యూనిట్లు
1. చరిత్ర మరియు ఆర్కైవింగ్‌లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ పరిచయం: పాత్రలు, సరిహద్దులు, ధ్రువీకరణ మరియు నీతి 2. డాక్యుమెంట్ డిజిటలైజేషన్ మరియు OCR: ప్రింటెడ్ టెక్స్ట్‌ను మెషిన్ టెక్స్ట్‌గా మార్చడం 3. లిప్యంతరీకరణ: ఒట్టోమన్ టర్కిష్ మరియు మాన్యుస్క్రిప్ట్స్ 4. మెటాడేటా, కేటలాగింగ్ మరియు వర్గీకరణ 5. సోర్స్ స్కానింగ్, డిస్కవరీ మరియు సారాంశం 6. హిస్టారికల్ ట్రాన్స్లేషన్ అండ్ సింప్లిఫికేషన్ 7. మూల ధృవీకరణ, అనాక్రోనిజం మరియు భ్రాంతి 8. కంటెంట్ విశ్లేషణ మరియు నమూనా ఆవిష్కరణ 9. ఆర్కైవ్ యాక్సెస్, వివరణ మరియు వినియోగదారు సేవలు 10. సంరక్షణ, పునరుద్ధరణ మరియు డిజిటల్ సంరక్షణ 11. నీతి, కాపీరైట్, గోప్యత మరియు సాంస్కృతిక సున్నితత్వం 12. ఎండ్-టు-ఎండ్ ప్రాజెక్ట్: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌తో ఆర్కైవ్ కలెక్షన్‌ను ప్రాసెస్ చేయడం
యూనిట్ 10 / 12

సంరక్షణ, పునరుద్ధరణ మరియు డిజిటల్ సంరక్షణ

లాభాలు:

  • భౌతిక రక్షణ మరియు డిజిటల్ రక్షణ (ఫార్మాట్ మైగ్రేషన్, బ్యాకప్, సమగ్రత) మధ్య తేడాను గుర్తించగల సామర్థ్యం మరియు కృత్రిమ మేధస్సు యొక్క పాత్రను ఉంచడం
  • ఇమేజ్ మెరుగుదలలో రీడబిలిటీని పెంచడం మరియు కంటెంట్ పెయింటింగ్ లైన్‌ను నిర్వహించడం
  • అసలు ఫైల్‌ను తాకకుండా ఉంచడం, లావాదేవీలను తిరిగి మార్చగలిగేలా ఉంచడం మరియు పారదర్శకంగా రికార్డ్ చేయడం అనే సూత్రాన్ని వర్తింపజేయగల సామర్థ్యం

ఆర్కైవింగ్ మరియు చరిత్ర అనేది పత్రాలను చదవడం మాత్రమే కాదు, వాటిని భవిష్యత్తుకు తీసుకువెళ్లడం. పత్రం భౌతికంగా క్షీణిస్తే, డిజిటల్ ఫైల్ పాడైపోయినట్లయితే లేదా దాని ఫార్మాట్ చదవలేనిదిగా మారితే, దానిలోని చరిత్ర శాశ్వతంగా పోతుంది. అందువల్ల, ఆర్కైవింగ్ యొక్క ప్రాథమిక పనులలో ఒకటి భద్రపరచడం (భౌతికంగా మరియు డిజిటల్‌గా పాడైపోకుండా పత్రాలను భవిష్యత్తుకు బదిలీ చేయడం) మరియు అవసరమైనప్పుడు, పునరుద్ధరణ (పాడైన పత్రాన్ని మరమ్మతు చేయడం లేదా చదవగలిగేలా చేయడం). డిజిటల్ ప్రపంచంలో, ఇది డిజిటల్ ప్రిజర్వేషన్‌ను కలిగి ఉంటుంది - డిజిటల్ ఫైల్‌లు దీర్ఘకాలంలో అందుబాటులో ఉండేలా మరియు చదవగలిగేలా ఉండేలా చూసుకోవడం.

