Пайдалар:
- Сканерленген документтерди OCR жана HTR менен текстке айландыруу жана чыгарууну чыныгы сүрөт менен салыштыруу аркылуу оңдоо мүмкүнчүлүгү
- Архивдик документтин оригиналдуулугун жана бүтүндүгүн сактоо жана AI мазмунун өзгөртүүгө жана жасалма реставрацияга жол бербөө мүмкүнчүлүгү
- Прованс маалыматы жана туруктуу форматтары менен узак мөөнөттүү санариптик сактоону пландаштыруу мүмкүнчүлүгү
Архивисттин милдети — элүү жылдык гезиттин томдорун, кол менен жазылган каттарды же эски сүрөттөрдү келечекке алып баруу. Бул документтер убакыттын өтүшү менен эскирет; Аларды сактоо жана жеткиликтүү кылуу үчүн санариптештирүү жүргүзүлөт: физикалык документти сканерлөө жана аны санарип көчүрмөгө айландыруу. Бирок скрининг гана жетиштүү эмес; Санариптик объект узак мөөнөттүү келечекте табыла турган, окула турган жана колдоого алынышы керек. Бул бөлүмдө сиз санариптештирүү, транскрипциялоо жана санариптик сактоо процессинде жасалма интеллектти кантип колдонууну үйрөнөсүз; бирок сиз эмне үчүн оригиналдуулук жана тактык үчүн жоопкерчиликти ала турганыңызды билесиз.
Бир нече түшүнүк. OCR (Optical Character Recognition) – документтин сүрөттөлүшүндөгү текстти машинада оңдолуучу текстке айландыруучу технология. HTR (Handwritten Text Recognition) кол менен жазылган документтер үчүн бир эле ишти аткарат жана бир топ кыйыныраак. Санариптик сактоо – бул санариптик объекттердин ондогон жылдар бою окула тургандыгын камсыз кылуу үчүн пландалган аракет, атүгүл файл форматтары эскирип, программалык камсыздоо өзгөрсө да. AI - үч тармакта тең күчтүү, бирок кемчиликтери бар жардамчы.
Кадам-кадам: санариптештирүүдөн сактоого чейин
1. Приоритеттүү. Баарын бир эле учурда санариптештире албайсыз. Эң назик, эң көп талап кылынган жана эң уникалдуу документтер биринчи орунга коюлат. Бул соттун чечими; AI тизмени оңдоого жардам берет, бирок артыкчылыкты мекеме аныктайт.
2. OCR/HTRди сканерлеп, колдонуңуз. Документти жогорку дааналыкта сканерлеңиз, андан кийин текстти чыгаруу үчүн OCR же HTR колдонуңуз. AI негизделген куралдар бул жерде эски жана татаал тексттер менен да жакшырып баратат.
3. Текстти оңдоп, текшериңиз. OCR/HTR чыгаруу эч качан идеалдуу болбойт. Каталар көп кездешет, айрыкча, эски жазуу, боёлгон барактар же кол жазма. Чыгарууну чыныгы сүрөт менен салыштыруу жана аны оңдоо маанилүү.
4. Метадайындарды жана коргоо маалыматын кошуу. Санариптик объектке анын келип чыгышын, сканерлөө шарттарын, формат маалыматын жана келип чыгышын кошуңуз — документ кайдан келген жана кантип иштетилген. Бул маалымат келечекте текшерүү жана коргоо үчүн маанилүү болуп саналат.
5. Узак мөөнөттүү коргоо планы. Ачык, жалпы жана туруктуу файл форматтарын тандаңыз; резервдик көчүрүү; Форматтар эскирип калса, миграция планын түзүңүз.
Кеңеш: OCR чыгарууну "таза текст" катары кабыл албаңыз. Эгер издөө системасы бул текст аркылуу иштей турган болсо, туура эмес таанылган сөздөр булактын табылбай калышына алып келет. Критикалык коллекциялар үчүн, адамдын көзүнө OCR чыгарууну оңдоо бардык кийинки кирүүнүн сапатын аныктайт.
Санарип объектинин аныктыгы жана бүтүндүгү
Архивдик иштин өзөгүн аныктык жана бүтүндүк түзөт: документ чындап эле билдирилген булактан алынганына жана анын мазмуну өзгөртүлбөгөндүгүнө кепилдик. Бул учурда, AI эки тараптуу коркунуч жаратат. Биринчиден, OCR/HTR оңдоо же "жакшыртуу" учурунда AI унчукпай текстти өзгөртө алат; "түзөтүү" деген ат менен жок сөздү кошо алат. Экинчиден, эгер сүрөттү "оңдоо" же "калыбына келтирүү" AI менен жасалса, оригиналдуу эмес деталдар өндүрүлүшү мүмкүн.
Архивчинин эрежеси так: санариптик сактоо көчүрмөсү түпнускага ишенимдүү болушу керек. AI менен жасалган ар бир жакшыртуу документтештирилиши керек жана чыныгы (чийки) скандоо дайыма сакталышы керек. Документти «сулуулукка» салуу анын тарыхый далилдөөчү баалуулугун жок кылышы мүмкүн.
Эскертүү: Эски сүрөттү же документти AI менен "жакшыртуу" азгырылышы мүмкүн; бирок AI жетишпеген бөлүктөрүн аларды жасоо менен толтурат. Архивдик документте бул жалган тарыхый далилдерди түзүү дегенди билдирет. Калыбына келтирүү натыйжасы эч качан баштапкы булагын алмаштырбайт; өзүнчө, так белгиленген вариант катары сакталат.
үч мини учурлар
1-жагдай — Гезиттин архивдери издөөгө боло баштады. Китепкана жергиликтүү гезиттердин 30 жылдык коллекциясын санариптештирди. OCR менен 90 000 барак транскрипцияланып, издөөгө мүмкүн болгон; Мурда бир нече күн талап кылынган теманы издөө эми секундага кыскарды. Бирок, команда OCR тактыгы эски жана боёлгон барактарда 80% га түшүп кеткенин байкап, эң жогорку жылдарды адамдын көзү менен оңдоону биринчи орунга койгон.
2-жагдай - HTR кол жазманы ачты. Архив 19-кылымдагы окууга кыйын болгон каттардын жыйнагына HTRди колдонгон. Эксперттердин бир нече ай окуганына ылайык система чоң ылдамдыкка ээ болду; Бирок басып чыгаруунун ар бир барагын оригинал менен салыштырган эксперт палеограф (байыркы жазуу боюнча адис), анткени адамдардын жана жердин аттарында каталар болгон.
3-жагдай - Жасалма "калыбына келтирүү" четке кагылды. Бир команда AI менен жыртылган тарыхый фотосүрөттү "оңдоону" карашты. AI жетишпеген бет бөлүктөрүн аларды тууралоо менен толуктады. Архивист бул жасалма деталдардын тарыхый далилдерди бурмалай турганын түшүнгөн; Оңдолгон сүрөт түпнуска менен бирге өзүнчө сакталган, "AI туунду" деп так жазылган.
Көчүрмө, сактоо көчүрмөсү жана формат чечими
Санариптештирүүнүн жакшы тажрыйбасы бир эле объекттин көчүрмөлөрүн ар кандай максаттар үчүн бөлүү болуп саналат. Консервация мастери – бул эң жогорку резолюцияда, кысылбаган же жоготуусуз форматта сакталган, келечекте ишке ашырыла турган реалдуу санариптик объект; ал сейрек тийет. Кирүү көчүрмөсү колдонуучуга сунушталган кичирээк, оңой ачылуучу вариант. Бул айырмачылык маанилүү, анткени колдонуу үчүн практикалык формат (кичинекей, кысылган) узак мөөнөттүү сактоого ылайыксыз болушу мүмкүн; Консервациялоо үчүн идеалдуу формат (чоң, жоготуусуз) күнүмдүк колдонуу үчүн түйшүктүү. Бул иш процессинде AI файлдарды инвентаризациялоого, жетишпеген варианттарды табууга жана метадайындарды эки нусканын ортосунда ырааттуу сактоого жардам берет. Бирок форматты тандоо – бул сактоо чечими: ачык, кеңири документтештирилген жана туруктуу форматтарга артыкчылык берүү керек (менчиктик, жабык форматтарга караганда) жана форматтар убакыттын өтүшү менен эскирип калса, миграция планы даяр болушу керек. AI форматты сунуштаган күндө да, мекеменин узак мөөнөттүү сактоо саясаты акыркы сөздү айтат.
Кеңеш: Ар бир санарип объекти үчүн “оригиналдуу булак кайда, сакталган көчүрмө кандай форматта, кирүү көчүрмөсү кандай форматта жана кайсынысы колдонуучуга жеткиликтүү?” деген суроолорго жооп берген кыскача жазууну сактаңыз. Бул үч катмарды аралаштыруу кайсы файлдын ишенимдүү устаты болоорун түшүнбөйт.
Көчүрүү үчүн төрт шаблон
1) OCR чыгарууну оңдоого жардам:
Төмөндө OCR тексти жана чыныгы барактын сүрөттөлүшү. OpenOCR каталарын гана оңдоо (жаман каармандар, татаал/бөлүнгөн сөздөр). Мазмунду өзгөртпө, сөздөрдү кошуп же алып салба. Ишенбесеңиз, "[?]" менен белгилеңиз. OCR тексти: [бул жерде]
2) Текст-сүрөттүн шайкештигин текшерүү:
Төмөндөгү оңдолгон текстте түпнуска документте күтүлбөгөн (түзүлгөн болушу мүмкүн) кандайдыр бир толуктоолор барбы? Ар бир шектүү бөлүктү белгилеп, эмне үчүн шектүү экенин жазыңыз. Текст: [бул жерде]
3) Коргоо метаберилиштеринин долбоору:
Төмөнкү санариптештирилген объект үчүн сактоо метаберилиштеринин схемасын түзүңүз: булак, келип чыгышы, сканерлөө датасы/чачылышы, файл форматы, транзакциянын тарыхы. Жөн гана мен берген маалыматты колдонуңуз, жетишпеген талааны бош калтырыңыз. Маалымат: [бул жерде]
4) артыкчылыктуу жардам:
Төмөндө санариптештирүүнү күткөн коллекциялардын тизмеси; Морттуулукка, суроо-талапка жана уникалдуулуктун негизинде артыкчылыктарды аныктоого жардам бериңиз. Ар бир ресурс үчүн кыскача негиздеме бериңиз; Акыркы чечимди мага калтырыңыз. Тизме: [бул жерде]
Алсыз тездик / Күчтүү тездик
Алсыз билдирүү:
Бул сканерленген текстти оңдоп, кооздоңуз.
