ਡਿਜੀਟਲ ਆਰਕਾਈਵ, ਡਿਜੀਟਾਈਜੇਸ਼ਨ, ਓਸੀਆਰ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸੰਭਾਲ

ਲਾਭ:

• ਸਕੈਨ ਕੀਤੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ OCR ਅਤੇ HTR ਨਾਲ ਟੈਕਸਟ ਵਿੱਚ ਬਦਲ ਕੇ ਅਤੇ ਅਸਲ ਚਿੱਤਰ ਨਾਲ ਆਉਟਪੁੱਟ ਦੀ ਤੁਲਨਾ ਕਰਕੇ ਸਹੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਪੁਰਾਲੇਖ ਦਸਤਾਵੇਜ਼ ਦੀ ਮੌਲਿਕਤਾ ਅਤੇ ਅਖੰਡਤਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਅਤੇ AI ਨੂੰ ਸਮੱਗਰੀ ਨੂੰ ਬਦਲਣ ਅਤੇ ਮਨਘੜਤ ਬਹਾਲੀ ਤੋਂ ਰੋਕਣ ਦੀ ਸਮਰੱਥਾ
• ਪ੍ਰੋਵੇਨੈਂਸ ਜਾਣਕਾਰੀ ਅਤੇ ਟਿਕਾਊ ਫਾਰਮੈਟਾਂ ਨਾਲ ਲੰਬੇ ਸਮੇਂ ਦੀ ਡਿਜੀਟਲ ਸੰਭਾਲ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ

ਇੱਕ ਪੁਰਾਲੇਖ-ਵਿਗਿਆਨੀ ਨੂੰ ਭਵਿੱਖ ਵਿੱਚ ਪੰਜਾਹ ਸਾਲ ਪੁਰਾਣੇ ਅਖਬਾਰਾਂ ਦੀਆਂ ਜਿਲਦਾਂ, ਹੱਥ ਲਿਖਤ ਚਿੱਠੀਆਂ, ਜਾਂ ਪੁਰਾਣੀਆਂ ਤਸਵੀਰਾਂ ਲੈ ਕੇ ਜਾਣ ਦਾ ਕੰਮ ਸੌਂਪਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਦਸਤਾਵੇਜ਼ ਸਮੇਂ ਦੇ ਨਾਲ ਖਤਮ ਹੋ ਜਾਂਦੇ ਹਨ; ਦੋਵਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਪਹੁੰਚਯੋਗ ਬਣਾਉਣ ਲਈ, ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ: ਇੱਕ ਭੌਤਿਕ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਸਕੈਨ ਕਰਨ ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਡਿਜੀਟਲ ਕਾਪੀ ਵਿੱਚ ਬਦਲਣ ਦਾ ਕੰਮ। ਪਰ ਸਿਰਫ਼ ਸਕ੍ਰੀਨਿੰਗ ਹੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਡਿਜ਼ੀਟਲ ਆਬਜੈਕਟ ਲੰਬੇ ਸਮੇਂ ਲਈ ਲੱਭਣਯੋਗ, ਪੜ੍ਹਨਯੋਗ ਅਤੇ ਸਾਂਭਣਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ, ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ ਅਤੇ ਡਿਜੀਟਲ ਸੰਭਾਲ ਵਰਕਫਲੋ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ; ਪਰ ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਤੁਸੀਂ ਮੌਲਿਕਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਕਿਉਂ ਸੰਭਾਲੋਗੇ।

ਕੁਝ ਧਾਰਨਾਵਾਂ। OCR (ਆਪਟੀਕਲ ਕਰੈਕਟਰ ਰਿਕੋਗਨੀਸ਼ਨ) ਇੱਕ ਤਕਨੀਕ ਹੈ ਜੋ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਦੇ ਚਿੱਤਰ ਵਿੱਚ ਟੈਕਸਟ ਨੂੰ ਮਸ਼ੀਨ-ਸੰਪਾਦਨਯੋਗ ਟੈਕਸਟ ਵਿੱਚ ਬਦਲਦੀ ਹੈ। ਐਚਟੀਆਰ (ਹੱਥ ਲਿਖਤ ਪਾਠ ਪਛਾਣ) ਹੱਥ ਲਿਖਤ ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ ਉਹੀ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਇਹ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ। ਡਿਜੀਟਲ ਸੰਭਾਲ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਇੱਕ ਯੋਜਨਾਬੱਧ ਕੋਸ਼ਿਸ਼ ਹੈ ਕਿ ਡਿਜੀਟਲ ਵਸਤੂਆਂ ਦਹਾਕਿਆਂ ਤੱਕ ਪੜ੍ਹਨਯੋਗ ਰਹਿਣ, ਭਾਵੇਂ ਕਿ ਫਾਈਲ ਫਾਰਮੈਟ ਪੁਰਾਣੇ ਹੋ ਜਾਂਦੇ ਹਨ ਅਤੇ ਸੌਫਟਵੇਅਰ ਬਦਲ ਜਾਂਦੇ ਹਨ। AI ਤਿੰਨੋਂ ਖੇਤਰਾਂ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਪਰ ਨੁਕਸਦਾਰ ਸਹਾਇਕ ਹੈ।