AI అనేది శక్తివంతమైన సహాయం మరియు ఈ ఫీల్డ్‌లో జాగ్రత్తగా ఉపయోగించాల్సిన సాధనం: ఇది క్షీణించిన వచనాన్ని చదవగలిగేలా చేస్తుంది, దెబ్బతిన్న చిత్రాన్ని పునరుద్ధరించగలదు, డిజిటల్ సంరక్షణ వర్క్‌ఫ్లోలను ప్లాన్ చేస్తుంది. కానీ ఇక్కడ "అభివృద్ధి" మరియు "మార్పు" మధ్య రేఖ చాలా సన్నగా ఉంటుంది - ఎందుకంటే పత్రాన్ని "మరమ్మత్తు" చేసేటప్పుడు దాని చారిత్రక ప్రామాణికతను వక్రీకరించే ప్రమాదం ఉంది.

రక్షణ యొక్క రెండు ప్రపంచాలు: భౌతిక మరియు డిజిటల్

  • భౌతిక రక్షణ: కాగితం, సిరా, చర్మం (తేమ, కాంతి, ఉష్ణోగ్రత నియంత్రణ, యాసిడ్ రహిత పెట్టెలు) క్షీణించడాన్ని నెమ్మదిస్తుంది. AI ఇక్కడ పదార్థాన్ని నేరుగా తాకదు; కానీ ఇది ప్రణాళిక, ప్రాధాన్యత మరియు స్థితిని నివేదించడంలో సహాయపడుతుంది.
  • డిజిటల్ ప్రిజర్వేషన్: డిజిటల్ ఫైల్‌లు కాలక్రమేణా చదవలేకుండా నిరోధించడం. ఫార్మాట్‌లు వాడుకలో లేవు (పాత ఫైల్ రకాన్ని తెరవడానికి సాఫ్ట్‌వేర్ మిగిలి ఉండకపోవచ్చు), నిల్వ మీడియా పాడైపోతుంది, ఫైల్‌లు నిశ్శబ్దంగా పాడైపోతాయి (బిట్ రాట్). డిజిటల్ సంరక్షణ; ఫార్మాట్ మైగ్రేషన్‌కు బహుళ బ్యాకప్‌లు మరియు సమగ్రత తనిఖీలు అవసరం.

డిజిటల్ ప్రిజర్వేషన్ వర్క్‌ఫ్లోలను ప్లాన్ చేయడంలో (ఏ ఫార్మాట్‌లు ప్రమాదంలో ఉన్నాయి, ఏ ప్రాధాన్యత) మరియు పెద్ద సేకరణల పరిస్థితిని అంచనా వేయడంలో AI సహాయపడుతుంది.

డిజిటల్ ప్రిజర్వేషన్ యొక్క గుండెలో ఒక కాన్సెప్ట్ ఉంది: సమగ్రతను తనిఖీ చేయడం (చెక్‌సమ్ — ఫైల్ కాలక్రమేణా మారిందో లేదో గణిత "వేలిముద్ర"తో ధృవీకరించడం). డిజిటల్ ఫైల్ ఎప్పుడూ తెరవబడకపోయినా, నిల్వ మాధ్యమంలో అవినీతి కారణంగా అది నిశ్శబ్దంగా మారవచ్చు; దీనిని "పేను తెగులు" అంటారు. ప్రతి ఫైల్ యొక్క వేలిముద్రను క్రమ వ్యవధిలో సరిపోల్చడం ద్వారా సమగ్రత తనిఖీ ఈ అవినీతిని ముందుగానే పట్టుకుంటుంది. ఏ ఫైల్‌లను తనిఖీ చేయాలి మరియు ఎంత తరచుగా, ఏ ఫార్మాట్‌లు మరింత ప్రమాదకరమో ప్లాన్ చేయడంలో AI సహాయపడుతుంది; కానీ సమగ్రతను కాపాడుకోవడం అనేది మానవులు ఏర్పాటు చేసిన సాధారణ మరియు స్వయంచాలక నిర్వహణ ప్రక్రియ. పరిరక్షణ అనేది "ఒకసారి చేయండి, మరచిపోండి" అనే పని కాదు, కానీ నిరంతర బాధ్యత.

