டிரான்ஸ்கிரிப்ஷன்: ஒட்டோமான் துருக்கிய மற்றும் கையெழுத்துப் பிரதிகள்

ஆதாயங்கள்:

• எச்.டி.ஆர் மற்றும் ஒலிபெயர்ப்பு பணிப்பாய்வுகளை அமைக்கும் திறன் மற்றும் மூல வரைவுக்கு ஏன் நிபுணத்துவம் வாய்ந்த சோதனை தேவைப்படுகிறது என்பதை விளக்கும் திறன்
• ஒட்டோமான் துருக்கியில் உயிரெழுத்து/எழுத்து தெளிவின்மை இருந்தால் துல்லியமான வாசிப்பை திணிப்பதற்கு பதிலாக மாற்று வழிகளைக் கேட்டு படிக்க முடியாத பகுதிகளைப் பாதுகாக்கும் திறன்
• பேலியோகிராஃபரிடம் இறுதி அறிவியல் பொறுப்பை வைத்து, அசல் ஒலிபெயர்ப்பை ஒரு தனி அடுக்கு எளிமைப்படுத்தலில் இருந்து பிரிக்கும் திறன்

வரலாற்று ஆராய்ச்சியின் மிகவும் தேவைப்படும் பகுதி கையெழுத்துப் பிரதிகள் மற்றும் பழைய எழுதப்பட்ட ஆவணங்களை படிக்கக்கூடிய உரையில் படியெடுத்தல் ஆகும். ஒரு கடிதம், ஒரு நோட்புக், ஒரு நீதிமன்றப் பதிவு அல்லது ஒட்டோமான் ஆவணம் படியெடுத்த பிறகுதான் தேட முடியும். டிரான்ஸ்கிரிப்ஷன் என்பது ஒரு ஆவணத்தின் உள்ளடக்கங்களை (பெரும்பாலும் கையால் எழுதப்பட்ட அல்லது பண்டைய ஸ்கிரிப்ட்) எழுதப்பட்ட, படிக்கக்கூடிய உரையாக மாற்றும் செயலாகும். ஒட்டோமானைப் பொறுத்தவரை, இது பெரும்பாலும் ஒலிபெயர்ப்புடன் இருக்கும்: அரபு எழுத்துக்களில் உள்ள உரையை லத்தீன் எழுத்துக்களுக்கு அதன் எழுத்துக்கு இணையான எழுத்துக்களுடன் மாற்றுதல்.

அச்சிடப்பட்ட நூல்களுக்கு OCR ஐப் பயன்படுத்தினோம்; கையெழுத்துக்கு வேறு தொழில்நுட்பம் தேவை: HTR (கையால் எழுதப்பட்ட உரை அங்கீகாரம்). HTR என்பது OCR போன்ற தொழில்நுட்பமாகும், ஆனால் கையால் எழுதப்பட்ட ஆவணங்களை இயந்திர உரையாக மாற்றும் மிகவும் சவாலானது. ஒட்டோமான் மற்றும் கையெழுத்துப் பிரதி டிரான்ஸ்கிரிப்ஷனில் HTR மற்றும் AI ஐ எவ்வாறு பயன்படுத்துவது, பிழையின் விளிம்புகள் மற்றும் சரிபார்ப்பு ஏன் மிகவும் முக்கியமானது என்பதை இந்த யூனிட்டில் பார்ப்போம்.

கையெழுத்து ஏன் மிகவும் கடினம்?