ਕਦਮ ਦਰ ਕਦਮ: ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ ਤੋਂ ਬਚਾਅ ਤੱਕ

1. ਤਰਜੀਹ ਦਿਓ। ਤੁਸੀਂ ਇੱਕ ਵਾਰ ਵਿੱਚ ਸਭ ਕੁਝ ਡਿਜੀਟਾਈਜ਼ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਸਭ ਤੋਂ ਨਾਜ਼ੁਕ, ਸਭ ਤੋਂ ਵੱਧ ਬੇਨਤੀ ਕੀਤੇ ਅਤੇ ਸਭ ਤੋਂ ਵਿਲੱਖਣ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਪਹਿਲਾਂ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਇੱਕ ਨਿਆਂਇਕ ਫੈਸਲਾ ਹੈ; AI ਸੂਚੀ ਸੰਪਾਦਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਪਰ ਸੰਸਥਾ ਤਰਜੀਹ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ।

2. ਸਕੈਨ ਕਰੋ ਅਤੇ OCR/HTR ਲਾਗੂ ਕਰੋ। ਦਸਤਾਵੇਜ਼ ਨੂੰ ਉੱਚ ਰੈਜ਼ੋਲਿਊਸ਼ਨ 'ਤੇ ਸਕੈਨ ਕਰੋ, ਫਿਰ ਟੈਕਸਟ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਨ ਲਈ OCR ਜਾਂ HTR ਦੀ ਵਰਤੋਂ ਕਰੋ। ਏਆਈ-ਅਧਾਰਿਤ ਟੂਲ ਇੱਥੇ ਬਿਹਤਰ ਅਤੇ ਬਿਹਤਰ ਹੋ ਰਹੇ ਹਨ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਪੁਰਾਣੇ ਅਤੇ ਮੁਸ਼ਕਲ ਟੈਕਸਟ ਦੇ ਨਾਲ.

3. ਟੈਕਸਟ ਨੂੰ ਠੀਕ ਕਰੋ ਅਤੇ ਪੁਸ਼ਟੀ ਕਰੋ। OCR/HTR ਆਉਟਪੁੱਟ ਕਦੇ ਵੀ ਸੰਪੂਰਨ ਨਹੀਂ ਹੁੰਦਾ। ਗਲਤੀਆਂ ਆਮ ਹੁੰਦੀਆਂ ਹਨ, ਖਾਸ ਤੌਰ 'ਤੇ ਜੇ ਪੁਰਾਣੀ ਲਿਖਤ, ਦਾਗ ਵਾਲੇ ਪੰਨੇ ਜਾਂ ਹੱਥ-ਲਿਖਤ ਹੋਵੇ। ਅਸਲ ਚਿੱਤਰ ਨਾਲ ਆਉਟਪੁੱਟ ਦੀ ਤੁਲਨਾ ਕਰਨਾ ਅਤੇ ਇਸਨੂੰ ਠੀਕ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ।

4. ਮੈਟਾਡੇਟਾ ਅਤੇ ਸੁਰੱਖਿਆ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਕਰੋ। ਡਿਜ਼ੀਟਲ ਆਬਜੈਕਟ ਵਿੱਚ ਇਸਦੀ ਪੈਦਾਵਾਰ, ਸਕੈਨਿੰਗ ਸ਼ਰਤਾਂ, ਫਾਰਮੈਟ ਜਾਣਕਾਰੀ, ਅਤੇ ਉਤਪੱਤੀ ਸ਼ਾਮਲ ਕਰੋ — ਦਸਤਾਵੇਜ਼ ਕਿੱਥੋਂ ਆਇਆ ਹੈ ਅਤੇ ਇਸਦੀ ਪ੍ਰਕਿਰਿਆ ਕਿਵੇਂ ਕੀਤੀ ਗਈ ਸੀ। ਇਹ ਜਾਣਕਾਰੀ ਭਵਿੱਖ ਦੀ ਤਸਦੀਕ ਅਤੇ ਸੁਰੱਖਿਆ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ।

5. ਲੰਬੇ ਸਮੇਂ ਦੀ ਸੁਰੱਖਿਆ ਲਈ ਯੋਜਨਾ ਬਣਾਓ। ਫਾਈਲ ਫਾਰਮੈਟ ਚੁਣੋ ਜੋ ਖੁੱਲ੍ਹੇ, ਆਮ ਅਤੇ ਟਿਕਾਊ ਹਨ; ਬੈਕਅੱਪ; ਜੇਕਰ ਫਾਰਮੈਟ ਪੁਰਾਣੇ ਹੋ ਜਾਣ ਤਾਂ ਮਾਈਗ੍ਰੇਸ਼ਨ ਯੋਜਨਾ ਬਣਾਓ।

ਸੁਝਾਅ: OCR ਆਉਟਪੁੱਟ ਨੂੰ "ਕਲੀਅਰ ਟੈਕਸਟ" ਵਜੋਂ ਸਵੀਕਾਰ ਨਾ ਕਰੋ। ਜੇਕਰ ਕੋਈ ਖੋਜ ਪ੍ਰਣਾਲੀ ਇਸ ਟੈਕਸਟ ਰਾਹੀਂ ਕੰਮ ਕਰਦੀ ਹੈ, ਤਾਂ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਪਛਾਣੇ ਗਏ ਸ਼ਬਦਾਂ ਕਾਰਨ ਸਰੋਤ ਨਹੀਂ ਲੱਭਿਆ ਜਾਵੇਗਾ। ਨਾਜ਼ੁਕ ਸੰਗ੍ਰਹਿ ਲਈ, ਮਨੁੱਖੀ ਅੱਖ ਲਈ OCR ਆਉਟਪੁੱਟ ਨੂੰ ਠੀਕ ਕਰਨਾ ਸਾਰੀਆਂ ਅਗਲੀਆਂ ਪਹੁੰਚਾਂ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ।

ਡਿਜੀਟਲ ਵਸਤੂ ਦੀ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਅਖੰਡਤਾ

ਪੁਰਾਲੇਖ ਦੇ ਕੰਮ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਅਖੰਡਤਾ ਹਨ: ਇਹ ਭਰੋਸਾ ਕਿ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਸੱਚਮੁੱਚ ਦਾਅਵਾ ਕੀਤੇ ਸਰੋਤ ਤੋਂ ਆਉਂਦਾ ਹੈ ਅਤੇ ਇਸਦੀ ਸਮੱਗਰੀ ਨੂੰ ਬਦਲਿਆ ਨਹੀਂ ਗਿਆ ਹੈ। ਇਸ ਮੌਕੇ 'ਤੇ, AI ਇੱਕ ਦੋ-ਪੱਖੀ ਖ਼ਤਰਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਸਭ ਤੋਂ ਪਹਿਲਾਂ, OCR/HTR ਸੁਧਾਰ ਜਾਂ "ਵਿਧਾਨ" ਦੇ ਦੌਰਾਨ, AI ਚੁੱਪਚਾਪ ਟੈਕਸਟ ਨੂੰ ਸੰਸ਼ੋਧਿਤ ਕਰ ਸਕਦਾ ਹੈ; ਕੋਈ ਅਜਿਹਾ ਸ਼ਬਦ ਜੋੜ ਸਕਦਾ ਹੈ ਜੋ "ਸੁਧਾਰ" ਨਾਮ ਹੇਠ ਮੌਜੂਦ ਨਹੀਂ ਹੈ। ਦੂਜਾ, ਜੇਕਰ ਚਿੱਤਰ "ਮੁਰੰਮਤ" ਜਾਂ "ਬਹਾਲੀ" AI ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਗੈਰ-ਮੂਲ ਵੇਰਵੇ ਪੈਦਾ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ।

ਪੁਰਾਲੇਖ-ਵਿਗਿਆਨੀ ਦਾ ਨਿਯਮ ਸਪੱਸ਼ਟ ਹੈ: ਡਿਜੀਟਲ ਸੰਭਾਲ ਕਾਪੀ ਅਸਲੀ ਪ੍ਰਤੀ ਵਫ਼ਾਦਾਰ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। AI ਨਾਲ ਕੀਤੇ ਗਏ ਹਰ ਸੁਧਾਰ ਨੂੰ ਦਸਤਾਵੇਜ਼ੀ ਤੌਰ 'ਤੇ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਅਸਲ (ਕੱਚਾ) ਸਕੈਨ ਨੂੰ ਹਮੇਸ਼ਾ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਕਿਸੇ ਦਸਤਾਵੇਜ਼ ਨੂੰ "ਸੁੰਦਰ ਬਣਾਉਣਾ" ਇਸਦੇ ਇਤਿਹਾਸਕ ਪ੍ਰਮਾਣਿਕ ​​ਮੁੱਲ ਨੂੰ ਨਸ਼ਟ ਕਰ ਸਕਦਾ ਹੈ।

ਸਾਵਧਾਨ: ਇਹ AI ਨਾਲ ਪੁਰਾਣੀ ਫੋਟੋ ਜਾਂ ਦਸਤਾਵੇਜ਼ ਨੂੰ "ਸੁਧਾਰ" ਕਰਨ ਲਈ ਪਰਤਾਏ ਹੋ ਸਕਦਾ ਹੈ; ਪਰ AI ਗੁੰਮ ਹੋਏ ਹਿੱਸਿਆਂ ਨੂੰ ਬਣਾ ਕੇ ਭਰ ਦਿੰਦਾ ਹੈ। ਇੱਕ ਪੁਰਾਲੇਖ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਝੂਠੇ ਇਤਿਹਾਸਕ ਸਬੂਤ ਬਣਾਉਣਾ। ਬਹਾਲੀ ਆਉਟਪੁੱਟ ਕਦੇ ਵੀ ਮੂਲ ਸਰੋਤ ਨੂੰ ਨਹੀਂ ਬਦਲਦੀ; ਨੂੰ ਇੱਕ ਵੱਖਰੇ, ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਲੇਬਲ ਕੀਤੇ ਰੂਪ ਵਜੋਂ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - ਅਖਬਾਰਾਂ ਦੇ ਪੁਰਾਲੇਖ ਖੋਜਣਯੋਗ ਬਣ ਗਏ। ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਨੇ ਸਥਾਨਕ ਅਖ਼ਬਾਰਾਂ ਦੇ ਆਪਣੇ 30 ਸਾਲ ਪੁਰਾਣੇ ਸੰਗ੍ਰਹਿ ਨੂੰ ਡਿਜੀਟਲਾਈਜ਼ ਕੀਤਾ ਹੈ। OCR ਦੇ ਨਾਲ, 90,000 ਪੰਨਿਆਂ ਨੂੰ ਟ੍ਰਾਂਸਕ੍ਰਾਈਬ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਖੋਜਯੋਗ ਬਣਾਇਆ ਗਿਆ ਸੀ; ਇੱਕ ਵਿਸ਼ਾ ਖੋਜ ਜਿਸ ਵਿੱਚ ਪਹਿਲਾਂ ਦਿਨ ਲੱਗਦੇ ਸਨ ਹੁਣ ਸਕਿੰਟਾਂ ਤੱਕ ਘਟਾ ਦਿੱਤੇ ਗਏ ਹਨ। ਹਾਲਾਂਕਿ, ਟੀਮ ਨੇ ਦੇਖਿਆ ਕਿ ਪੁਰਾਣੇ ਅਤੇ ਦਾਗ ਵਾਲੇ ਪੰਨਿਆਂ 'ਤੇ OCR ਸ਼ੁੱਧਤਾ 80% ਤੱਕ ਘਟ ਗਈ ਹੈ ਅਤੇ ਮਨੁੱਖੀ ਅੱਖ ਨਾਲ ਚੋਟੀ ਦੇ ਸਾਲਾਂ ਨੂੰ ਠੀਕ ਕਰਨ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਗਈ ਹੈ।

ਕੇਸ 2 - HTR ਨੇ ਖਰੜੇ ਨੂੰ ਖੋਲ੍ਹਿਆ। ਇੱਕ ਪੁਰਾਲੇਖ ਨੇ 19ਵੀਂ ਸਦੀ ਦੇ ਔਖੇ-ਪੜ੍ਹਨ ਵਾਲੇ ਅੱਖਰਾਂ ਦੇ ਸੰਗ੍ਰਹਿ ਲਈ HTR ਲਾਗੂ ਕੀਤਾ। ਮਾਹਰਾਂ ਦੁਆਰਾ ਪੜ੍ਹਨ ਦੇ ਮਹੀਨਿਆਂ ਦੇ ਅਨੁਸਾਰ ਸਿਸਟਮ ਨੇ ਬਹੁਤ ਗਤੀ ਪ੍ਰਾਪਤ ਕੀਤੀ; ਪਰ ਪ੍ਰਿੰਟਆਉਟ ਦੇ ਹਰੇਕ ਪੰਨੇ ਦੀ ਤੁਲਨਾ ਇੱਕ ਮਾਹਰ ਪੈਲੀਓਗ੍ਰਾਫਰ (ਪ੍ਰਾਚੀਨ ਲਿਖਤ ਦੇ ਮਾਹਰ) ਦੁਆਰਾ ਮੂਲ ਨਾਲ ਕੀਤੀ ਗਈ ਸੀ, ਕਿਉਂਕਿ ਲੋਕਾਂ ਅਤੇ ਸਥਾਨਾਂ ਦੇ ਨਾਵਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਸਨ।

ਕੇਸ 3 - ਜਾਅਲੀ "ਬਹਾਲੀ" ਨੂੰ ਰੱਦ ਕੀਤਾ ਗਿਆ। ਇੱਕ ਟੀਮ ਨੇ ਏਆਈ ਦੇ ਨਾਲ ਇੱਕ ਫਟੇ ਹੋਏ ਇਤਿਹਾਸਕ ਫੋਟੋ ਨੂੰ "ਮੁਰੰਮਤ" ਕਰਨ ਬਾਰੇ ਵਿਚਾਰ ਕੀਤਾ। AI ਨੇ ਚਿਹਰੇ ਦੇ ਗੁੰਮ ਹੋਏ ਹਿੱਸਿਆਂ ਨੂੰ ਫਿੱਟ ਕਰਕੇ ਪੂਰਾ ਕੀਤਾ। ਪੁਰਾਲੇਖ ਸ਼ਾਸਤਰੀ ਨੇ ਮਹਿਸੂਸ ਕੀਤਾ ਕਿ ਇਹ ਮਨਘੜਤ ਵੇਰਵੇ ਇਤਿਹਾਸਕ ਸਬੂਤ ਨੂੰ ਵਿਗਾੜਨਗੇ; ਮੁਰੰਮਤ ਕੀਤੀ ਗਈ ਤਸਵੀਰ ਨੂੰ ਅਸਲੀ ਦੇ ਨਾਲ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਸਟੋਰ ਕੀਤਾ ਗਿਆ ਸੀ, ਸਿਰਫ਼ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ "AI ਡੈਰੀਵੇਟਿਵ" ਲੇਬਲ ਕੀਤਾ ਗਿਆ ਸੀ।

