Kazanimlar:
- OCR ve HTR ile taranmış belgeleri metne dönüştürüp çıktıyı asıl görüntüyle karşılaştırarak düzeltebilme
- Arşiv belgesinin özgünlük ve bütünlüğünü koruyup YZ'nin içerik değiştirmesini ve uydurma restorasyonu engelleyebilme
- Köken (provenance) bilgisi ve dayanıklı formatlarla uzun süreli dijital korumayı planlayabilme
Bir arşivci, elli yıllık gazete ciltlerini, el yazması mektupları ya da eski fotoğrafları geleceğe taşımakla görevlidir. Bu belgeler zamanla yıpranır; onları hem korumak hem de erişilebilir kılmak için sayısallaştırma yapılır: fiziksel belgeyi tarayarak dijital bir kopyaya dönüştürme işi. Ama tarama tek başına yetmez; dijital nesnenin bulunabilir, okunabilir ve uzun vadede korunabilir olması gerekir. Bu ünitede yapay zekayı sayısallaştırma, metne dönüştürme ve dijital koruma iş akışında nasıl kullanacağınızı; ama özgünlük ve doğruluk sorumluluğunu neden elde tutacağınızı öğreneceksiniz.
Birkaç kavram. OCR (Optical Character Recognition — optik karakter tanıma), bir belgenin görüntüsündeki yazıyı makine tarafından düzenlenebilir metne çeviren teknolojidir. HTR (Handwritten Text Recognition — el yazısı tanıma), aynı işi el yazması belgeler için yapar ve çok daha zordur. Dijital koruma, dijital nesnelerin dosya formatları eskise, yazılımlar değişse bile onlarca yıl okunabilir kalmasını sağlayan planlı çabadır. YZ bu üç alanda da güçlü ama kusurlu bir yardımcıdır.
Adım adım: sayısallaştırmadan korumaya
1. Önceliklendir. Her şeyi aynı anda sayısallaştıramazsınız. En kırılgan, en çok istenen ve en özgün belgeler öne alınır. Bu bir yargı kararıdır; YZ liste düzenlemede yardımcı olur ama önceliği kurum belirler.
2. Tara ve OCR/HTR uygula. Belgeyi yüksek çözünürlükte tarayın, sonra metni çıkarmak için OCR ya da HTR kullanın. YZ temelli araçlar burada eski ve zor metinlerde bile giderek daha iyi sonuç verir.
3. Metni düzelt ve doğrula. OCR/HTR çıktısı asla kusursuz değildir. Özellikle eski yazı, lekeli sayfa ya da el yazması söz konusuysa hatalar yaygındır. Çıktıyı asıl görüntüyle karşılaştırıp düzeltmek şarttır.
4. Meta veri ve koruma bilgisi ekle. Dijital nesneye kaynağını, tarama koşullarını, format bilgisini ve köken bilgisini (provenance — belgenin nereden geldiği ve nasıl işlendiği) ekleyin. Bu bilgi, gelecekteki doğrulama ve koruma için kritiktir.
5. Uzun süreli korumayı planla. Açık, yaygın ve dayanıklı dosya formatları seçin; yedekleyin; formatların eskimesine karşı göç (migration) planı yapın.
İpucu: OCR çıktısını "temiz metin" diye kabul etmeyin. Bir arama sistemi bu metnin üzerinden çalışacaksa, hatalı tanınmış kelimeler kaynağın bulunamamasına yol açar. Kritik koleksiyonlarda OCR çıktısını insan gözüyle düzeltmek, sonraki tüm erişimin kalitesini belirler.
Özgünlük ve dijital nesnenin bütünlüğü
Arşivciliğin kalbinde özgünlük ve bütünlük vardır: bir belgenin gerçekten iddia edilen kaynaktan geldiğinin ve içeriğinin değiştirilmediğinin güvencesi. YZ bu noktada iki yönlü bir tehdit yaratır. Birincisi, OCR/HTR düzeltmesi ya da "iyileştirme" sırasında YZ metni sessizce değiştirebilir; olmayan bir kelimeyi "düzeltme" adı altına ekleyebilir. İkincisi, YZ ile görüntü "onarımı" ya da "restorasyon" yapılırsa, aslı olmayan detaylar üretilebilir.
Arşivcinin kuralı nettir: dijital koruma kopyası, aslına sadık olmalıdır. YZ ile yapılan her iyileştirme belgelenmeli ve asıl (ham) tarama daima korunmalıdır. Bir belgeyi "güzelleştirmek" onun tarihsel kanıt değerini yok edebilir.
Dikkat: YZ ile bir eski fotoğrafı ya da belgeyi "iyileştirmek" cazip olabilir; ama YZ eksik kısımları uydurarak doldurur. Bir arşiv belgesinde bu, sahte bir tarihsel kanıt yaratmak demektir. Restorasyon çıktısı asla asıl kaynağın yerine geçmez; ayrı, açıkça etiketlenmiş bir türev olarak saklanır.
Üç mini vaka
Vaka 1 — Gazete arşivi aranabilir oldu. Bir kütüphane, 30 yıllık yerel gazete koleksiyonunu sayısallaştırdı. OCR ile 90.000 sayfa metne dönüştürüldü ve aranabilir hale geldi; daha önce günler alan bir konu araması saniyelere indi. Ancak ekip, OCR doğruluğunun eski ve lekeli sayfalarda %80'e düştüğünü fark etti ve en çok kullanılan yılları insan gözüyle düzeltmeye öncelik verdi.
Vaka 2 — HTR el yazmasını açtı. Bir arşiv, okunması güç bir 19. yüzyıl mektup koleksiyonuna HTR uyguladı. Sistem, uzmanların aylar süren okumasına göre büyük hız kazandırdı; ama çıktının her sayfası, uzman bir paleograf (eski yazı uzmanı) tarafından asılla karşılaştırıldı, çünkü kişi ve yer adlarında hatalar vardı.
Vaka 3 — Sahte "restorasyon" reddedildi. Bir ekip, yırtık bir tarihi fotoğrafı YZ ile "onarmayı" düşündü. YZ, eksik yüz kısımlarını uydurarak tamamladı. Arşivci, bu uydurma detayların tarihsel kanıtı bozacağını fark etti; onarılmış görüntü yalnızca açıkça "YZ türevi" etiketiyle, aslın yanında ayrı saklandı.
Erişim kopyası, koruma kopyası ve format kararı
Sayısallaştırmada iyi bir uygulama, aynı nesnenin farklı amaçlı kopyalarını ayırmaktır. Koruma kopyası (preservation master), en yüksek çözünürlükte, sıkıştırılmamış ya da kayıpsız formatta saklanan, geleceğe taşınacak asıl dijital nesnedir; ona nadiren dokunulur. Erişim kopyası (access copy) ise kullanıcıya sunulan, daha küçük boyutlu, kolay açılan türevdir. Bu ayrım önemlidir çünkü kullanım için pratik olan format (küçük, sıkıştırılmış) uzun süreli koruma için uygun olmayabilir; koruma için ideal format (büyük, kayıpsız) ise günlük kullanımda hantaldır. YZ, bu iş akışında dosya envanteri çıkarmada, eksik türevleri saptamada ve meta veriyi iki kopya arasında tutarlı tutmada yardımcı olabilir. Ancak format seçimi bir koruma kararıdır: açık, yaygın belgelenmiş ve dayanıklı formatlar (tescilli, kapalı formatlar yerine) tercih edilmeli, formatların zamanla eskimesine karşı bir göç planı hazır tutulmalıdır. YZ bir format önerse bile, kurumun uzun vadeli koruma politikası son sözü söyler.
İpucu: Her dijital nesne için "asıl kaynak nerede, koruma kopyası hangi formatta, erişim kopyası hangi formatta ve hangisi kullanıcıya sunuluyor" sorularını yanıtlayan kısa bir kayıt tutun. Bu üç katmanı karıştırmak, ileride hangi dosyanın güvenilir asıl olduğunu belirsizleştirir.