చిత్రం మెరుగుదల: సహాయం మరియు వక్రీకరణ మధ్య లైన్

AI-ఆధారిత ఇమేజింగ్ సాధనాలు పాడైపోయిన లేదా క్షీణించిన డాక్యుమెంట్‌లను చదవగలిగేలా చేయడంలో ఆకట్టుకుంటాయి: కాంట్రాస్ట్‌ను పెంచడం, స్మడ్జ్‌లను తగ్గించడం, ఫేడెడ్ ఇంక్‌ను హైలైట్ చేయడం. కానీ ఇక్కడ ఒక క్లిష్టమైన వ్యత్యాసం ఉంది:

  • రీడబిలిటీని మెరుగుపరచండి (ఆమోదించదగినది): కాంట్రాస్ట్, లైటింగ్, నాయిస్ తగ్గింపు మొదలైనవి డాక్యుమెంట్ కంటెంట్‌ను మార్చకుండా చదవడాన్ని సులభతరం చేస్తాయి.
  • కంటెంట్ జనరేషన్ (ప్రమాదకరమైనది): AI "తప్పిపోయిన" లేదా చదవలేని భాగాలను అంచనాతో నింపడం (చిత్రం పూర్తి చేయడం / పెయింటింగ్). ఇది పత్రంలో లేని దాన్ని ఉత్పత్తి చేస్తోంది; చారిత్రక నకిలీ ప్రమాదం.
శ్రద్ధ: AIతో పత్రంలో చిరిగిపోయిన, క్షీణించిన లేదా తప్పిపోయిన భాగాన్ని "పూర్తి చేయడం" అంటే ఆ భాగాన్ని రూపొందించడం. AI సంభవించే "అవకాశం" ఉన్న అక్షరం లేదా నమూనాను ఉత్పత్తి చేస్తుంది; కానీ ఇది చారిత్రక సాక్ష్యం కాదు. రక్షణ కోసం ఆప్టిమైజేషన్ ఎల్లప్పుడూ రివర్సిబుల్‌గా ఉండాలి, అసలు ఫైల్‌ని తప్పనిసరిగా మార్చకుండా ఉంచాలి మరియు ఏదైనా చర్య తీసుకున్నట్లయితే తప్పనిసరిగా రికార్డ్ చేయబడాలి. ఎక్కడ చదవలేనిది చదవలేనిదిగా మిగిలిపోయింది; ఇది తయారు కాదు.

వర్క్‌ఫ్లో: స్టెప్ బై స్టెప్

1. అసలు ఉంచండి. అసలు ఫైల్‌ను ఏ మెరుగుదలలు ఓవర్‌రైట్ చేయవు; కాపీ పనిలో ఉంది. అసలు (మాస్టర్) ఫైల్ తాకబడకుండా ఉంచబడింది.

2. పరిస్థితిని అంచనా వేయండి. పత్రం/ఫైల్ యొక్క అవినీతి స్థితి, ప్రాధాన్యత మరియు ప్రమాదం నిర్ణయించబడతాయి. పెద్ద సేకరణలలో ఈ ప్రాధాన్యతతో AI సహాయపడుతుంది.

3. రివర్సిబుల్ హీలింగ్ వర్తించు. చదవడానికి మాత్రమే మెరుగుపరిచే మరియు కంటెంట్‌ను మార్చని కార్యకలాపాలు; అన్నీ నమోదయ్యాయి.

4. మార్పులను డాక్యుమెంట్ చేయండి. ఏ ఆపరేషన్ వర్తించబడిందో (కాంట్రాస్ట్, నాయిస్ తగ్గింపు) రికార్డ్ చేయబడింది. పారదర్శకత చాలా అవసరం, తద్వారా తదుపరి పరిశోధకులు అసలైనదాన్ని అంచనా వేయగలరు.

5. డిజిటల్ సంరక్షణ ప్రణాళిక. ఫార్మాట్, బ్యాకప్, సమగ్రత తనిఖీ మరియు వలస వ్యూహం నిర్ణయించబడతాయి.

6. నిపుణుల తీర్పు. ఏది మెరుగుపరచాలి, ఏది అలాగే వదిలేయాలి అనేది పరిరక్షకుల నిర్ణయం.

లావాదేవీ

ఇది కంటెంట్‌ను మారుస్తుందా?

ఇది ఆమోదయోగ్యమైనదేనా?

