूप में संग्रहीत किया जाता है।
तीन मिनी मामले
केस 1 - समाचार पत्र पुरालेख खोजने योग्य हो गए। एक पुस्तकालय ने स्थानीय समाचार पत्रों के अपने 30 साल पुराने संग्रह को डिजिटल कर दिया है। ओसीआर के साथ, 90,000 पृष्ठों को प्रतिलेखित किया गया और खोजने योग्य बनाया गया; किसी विषय की खोज में पहले कई दिन लगते थे, लेकिन अब उसे घटाकर सेकंडों में कर दिया गया है। हालाँकि, टीम ने देखा कि पुराने और दाग वाले पन्नों पर ओसीआर सटीकता 80% तक गिर गई और मानव आँख से शीर्ष वर्षों को ठीक करने को प्राथमिकता दी गई।
केस 2 - एचटीआर ने पांडुलिपि खोली। एक संग्रह ने 19वीं सदी के पढ़ने में मुश्किल पत्रों के संग्रह पर एचटीआर लागू किया। विशेषज्ञों द्वारा महीनों तक पढ़ने के अनुसार प्रणाली ने काफी गति प्राप्त की; लेकिन प्रिंटआउट के प्रत्येक पृष्ठ की तुलना एक विशेषज्ञ पुरालेखक (प्राचीन लेखन के विशेषज्ञ) द्वारा मूल से की गई थी, क्योंकि लोगों और स्थानों के नामों में त्रुटियां थीं।
केस 3 - नकली "बहाली" खारिज कर दी गई। एक टीम ने एआई के साथ एक फटी हुई ऐतिहासिक तस्वीर की "मरम्मत" करने पर विचार किया। एआई ने चेहरे के गायब हिस्सों को फिट करके पूरा किया। पुरालेखपाल को एहसास हुआ कि ये मनगढ़ंत विवरण ऐतिहासिक साक्ष्य को विकृत कर देंगे; मरम्मत की गई छवि को मूल के साथ अलग से संग्रहीत किया गया था, केवल स्पष्ट रूप से "एआई व्युत्पन्न" लेबल किया गया था।
एक्सेस कॉपी, संरक्षण कॉपी और प्रारूप निर्णय
डिजिटलीकरण में एक अच्छा अभ्यास विभिन्न उद्देश्यों के लिए एक ही वस्तु की अलग-अलग प्रतियां बनाना है। एक संरक्षण मास्टर भविष्य में ले जाने वाली वास्तविक डिजिटल वस्तु है, जिसे उच्चतम रिज़ॉल्यूशन, असम्पीडित या दोषरहित प्रारूप में संग्रहीत किया जाता है; इसे शायद ही कभी छुआ जाता है. एक्सेस कॉपी एक छोटा, आसानी से खोला जाने वाला संस्करण है जो उपयोगकर्ता को प्रस्तुत किया जाता है। यह अंतर महत्वपूर्ण है क्योंकि जो प्रारूप उपयोग के लिए व्यावहारिक है (छोटा, संपीड़ित) दीर्घकालिक संरक्षण के लिए उपयुक्त नहीं हो सकता है; संरक्षण के लिए आदर्श प्रारूप (बड़ा, दोषरहित) दैनिक उपयोग के लिए बोझिल है। इस वर्कफ़्लो में, AI फ़ाइलों को सूचीबद्ध करने, गायब वेरिएंट का पता लगाने और दो प्रतियों के बीच मेटाडेटा को सुसंगत रखने में