அச்சிடப்பட்ட உரையை விட கையெழுத்து மிகவும் மாறக்கூடியது: ஒவ்வொரு எழுத்தாளருக்கும் ஒரு தனித்துவமான கை உள்ளது, கடிதங்கள் ஒன்றாக இணைக்கப்பட்டுள்ளன, சுருக்கங்கள் மற்றும் சிறப்பு அடையாளங்கள் பயன்படுத்தப்படுகின்றன, மை இரத்தம், காகிதம் தேய்கிறது. ஒட்டோமான் துருக்கியில் சிரமம் பெருக்கப்படுகிறது:

• சூழ்நிலை எழுத்து வடிவங்கள்: ஒரே எழுத்து வார்த்தையின் தொடக்கத்திலும், நடுவிலும், முடிவிலும் வித்தியாசமாக எழுதப்படுகிறது.
• உயிரெழுத்துக்களை எழுதுவதில்லை: குறுகிய உயிரெழுத்துக்கள் பெரும்பாலும் எழுதப்படுவதில்லை; வாசகர் சூழலில் இருந்து முடிக்கிறார். இது "ஏற்றுக்கொள்வதா அல்லது நிராகரிப்பதா?" போன்ற தெளிவற்ற தன்மைகளை உருவாக்குகிறது.
• வெவ்வேறு எழுத்து நடைகள்: ரிக்'ஆ, திவானி, தாலிக் என வெவ்வேறு கையெழுத்துப் பாணிகள் உள்ளன; ஒவ்வொன்றுக்கும் வெவ்வேறு வாசிப்பு நிபுணத்துவம் தேவை.
• ஒட்டோமான் சொற்களஞ்சியம்: இன்றைய துருக்கிய மொழியில் இல்லாத அரபு மற்றும் பாரசீக வார்த்தைகள்.

எனவே, HTR மற்றும் AI ஆகியவை ஒட்டோமான் துருக்கிய மொழியில் அச்சிடப்பட்ட OCR ஐ விட அதிக அளவு பிழையுடன் வேலை செய்கின்றன. ஒரு நிபுணர் பேலியோகிராஃபரின் கண் (பேலியோகிராபி - பண்டைய எழுத்துக்களைப் படிக்கும் அறிவியல்) இங்கே ஒரு கருவி அல்ல, ஆனால் ஒரு தேவை.

பணிப்பாய்வு: படிப்படியாக

1. ஆவணத்தின் தரத்தை தயார் செய்யவும். OCR ஐப் போலவே, உயர் தெளிவுத்திறன் மற்றும் நல்ல மாறுபாடு அவசியம். கையெழுத்தில் இது இன்னும் முக்கியமானதாகும்.

2. HTR மாதிரியைத் தேர்ந்தெடுக்கவும். ஓட்டோமான், அரேபிய கையெழுத்து அல்லது HTR மாதிரிகள் ஒரு குறிப்பிட்ட காலத்திற்கு குறிப்பாக பயிற்சியளிக்கப்பட்டவை பொதுவான மாதிரிகளை விட மிகவும் வெற்றிகரமானவை. எந்த மாதிரி ஒரு காலத்திற்கு நன்றாக வேலை செய்கிறது மற்றும் எழுதும் பாணியை சோதிக்கவும்.

3. மூல டிரான்ஸ்கிரிப்ஷனை உருவாக்கவும். HTR மாதிரி ஒரு வெளிப்புறத்தை உருவாக்குகிறது. ஒட்டோமான் துருக்கியில், இந்த வரைவு பிழைகள் நிறைந்த ஒரு தொடக்கமாகும், இது அனுபவம் வாய்ந்த கண் முழுமையாக சரிபார்க்க வேண்டும்.

4. AI உடன் சூழ்நிலை மேம்பாடு. நீங்கள் AI கொடியின் முரண்பாடுகள், சாத்தியமான வாசிப்பு மாற்றுகள் மற்றும் மூல வெளியீட்டில் சந்தேகத்திற்குரிய இடங்கள் ஆகியவற்றைக் கொண்டிருக்கலாம். ஆனால் AI "திருத்தம்" இங்கு குறிப்பாக ஆபத்தானது: இது ஒரு திட்டமிடப்பட்ட வாசிப்பை பரிந்துரைக்கலாம்.