Dört kopyalanabilir şablon
1) OCR çıktısı düzeltme yardımı:
Aşağıda bir OCR metni ve asıl sayfanın tanımı var. Yalnızca açıkOCR hatalarını (bozuk karakter, birleşik/ayrık kelime) düzelt.İçeriği değiştirme, kelime ekleme veya çıkarma yapma. Eminolmadığın yeri "[?]" ile işaretle. OCR metni: [buraya]
2) Metin-görüntü tutarlılık kontrolü:
Aşağıdaki düzeltilmiş metinde, asıl belgede olması beklenmeyen(uydurulmuş olabilecek) eklemeler var mı? Şüpheli her kısmıişaretle ve neden şüpheli olduğunu yaz. Metin: [buraya]
3) Koruma meta verisi taslağı:
Aşağıdaki sayısallaştırılmış nesne için koruma meta verisi taslağıüret: kaynak, köken (provenance), tarama tarihi/çözünürlük,dosya formatı, işlem geçmişi. Yalnızca verdiğim bilgiyi kullan,eksik alanı boş bırak. Bilgi: [buraya]
4) Önceliklendirme yardımı:
Aşağıdaki sayısallaştırma bekleyen koleksiyon listesini; kırılganlık,talep ve özgünlük ölçütlerine göre önceliklendirmede yardımcı ol.Her kaynak için kısa gerekçe ver; nihai kararı bana bırak.Liste: [buraya]
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Bu taranmış metni düzelt ve güzelleştir.
"Güzelleştir" YZ'yi içeriği değiştirmeye, eksikleri uydurmaya davet eder; arşiv belgesinin özgünlüğü zarar görür.
Güçlü prompt:
Rolün: sayısallaştırma editörü asistanı. Aşağıdaki OCR metnindeYALNIZCA açık tanıma hatalarını düzelt (bozuk karakter, yanlışbölünmüş kelime). Hiçbir kelime ekleme, çıkarma veya içerikdeğiştirme yapma. Emin olmadığın yeri "[?]" bırak. Yaptığın herdüzeltmeyi ayrı listede göster. Metin: [buraya]
Güçlü prompt, YZ'yi yalnızca tanıma hatalarıyla sınırlar, içeriğe dokunmasını yasaklar ve düzeltmeleri izlenebilir kılar.
İş akışı ve risk tablosu
Aşama
YZ'nin katkısı
Ana risk
Koruma önlemi
Tarama
—
Kalite düşüklüğü
Yüksek çözünürlük
OCR/HTR
Metne dönüştürme
Tanıma hataları
İnsan düzeltmesi
Düzeltme
Hata önerisi
İçerik değiştirme
Asılla karşılaştırma
Restorasyon
Görüntü türevi
Uydurma detay
Ham aslı sakla, etiketle
Koruma
Meta veri taslağı
Köken kaybı
Provenance kaydı
Sık yapılan hatalar
- OCR çıktısını düzeltmeden kabul etmek. Hatalar aramayı ve erişimi bozar.
- YZ'ye "güzelleştir" demek. İçeriği değiştirir, özgünlüğü bozar.
- YZ restorasyonunu asıl kanıt yerine koymak. Uydurma detay sahte tarih yaratır.
- Ham taramayı saklamamak. Aslı olmadan hiçbir düzeltme doğrulanamaz.
- Köken (provenance) bilgisini atlamak. Belgenin güvenilirliği izlenemez hale gelir.
Özetle
Dijital arşiv ve sayısallaştırmada YZ; OCR/HTR ile metne dönüştürmeyi, meta veri taslağını ve önceliklendirmeyi hızlandıran değerli bir yardımcıdır. Ama arşivciliğin özü özgünlük ve bütünlüktür: OCR çıktısı insan gözüyle düzeltilmeli, YZ içeriği asla sessizce değiştirmemeli, restorasyon türevleri asıl kanıtın yerine geçmemeli ve ham tarama ile köken bilgisi daima korunmalıdır. YZ'yi belgeyi "iyileştiren" değil, ona sadık kalarak erişilebilir kılan bir araç olarak kullanın.
Uygulama görevi
Kısa bir OCR çıktısı örneği (kendi ürettiğiniz ya da gerçek bir taramadan) alın. "OCR çıktısı düzeltme yardımı" şablonuyla yalnızca tanıma hatalarını düzelttirin, sonra "Metin-görüntü tutarlılık kontrolü" şablonuyla YZ'nin içerik ekleyip eklemediğini denetleyin. Ardından "Koruma meta verisi taslağı" şablonuyla nesne için köken ve format bilgisini içeren bir kayıt oluşturun.
Kontrol listesi
- [ ] OCR/HTR çıktısını asıl görüntüyle karşılaştırıp düzelttim.
- [ ] YZ'nin içerik eklemediğini/değiştirmediğini denetledim.
- [ ] Ham (asıl) taramayı ayrı ve değişmeden sakladım.
- [ ] Köken (provenance) ve format bilgisini meta veriye ekledim.
- [ ] Restorasyon türevlerini açıkça "YZ türevi" olarak etiketledim.