Fitimet:
- Aftësia për të korrigjuar dokumentet e skanuara duke i kthyer ato në tekst me OCR dhe HTR dhe duke krahasuar daljen me imazhin aktual
- Aftësia për të ruajtur origjinalitetin dhe integritetin e dokumentit të arkivit dhe për të parandaluar AI nga ndryshimi i përmbajtjes dhe restaurimi i fabrikuar
- Aftësia për të planifikuar ruajtjen afatgjatë dixhitale me informacione të origjinës dhe formate të qëndrueshme
Një arkivist ka për detyrë të çojë në të ardhmen vëllime gazetash pesëdhjetëvjeçare, letra të shkruara me dorë ose fotografi të vjetra. Këto dokumente konsumohen me kalimin e kohës; Për t'i ruajtur dhe për t'i bërë ato të aksesueshme, bëhet dixhitalizimi: akti i skanimit të një dokumenti fizik dhe i konvertimit të tij në një kopje dixhitale. Por vetëm depistimi nuk mjafton; Objekti dixhital duhet të jetë i gjetshëm, i lexueshëm dhe i mirëmbajtur në afat të gjatë. Në këtë njësi, do të mësoni se si të përdorni inteligjencën artificiale në rrjedhën e punës së dixhitalizimit, transkriptimit dhe ruajtjes dixhitale; por do të mësoni pse do të mbani përgjegjësinë për origjinalitetin dhe saktësinë.
Disa koncepte. OCR (Optical Character Recognition) është një teknologji që konverton tekstin në imazhin e një dokumenti në tekst të redaktueshëm nga makina. HTR (Handwritten Text Recognition) bën të njëjtën punë për dokumentet e shkruara me dorë dhe është shumë më e vështirë. Ruajtja dixhitale është një përpjekje e planifikuar për të siguruar që objektet dixhitale të mbeten të lexueshme për dekada, edhe kur formatet e skedarëve bëhen të vjetëruara dhe softueri ndryshon. AI është një asistent i fuqishëm, por me të meta në të tre fushat.
Hap pas hapi: nga dixhitalizimi tek ruajtja
1. Prioritet. Nuk mund të dixhitalizosh gjithçka menjëherë. Dokumentet më të brishta, më të kërkuara dhe më unike vendosen në radhë të parë. Ky është një vendim gjyqësor; AI ndihmon në redaktimin e listës, por institucioni përcakton prioritetin.
2. Skanoni dhe aplikoni OCR/HTR. Skanoni dokumentin me rezolucion të lartë, më pas përdorni OCR ose HTR për të nxjerrë tekstin. Mjetet e bazuara në AI po bëhen gjithnjë e më të mira këtu, edhe me tekste të vjetra dhe të vështira.
3. Korrigjoni dhe verifikoni tekstin. Dalja OCR/HTR nuk është kurrë e përsosur. Gabimet janë të zakonshme, veçanërisht nëse ka shkrim të vjetër, faqe me njolla ose një dorëshkrim. Është thelbësore të krahasohet prodhimi me imazhin aktual dhe të korrigjohet.
4. Shto të dhëna meta dhe informacione për mbrojtjen. Shtoni në objektin dixhital origjinën e tij, kushtet e skanimit, informacionin e formatit dhe prejardhjen - nga erdhi dokumenti dhe si u përpunua. Ky informacion është kritik për verifikimin dhe mbrojtjen e ardhshme.
5. Plani për mbrojtje afatgjatë. Zgjidhni formatet e skedarëve që janë të hapura, të zakonshme dhe të qëndrueshme; back up; Bëni një plan migrimi në rast se formatet bëhen të vjetëruara.
Këshillë: Mos e pranoni daljen OCR si "tekst i pastër". Nëse një sistem kërkimi do të funksiononte përmes këtij teksti, fjalët e njohura gabimisht do të bënin që burimi të mos gjendej. Për koleksionet kritike, korrigjimi i daljes OCR në syrin e njeriut përcakton cilësinë e të gjithë aksesit të mëvonshëm.
Autenticiteti dhe integriteti i objektit dixhital
Në qendër të punës arkivore janë autenticiteti dhe integriteti: siguria se një dokument vjen me të vërtetë nga burimi i pretenduar dhe se përmbajtja e tij nuk është ndryshuar. Në këtë pikë, AI krijon një kërcënim të dyfishtë. Së pari, gjatë korrigjimit ose "përmirësimit" të OCR/HTR, AI mund të modifikojë në heshtje tekstin; mund të shtojë një fjalë që nuk ekziston nën emrin "korrigjim". Së dyti, nëse "riparimi" ose "restaurimi" i imazhit bëhet me AI, mund të prodhohen detaje jo origjinale.
Rregulli i arkivistit është i qartë: kopja e ruajtjes dixhitale duhet të jetë besnike ndaj origjinalit. Çdo përmirësim i bërë me AI duhet të dokumentohet dhe skanimi aktual (i papërpunuar) duhet të ruhet gjithmonë. “Zbukurimi” i një dokumenti mund të shkatërrojë vlerën e tij historike dëshmuese.
Kujdes: Mund të jetë joshëse të "përmirësoni" një foto ose dokument të vjetër me AI; por AI i plotëson pjesët që mungojnë duke i plotësuar ato. Në një dokument arkivor, kjo nënkupton krijimin e dëshmive të rreme historike. Dalja e restaurimit nuk e zëvendëson kurrë burimin origjinal; ruhet si një variant i veçantë, i etiketuar qartë.
tre mini kuti
Rasti 1 - Arkivat e gazetave u bënë të kërkueshme. Një bibliotekë ka dixhitalizuar koleksionin e saj 30-vjeçar të gazetave lokale. Me OCR, 90,000 faqe u transkriptuan dhe u bënë të kërkueshme; Kërkimi i temës që më parë kërkonte ditë, tani është reduktuar në sekonda. Megjithatë, ekipi vuri re se saktësia OCR ra në 80% në faqet e vjetra dhe të njollosura dhe i dha përparësi korrigjimit të viteve të para me syrin e njeriut.
Rasti 2 - HTR hapi dorëshkrimin. Një arkiv aplikoi HTR në një koleksion letrash të vështira për t'u lexuar të shekullit të 19-të. Sistemi fitoi shpejtësi të madhe sipas muajve të leximit nga ekspertët; Por çdo faqe e printimit u krahasua me origjinalin nga një paleograf ekspert (një ekspert i shkrimit të lashtë), sepse kishte gabime në emrat e njerëzve dhe vendeve.
Rasti 3 - "Restaurimi" i rremë u refuzua. Një ekip mendoi të "riparonte" një fotografi historike të grisur me AI. AI plotësoi pjesët e munguara të fytyrës duke i vendosur ato. Arkivisti e kuptoi se këto detaje të fabrikuara do të shtrembëronin dëshmitë historike; Imazhi i riparuar u ruajt veçmas së bashku me origjinalin, vetëm i emërtuar qartë "Derivativ AI".
Aksesoni kopjen, kopjen e ruajtjes dhe vendimin e formatit
Një praktikë e mirë në dixhitalizim është ndarja e kopjeve të të njëjtit objekt për qëllime të ndryshme. Një master konservimi është objekti aktual dixhital që do të bartet në të ardhmen, i ruajtur në formatin më të lartë, të pakompresuar ose pa humbje; preket rrallë. Kopja e aksesit është një variant më i vogël, i hapur lehtësisht i paraqitur tek përdoruesi. Ky dallim është i rëndësishëm sepse formati që është praktik për përdorim (i vogël, i ngjeshur) mund të mos jetë i përshtatshëm për ruajtje afatgjatë; Formati ideal për ruajtje (i madh, pa humbje) është i rëndë për përdorim të përditshëm. Në këtë rrjedhë pune, AI mund të ndihmojë në inventarizimin e skedarëve, zbulimin e varianteve që mungojnë dhe mbajtjen e meta të dhënave të qëndrueshme midis dy kopjeve. Megjithatë, zgjedhja e formatit është një vendim ruajtjeje: duhet të preferohen formate të hapura, të dokumentuara gjerësisht dhe të qëndrueshme (në vend të formateve të pronarit, të mbyllura) dhe një plan migrimi duhet të mbahet gati në rast se formatet bëhen të vjetëruara me kalimin e kohës. Edhe nëse AI sugjeron një format, politika e ruajtjes afatgjatë e institucionit ka fjalën e fundit.
Këshillë: Për çdo objekt dixhital, mbani një regjistrim të shkurtër që i përgjigjet pyetjeve "ku është burimi origjinal, në çfarë formati është kopja e ruajtjes, në çfarë formati është kopja e aksesit dhe cili i vihet në dispozicion përdoruesit?" Përzierja e këtyre tre shtresave e bën të paqartë se cili skedar është masteri i besuar në vazhdim.