5. ஒலிபெயர்ப்பு மற்றும் எளிமைப்படுத்தல் (அடுக்கு). அரேபிய எழுத்துக்களில் உள்ள உரையை லத்தீன் எழுத்துக்களாக மாற்றுவதும், அதைத் தொடர்ந்து இன்றைய துருக்கிய மொழியில் எளிமைப்படுத்தப்பட்ட வாசிப்பும் தனித்தனி அடுக்குகளாக உருவாக்கப்பட்டுள்ளன. அசல் உடைவதில்லை.

6. நிபுணர் சரிபார்ப்பு. இறுதிப் படியெடுத்தல் பேலியோகிராஃபி மற்றும் கால அறிவைக் கொண்ட ஒரு நிபுணரால் ஆவணத்துடன் ஒப்பிடுவதன் மூலம் அங்கீகரிக்கப்படுகிறது.

கவனம்: ஒட்டோமான் துருக்கியில், சூழலில் இருந்து எழுதப்படாத உயிரெழுத்து கொண்ட ஒரு வார்த்தையை "யூகிக்கும்போது", AI முற்றிலும் தவறான வாசிப்பை உருவாக்கி, நம்பிக்கையான மொழியில் அதை வழங்க முடியும். "காபில்" என்பதற்குப் பதிலாக "காபூல்" அல்லது "ஆலிம்" என்பதற்குப் பதிலாக "அலேம்" போன்ற எழுத்துக்களில் உள்ள வேறுபாடு, அர்த்தத்தை முற்றிலும் மாற்றுகிறது. ஒவ்வொரு நிச்சயமற்ற வாசிப்பும் மாற்றுகளுடன் முன்வைக்கப்பட வேண்டும், மேலும் எந்த ஒரு உறுதியான வாசிப்பும் திணிக்கப்படக்கூடாது.

ஒரு அட்டவணையுடன் அடுக்குகள் மற்றும் பொறுப்பு

அடுக்கு

உள்ளடக்கம்

AI இன் பங்கு

நிபுணரின் பங்கு

படம்

அசல் ஆவணம்

—

ஆதாரம்

HTR வரைவு

மூல இயந்திர வாசிப்பு

உற்பத்தி செய்கிறது

ஆரம்பம் முதல் முடிவு வரை கட்டுப்படுத்தவும்

ஒலிபெயர்ப்பு

லத்தீன் எழுத்து இடமாற்றம்

வரைவு பரிந்துரைக்கிறது

சரிசெய்கிறது, சரிசெய்கிறது

நிச்சயமற்ற குறிப்புகள்

[?] மற்றும் மாற்றுகள்

அடையாளங்கள்

தீர்மானிக்கிறது

எளிமைப்படுத்துதல்

இன்றைய துருக்கியர்

வரைவு பரிந்துரைக்கிறது

ஒப்புதல்கள்

அறிவியல் வெளியீடு

இறுதி உரை + குறிப்புகள்

—

நிபுணர் மட்டுமே

மூன்று சிறிய வழக்குகள்

வழக்கு 1 — HTR முதல் வரைவை 5x வேகப்படுத்தியது. ஒரு முனைவர் பட்டம் பெற்ற மாணவர் 200 பக்க ஒட்டோமான் நோட்புக்கை படியெடுத்தார். முழு கையேடு டிரான்ஸ்கிரிப்ஷன் 60 வணிக நாட்கள் என மதிப்பிடப்பட்டது. ஒரு HTR மாடலுடன் பயிற்சியளிக்கப்பட்ட காலத்திற்கு, மூல வரைவு சில மணிநேரங்களில் வெளிவந்தது; மாணவர் இந்த வரைவை சரிசெய்து வேலையை 12 வேலை நாட்களாகக் குறைத்தார். ஆனால் அவர் ஒவ்வொரு பக்கத்தையும் ஆவணத்துடன், வரி வரியாக ஒப்பிட்டுப் பார்க்க வேண்டும்; வரைவில் சுமார் 30% தவறானது.