"Сулуулук" AI мазмунду өзгөртүүгө, кетирилген кемчиликтерди толтурууга чакырат; Архивдик документтин оригиналдуулугу бузулган.
Күчтүү билдирүү:
Сиздин ролуңуз: санариптештирүү редакторунун жардамчысы. Кийинки OCR текстинде ГАНА ачык таануу каталарын оңдоңуз (жаман белги, туура эмес бөлүнгөн сөз). Эч кандай сөздү кошпоңуз, алып салбаңыз же өзгөртүүгө болбойт. Ишенбеген жериңизде "[?]" калтырыңыз. Сиз жасаган ар бир оңдоону өзүнчө тизмеде көрсөтүңүз. Текст: [бул жерде]
Күчтүү эскертүү AIны каталарды таануу менен гана чектейт, мазмунга тийүүгө тыюу салат жана оңдоолорду байкоого болот.
Жумуш процесси жана тобокелдик таблицасы
Этап
AIнын салымы
Негизги тобокелдик
коргоо чарасы
сканерлөө
—
сапатсыз
жогорку чечим
OCR/HTR
Текстке айландыруу
Таануу каталары
адамдык оңдоо
оңдоо
Ката сунушу
Мазмунду өзгөртүү
Оригинал менен салыштыруу
калыбына келтирүү
Сүрөттүн туундусу
ылайыктуу детал
Чийки оригиналын сактаңыз, аны белгилеңиз
коргоо
Метадайындардын долбоору
келип чыгышын жоготуу
Прованс рекорду
Жалпы каталар
- OCR чыгарууну оңдоосуз кабыл алуу. Каталар издөө жана мүмкүнчүлүктөрдү үзгүлтүккө учуратат.
- AI "сулуу кылуу" деп аталат. Ал мазмунду өзгөртүп, оригиналдуулукту жок кылат.
- Чыныгы далилдер үчүн AI калыбына келтирүү. Жасалма деталдар жалган тарыхты жаратат.
- Чийки сканерлөө сакталбайт. Түпнускасыз эч кандай оңдоону текшерүү мүмкүн эмес.
- Келип чыгышы тууралуу маалыматты калтыруу. Документтин ишенимдүүлүгү байкалбай калат.
Кыскача айтканда
санариптик архивдер жана санариптештирүүдөгү AI; Бул OCR/HTR транскрипциясын, метадайындарды түзүүнү жана артыкчылыктарды аныктоону тездеткен баалуу жардамчы. Бирок архивдик иштин маңызы – аныктык жана бүтүндүк: OCR чыгарылышы адамдын көзү менен оңдолушу керек, AI эч качан мазмунду унчукпай алмаштырбашы керек, калыбына келтирүүчү туундулар баштапкы далилдерди алмаштырбашы керек жана чийки сканерлөө жана келип чыгуу маалыматы ар дайым сакталышы керек. AIны документти "жакшыртпаган" инструмент катары колдонуңуз, тескерисинче, ага ишенимдүү болуп, аны жеткиликтүү кылат.
Колдонмо тапшырмасы
OCR чыгаруунун кыска үлгүсүн алыңыз (же өзүңүздүн өндүрүшүңүздөн же чыныгы сканерден). "OCR чыгарууну оңдоо боюнча жардам" шаблону менен таануу каталарын гана оңдоңуз, андан кийин AI "Текст-сүрөттүн ырааттуулугун текшерүү" шаблону менен кошо мазмунду кошконун текшериңиз. Андан кийин "Сактоо метадайындарынын долбоору" шаблону менен объекттин келип чыгышы жана формат маалыматы менен жазуу түзүңүз.
текшерүү тизмеси
- [ ] Мен OCR/HTR чыгышын чыныгы сүрөт менен салыштырып, аны оңдодум.
- [ ] Мен AI мазмунду кошпосун/өзгөртпөсүн текшердим.
- [ ] Мен чийки (мастер) сканерден өзүнчө жана өзгөрүүсүз сактадым.
- [ ] Мен метадайындарга келип чыгуу жана формат маалыматын коштум.
- [ ] Мен калыбына келтирүү варианттарын "AI туунду" деп так белгилеп койдум.