ਪਹੁੰਚ ਕਾਪੀ, ਸੰਭਾਲ ਕਾਪੀ ਅਤੇ ਫਾਰਮੈਟ ਦਾ ਫੈਸਲਾ

ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ ਵਿੱਚ ਇੱਕ ਚੰਗਾ ਅਭਿਆਸ ਵੱਖ-ਵੱਖ ਉਦੇਸ਼ਾਂ ਲਈ ਇੱਕੋ ਵਸਤੂ ਦੀਆਂ ਕਾਪੀਆਂ ਨੂੰ ਵੱਖ ਕਰਨਾ ਹੈ। ਇੱਕ ਪ੍ਰੈਜ਼ਰਵੇਸ਼ਨ ਮਾਸਟਰ ਅਸਲ ਡਿਜੀਟਲ ਵਸਤੂ ਹੈ ਜੋ ਭਵਿੱਖ ਵਿੱਚ ਲਿਜਾਈ ਜਾਂਦੀ ਹੈ, ਸਭ ਤੋਂ ਉੱਚੇ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਵਿੱਚ ਸਟੋਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਬਿਨਾਂ ਸੰਕੁਚਿਤ ਜਾਂ ਨੁਕਸਾਨ ਰਹਿਤ ਫਾਰਮੈਟ ਵਿੱਚ; ਇਸ ਨੂੰ ਘੱਟ ਹੀ ਛੂਹਿਆ ਜਾਂਦਾ ਹੈ। ਐਕਸੈਸ ਕਾਪੀ ਉਪਭੋਗਤਾ ਨੂੰ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਇੱਕ ਛੋਟਾ, ਆਸਾਨੀ ਨਾਲ ਖੋਲ੍ਹਿਆ ਗਿਆ ਰੂਪ ਹੈ। ਇਹ ਅੰਤਰ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਫਾਰਮੈਟ ਜੋ ਵਰਤੋਂ ਲਈ ਵਿਹਾਰਕ ਹੈ (ਛੋਟਾ, ਸੰਕੁਚਿਤ) ਲੰਬੇ ਸਮੇਂ ਦੀ ਸੰਭਾਲ ਲਈ ਢੁਕਵਾਂ ਨਹੀਂ ਹੋ ਸਕਦਾ; ਬਚਾਅ ਲਈ ਆਦਰਸ਼ ਫਾਰਮੈਟ (ਵੱਡਾ, ਨੁਕਸਾਨ ਰਹਿਤ) ਰੋਜ਼ਾਨਾ ਵਰਤੋਂ ਲਈ ਬੋਝਲ ਹੈ। ਇਸ ਵਰਕਫਲੋ ਵਿੱਚ, AI ਫਾਈਲਾਂ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰਨ, ਗੁੰਮ ਵੇਰੀਐਂਟਸ ਦਾ ਪਤਾ ਲਗਾਉਣ, ਅਤੇ ਮੈਟਾਡੇਟਾ ਨੂੰ ਦੋ ਕਾਪੀਆਂ ਵਿਚਕਾਰ ਇਕਸਾਰ ਰੱਖਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਫਾਰਮੈਟ ਦੀ ਚੋਣ ਇੱਕ ਸੰਭਾਲ ਦਾ ਫੈਸਲਾ ਹੈ: ਖੁੱਲੇ, ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਦਸਤਾਵੇਜ਼ੀ ਅਤੇ ਟਿਕਾਊ ਫਾਰਮੈਟਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ (ਮਲਕੀਅਤ, ਬੰਦ ਫਾਰਮੈਟਾਂ ਦੀ ਬਜਾਏ), ਅਤੇ ਇੱਕ ਮਾਈਗ੍ਰੇਸ਼ਨ ਯੋਜਨਾ ਤਿਆਰ ਰੱਖੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਜੇਕਰ ਫਾਰਮੈਟ ਸਮੇਂ ਦੇ ਨਾਲ ਪੁਰਾਣੇ ਹੋ ਜਾਂਦੇ ਹਨ। ਭਾਵੇਂ AI ਇੱਕ ਫਾਰਮੈਟ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਸੰਸਥਾ ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸੰਭਾਲ ਨੀਤੀ ਦਾ ਅੰਤਮ ਕਹਿਣਾ ਹੈ।

ਸੰਕੇਤ: ਹਰੇਕ ਡਿਜੀਟਲ ਵਸਤੂ ਲਈ, ਇੱਕ ਸੰਖੇਪ ਰਿਕਾਰਡ ਰੱਖੋ ਜੋ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੰਦਾ ਹੈ "ਅਸਲ ਸਰੋਤ ਕਿੱਥੇ ਹੈ, ਕਿਸ ਫਾਰਮੈਟ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਕਾਪੀ ਹੈ, ਐਕਸੈਸ ਕਾਪੀ ਕਿਸ ਫਾਰਮੈਟ ਵਿੱਚ ਹੈ, ਅਤੇ ਜੋ ਉਪਭੋਗਤਾ ਨੂੰ ਉਪਲਬਧ ਕਰਵਾਈ ਗਈ ਹੈ?" ਇਹਨਾਂ ਤਿੰਨ ਲੇਅਰਾਂ ਨੂੰ ਮਿਲਾਉਣ ਨਾਲ ਇਹ ਅਸਪਸ਼ਟ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿ ਅੱਗੇ ਜਾ ਰਹੀ ਭਰੋਸੇਯੋਗ ਮਾਸਟਰ ਕਿਹੜੀ ਫਾਈਲ ਹੈ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ

1) OCR ਆਉਟਪੁੱਟ ਸੁਧਾਰ ਮਦਦ:

ਹੇਠਾਂ ਇੱਕ OCR ਟੈਕਸਟ ਅਤੇ ਅਸਲ ਪੰਨੇ ਦਾ ਵਰਣਨ ਹੈ। ਸਿਰਫ਼ ਓਪਨਓਸੀਆਰ ਗਲਤੀਆਂ (ਬੁਰੇ ਅੱਖਰ, ਮਿਸ਼ਰਿਤ/ਸਪਲਿਟ ਸ਼ਬਦ) ਨੂੰ ਠੀਕ ਕਰੋ। ਸਮੱਗਰੀ ਨੂੰ ਨਾ ਬਦਲੋ, ਸ਼ਬਦ ਜੋੜੋ ਜਾਂ ਹਟਾਓ। ਜੇਕਰ ਤੁਸੀਂ ਯਕੀਨੀ ਨਹੀਂ ਹੋ, ਤਾਂ "[?]" ਨਾਲ ਨਿਸ਼ਾਨ ਲਗਾਓ। OCR ਟੈਕਸਟ: [ਇੱਥੇ]

2) ਟੈਕਸਟ-ਚਿੱਤਰ ਇਕਸਾਰਤਾ ਜਾਂਚ:

ਕੀ ਹੇਠਾਂ ਸਹੀ ਕੀਤੇ ਟੈਕਸਟ ਵਿੱਚ ਕੋਈ ਅਜਿਹਾ ਜੋੜ ਹੈ ਜਿਸਦੀ ਅਸਲ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਹੋਣ ਦੀ ਉਮੀਦ ਨਹੀਂ ਕੀਤੀ ਗਈ ਸੀ (ਜੋ ਸ਼ਾਇਦ ਬਣ ਗਿਆ ਹੋਵੇ)? ਹਰੇਕ ਸ਼ੱਕੀ ਹਿੱਸੇ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਅਤੇ ਲਿਖੋ ਕਿ ਇਹ ਸ਼ੱਕੀ ਕਿਉਂ ਹੈ। ਟੈਕਸਟ: [ਇੱਥੇ]

3) ਸੁਰੱਖਿਆ ਮੈਟਾਡੇਟਾ ਡਰਾਫਟ:

ਨਿਮਨਲਿਖਤ ਡਿਜੀਟਾਈਜ਼ਡ ਆਬਜੈਕਟ ਲਈ ਸੁਰੱਖਿਆ ਮੈਟਾਡੇਟਾ ਰੂਪਰੇਖਾ ਤਿਆਰ ਕਰੋ: ਸਰੋਤ, ਉਤਪਤੀ, ਸਕੈਨ ਮਿਤੀ/ਰੈਜ਼ੋਲੂਸ਼ਨ, ਫਾਈਲ ਫਾਰਮੈਟ, ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਇਤਿਹਾਸ। ਬੱਸ ਮੇਰੇ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਗੁੰਮ ਹੋਏ ਖੇਤਰ ਨੂੰ ਖਾਲੀ ਛੱਡੋ। ਜਾਣਕਾਰੀ: [ਇੱਥੇ]

4) ਤਰਜੀਹੀ ਸਹਾਇਤਾ:

ਹੇਠਾਂ ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ ਦੀ ਉਡੀਕ ਕਰ ਰਹੇ ਸੰਗ੍ਰਹਿ ਦੀ ਸੂਚੀ ਹੈ; ਕਮਜ਼ੋਰੀ, ਮੰਗ ਅਤੇ ਵਿਲੱਖਣਤਾ ਦੇ ਅਧਾਰ 'ਤੇ ਤਰਜੀਹ ਦੇਣ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰੋ। ਹਰੇਕ ਸਰੋਤ ਲਈ ਸੰਖੇਪ ਤਰਕ ਦਿਓ; ਅੰਤਿਮ ਫੈਸਲਾ ਮੇਰੇ 'ਤੇ ਛੱਡੋ। ਸੂਚੀ: [ਇੱਥੇ]

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਇਸ ਸਕੈਨ ਕੀਤੇ ਟੈਕਸਟ ਨੂੰ ਸਹੀ ਅਤੇ ਸੁੰਦਰ ਬਣਾਓ।

"ਸੁੰਦਰਤਾ" ਸਮੱਗਰੀ ਨੂੰ ਬਦਲਣ, ਭੁੱਲਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ AI ਨੂੰ ਸੱਦਾ ਦਿੰਦਾ ਹੈ; ਆਰਕਾਈਵ ਦਸਤਾਵੇਜ਼ ਦੀ ਮੌਲਿਕਤਾ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਿਆ ਹੈ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ ਸੰਪਾਦਕ ਸਹਾਇਕ। ਨਿਮਨਲਿਖਤ OCR ਟੈਕਸਟ ਵਿੱਚ, ਸਿਰਫ ਸਪੱਸ਼ਟ ਪਛਾਣ ਦੀਆਂ ਗਲਤੀਆਂ (ਬੁਰਾ ਅੱਖਰ, ਗਲਤ ਢੰਗ ਨਾਲ ਵੰਡਿਆ ਸ਼ਬਦ) ਨੂੰ ਠੀਕ ਕਰੋ। ਕੋਈ ਵੀ ਸ਼ਬਦ ਨਾ ਜੋੜੋ, ਨਾ ਹਟਾਓ ਜਾਂ ਬਦਲੋ। "[?]" ਨੂੰ ਛੱਡੋ ਜਿੱਥੇ ਤੁਸੀਂ ਯਕੀਨੀ ਨਹੀਂ ਹੋ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਹਰੇਕ ਸੁਧਾਰ ਨੂੰ ਇੱਕ ਵੱਖਰੀ ਸੂਚੀ ਵਿੱਚ ਦਿਖਾਓ। ਟੈਕਸਟ: [ਇੱਥੇ]

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ AI ਨੂੰ ਸਿਰਫ ਗਲਤੀਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਤੱਕ ਸੀਮਿਤ ਕਰਦਾ ਹੈ, ਇਸਨੂੰ ਸਮੱਗਰੀ ਨੂੰ ਛੂਹਣ ਤੋਂ ਰੋਕਦਾ ਹੈ, ਅਤੇ ਸੁਧਾਰਾਂ ਨੂੰ ਖੋਜਣ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

ਵਰਕਫਲੋ ਅਤੇ ਜੋਖਮ ਸਾਰਣੀ

ਸਟੇਜ

AI ਦਾ ਯੋਗਦਾਨ

ਮੁੱਖ ਜੋਖਮ

ਸੁਰੱਖਿਆ ਉਪਾਅ

ਸਕੈਨ

-

ਗਰੀਬ ਗੁਣਵੱਤਾ

ਉੱਚ ਰੈਜ਼ੋਲੂਸ਼ਨ

OCR/HTR

ਟੈਕਸਟ ਵਿੱਚ ਬਦਲੋ

ਪਛਾਣ ਦੀਆਂ ਗਲਤੀਆਂ

ਮਨੁੱਖੀ ਸੁਧਾਰ

ਸੁਧਾਰ

ਗਲਤੀ ਸੁਝਾਅ

ਸਮੱਗਰੀ ਨੂੰ ਬਦਲਣਾ

ਅਸਲੀ ਨਾਲ ਤੁਲਨਾ

ਬਹਾਲੀ

ਚਿੱਤਰ ਡੈਰੀਵੇਟਿਵ

ਫਿਟਿੰਗ ਵੇਰਵੇ

ਕੱਚਾ ਅਸਲੀ ਰੱਖੋ, ਲੇਬਲ ਕਰੋ

ਸੁਰੱਖਿਆ

ਮੈਟਾਡੇਟਾ ਡਰਾਫਟ

ਮੂਲ ਦਾ ਨੁਕਸਾਨ

ਉਤਪਤੀ ਰਿਕਾਰਡ

ਆਮ ਗਲਤੀਆਂ

• ਬਿਨਾਂ ਸੁਧਾਰ ਦੇ OCR ਆਉਟਪੁੱਟ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨਾ। ਤਰੁੱਟੀਆਂ ਖੋਜ ਅਤੇ ਪਹੁੰਚ ਵਿੱਚ ਵਿਘਨ ਪਾਉਂਦੀਆਂ ਹਨ।
• AI ਨੂੰ "ਸੁੰਦਰ ਬਣਾਓ" ਕਹਿੰਦੇ ਹੋਏ। ਇਹ ਸਮੱਗਰੀ ਨੂੰ ਬਦਲਦਾ ਹੈ ਅਤੇ ਮੌਲਿਕਤਾ ਨੂੰ ਨਸ਼ਟ ਕਰਦਾ ਹੈ।
• ਅਸਲ ਸਬੂਤ ਲਈ AI ਬਹਾਲੀ ਨੂੰ ਬਦਲਣਾ। ਮਨਘੜਤ ਵੇਰਵੇ ਝੂਠਾ ਇਤਿਹਾਸ ਰਚਦੇ ਹਨ।
• ਕੱਚੇ ਸਕੈਨ ਨੂੰ ਸਟੋਰ ਨਹੀਂ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਮੂਲ ਤੋਂ ਬਿਨਾਂ ਕਿਸੇ ਵੀ ਸੁਧਾਰ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ।
• ਮੂਲ ਜਾਣਕਾਰੀ ਨੂੰ ਛੱਡਣਾ। ਦਸਤਾਵੇਜ਼ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਅਣਜਾਣ ਬਣ ਜਾਂਦੀ ਹੈ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਡਿਜੀਟਲ ਆਰਕਾਈਵਜ਼ ਅਤੇ ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ ਵਿੱਚ AI; ਇਹ ਇੱਕ ਕੀਮਤੀ ਸਹਾਇਤਾ ਹੈ ਜੋ OCR/HTR ਟ੍ਰਾਂਸਕ੍ਰਿਪਸ਼ਨ, ਮੈਟਾਡੇਟਾ ਡਰਾਫਟ ਅਤੇ ਤਰਜੀਹ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ। ਪਰ ਪੁਰਾਲੇਖ ਦੇ ਕੰਮ ਦਾ ਸਾਰ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਅਖੰਡਤਾ ਹੈ: OCR ਆਉਟਪੁੱਟ ਨੂੰ ਮਨੁੱਖੀ ਅੱਖ ਦੁਆਰਾ ਠੀਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, AI ਨੂੰ ਕਦੇ ਵੀ ਚੁੱਪਚਾਪ ਸਮੱਗਰੀ ਨੂੰ ਨਹੀਂ ਬਦਲਣਾ ਚਾਹੀਦਾ, ਬਹਾਲੀ ਡੈਰੀਵੇਟਿਵਜ਼ ਨੂੰ ਅਸਲ ਸਬੂਤ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈਣੀ ਚਾਹੀਦੀ, ਅਤੇ ਕੱਚੀ ਸਕੈਨਿੰਗ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਜਾਣਕਾਰੀ ਨੂੰ ਹਮੇਸ਼ਾ ਸੁਰੱਖਿਅਤ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। AI ਨੂੰ ਇੱਕ ਟੂਲ ਵਜੋਂ ਵਰਤੋ ਜੋ ਦਸਤਾਵੇਜ਼ ਨੂੰ "ਸੁਧਾਰ" ਨਹੀਂ ਕਰਦਾ ਹੈ, ਸਗੋਂ ਇਸਦੇ ਪ੍ਰਤੀ ਸਹੀ ਰਹਿੰਦੇ ਹੋਏ ਇਸਨੂੰ ਪਹੁੰਚਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

OCR ਆਉਟਪੁੱਟ ਦਾ ਇੱਕ ਛੋਟਾ ਨਮੂਨਾ ਪ੍ਰਾਪਤ ਕਰੋ (ਜਾਂ ਤਾਂ ਤੁਹਾਡੇ ਆਪਣੇ ਉਤਪਾਦਨ ਜਾਂ ਅਸਲ ਸਕੈਨ ਤੋਂ)। "OCR ਆਉਟਪੁੱਟ ਸੁਧਾਰ ਸਹਾਇਤਾ" ਟੈਮਪਲੇਟ ਨਾਲ ਸਿਰਫ ਪਛਾਣ ਦੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਠੀਕ ਕਰੋ, ਫਿਰ ਜਾਂਚ ਕਰੋ ਕਿ ਕੀ AI ਨੇ "ਟੈਕਸਟ-ਚਿੱਤਰ ਇਕਸਾਰਤਾ ਜਾਂਚ" ਟੈਮਪਲੇਟ ਨਾਲ ਸਮੱਗਰੀ ਸ਼ਾਮਲ ਕੀਤੀ ਹੈ। ਫਿਰ "ਪ੍ਰੀਜ਼ਰਵੇਸ਼ਨ ਮੈਟਾਡੇਟਾ ਡਰਾਫਟ" ਟੈਂਪਲੇਟ ਦੇ ਨਾਲ ਵਸਤੂ ਲਈ ਪ੍ਰੋਵੇਨੈਂਸ ਅਤੇ ਫਾਰਮੈਟ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ ਇੱਕ ਰਿਕਾਰਡ ਬਣਾਓ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ OCR/HTR ਆਉਟਪੁੱਟ ਦੀ ਅਸਲ ਚਿੱਤਰ ਨਾਲ ਤੁਲਨਾ ਕੀਤੀ ਅਤੇ ਇਸਨੂੰ ਠੀਕ ਕੀਤਾ।
• [ ] ਮੈਂ ਜਾਂਚ ਕੀਤੀ ਹੈ ਕਿ AI ਸਮੱਗਰੀ ਨੂੰ ਜੋੜਦਾ/ਬਦਲਦਾ ਨਹੀਂ ਹੈ।
• [ ] ਮੈਂ ਕੱਚਾ (ਮਾਸਟਰ) ਸਕੈਨ ਨੂੰ ਵੱਖਰਾ ਅਤੇ ਬਦਲਿਆ ਨਹੀਂ ਰੱਖਿਆ।
• [ ] ਮੈਂ ਮੈਟਾਡੇਟਾ ਵਿੱਚ ਪ੍ਰੋਵੇਨੈਂਸ ਅਤੇ ਫਾਰਮੈਟ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਬਹਾਲੀ ਦੇ ਰੂਪਾਂ ਨੂੰ "AI ਡੈਰੀਵੇਟਿਵ" ਵਜੋਂ ਲੇਬਲ ਕੀਤਾ ਹੈ।