வழக்கு 2 - ஒரு எழுத்து, ஒரு பொருள். ஒரு ஆராய்ச்சியாளர் AI படிக்கும் ஒரு வார்த்தையை "கவர்னர்" என்று நம்பினார். நிபுணரின் கட்டுப்பாட்டின் கீழ், அந்த வார்த்தை உண்மையில் "பாதுகாவலர்" (குழந்தை/நபருக்கு பொறுப்பு) என்று புரிந்து கொள்ளப்பட்டது, மேலும் உயிரெழுத்து குறிக்கப்படாததால், AI அதை தவறாக யூகித்தது. ஆவணத்தின் சட்டப்பூர்வ அர்த்தம் முற்றிலும் மாறிக்கொண்டிருந்தது. பாடம்: ஒட்டோமான் டர்கிஷ் மொழியில், ஒரு எழுத்து/உயிரெழுத்து வேறுபாடு ஆவணத்தை தொடக்கத்தில் இருந்து விளக்குகிறது; நிபுணர் தேவை.

வழக்கு 3 - திட்டமிடப்பட்ட நிறைவு. ஒரு வரியில் மை தீர்ந்து, அதில் ஒரு வார்த்தை படிக்க முடியாத நிலையில், AI அந்த இடைவெளியை "தர்க்கரீதியான" வார்த்தையால் நிரப்பியது. அந்த இடைவெளி உண்மையில் ஒரு இடப்பெயர் என்பதையும், AI அதை உருவாக்கியது என்பதையும் நிபுணர் உணர்ந்தார். இடம் [படிக்க முடியாதது] என விடப்பட்டது. பாடம்: படிக்க முடியாத இடம் நிரப்பப்படவில்லை, குறிக்கப்பட்டுள்ளது.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) தெளிவின்மையைப் பாதுகாக்கும் ஒலிபெயர்ப்பு:

ஒட்டோமான் ஆவணத்தின் HTR மூல வெளியீடு/ஒலிமாற்றம் கீழே உள்ளது. உங்கள் பணி உரையை மதிப்பாய்வு செய்து சாத்தியமான வாசிப்பு பிழைகளை கொடியிடுவது. விதிகள்: (1) உங்களுக்குத் தெரியாத ஒவ்வொரு வார்த்தைக்கும் 2-3 சாத்தியமான வாசிப்பு மாற்றுகளை வழங்குங்கள், ஒன்றைச் சுமத்த வேண்டாம். (2) தெளிவற்ற பகுதிகளில் [படிக்க முடியாத] விடுங்கள், அவற்றை நிரப்ப வேண்டாம். (3) உரையில் இல்லாத சொற்களைச் சேர்த்தல். (4) தெளிவற்ற உயிரெழுத்துக்களுடன் சொற்களில் மாற்றுகளைக் காட்டு. உரை: [இங்கே]

2) அடுக்கு வாசிப்பு (அசல் + எளிமைப்படுத்தல்):

பின்வரும் சரிபார்க்கப்பட்ட ஒட்டோமான் ஒலிபெயர்ப்புக்கு இரண்டு நெடுவரிசைகளை உருவாக்கவும்: (1) அசல் ஒலிபெயர்ப்பு (தொடுதல்), (2) இன்றைய துருக்கிய மொழியில் எளிமைப்படுத்தப்பட்ட வாசிப்பு. பொருள் சேர்த்தல், எளிமைப்படுத்தலில் விளக்கம் சேர்த்தல்; மொழியை புதுப்பிக்கவும். தெளிவற்ற பொருள் கொண்ட இடங்களைக் குறிக்கவும். ஒலிபெயர்ப்பு: [இங்கே]

3) கால மற்றும் நபர் பிரித்தெடுத்தல்:

