Qligħ:
- Kapaċità li tikkoreġi dokumenti skannjati billi tikkonvertihom għal test b'OCR u HTR u tqabbel l-output mal-immaġni attwali
- Kapaċità li tippreserva l-oriġinalità u l-integrità tad-dokument tal-arkivju u tipprevjeni lill-AI milli tbiddel il-kontenut u r-restawr iffabbrikat
- Kapaċità li tippjana preservazzjoni diġitali fit-tul b'informazzjoni ta 'provenjenza u formati durabbli
Arkivist għandu l-kompitu li jġorr volumi ta’ gazzetti ta’ ħamsin sena, ittri miktubin bl-idejn, jew ritratti antiki fil-futur. Dawn id-dokumenti jintlibsu maż-żmien; Kemm biex jiġu ppreservati kif ukoll biex jagħmluhom aċċessibbli, issir id-diġitizzazzjoni: l-att li tiskannja dokument fiżiku u tikkonvertih f’kopja diġitali. Iżda l-iskrinjar waħdu mhux biżżejjed; L-oġġett diġitali għandu jkun jinstab, jinqara u jinżamm fit-tul. F'din l-unità, titgħallem kif tuża l-intelliġenza artifiċjali fil-fluss tax-xogħol tad-diġitizzazzjoni, it-traskrizzjoni u l-preservazzjoni diġitali; imma titgħallem għaliex se żżomm ir-responsabbiltà għall-oriġinalità u l-eżattezza.
Ftit kunċetti. OCR (Optical Character Recognition) hija teknoloġija li tikkonverti t-test fl-immaġini ta 'dokument f'test editable bil-magna. HTR (Handwritten Test Recognition) jagħmel l-istess xogħol għal dokumenti miktuba bl-idejn u huwa ħafna aktar diffiċli. Il-preservazzjoni diġitali hija sforz ippjanat biex jiġi żgurat li l-oġġetti diġitali jibqgħu jinqraw għal għexieren ta’ snin, anke meta l-formati tal-fajls isiru obsoleti u s-softwer jinbidel. AI hija assistent qawwi iżda difettuż fit-tliet oqsma kollha.
Pass pass: mid-diġitizzazzjoni sal-preservazzjoni
1. Ipprijoritizza. Ma tistax tiddiġitalizza kollox f'daqqa. L-aktar dokumenti fraġli, l-aktar mitluba u l-aktar uniċi jitpoġġew l-ewwel. Din hija deċiżjoni ġudizzjarja; L-AI tgħin fl-editjar tal-lista, iżda l-istituzzjoni tiddetermina l-prijorità.
2. Skennja u applika OCR/HTR. Skennja d-dokument b'riżoluzzjoni għolja, imbagħad uża OCR jew HTR biex tiġbed it-test. L-għodod ibbażati fuq l-AI qed isiru dejjem aħjar hawn, anke b'testi qodma u diffiċli.
3. Ikkoreġi u vverifika t-test. L-output OCR/HTR qatt ma huwa perfett. L-iżbalji huma komuni, speċjalment jekk ikun hemm kitba antika, paġni mtebbgħin, jew manuskritt. Huwa essenzjali li tqabbel l-output ma 'l-immaġni attwali u tikkoreġiha.
4. Żid metadata u informazzjoni dwar il-protezzjoni. Żid mal-oġġett diġitali l-provenjenza tiegħu, il-kundizzjonijiet tal-iskannjar, l-informazzjoni tal-format, u l-provenjenza — minn fejn ġie d-dokument u kif ġie pproċessat. Din l-informazzjoni hija kritika għall-verifika u l-protezzjoni futura.
5. Pjan għal protezzjoni fit-tul. Agħżel formati tal-fajl li huma miftuħa, komuni u durabbli; back up; Agħmel pjan ta' migrazzjoni f'każ li l-formati ma jibqgħux jintużaw.