Katër shabllone të kopjueshëm
1) Ndihma për korrigjimin e daljes OCR:
Më poshtë është një tekst OCR dhe përshkrimi i faqes aktuale. Rregulloni vetëm gabimet openOCR (karaktere të këqija, fjalë të përbëra/ndara). Mos e ndryshoni përmbajtjen, mos shtoni ose hiqni fjalë. Nëse nuk jeni të sigurt, shënoni me "[?]". Teksti OCR: [këtu]
2) Kontrolli i konsistencës tekst-imazh:
A ka ndonjë shtesë në tekstin e korrigjuar më poshtë që nuk pritej të ishte në dokumentin origjinal (i cili mund të jetë krijuar)? Shënoni çdo pjesë të dyshimtë dhe shkruani pse është e dyshimtë. Teksti: [këtu]
3) Drafti i meta të dhënave të mbrojtjes:
Gjeneroni skicën e meta të dhënave të ruajtjes për objektin e mëposhtëm të dixhitalizuar: burimi, prejardhja, data/rezoluta e skanimit, formati i skedarit, historia e transaksioneve. Thjesht përdorni informacionin që kam dhënë, lëreni bosh fushën që mungon. Informacion: [këtu]
4) Ndihma për prioritizimin:
Më poshtë është lista e koleksioneve në pritje të dixhitalizimit; Ndihmoni në përcaktimin e prioriteteve bazuar në brishtësinë, kërkesën dhe veçantinë. Jepni një arsyetim të shkurtër për secilin burim; Më lini mua vendimin përfundimtar. Lista: [këtu]
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Korrigjoni dhe zbukurojeni këtë tekst të skanuar.
"Beautify" fton AI të ndryshojë përmbajtjen, të kompensojë lëshimet; Origjinaliteti i dokumentit të arkivit është i dëmtuar.
Njoftim i fuqishëm:
Roli juaj: asistent redaktues i dixhitalizimit. Në tekstin e mëposhtëm OCR, rregulloni VETËM gabimet e qarta të njohjes (karakter i keq, fjalë e ndarë gabimisht). Mos shtoni, hiqni ose ndryshoni asnjë fjalë. Lëreni "[?]" aty ku nuk jeni të sigurt. Shfaqni çdo korrigjim që keni bërë në një listë të veçantë. Teksti: [këtu]
Prompti i fuqishëm e kufizon AI vetëm në njohjen e gabimeve, e ndalon atë të prekë përmbajtjen dhe i bën korrigjimet të gjurmueshme.
Tabela e rrjedhës së punës dhe rrezikut
Skena
Kontributi i AI
Rreziku kryesor
masë mbrojtëse
skanoni
-
cilësi të dobët
rezolucion të lartë
OCR/HTR
Konverto në tekst
Gabimet e njohjes
korrigjimi njerëzor
korrigjim
Sugjerim gabimi
Ndryshimi i përmbajtjes
Krahasimi me origjinalin
restaurimi
Derivat i imazhit
detaj i përshtatshëm
Mbajeni origjinalin e papërpunuar, etiketoni atë
mbrojtjes
Drafti i meta të dhënave
humbja e origjinës
Të dhënat e origjinës
Gabimet e zakonshme
- Pranimi i daljes OCR pa korrigjim. Gabimet ndërpresin kërkimin dhe aksesin.
- Duke e quajtur AI "bëhu i bukur". Ndryshon përmbajtjen dhe shkatërron origjinalitetin.
- Zëvendësimi i restaurimit të AI me prova aktuale. Detajet e fabrikuara krijojnë histori të rreme.
- Nuk ruan skanimin e papërpunuar. Asnjë korrigjim nuk mund të verifikohet pa origjinalin.
- Heqja e informacionit të origjinës. Besueshmëria e dokumentit bëhet e pagjurmueshme.
Në përmbledhje
UA në arkivat dixhitale dhe digjitalizim; Është një ndihmë e vlefshme që përshpejton transkriptimin OCR/HTR, hartimin dhe prioritizimin e meta të dhënave. Por thelbi i punës arkivore është autenticiteti dhe integriteti: prodhimi OCR duhet të korrigjohet nga syri i njeriut, AI nuk duhet të zëvendësojë kurrë përmbajtjen në heshtje, derivatet e restaurimit nuk duhet të zëvendësojnë provat origjinale dhe informacioni i skanimit të papërpunuar dhe prejardhja duhet të ruhet gjithmonë. Përdorni AI si një mjet që nuk e "përmirëson" dokumentin, por përkundrazi e bën atë të aksesueshëm duke i qëndruar besnik.
Detyra e aplikimit
Merrni një mostër të shkurtër të prodhimit OCR (ose prodhimi juaj ose nga një skanim aktual). Korrigjoni vetëm gabimet e njohjes me shabllonin "OCR output correction help", më pas kontrolloni nëse AI ka shtuar përmbajtje me shabllonin "Kontrolli i konsistencës së tekstit-imazhit". Më pas krijoni një regjistrim me origjinën dhe informacionin e formatit për objektin me shabllonin "Draft i meta të dhënave të ruajtjes".
listë kontrolli
- [ ] Krahasova daljen OCR/HTR me imazhin aktual dhe e korrigjova atë.
- [ ] Kam kontrolluar që AI nuk shton/ndryshon përmbajtje.
- [ ] E mbajta skanimin e papërpunuar (master) veçmas dhe të pandryshuar.
- [ ] Shtova informacionin e origjinës dhe formatit në meta të dhënat.
- [ ] Unë i kam etiketuar qartë variantet e restaurimit si "dervat i AI".