मदद कर सकता है। हालाँकि, प्रारूप का चुनाव एक संरक्षण निर्णय है: खुले, व्यापक रूप से प्रलेखित और टिकाऊ प्रारूपों को प्राथमिकता दी जानी चाहिए (मालिकाना, बंद प्रारूपों के बजाय), और समय के साथ प्रारूप अप्रचलित होने की स्थिति में एक माइग्रेशन योजना तैयार रखी जानी चाहिए। भले ही एआई एक प्रारूप सुझाता है, संस्थान की दीर्घकालिक संरक्षण नीति को अंतिम निर्णय लेना होता है।
युक्ति: प्रत्येक डिजिटल ऑब्जेक्ट के लिए, एक संक्षिप्त रिकॉर्ड रखें जो प्रश्नों का उत्तर देता है "मूल स्रोत कहां है, संरक्षण प्रतिलिपि किस प्रारूप में है, एक्सेस कॉपी किस प्रारूप में है, और कौन सी उपयोगकर्ता को उपलब्ध कराई जाती है?" इन तीन परतों को मिलाने से यह स्पष्ट नहीं हो जाता है कि कौन सी फ़ाइल आगे बढ़ने वाली विश्वसनीय मास्टर है।
चार प्रतिलिपि योग्य टेम्पलेट
1) ओसीआर आउटपुट सुधार सहायता:
नीचे एक ओसीआर पाठ और वास्तविक पृष्ठ का विवरण है। केवल ओपनओसीआर त्रुटियों (खराब वर्ण, मिश्रित/विभाजित शब्द) को ठीक करें। सामग्री न बदलें, शब्द न जोड़ें या हटाएँ। यदि आप निश्चित नहीं हैं, तो "[?]" से चिह्नित करें। ओसीआर पाठ: [यहां]
2) पाठ-छवि संगति जांच:
क्या नीचे दिए गए संशोधित पाठ में कुछ ऐसा जोड़ा गया है जो मूल दस्तावेज़ (जो संभवतः बना हुआ है) में होने की उम्मीद नहीं थी? प्रत्येक संदिग्ध भाग को चिह्नित करें और लिखें कि वह संदिग्ध क्यों है। पाठ: [यहाँ]
3) सुरक्षा मेटाडेटा ड्राफ्ट:
निम्नलिखित डिजीटल ऑब्जेक्ट के लिए संरक्षण मेटाडेटा रूपरेखा तैयार करें: स्रोत, उद्गम, स्कैन तिथि/रिज़ॉल्यूशन, फ़ाइल प्रारूप, लेनदेन इतिहास। बस मेरे द्वारा प्रदान की गई जानकारी का उपयोग करें, छूटे हुए फ़ील्ड को खाली छोड़ दें। जानकारी: [यहाँ]
4) प्राथमिकता सहायता:
डिजिटलीकरण की प्रतीक्षा कर रहे संग्रहों की सूची नीचे दी गई है; नाजुकता, मांग और विशिष्टता के आधार पर प्राथमिकता देने में सहायता करें। प्रत्येक संसाधन के लिए संक्षिप्त औचित्य दें; अंतिम निर्णय मुझ पर छोड़ें। सूची: [यहां]
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
इस स्कैन किए गए टेक्स्ट को सही करें और सुंदर बनाएं।
"ब्यूटीफाई" सामग्री को बदलने, चूकों को पूरा करने के लिए एआई को आमंत्रित करता है; पुरालेख दस्तावेज़ की मौलिकता क्षतिग्रस्त है.