Tip: Taċċettax l-output OCR bħala "test ċar". Kieku sistema ta' tfittxija kellha taħdem permezz ta' dan it-test, kliem rikonoxxut b'mod żbaljat jikkawża li s-sors ma jinstabx. Għal kollezzjonijiet kritiċi, il-korrezzjoni tal-output tal-OCR għall-għajn tal-bniedem tiddetermina l-kwalità tal-aċċess sussegwenti kollu.
Awtentiċità u integrità tal-oġġett diġitali
Fil-qalba tax-xogħol tal-arkivji hemm l-awtentiċità u l-integrità: l-assigurazzjoni li dokument tassew ġej mis-sors mitlub u li l-kontenut tiegħu ma nbidilx. F'dan il-punt, l-AI toħloq theddida fuq żewġ naħat. L-ewwel, waqt il-korrezzjoni OCR/HTR jew "titjib," l-AI tista 'timmodifika t-test fis-skiet; jistgħu jżidu kelma li ma teżistix taħt l-isem "korrezzjoni". It-tieni, jekk l-immaġini "tiswija" jew "restawr" isir bl-AI, dettalji mhux oriġinali jistgħu jiġu prodotti.
Ir-regola tal-arkivist hija ċara: il-kopja tal-preservazzjoni diġitali trid tkun fidila għall-oriġinal. Kull titjib magħmul bl-AI għandu jiġi dokumentat u l-iskannjar attwali (mhux maħdum) għandu dejjem jiġi ppreservat. “It-tisbiħ” ta’ dokument jista’ jeqred il-valur evidenzjarju storiku tiegħu.
Attenzjoni: Jista 'jkun jitħajjar li "tittejjeb" ritratt jew dokument antik bl-AI; iżda l-AI timla l-partijiet neqsin billi tagħmilhom. F'dokument arkivjali, dan ifisser li toħloq evidenza storika falza. L-output tar-restawr qatt ma jissostitwixxi s-sors oriġinali; hija maħżuna bħala varjant separat u mmarkat b'mod ċar.
tliet każijiet żgħar
Każ 1 — L-arkivji tal-gazzetti saru tfittxija. Librerija ddiġitizzat il-kollezzjoni tagħha ta’ gazzetti lokali ta’ 30 sena. Bl-OCR, 90,000 paġna ġew traskritti u saru tfittxija; Tfittxija tas-suġġett li qabel kienet tieħu jiem issa tnaqqset għal sekondi. Madankollu, it-tim innota li l-eżattezza tal-OCR niżlet għal 80% fuq paġni qodma u mtebbgħin u pprijoritizza l-korrezzjoni tal-aqwa snin bl-għajn tal-bniedem.
Każ 2 — HTR fetaħ il-manuskritt. Arkivju applika HTR għal ġabra ta’ ittri tas-seklu 19 li diffiċli biex jinqraw. Is-sistema kisbet veloċità kbira skont xhur ta’ qari mill-esperti; Iżda kull paġna tal-printout kienet imqabbla mal-oriġinal minn paleografu espert (espert fuq kitba antika), minħabba li kien hemm żbalji fl-ismijiet tan-nies u l-postijiet.
Każ 3 — “restawr” falz miċħud. Tim wieħed ikkunsidra li "jsewwi" ritratt storiku mqatta' bl-AI. AI lestiet il-partijiet tal-wiċċ neqsin billi waħħlithom. L-arkivist induna li dawn id-dettalji ffabbrikati kienu se jgħawġu l-evidenza storika; L-immaġni msewwija kienet maħżuna separatament flimkien mal-oriġinal, bit-tikketta b'mod ċar biss "derivattiv tal-AI".
