Question

我正在建立一个数字人文应用程序，我们在那里有一堆数字化的历史文档，学生们将抄写文本。这是架构...

  create_table "documents", force: true do |t|
    t.string   "document_name"
    t.date     "date_filed"
    t.string   "grantor"
    t.string   "grantee"
    t.string   "description"
    t.string   "document_file_name"
    t.string   "document_content_type"
    t.integer  "document_file_size"
  end

  create_table "transcriptions", force: true do |t|
    t.text     "content"
    t.integer  "user_id"
    t.integer  "document_id"
  end

  create_table "users", force: true do |t|
    t.string   "email"
    t.string   "password_digest"
    t.string   "role"
  end

该应用非常简单。我正在使用回形针将图像存储在S3上，学生将创建一个“转录”，它只是一个文本字段。然后我们将使文本可搜索。

这些是带有大量难以辨认的文字的旧文件。我想要一些方法让用户能够表示一个难以理解的单词，希望以后能够以编程方式识别。一个用例可能是当其他人（不是原始的抄录员）正在查看转录时，他们可能会对一个难以理解的单词提出建议（或编辑）。

作为示例，用户可能在文档/图像中看到句子“See Jack Rzn”。因此，在文本区域，如果他们无法解释这个词，他们可能会输入“See Jack ---”。或者也许如果认为他们知道这个词是什么，但不确定他们可以做一些像“看杰克 - ！跑！ - 。后来我可以寻找---或 - 的实例！*！ - 识别难以辨认的文字。

我只是吐唾沫，但只是想知道是否有一些角色可能会让我更少悲伤，因为时间到了这些转录的'其他东西'。

Answer 1

经过本周的一些研究，这里有一些想法。

首先，史密森尼有一个众包数字化项目，这些是他们推荐的指南：

If you find a word you can’t quite read

Please make a note using double brackets [[ ]] like this: [[good guess?]] or simply [[?]]. Save your work and you can continue transcribing the rest of the item.

...更多信息：https://transcription.si.edu/instructions

其次，有几个现成的＆＃39;那里的选择。 http://scripto.org/omeka/基于Omeka DH工具。

对于Rails人员，可以从页面https://github.com/benwbrum/fromthepage开始。这是一个wiki风格的应用程序，允许转录者在手写文档上进行协作。

什么是适当的字符串来表示数字人文转录中难以辨认的数据？

1 个答案: