07.12.2016 | mainzed Lunch Lectures | Hochschule Mainz

Retro/Digitalisierung

Einblick in Theorie und Praxis - vom Bild des Textes zum Text

Vortrag im Rahmen der mainzed Lunch Lectures

H.-W. Bartz (ADWL Mainz) | D. Kasper (ADWL Mainz)
digitale-akademie.de | @digicademy | digicademy
Released under CC BY 4.0 (Hans-Werner Bartz, Dominik Kasper; Digitale Akademie)

Einführung
Prämissen: Genauigkeit, Genauigkeit, Genauigkeit
- Bildmaterial
- Textmaterial
- Use-Cases für Bild-, Text- und Mischdigitalisierung
Konzeption und Durchführung
- Planung des Digitalisierungs- und Projektworkflows
- Wissenschaftliches Digitalisieren: DFG Praxisregeln „Digitalisierung“
- Verfahrensweisen
- Beispiele aus der Praxis
Lernressourcen, Literaturhinweise & Software

01

Einführung

Warum und wozu wird retrodigitalisiert?

Eine Strategie für die digitale (Online-)Bereitstellung gilt heute als Grundvoraussetzung bei der Beantragung/Verlängerung von geisteswissenschaftlichen Forschungsvorhaben
In vielen Fällen liegen bereits nur gedruckt erschienen Ergebnisse vor, deren digitale Grundstufe nicht (mehr) existiert oder veraltet ist
Bereitstellung von nur gedruckt vorliegenden (älteren) Werken für die digitale Weiterverarbeitung, bspw.
- für Online-Präsentation
- linguistische Korpusbildung
- Digitale Langzeitarchivierung

Definition

Als Retrodigitalisierung verstehen wir die Überführung analoger Text- und Bilddaten in ein elektronisches Format zum Zwecke der computergestützten Bereitstellung und Verarbeitung.

02

Prämissen

Bildmaterial

Abbildung der Materialität
- Farbtreue durch Abgleich mittels Farbstreifen
- Dokumentation der Proportionen durch Lineale
Zukunftssichere Datenformate, -qualität und -ablagemodalität
- hohe Auflösung (300+ DPI)
- verlustfreies Dateiformat (TIFF)
- Originale und Arbeitskopien
Metadaten zu Identifikation und Erstellungs-Historie
- Von Ersteller über Lagerort bis Material und Zustand
- Standards
  - International Press Telecommunications Council Information Interchange Model (IPTC IIC)
  - IPTC Extensible Metadata Platform (XMP)
  - Dublin Core Metadata Initiative (DCMI) Metadata Terms
- Sprechende Dateinamen haben sich für die Übersichtlichkeit als äußerst praktikabel erwiesen.

Textmaterial

Allgemeine Vorgaben
- Angabe zur Vorlagengenauigkeit [mehr]
- Erhalt textspezifischer Strukturen (Beispiel: Poesie vs. Archivmaterial)
- Sonderzeichen nach Unicode
- Dateikodierung UTF-8
- Reintextformate
Projektspezifische Vorgabe
- Seiten- und Zeilengenauigkeit
- Typographie und spezifische Sonderzeichen (Grad der Semi-Diplomatik)
- Markierung von Entitäten (Personen, Orte, …)

Use-Cases

für Bild-, Text- und Misch-Digitalisierung

Glasfenster, Bilderarchiv, Archivierung ohne Recherchebedarf
Wissenschaftl. Publikation, Rechnungsbücher, statistisches Material
Illuminierte Codices, wissenschaftl. Publikation mit Abb.

03

Konzeption und Durchführung

Planung des Digitalisierungs- und Projektworkflows

intern: Hardwareaustattung (Bibliotheksscanner mit Buchwippe), Software, Arbeitsstunden, Expertise
extern: Rundum-sorglos-Paket (externe Anbieter)
Mischform: Erfassung extern, Aufbereitung intern

Expertise bedeutet …
- Übersicht über die Besonderheiten des Textes auf Zeichen-, Wort- und Formatierungsebene (Sonderzeichen, Stand der Orthographie bei Trennungen, Textanordnung).
  - mündet in die Erfassungsanweisung
- Hardwarekenntnisse (Scanner); Softwarekenntnisse (OCR-Programm, Tools für die Aufbereitung des OCR-Ergebnisses).

Wissenschaftliches Digitalisieren: DFG Praxisregeln „Digitalisierung“

DFG-Praxisregeln herunterladen

Vorlagengenauigkeit auf Zeichenebene: 99,5% besser 99,7% (= Bei einer Stichprobe von 10.000 Zeichen müssen 9990 korrekt sein)
- Editionsvorhaben setzen in der Regel höhere Genauigkeiten von 99,95-99,998% an
OCR vs. double keying
Langzeitarchivierung (Datenformat, z.B. XML)
persistente Adressierung bei Internetresourcen

Selbsthilfe dt. Bibliotheken

„OCR-D ist ein Koordinierungsprojekt, welches auf die Weiterentwicklung von Verfahren der Optical Character Recognition (OCR) für historische Drucke ausgerichtet ist.“ (http://www.ocr-d.de/)

Verfahrensweisen

Double-Keying bzw. Triple-Keying

benötigt Personal zum Abtippen
Nachbearbeitung (Prüfen Diff) notwendig

Optical Character Recognition (OCR)
- benötigt hochauflösende und präparierte Scans
- benötigt spezialisierte Software
- Muss angepasst (Sprache, Typographie) und „trainiert“ werden
- Problematisch bei Mischschriften (Antiqua+Fraktur) oder bei abweichenden Schriftschnitten