Rozpoznávání rukopisů v archivech vyžaduje hranice sbírky, modelu a lidské korekce
Rozpoznávání rukopisného textu může významně zpřístupnit historické dokumenty, ale vysoká přesnost modelu sama o sobě neprokazuje archivní použitelnost. Výsledek závisí na kvalitě snímku, písmu, jazyce, období, rozvržení stránky, trénovacím korpusu, transkripčním standardu, metrice chyb, lidské kontrole, metadatech a právním režimu. Tento článek syntetizuje výzkum Transkribus, přehledy publikovaných studií, experimenty s historickými rukopisy a praktické archivní zdroje. Přínosem je model snímek-písmo-model-metrika-korekce-přístup. Tvrzení o HTR má uvádět nejen platformu a přesnost, ale i sbírkový rozsah, míru korekce a riziko vyhledávání.
Úvod
HTR slibuje převést archivní obraz do textu, který lze hledat, opravovat a nově interpretovat. [[cite:transkribus_home,springer_transkribus_review]]
Hlavní argument zní, že archivní hodnota vzniká teprve propojením modelu s konkrétní sbírkou a korekčním workflow.
Metoda
Syntéza četla zdroje Transkribus, systematický přehled, experimenty s rukopisy a praktické archivní texty. [[cite:dh_transkribus,arxiv_latin_htr]]
Zdroje byly kódovány podle snímku, písma, modelu, metriky, korekce a přístupu.
Výsledky
První výsledek: úspěch modelu je silně sbírkový, protože rukopis, jazyk a layout mění povahu chyby. [[cite:transkribus_home,american_archivist_transkribus]]
Druhý výsledek: metrika musí být spojena s úkolem; vyhledávání jmen vyžaduje jinou spolehlivost než hrubý přepis. [[cite:dh_transkribus,transkribus_training]]
Třetí výsledek: lidská korekce a metadata jsou součástí důkazu, nikoli jen následná redakce. [[cite:readcoop,fromthepage_htr]]
Hranice zdroje a přenos tvrzení
Tvrzení lze přenést jen tehdy, když sbírka, model, metrika, korekce a přístupové rozhraní plní stejnou funkci.
Diskuse
Model chrání HTR před dvěma přeháněními: univerzálním modelem a samotným číslem přesnosti. [[cite:american_archivist_transkribus,readcoop]]
Další výzkum by měl publikovat chyby podle písma, typu pole, entity, layoutu a míry lidské korekce.
Závěr
Archivní HTR je spolehlivé tehdy, když modelový výstup zůstává svázán se sbírkou, metrikou a opravnou odpovědností.