కాంట్రాస్ట్/లైటింగ్

సంఖ్య

అవును, రిజిస్ట్రేషన్‌తో

నాయిస్/స్మెర్ తగ్గింపు

లేదు (జాగ్రత్తగా)

అవును, రిజిస్ట్రేషన్‌తో

క్షీణించిన వచనాన్ని హైలైట్ చేయండి

లేదు (జాగ్రత్తగా)

అవును, రిజిస్ట్రేషన్‌తో

తప్పిపోయిన భాగాన్ని అంచనాతో పూరించండి

అవును

లేదు (సాక్ష్యంలో)

"వర్ణీకరణ" (చారిత్రక చిత్రం)

అవును (వ్యాఖ్య)

స్పష్టంగా మాత్రమే చెప్పబడింది

మూడు చిన్న కేసులు

కేసు 1 - క్షీణించిన అక్షరం స్పష్టంగా ఉంది. ఒక ఆర్కైవ్‌లో, 40 అక్షరాలు ఉన్నాయి, ఇంక్ దాదాపుగా చెరిపివేయబడింది. AI-ఆధారిత కాంట్రాస్ట్ మరియు మల్టీస్పెక్ట్రల్ ఇమేజింగ్ టెక్స్ట్‌లో 90% చదవగలిగేలా చేసింది - ఏ కంటెంట్‌ను జోడించకుండా, ఇప్పటికే ఉన్న వాటిని హైలైట్ చేస్తుంది. అసలు ఫైల్‌లు తాకబడకుండా ఉంచబడ్డాయి మరియు చేసిన ఆపరేషన్‌లు రికార్డ్ చేయబడ్డాయి. ఏళ్ల తరబడి చదవలేని అక్షరాలను పరిశోధకులు చదవగలిగారు.

కేస్ 2 - పూరించిన గ్యాప్ ఫోర్జరీ. ఒక ఇంటర్న్ చిరిగిన పత్రం యొక్క తప్పిపోయిన మూలను AIతో "పూర్తి చేసింది". ఫలితం నమ్మదగినదిగా అనిపించింది, కానీ అది పూర్తిగా కల్పించబడింది. పత్రం ప్రచురించబడటానికి ముందు, సీనియర్ నిపుణుడు గమనించాడు; "ఇది ఇకపై సాక్ష్యం కాదు, ఇది కల్పితం" అని అతను లావాదేవీని తిప్పికొట్టాడు. పాఠం: తప్పిపోయిన భాగం సాక్ష్యంగా పూరించబడలేదు; చదవకుండా ఉండిపోయింది.

కేస్ 3 — ఫార్మాట్ మైగ్రేషన్ సేకరణను సేవ్ చేసింది. ఒక సంస్థ 2000ల ప్రారంభంలో 5,000 డిజిటల్ డాక్యుమెంట్‌లను పాత ఫైల్ ఫార్మాట్‌లో నిల్వ చేసింది; ఫార్మాట్‌ని తెరవడానికి సాఫ్ట్‌వేర్ లేదు. AI-ఆధారిత ప్లాన్‌తో, ఫైల్‌లు ఓపెన్, దీర్ఘకాలం ఉండే ఆకృతికి తరలించబడ్డాయి మరియు ప్రతి ఫైల్ యొక్క సమగ్రత తనిఖీ చేయబడింది. పాఠం: డిజిటల్ సంరక్షణ అనేది స్థిరమైన నిర్వహణ పని; ఫార్మాట్‌లు వాడుకలో లేవు, మైగ్రేషన్ అవసరం.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

1) హీలింగ్ పరిమితి సూచన (గమనిక/చిత్రం సాధనం కోసం ప్రణాళిక):

రీడబిలిటీని మెరుగుపరచడానికి మాత్రమే ఈ డాక్యుమెంట్ ఇమేజ్‌ని ప్రాసెస్ చేయండి: కాంట్రాస్ట్, లైటింగ్, నాయిస్ తగ్గింపు. పత్రంలోని కంటెంట్‌ను మార్చండి, తప్పిపోయిన/చదవలేని భాగాలను GUESSతో పూరించండి. అసలు ఉంచండి, కాపీపై పని చేయండి. మీరు తీసుకున్న ప్రతి చర్యను జాబితా చేయండి. చదవలేని భాగాలను చదవకుండా వదిలేయండి.

2) డిజిటల్ సంరక్షణ ప్రమాద అంచనా:

మా డిజిటల్ సేకరణలోని ఫైల్ ఫార్మాట్‌ల జాబితా క్రింద ఉంది. ప్రతి ఫార్మాట్ కోసం: (1) దీర్ఘకాలిక సంరక్షణ ప్రమాదం (నిరుపయోగం, మూసివేత), (2) సిఫార్సు చేయబడిన ఓపెన్/మన్నికైన లక్ష్య ఆకృతి, (3) వలస ప్రాధాన్యత. తుది నిర్ణయం విధించడం; నిపుణుడు నిర్ణయించగలిగేలా సూచనలు మరియు సమర్థనను అందించండి. ఫార్మాట్‌లు: [ఇక్కడ]

3) రక్షణ ప్రాధాన్యత:

సేకరణలోని పత్రాల యొక్క షరతు గమనికలు క్రింద ఉన్నాయి (డిగ్రీ ఆఫ్ అధోకరణం, ఉపయోగం యొక్క ఫ్రీక్వెన్సీ, ప్రత్యేకత). రక్షణ ప్రాధాన్యత ద్వారా వాటిని ర్యాంక్ చేయడానికి ఫ్రేమ్‌వర్క్‌ను ప్రతిపాదించండి మరియు డ్రాఫ్ట్ ర్యాంకింగ్‌ను సృష్టించండి. నిర్ణయం నిపుణుడిదే అని పేర్కొనండి; కారణాలు వ్రాయండి. గమనికలు: [ఇక్కడ]

4) లావాదేవీ రికార్డు (డాక్యుమెంటేషన్) డ్రాఫ్ట్:

కింది సంరక్షణ/పరిష్కార కార్యకలాపాల కోసం లావాదేవీ లాగ్ యొక్క ప్రామాణిక డ్రాఫ్ట్‌ను రూపొందించండి: ఏ ఫైల్, ఏ లావాదేవీ, తేదీ, బాధ్యత వహిస్తుంది, అసలైనది ఎక్కడ నిల్వ చేయబడిందో, అది రివర్సబుల్. తప్పిపోయిన ఫీల్డ్‌లను [పూరించడానికి] వదిలివేయండి. చర్యలు: [ఇక్కడ]

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనం:

దెబ్బతిన్న ఈ పత్రాన్ని రిపేర్ చేయండి, తప్పిపోయిన భాగాలను పూర్తి చేయండి మరియు చదవగలిగేలా చేయండి.

“తప్పిపోయిన భాగాలను పూరించండి” పత్రంలో లేని కంటెంట్‌ను రూపొందించడానికి AIని అనుమతిస్తుంది; ఇది చారిత్రక నకిలీ.

బలమైన:

ఈ డాక్యుమెంట్ ఇమేజ్ రీడబిలిటీని మెరుగుపరచండి: కాంట్రాస్ట్, లైటింగ్ మరియు నాయిస్ తగ్గింపు మాత్రమే. తప్పిపోయిన/చదవలేని భాగాలను PREDICTతో పూరించవద్దు, దానిని అలాగే వదిలేయండి. అసలైనదాన్ని మార్చండి, కాపీపై పని చేయండి మరియు మీ కార్యకలాపాలను సేవ్ చేయండి. చదవలేని ప్రదేశాలు చదవకుండా ఉండనివ్వండి.

తేడా: రీడబిలిటీకి మెరుగుదల పరిమితి, కంటెంట్ ఫ్యాబ్రికేషన్ నిషేధం, అసలు మరియు లావాదేవీ రికార్డింగ్‌ను సంరక్షించడం పరిరక్షణ యొక్క నైతికతను నిర్ధారిస్తుంది.

సాధారణ తప్పులు

  • అసలైనదాన్ని ఓవర్రైట్ చేయండి. మెరుగుదల ఎల్లప్పుడూ కాపీలో జరుగుతుంది; మాస్టర్ ఫైల్ తాకబడదు.
  • తప్పిపోయిన భాగాన్ని పూరించడం. AI పూర్తి చేసిన అంతరం కల్పితం, సాక్ష్యం కాదు; మోసం యొక్క ప్రమాదాన్ని కలిగి ఉంటుంది.
  • లావాదేవీలను రికార్డ్ చేయడం లేదు. పారదర్శకత లేకుండా, తదుపరి పరిశోధకుడికి అసలు ఏది తెలియదు.
  • వాస్తవికత కోసం రంగును తప్పుగా అర్థం చేసుకోవడం. కలరింగ్ అనేది ఒక వివరణ; స్పష్టంగా చెప్పకపోతే తప్పుదారి పట్టించినట్టే.
  • డిజిటల్ సంరక్షణను నిర్లక్ష్యం చేస్తున్నారు. ఫార్మాట్‌లు వాడుకలో లేవు; ఇమ్మిగ్రేషన్ మరియు సమగ్రత నియంత్రణకు స్థిరమైన నిర్వహణ అవసరం.

సారాంశంలో

పరిరక్షణ మరియు పునరుద్ధరణ అనేది చరిత్రను భవిష్యత్తులోకి తీసుకువెళ్ళే నిశ్శబ్దమైన కానీ కీలకమైన పని. క్షీణించిన పాఠాలను చదవగలిగేలా చేయడంలో మరియు డిజిటల్ సంరక్షణ ప్రణాళిక మరియు ప్రాధాన్యతలో AI శక్తివంతమైన సహాయం. కానీ "అభివృద్ధి" మరియు "కంటెంట్ ఫాబ్రికేషన్" మధ్య ఉన్న లైన్ పవిత్రమైనది: చదవడానికి మాత్రమే మెరుగుపరచండి, తప్పిపోయిన భాగాలను ఊహతో పూరించవద్దు, అసలైనదాన్ని భద్రపరచండి మరియు ప్రతి చర్యను రికార్డ్ చేయండి. డిజిటల్ సంరక్షణ అనేది వాడుకలో లేని ఫార్మాట్‌ల యొక్క కొనసాగుతున్న నిర్వహణ. AI పత్రాన్ని చదవగలిగేలా చేస్తుంది; దాని వాస్తవికతకు సంరక్షకుడు పరిరక్షకుడు.

అప్లికేషన్ టాస్క్

మీరు దెబ్బతిన్న లేదా క్షీణించిన డాక్యుమెంట్ ఇమేజ్‌ని కలిగి ఉంటే (లేకపోతే, ఒక ఉదాహరణ దృష్టాంతాన్ని సృష్టించండి), "అభివృద్ధి పరిమితి సూచన"తో చదవగలిగే పెరుగుదలను మాత్రమే ప్లాన్ చేయండి మరియు వర్తించే చర్యలను "లావాదేవీ రికార్డు" టెంప్లేట్‌తో డాక్యుమెంట్ చేయండి. "డిజిటల్ ప్రిజర్వేషన్ రిస్క్ అసెస్‌మెంట్" టెంప్లేట్‌తో డిజిటల్ సేకరణ (నిజమైన లేదా నమూనా) ఫార్మాట్ జాబితాను కూడా మూల్యాంకనం చేయండి. ఏ కార్యకలాపాలు కంటెంట్‌ను మార్చకుండా వదిలివేస్తాయో మరియు పరిమితిని మించిపోయాయో గమనించండి.

చెక్లిస్ట్

  • [ ] నేను అసలు (మాస్టర్) ఫైల్‌ను తాకకుండా ఉంచాను.
  • [ ] నేను రీడబిలిటీని మెరుగుపరిచే కార్యకలాపాలను మాత్రమే వర్తింపజేసాను.
  • [ ] నేను తప్పిపోయిన/చదవలేని భాగాలను అంచనాలతో పూరించలేదు.
  • [ ] నేను తీసుకున్న ప్రతి చర్యను రికార్డ్ చేసాను (పారదర్శకత).
  • [ ] నేను డిజిటల్ సంరక్షణ కోసం ఫార్మాట్ రిస్క్ మరియు మైగ్రేషన్ ప్లాన్ గురించి ఆలోచించాను.