கீழே உள்ள டிரான்ஸ்கிரிப்ஷனில் குறிப்பிடப்பட்டுள்ள தனிப்பட்ட பெயர்கள், இடப் பெயர்கள், தலைப்புகள் மற்றும் காலச் சொற்கள் தனித்தனி பட்டியல்களில் தோன்றும். உரையில் தெளிவாகக் குறிப்பிடப்பட்டுள்ளவற்றை மட்டும் எடுத்துக் கொள்ளுங்கள்; யூகித்து சேர்க்க வேண்டாம். உச்சரிப்பில் உறுதியாக தெரியாவிட்டால் [?] உடன் குறிக்கவும். உரை: [இங்கே]

4) சந்தேகத்திற்கிடமான வாசிப்பு கட்டுப்பாடு:

ஒரு அனுபவமிக்க பேலியோகிராஃபி கன்ட்ரோலர் பாத்திரத்தில். கீழே உள்ள டிரான்ஸ்கிரிப்ஷனில், அர்த்தத்தில் முரணான, காலத்திற்குப் பொருந்தாத அல்லது சூழலுக்குப் பொருந்தாத சொற்களைக் குறிக்கவும், மேலும் அவை ஏன் சந்தேகத்திற்குரியவை என்று எழுதவும். உறுதியான திருத்தத்தை சுமத்துதல்; மனித நிபுணர் ஆவணத்துடன் ஒப்பிடும் சந்தேகங்களின் பட்டியலை உருவாக்கவும். உரை: [இங்கே]

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான:

இந்த ஒட்டோமான் உரையைப் படித்து அதன் மொழிபெயர்ப்பை எனக்குக் கொடுங்கள்.

இது ஒற்றை, உறுதியான வாசிப்பு, தெளிவின்மைகளை மறைத்தல் மற்றும் இடைவெளிகளில் பொருத்துதல் ஆகியவற்றை உருவாக்க AI ஐத் தள்ளுகிறது. ஒட்டோமான் துருக்கியில், இது கிட்டத்தட்ட உத்தரவாதமான தவறு.

வலுவான:

கீழே உள்ள ஒட்டோமான் ஒலிபெயர்ப்பைப் பாருங்கள். ஒரு உறுதியான வாசிப்பு: IMPOSITION. ஒவ்வொரு தெளிவற்ற வார்த்தைக்கும் சாத்தியமான மாற்றுகளை வழங்கவும், [படிக்க முடியாத] பகுதிகளை விட்டுவிடவும், உரையில் இல்லாத எதையும் சேர்க்க வேண்டாம். இன்றைய துருக்கிய மொழியில் எளிமைப்படுத்தப்பட்ட வாசிப்பை தனி பத்தியில் கொடுங்கள், ஆனால் அசலை வைத்திருங்கள். நீங்கள் உறுதியாக தெரியாத எதையும் [?] உடன் குறிக்கவும், இதனால் நிபுணர் அதை ஆவணத்துடன் ஒப்பிடலாம். உரை: [இங்கே]

வித்தியாசம்: கடுமையான வாசிப்புத் தடை, மாற்றுகளைக் கோருதல், இடைவெளியைப் பாதுகாத்தல் மற்றும் அடுக்கு வெளியீடு ஆகியவை நிபுணர் சரிபார்ப்பைச் செயல்படுத்துகின்றன.

பொதுவான தவறுகள்

• எச்.டி.ஆர் வரைவைச் சரியென்று தவறாகக் கருதுதல். ஒட்டோமான் துருக்கிய மொழியில், மூல வரைவின் பெரும்பகுதி துல்லியமற்றதாக இருக்கலாம்; வரிக்கு வரி கட்டுப்பாடு அவசியம்.
• திணிப்பது மட்டுமே உறுதியான வாசிப்பு. உயிரெழுத்துக்கள் எழுதப்படாத வார்த்தைகளில் மாற்றுகள் மறைந்திருந்தால், தவறான அர்த்தம் பதிவாகிவிடும்.
• படிக்க முடியாத பகுதியை நிரப்புதல். அது உருவாக்கப்படாமல், [படிக்க முடியாத] இடைவெளியால் பாதுகாக்கப்பட வேண்டும்.
• அசலை எளிமையாக்குதல். எளிமைப்படுத்தல் ஒரு தனி அடுக்கு இருக்க வேண்டும்; அசல் ஒலிபெயர்ப்பு சிதைக்கப்படக்கூடாது.
• நிபுணரை முடக்குதல். பேலியோகிராஃபி மற்றும் காலம் பற்றிய அறிவு இல்லாமல், AI இன் வாசிப்பு எந்த அறிவியல் மதிப்பும் இல்லாத யூகம்.

சுருக்கமாக

ஒட்டோமான் மற்றும் கையெழுத்துப் படியெடுத்தல் HTR மற்றும் AI உடன் மூல வரைவு கட்டத்தில் பெரிதும் துரிதப்படுத்தப்படலாம்; வேலை நாட்களை மணிநேரமாகக் குறைக்கும் முதல் வெளியீட்டைப் பெறுவீர்கள். ஆனால் துல்லியமாக இந்தப் பகுதியில்தான் ஒரு எழுத்து, ஒரு உயிரெழுத்து வேறுபாடு அர்த்தத்தை மாற்றுகிறது; AI நிச்சயமற்ற தன்மையை மறைத்து இடைவெளிகளை நிரப்ப முனைகிறது. சரியான முறை அடுக்குகளாக உள்ளது: மூல அவுட்லைன், தெளிவின்மையின் மாற்று குறிப்புகள், எளிமைப்படுத்தலின் தனி அடுக்கு மற்றும் எல்லாவற்றிற்கும் மேலாக, பேலியோகிராஃபியை நன்கு அறிந்த ஒரு நிபுணரால் ஆவணத்தின் வரி-வரி சரிபார்ப்பு. AI ஆரம்ப வாசிப்பை வேகப்படுத்துகிறது; அறிவியல் பொறுப்பு நிபுணரிடம் உள்ளது.

விண்ணப்ப பணி

ஒட்டோமான் அல்லது கையெழுத்துப் பிரதி ஆவணத்தின் ஒலிபெயர்ப்பைப் பெறவும் (உங்கள் சொந்த தயாரிப்பு அல்லது வெளியிடப்பட்ட நகல்). "தெளிவின்மையை பாதுகாக்கும் ஒலிபெயர்ப்பு" டெம்ப்ளேட்டுடன் மாற்று வாசிப்புக்கு AIயிடம் கேளுங்கள். பின்னர் தனித்தனியாக "அடுக்கு வாசிப்பு" மூலம் எளிமைப்படுத்தல் அடுக்கை உருவாக்கவும். தெளிவில்லாமல் குறிக்கப்பட்ட ஒவ்வொரு வார்த்தையையும் ஒரு நிபுணர் மூலத்துடன் அல்லது அகராதியுடன் ஒப்பிடுக; ஒரு வாசிப்பை திணித்தால் AI எத்தனை பிழைகளை உருவாக்கும் என்பதைக் கவனியுங்கள்.

சரிபார்ப்பு பட்டியல்

• [ ] காலம் மற்றும் எழுத்து நடைக்கு ஏற்ற HTR/மாடலைப் பயன்படுத்தினேன்.
• [ ] துல்லியமான வாசிப்புக்கு மாற்றுகளை நான் AI யிடம் கேட்டேன்.
• [] நான் படிக்க முடியாத பகுதிகளை [படிக்க முடியாத] மூலம் பாதுகாத்தேன்.
• [ ] அசல் ஒலிபெயர்ப்பை எளிமைப்படுத்தலில் இருந்து தனித்தனியாக வைத்திருந்தேன்.
• [ ] பேலியோகிராஃபி தெரிந்த ஒரு நிபுணரால்/ஆவணப்படத்தால் சரிபார்க்கப்பட்ட இறுதி உரை என்னிடம் இருந்தது.