शक्तिशाली संकेत:
आपकी भूमिका: डिजिटलीकरण संपादक सहायक। निम्नलिखित ओसीआर पाठ में, केवल स्पष्ट पहचान त्रुटियों (खराब चरित्र, गलत तरीके से विभाजित शब्द) को ठीक करें। कोई भी शब्द न जोड़ें, हटाएँ या बदलें। जहां आप निश्चित नहीं हों वहां "[?]" छोड़ दें। आपके द्वारा किए गए प्रत्येक सुधार को एक अलग सूची में दिखाएं। पाठ: [यहाँ]
शक्तिशाली संकेत एआई को केवल त्रुटियों को पहचानने तक सीमित करता है, इसे सामग्री को छूने से रोकता है, और सुधारों को ट्रेस करने योग्य बनाता है।
वर्कफ़्लो और जोखिम तालिका
मंच
एआई का योगदान
मुख्य जोखिम
सुरक्षा उपाय
स्कैन करें
—
ख़राब गुणवत्ता
उच्च संकल्प
ओसीआर/एचटीआर
पाठ में कनवर्ट करें
पहचान संबंधी त्रुटियाँ
मानव सुधार
सुधार
त्रुटि सुझाव
सामग्री बदलना
मूल से तुलना
पुनर्स्थापन
छवि व्युत्पन्न
फिटिंग विवरण
कच्चा असली रखो, लेबल लगाओ
सुरक्षा
मेटाडेटा ड्राफ्ट
उत्पत्ति की हानि
उद्गम अभिलेख
सामान्य गलतियाँ
- सुधार के बिना ओसीआर आउटपुट स्वीकार करना। त्रुटियाँ खोज और पहुँच को बाधित करती हैं।
- एआई को "सुंदर बनाओ" कहना। यह सामग्री को बदल देता है और मौलिकता को नष्ट कर देता है।
- वास्तविक साक्ष्य के स्थान पर एआई पुनर्स्थापना। मनगढ़ंत विवरण झूठा इतिहास रचता है।
- कच्चे स्कैन को संग्रहित नहीं किया जा रहा है। मूल के बिना किसी भी सुधार को सत्यापित नहीं किया जा सकता।
- उद्गम स्थल की जानकारी छोड़ना. दस्तावेज़ की विश्वसनीयता अप्राप्य हो जाती है।
सारांश
डिजिटल अभिलेखागार और डिजिटलीकरण में एआई; यह एक मूल्यवान सहायता है जो ओसीआर/एचटीआर प्रतिलेखन, मेटाडेटा प्रारूपण और प्राथमिकताकरण को गति देती है। लेकिन अभिलेखीय कार्य का सार प्रामाणिकता और अखंडता है: ओसीआर आउटपुट को मानव आंख द्वारा सही किया जाना चाहिए, एआई को कभी भी चुपचाप सामग्री को प्रतिस्थापित नहीं करना चाहिए, पुनर्स्थापन डेरिवेटिव को मूल साक्ष्य को प्रतिस्थापित नहीं करना चाहिए, और कच्ची स्कैनिंग और उद्गम जानकारी को हमेशा संरक्षित किया जाना चाहिए। एआई को एक उपकरण के रूप में उपयोग करें जो दस्तावेज़ को "सुधार" नहीं करता है, बल्कि इसके प्रति सच्चा रहते हुए इसे सुलभ बनाता है।
आवेदन कार्य
ओसीआर आउटपुट का एक संक्षिप्त नमूना प्राप्त करें (या तो अपने स्वयं के उत्पादन से या वास्तविक स्कैन से)। केवल पहचान त्रुटियों को "ओसीआर आउटपुट सुधार सहायता" टेम्पलेट के साथ ठीक करें, फिर जांचें कि क्या एआई ने "टेक्स्ट-इमेज कंसिस्टेंसी चेक" टेम्पलेट के साथ सामग्री जोड़ी है या नहीं। फिर "संरक्षण मेटाडेटा ड्राफ्ट" टेम्पलेट के साथ ऑब्जेक्ट के लिए उत्पत्ति और प्रारूप जानकारी के साथ एक रिकॉर्ड बनाएं।
चेकलिस्ट
- [ ] मैंने ओसीआर/एचटीआर आउटपुट की वास्तविक छवि से तुलना की और इसे ठीक किया।
- [ ] मैंने जाँच की है कि AI सामग्री नहीं जोड़ता/बदलता है।
- [ ] मैंने रॉ (मास्टर) स्कैन को अलग और अपरिवर्तित रखा।
- [ ] मैंने मेटाडेटा में उत्पत्ति और प्रारूप की जानकारी जोड़ी।
- [ ] मैंने पुनर्स्थापन वेरिएंट को स्पष्ट रूप से "एआई व्युत्पन्न" के रूप में लेबल किया है।