Kopja ta' aċċess, kopja ta' preservazzjoni u deċiżjoni dwar il-format
Prattika tajba fid-diġitizzazzjoni hija li jiġu separati kopji tal-istess oġġett għal skopijiet differenti. Kaptan tal-preservazzjoni huwa l-oġġett diġitali attwali li għandu jinġarr fil-futur, maħżun fl-ogħla riżoluzzjoni, format mhux kompressat jew mingħajr telf; rari jintmess. Kopja ta' aċċess hija varjant iżgħar u li jinfetaħ faċilment ippreżentat lill-utent. Din id-distinzjoni hija importanti għaliex il-format li huwa prattiku għall-użu (żgħir, kompressat) jista 'ma jkunx adattat għall-preservazzjoni fit-tul; Il-format ideali għall-preservazzjoni (kbir, mingħajr telf) huwa ingombranti għall-użu ta 'kuljum. F'dan il-fluss tax-xogħol, l-AI tista' tgħin fl-inventarju ta' fajls, tiskopri varjanti neqsin, u żżomm il-metadejta konsistenti bejn żewġ kopji. Madankollu, l-għażla tal-format hija deċiżjoni ta’ preservazzjoni: għandhom jiġu ppreferuti formati miftuħa, dokumentati b’mod wiesa’ u durabbli (minflok formati proprjetarji, magħluqa), u pjan ta’ migrazzjoni għandu jinżamm lest f’każ li l-formati maż-żmien ma jibqgħux jintużaw. Anke jekk l-AI tissuġġerixxi format, il-politika ta' preservazzjoni fit-tul tal-istituzzjoni għandha l-aħħar kelma.
Tip: Għal kull oġġett diġitali, żomm rekord qasir li jwieġeb il-mistoqsijiet "fejn huwa s-sors oriġinali, f'liema format hija l-kopja ta' preservazzjoni, f'liema format hija l-kopja ta' aċċess, u liema hija disponibbli għall-utent?" It-taħlit ta 'dawn it-tliet saffi jagħmilha mhux ċara liema fajl huwa l-kaptan fdat 'il quddiem.
Erba' mudelli li jistgħu jiġu kkupjati
1) Għajnuna għall-korrezzjoni tal-output OCR:
Hawn taħt hemm test OCR u deskrizzjoni tal-paġna attwali. Irranġa biss żbalji openOCR (karattri ħżiena, kliem kompost/maqsuma). Tibdilx il-kontenut, żid jew tneħħi kliem. Jekk m'intix ċert, immarka bi "[?]". Test OCR: [hawn]
2) Kontroll tal-konsistenza tat-test-immaġini:
Hemm xi żidiet fit-test ikkoreġut hawn taħt li ma kinux mistennija li jkunu fid-dokument oriġinali (li seta' kien magħmul)? Immarka kull parti suspettuża u ikteb għaliex hija suspettuża. Test: [hawn]
3) Abbozz ta' metadejta ta' protezzjoni:
Iġġenera l-kontorn tal-metadejta tal-preservazzjoni għall-oġġett diġitizzat li ġej: sors, provenjenza, data tal-iskannjar/riżoluzzjoni, format tal-fajl, storja tat-tranżazzjonijiet. Uża biss l-informazzjoni li pprovdejt, ħalli l-qasam nieqes vojt. Informazzjoni: [hawn]
4) Għajnuna għall-prijoritizzazzjoni:
Hawn taħt hawn il-lista ta' kollezzjonijiet li qed jistennew id-diġitalizzazzjoni; Jgħinu fil-prijoritizzazzjoni abbażi tal-fraġilità, id-domanda u l-uniċità. Agħti ġustifikazzjoni qasira għal kull riżorsa; Ħalli d-deċiżjoni finali f'idejni.Lista: [hawn]
Pront dgħajjef / Pront qawwi
Pront dgħajjef:
Ikkoreġi u ssebbaħ dan it-test skannjat.
"Beautify" tistieden lill-AI biex tibdel il-kontenut, tpatti għall-ommissjonijiet; L-oriġinalità tad-dokument tal-arkivju hija mħassra.
