Keuntungan:
- Kemampuan untuk memperbaiki dokumen yang dipindai dengan mengubahnya menjadi teks dengan OCR dan HTR dan membandingkan hasilnya dengan gambar sebenarnya
- Kemampuan untuk menjaga orisinalitas dan integritas dokumen arsip dan mencegah AI mengubah konten dan melakukan restorasi palsu
- Kemampuan untuk merencanakan pelestarian digital jangka panjang dengan informasi asal dan format yang tahan lama
Seorang arsiparis bertugas membawa volume surat kabar berumur lima puluh tahun, surat tulisan tangan, atau foto-foto lama ke masa depan. Dokumen-dokumen ini akan rusak seiring berjalannya waktu; Untuk melestarikan dan membuatnya dapat diakses, digitalisasi dilakukan: tindakan memindai dokumen fisik dan mengubahnya menjadi salinan digital. Namun skrining saja tidak cukup; Objek digital harus dapat ditemukan, dibaca, dan dipelihara dalam jangka panjang. Di unit ini, Anda akan mempelajari cara menggunakan kecerdasan buatan dalam alur kerja digitalisasi, transkripsi, dan pelestarian digital; namun Anda akan mengetahui mengapa Anda bertanggung jawab atas orisinalitas dan akurasi.
Beberapa konsep. OCR (Optical Character Recognition) adalah teknologi yang mengubah teks dalam gambar dokumen menjadi teks yang dapat diedit mesin. HTR (Pengenalan Teks Tulisan Tangan) melakukan pekerjaan yang sama untuk dokumen tulisan tangan dan jauh lebih sulit. Pelestarian digital adalah upaya terencana untuk memastikan bahwa objek digital tetap dapat dibaca selama beberapa dekade, bahkan ketika format file menjadi usang dan perubahan perangkat lunak. AI adalah asisten yang kuat namun memiliki kelemahan di ketiga bidang tersebut.
Langkah demi langkah: dari digitalisasi hingga pelestarian
1. Prioritaskan. Anda tidak dapat mendigitalkan semuanya sekaligus. Dokumen yang paling rapuh, paling banyak diminta, dan paling unik didahulukan. Ini adalah keputusan pengadilan; AI membantu pengeditan daftar, tetapi institusi menentukan prioritasnya.
2. Pindai dan terapkan OCR/HTR. Pindai dokumen dengan resolusi tinggi, lalu gunakan OCR atau HTR untuk mengekstrak teks. Alat berbasis AI menjadi semakin baik di sini, bahkan dengan teks yang lama dan sulit.
3. Perbaiki dan verifikasi teksnya. Output OCR/HTR tidak pernah sempurna. Kesalahan sering terjadi, apalagi jika ada tulisan lama, halaman ternoda, atau naskah. Penting untuk membandingkan keluaran dengan gambar sebenarnya dan memperbaikinya.
4. Tambahkan metadata dan informasi perlindungan. Tambahkan ke objek digital asal, kondisi pemindaian, informasi format, dan asal — dari mana dokumen tersebut berasal dan bagaimana dokumen tersebut diproses. Informasi ini sangat penting untuk verifikasi dan perlindungan di masa depan.
5. Rencanakan perlindungan jangka panjang. Pilih format file yang terbuka, umum, dan tahan lama; cadangan; Buat rencana migrasi jika format menjadi usang.
Tip: Jangan terima keluaran OCR sebagai "teks yang jelas". Jika sistem pencarian bekerja melalui teks ini, kata-kata yang salah dikenali akan menyebabkan sumbernya tidak ditemukan. Untuk koleksi kritis, koreksi keluaran OCR ke mata manusia menentukan kualitas semua akses selanjutnya.
Keaslian dan integritas objek digital
Inti dari pekerjaan kearsipan adalah keaslian dan integritas: jaminan bahwa suatu dokumen benar-benar berasal dari sumber yang diklaim dan bahwa isinya tidak diubah. Pada titik ini, AI menciptakan dua ancaman. Pertama, selama koreksi atau “peningkatan” OCR/HTR, AI dapat mengubah teks secara diam-diam; dapat menambahkan kata yang tidak ada dengan nama "koreksi". Kedua, jika "perbaikan" atau "restorasi" gambar dilakukan dengan AI, detail yang tidak asli dapat dihasilkan.
