Le pubblicazioni digitali sono l'ultima novità al DH Lab della Bibliotheca Hertziana - Max Planck Institute for Art History di Roma (https://www.biblhertz.it), e l'obiettivo è quello di pubblicare online i contenuti Open Access dell'Istituto.
Poiché molte fonti di storia dell'arte sono libri antichi, e la biblioteca del nostro istituto ha dedicato molte risorse alla scansione della nostra collezione di libri "Rara" (http://dlib.biblhertz.it), è diventato naturale immaginare un modo per accedervi non solo come immagini digitalizzate, ma anche come contenuto trascritto. Questo permetterà agli autori di citarli direttamente, ma anche di migliorare i riferimenti incrociati, il controllo dei contenuti e l'accessibilità per le persone che si affidano a strumenti TTS.
I libri più antichi presentano diverse sfide all'OCR standard, la tecnologia normalmente usata per riconoscere il testo nei libri. Non solo alcuni caratteri e legature sono difficili da addestrare (basti pensare alla leggera differenza tra la lettera "f" e la s allungata "ſ", o l'uso della "u" come "v" nelle lettere basse, e della "V" come "U" nelle lettere maiuscole), ma ci sono anche abbreviazioni e simboli con un significato speciale. Infatti, soprattutto nel quindicesimo e sedicesimo secolo, la maggior parte dei libri conteneva le esatte abbreviazioni scribali che erano comuni nei manoscritti.
Questo significa che affrontare la trascrizione un carattere alla volta, come fa l'OCR, creerebbe semplicemente un enorme tasso di errore e nessun modo di cercare parole abbreviate. Al contrario, anche se l'HTR è destinato alla scrittura a mano, può essere addestrato perfettamente per adattarsi al contesto, ed espandere le abbreviazioni o distinguere tra lettere che sembrano o sono identiche.
Per questo motivo, abbiamo collaborato con READ-COOP e pianificato un riconoscimento neurale completo del testo delle nostre digitalizzazioni esistenti. L'obiettivo è quello di creare nuovi modelli che saranno in grado non solo di trascrivere tutto il contenuto, ma anche di riconoscere la struttura principale di un libro: estrarre la lista delle immagini, distinguere tra testo principale e commenti, e molto altro. Le trascrizioni saranno disponibili nel visualizzatore IIIF, ma anche in una piattaforma online di Read&Search insieme ai libri digitalizzati dell'Istituto di Storia dell'Arte di Firenze e del Max-Planck-Institut für Wissenschaftsgeschichte di Berlino, possono essere ricercati e analizzati attraverso l'apprendimento automatico per il data mining.
Un altro progetto che si basa su Transkribus è un'edizione digitale di manoscritti, dove accanto alla trascrizione manuale del contenuto, è necessario il tagging delle informazioni. Grazie alla facile gestione dei tag disponibile nell' Expert Client, il team può lavorare insieme e modificare il testo, inserire informazioni semantiche e identificare entità nominate rilevanti come persone, luoghi, date o opere d'arte che sono menzionate nel testo. Grazie all'esportazione diretta TEI o alla conversione XSLT, l'edizione digitale può essere creata quasi senza ulteriore post-elaborazione.
Prima di iniziare questo progetto, già usavo Transkribus per le mie ricerche, e ora incoraggio i ricercatori della Hertziana a usarlo il più possibile quando l'accesso ai contenuti è importante, o quando si lavora su un'edizione digitale.