Pront qawwi:
Ir-rwol tiegħek: assistent tal-editur tad-diġitizzazzjoni. Fit-test OCR li ġej, iffissa BISS żbalji ta' rikonoxximent espliċitu (karattru ħażin, kelma maqsuma ħażin). Iżżidx, tneħħi jew tibdel xi kliem. Ħalli "[?]" fejn m'intix ċert. Uri kull korrezzjoni li għamilt f'lista separata. Test: [hawn]
Il-pront qawwi jillimita l-AI biex tirrikonoxxi biss l-iżbalji, tipprojbixxiha milli tmiss il-kontenut, u tagħmel il-korrezzjonijiet traċċabbli.
Fluss tax-xogħol u tabella tar-riskju
Stadju
Kontribuzzjoni tal-AI
Riskju ewlieni
miżura ta' protezzjoni
scan
—
kwalità fqira
riżoluzzjoni għolja
OCR/HTR
Ikkonverti għal test
Żbalji ta' rikonoxximent
korrezzjoni umana
korrezzjoni
Suġġeriment ta' żball
Nibdlu l-kontenut
Tqabbil mal-oriġinal
restawr
Derivat tal-immaġni
dettall tat-twaħħil
Żomm l-oriġinal mhux ipproċessat, ittikkettah
protezzjoni
Abbozz ta' metadata
telf ta' oriġini
Rekord ta' provenjenza
Żbalji komuni
- Taċċetta l-output OCR mingħajr korrezzjoni. Żbalji jfixklu t-tfittxija u l-aċċess.
- Issejjaħ lill-AI "agħmel is-sabiħ." Tibdel il-kontenut u teqred l-oriġinalità.
- Is-sostituzzjoni tar-restawr tal-AI għall-evidenza attwali. Dettall fabbrikat joħloq storja falza.
- Mhux taħżen l-iskan mhux maħdum. L-ebda korrezzjoni ma tista' tiġi vverifikata mingħajr l-oriġinal.
- Tħalli barra l-informazzjoni dwar il-provenjenza. L-affidabbiltà tad-dokument issir intraċċabbli.
Fil-qosor
AI fl-arkivji diġitali u d-diġitizzazzjoni; Hija għajnuna siewja li tħaffef it-traskrizzjoni OCR/HTR, l-abbozzar tal-metadejta u l-prijoritizzazzjoni. Iżda l-essenza tax-xogħol tal-arkivji hija l-awtentiċità u l-integrità: l-output tal-OCR għandu jiġi kkoreġut mill-għajn tal-bniedem, l-AI qatt m'għandha tissostitwixxi l-kontenut fis-skiet, id-derivattivi tar-restawr m'għandhomx jissostitwixxu l-evidenza oriġinali, u l-iskannjar mhux ipproċessat u l-informazzjoni tal-provenjenza għandhom dejjem jiġu ppreservati. Uża l-AI bħala għodda li ma "ttejjeb" id-dokument, iżda pjuttost tagħmilha aċċessibbli filwaqt li tibqa' leali għalih.
Kompitu ta' applikazzjoni
Ikseb kampjun qasir ta 'output OCR (jew il-produzzjoni tiegħek stess jew minn skan attwali). Ikkoreġu biss l-iżbalji ta' rikonoxximent bil-mudell "Għajnuna għall-korrezzjoni tal-output tal-OCR", imbagħad iċċekkja jekk l-AI żiedetx kontenut bil-mudell "Verifika tal-konsistenza tat-test-immaġini". Imbagħad oħloq rekord bl-informazzjoni dwar il-provenjenza u l-format għall-oġġett bil-mudell "Abbozz tal-metadejta tal-Preservazzjoni".
lista ta' kontroll
- [ ] Qabbilt l-output tal-OCR/HTR mal-immaġni attwali u kkoreġejtha.
- [ ] Iċċekkjt li l-AI ma żżidx/tbiddel il-kontenut.
- [ ] Żammejt l-iskan (master) mhux maħdum separatament u mhux mibdul.
- [ ] Żidt informazzjoni dwar il-provenjenza u l-format mal-metadejta.
- [ ] Għandi ttikkettar b'mod ċar tal-varjanti tar-restawr bħala "derivattiv tal-AI".