Aturan arsiparis jelas: salinan pelestarian digital harus sesuai dengan aslinya. Setiap perbaikan yang dilakukan dengan AI harus didokumentasikan dan pemindaian (mentah) yang sebenarnya harus selalu disimpan. “Mempercantik” suatu dokumen dapat merusak nilai pembuktian sejarahnya.
Perhatian: Mungkin Anda tergoda untuk "memperbaiki" foto atau dokumen lama dengan AI; tapi AI mengisi bagian yang hilang dengan mengarangnya. Dalam dokumen kearsipan, hal ini berarti menciptakan bukti sejarah palsu. Hasil restorasi tidak pernah menggantikan sumber aslinya; disimpan sebagai varian terpisah dan diberi label jelas.
tiga kasus mini
Kasus 1 — Arsip surat kabar dapat dicari. Sebuah perpustakaan telah mendigitalkan koleksi surat kabar lokalnya yang berusia 30 tahun. Dengan OCR, 90.000 halaman ditranskrip dan dapat dicari; Pencarian topik yang sebelumnya memakan waktu berhari-hari kini dipersingkat menjadi beberapa detik. Namun, tim menyadari bahwa akurasi OCR turun hingga 80% pada halaman lama dan bernoda dan memprioritaskan koreksi tahun-tahun teratas dengan mata manusia.
Kasus 2 — HTR membuka naskah. Sebuah arsip menerapkan HTR pada kumpulan surat abad ke-19 yang sulit dibaca. Sistem ini memperoleh kecepatan luar biasa berdasarkan pembacaan para ahli selama berbulan-bulan; Namun setiap halaman cetakannya dibandingkan dengan aslinya oleh ahli paleografer (ahli tulisan kuno), karena terdapat kesalahan nama orang dan tempat.
Kasus 3 – “Restorasi” palsu ditolak. Satu tim mempertimbangkan untuk "memperbaiki" foto sejarah yang robek dengan AI. AI menyelesaikan bagian wajah yang hilang dengan memasangkannya. Pengarsip menyadari bahwa rincian yang dibuat-buat ini akan memutarbalikkan bukti sejarah; Gambar yang diperbaiki disimpan terpisah bersama gambar aslinya, hanya diberi label jelas "turunan AI".
Akses salinan, salinan pelestarian, dan keputusan format
Praktik yang baik dalam digitalisasi adalah memisahkan salinan dari objek yang sama untuk tujuan berbeda. Master pelestarian adalah objek digital sebenarnya yang akan dibawa ke masa depan, disimpan dalam resolusi tertinggi, format tidak terkompresi atau lossless; jarang disentuh. Salinan akses adalah varian yang lebih kecil dan mudah dibuka yang disajikan kepada pengguna. Pembedaan ini penting karena format yang praktis untuk digunakan (kecil, terkompresi) mungkin tidak cocok untuk pelestarian jangka panjang; Format ideal untuk pelestarian (besar, lossless) tidak praktis untuk penggunaan sehari-hari. Dalam alur kerja ini, AI dapat membantu menginventarisasi file, mendeteksi varian yang hilang, dan menjaga konsistensi metadata di antara dua salinan. Namun, pemilihan format merupakan keputusan pelestarian: format yang terbuka, terdokumentasi secara luas, dan tahan lama harus diutamakan (daripada format tertutup yang bersifat eksklusif), dan rencana migrasi harus selalu siap jika format tersebut menjadi usang seiring berjalannya waktu. Sekalipun AI menyarankan suatu format, kebijakan pelestarian jangka panjang dari lembaga tersebutlah yang menentukan.
Tip: Untuk setiap objek digital, buatlah catatan singkat yang menjawab pertanyaan "di mana sumber aslinya, dalam format apa salinan pelestariannya, dalam format apa salinan aksesnya, dan mana yang tersedia bagi pengguna?" Pencampuran ketiga lapisan ini membuat tidak jelas file mana yang menjadi master tepercaya di masa mendatang.
Empat templat yang dapat disalin
1) Bantuan koreksi keluaran OCR:
Di bawah ini adalah teks OCR dan deskripsi halaman sebenarnya. Hanya memperbaiki kesalahan openOCR (karakter buruk, kata majemuk/terpisah). Jangan mengubah konten, menambah atau menghapus kata-kata. Jika Anda tidak yakin, tandai dengan "[?]". Teks OCR: [di sini]
2) Pemeriksaan konsistensi teks-gambar:
Apakah ada tambahan pada teks yang dikoreksi di bawah ini yang tidak diharapkan ada pada dokumen asli (yang mungkin dibuat-buat)? Tandai setiap bagian yang mencurigakan dan tuliskan mengapa hal tersebut mencurigakan. Teks: [di sini]
3) Draf metadata perlindungan:
Hasilkan garis besar metadata pelestarian untuk objek digital berikut: sumber, asal, tanggal/resolusi pemindaian, format file, riwayat transaksi. Gunakan saja informasi yang saya berikan, biarkan kolom yang hilang kosong. Informasi: [di sini]
4) Bantuan prioritas:
Di bawah ini adalah daftar koleksi yang menunggu digitalisasi; Membantu dalam membuat prioritas berdasarkan kerapuhan, permintaan, dan keunikan. Berikan justifikasi singkat untuk setiap sumber; Serahkan keputusan akhir kepada saya. Daftar: [di sini]
Perintah lemah / Perintah kuat
Perintah yang lemah:
Perbaiki dan percantik teks pindaian ini.
“Beautify” mengundang AI untuk mengubah konten, memperbaiki kekurangan; Keaslian dokumen arsip rusak.
Perintah yang kuat:
Peran Anda: asisten editor digitalisasi. Dalam teks OCR berikut, HANYA perbaiki kesalahan pengenalan eksplisit (karakter buruk, pemisahan kata salah). Jangan menambah, menghapus, atau mengubah kata apa pun. Tinggalkan "[?]" jika Anda tidak yakin. Tampilkan setiap koreksi yang Anda buat dalam daftar terpisah. Teks: [di sini]
Perintah yang kuat membatasi AI untuk hanya mengenali kesalahan, melarangnya menyentuh konten, dan membuat koreksi dapat dilacak.
Alur kerja dan tabel risiko
Panggung
Kontribusi AI
Risiko utama
ukuran perlindungan
memindai
—
kualitas buruk
resolusi tinggi
OCR/HTR
Konversikan ke teks
Kesalahan pengenalan
koreksi manusia
koreksi
Saran kesalahan
Mengubah konten
Perbandingan dengan aslinya
restorasi
Turunan gambar
detail yang pas
Simpan yang asli mentah, beri label
perlindungan
Draf metadata
hilangnya asal usul
Catatan asal
Kesalahan umum
- Menerima keluaran OCR tanpa koreksi. Kesalahan mengganggu pencarian dan akses.
- Menyebut AI “menjadikan cantik.” Itu mengubah konten dan menghancurkan orisinalitas.
- Menggantikan restorasi AI dengan bukti nyata. Detail palsu menciptakan sejarah palsu.
- Tidak menyimpan pindaian mentah. Tidak ada koreksi yang dapat diverifikasi tanpa dokumen asli.
- Menghilangkan informasi asal. Keandalan dokumen tersebut menjadi tidak dapat dilacak.
Singkatnya
AI dalam arsip digital dan digitalisasi; Ini adalah bantuan berharga yang mempercepat transkripsi OCR/HTR, penyusunan metadata, dan penentuan prioritas. Namun inti dari pekerjaan pengarsipan adalah keaslian dan integritas: hasil OCR harus dikoreksi oleh mata manusia, AI tidak boleh secara diam-diam mengganti konten, turunan restorasi tidak boleh menggantikan bukti asli, dan informasi pemindaian mentah serta informasi asal harus selalu dilestarikan. Gunakan AI sebagai alat yang tidak "meningkatkan" dokumen, namun membuatnya dapat diakses dengan tetap menjaga keasliannya.
Tugas aplikasi
Dapatkan contoh singkat keluaran OCR (baik produksi Anda sendiri atau dari pemindaian sebenarnya). Hanya perbaiki kesalahan pengenalan dengan templat "Bantuan koreksi keluaran OCR", lalu periksa apakah AI telah menambahkan konten dengan templat "Pemeriksaan konsistensi gambar teks". Kemudian buat catatan dengan asal dan format informasi untuk objek dengan templat "Draf metadata pelestarian".
daftar periksa
- [ ] Saya membandingkan keluaran OCR/HTR dengan gambar sebenarnya dan memperbaikinya.
- [ ] Saya telah memeriksa bahwa AI tidak menambah/mengubah konten.
- [ ] Saya menyimpan pemindaian mentah (master) secara terpisah dan tidak berubah.
- [] Saya menambahkan informasi asal dan format ke metadata.
- [ ] Saya telah dengan jelas memberi label varian restorasi sebagai "turunan AI".