Trascrizione semi-automatica di manoscritti e collezioni digitali nella piattaforma Transkribus

In questo articolo Salvo Spina presenta la piattaforma Transkribus per la trascrizione semi-automatica di manoscritti, l’annotazione e la pubblicazione online di collezioni digitali.

Transkribus è una piattaforma per la trascrizione semi-automatica (fig. 1) e l’annotazione di documenti manoscritti (https://readcoop.eu/transkribus/)

fig. 1: Che cosa è Transkribus. Screenshot dal sito https://readcoop.eu/transkribus/

Nata dagli esiti del progetto di ricerca “TranScriptorium” – che guardava alla realizzazione di un sistema di intelligenza artificiale in grado di trascrivere automaticamente testi manoscritti (Muehlberger et al. 2019; Kahle et al. 2017), la cui ideazione venne finanziata dalla UE all’Università di Valencia, nel 2013, all’interno del programma “Cooperation: Information and Communication Technologies” –, nel 2016 assumerà il nome di “Transkribus”, per passare, nel 2019, al consorzio READ Coop (fig. 2), guidato dall’Università di Innsbruck (Austria), il quale, da quel momento, quale parte del progetto di ricerca UE “Horizon 2020”, svilupperà sempre più l’IA, potenziandola nelle funzioni, nella qualità delle trascrizioni ottenute, e negli applicativi a disposizione dell’utente.

fig. 2: Il consorzio READ Coop

 

Transkribus è stata pensata per essere utilizzata in diversi ambiti (fig. 3) e, per questo, distribuita sia nella versione desktop (Transkribus Expert), sia su Cloud (Transkribus Lite). Ma la differenza tra le due soluzioni è sempre stata abbastanza marcata: quella su cloud ha sempre avuto molti limiti, che spingevano gli utenti ad utilizzare la versione desktop.

 

fig. 3:  Dove si può usare Transkribus.

 

Nell’agosto di quest’anno (2023) – dopo un lungo lavoro che ha visto coinvolti diversi sviluppatori software e utenti della piattaforma –, è stata ufficializzata la release di una versione cloud che vede l’implementazione della maggior parte delle funzioni presenti, fino a questo momento, solamente nella versione desktop (Expert), annunciando, inoltre, che la prospettiva futura sarà quella di una nuova generazione di Transkribus completamente basata sul Web – probabilmente si abbandonerà l’implementazione del client desktop.

Il cloud ha rappresentato una innovazione che ha segnato, negli ultimi anni, il concetto di “archiviazione”, ed è andato sempre più sviluppandosi per fornire agli utenti del web uno spazio di lavoro. Anche la READ Coop ha puntato sull’implementazione della soluzione web, per fornire ai suoi utenti degli strumenti potenziati e spazi di lavoro organizzati per migliorare la navigazione, un motore di ricerca in grado di rispondere aquery mirate, con opzioni “filtro e ricerca” sulle raccolte e i documenti.

Dalla nuova pagina “desk” (la ‘Homepage’ del proprio profilo privato),  è possibile gestire le collezioni (fig. 4), i documenti e i tag, e spostarsi facilmente negli altri spazi di lavoro. Dalla “Home” si accede alle proprie raccolte e ai documenti recenti, e sempre da qui è possibile attivare il riconoscimento automatico, sia della struttura del documento (quindi, il layout, ad esempio, “tabella”, etc.), che del testo, grazie all’applicazione dei modelli di trascrizione automatica, pubblici e/o privati, a cui si accede grazie ad una sezione dedicata, nella quale è possibile avere le informazioni sul modello (lingua di trascrizione, fasi di training, etc.), sulla sua creazione, indice di errore (Character Error Rate – CER) e altre informazioni utili per un suo eventuale nuovo training.

 

fig. 4: Visualizzazione delle pagine nelle collezioni

All’interno del desk, è stata inserita anche la sezione “Tag” (fig. 5), che offre una panoramica delle annotazioni strutturali o testuali che sono state usate durante la compilazione dell’edizione digitale del testo, consentendo di ricercarli facilmente all’interno di una raccolta.

fig. 5: La schermata di ricerca per “tag”

Dato che i modelli sono l’elemento fondante dell’IA di Transkribus, vi è una sezione specifica per avere le informazioni sui modelli. In “Models” (fig. 6) è possibile gestire sia i modelli pubblici che i propri modelli privati, allenarne di nuovi e personalizzarli, al fine di adattare quelli pubblici alle esigenze della propria documentazione.

Tra questi, sicuramente colpisce l’attenzione il “The Text Titan I”, un super-modello su cui la squadra della READ Coop sta lavorando, che dovrebbe consentire la trascrizione di documenti scritti in diverse lingue, il cui training dovrebbe garantire una percentuale d’errore bassa (intorno al 2,3%). I modelli (pubblici) fino a questo momento disponibili, sono stati realizzati e allenati su lingue specifiche, comportando una difficoltà non indifferente nella trascrizione di manoscritti il cui testo è, nella stessa pagina, in più lingue – pensiamo ad un atto notarile, dove è frequente l’uso, contestualmente, sia del volgare, sia del latino. Un “super-modello” dovrebbe, da un lato, superare tale limite e, da un altro lato, fornire all’utente un modello su cui effettuare poche fasi di training, qualora lo si dovesse utilizzare su documenti più complessi.

Al momento, per quanto riguarda le aspettative degli utenti sul territorio nazionale, il training non si sta focalizzando sulla lingua italiana.

fig. 6: I modelli pubblici e privati

 

Un’altra novità è il lancio dell’app “Transkribus Sites”, che consente di costruire direttamente sui server Transkribus un sito web contenente la documentazione delle proprie raccolte. Il sito, una volta pronto, può essere messo online, stabilito il costo con l’organizzazione. È, questa, una delle prospettive migliori per chi opera nel settore degli archivi e della ricerca storica. La piattaforma infatti, da un lato, non richiede alcuna competenza informatica per la progettazione delle pagine del proprio sito, ma si basa su una interfaccia CMS (Content Management System) che richiede solamente la compilazione delle parti testuali delle pagine; da un altro lato, rispondendo alla richiesta di diffusione della documentazione digitalizzata, il patrimonio archivistico viene reso accessibile, organizzato in edizioni digitali, codificato in diversi formati (Word, PDF, XML, TEI), che qualunque utente del Web può scaricare, al fine di utilizzarli nei propri progetti di ricerca, siano essi storici o filologici (Spina 2022; 2023).

fig. 7: Un esempio di sito web creato con Transkribus Sites: il sito dell’epistolografia dei principi di Biscari

La rete offre diversi strumenti di Handwritten Text Recognition; tra questi, “eScriptorium” e “Transkriptorium” rappresentano delle valide soluzioni. Transkribus, a differenza di questi, racchiude in un’unica piattaforma più funzionalità e applicativi che vanno oltre la funzione della trascrizione (automatica o manuale); è possibile, infatti, sviluppare edizioni digitali e mettere online il frutto del lavoro e della ricerca, senza dover uscire dalla piattaforma, la quale fornisce lo spazio web necessario dove ospitare il sito internet.

Certamente, gli studiosi hanno a disposizione altre soluzioni, basti pensare, oltre ai citati eScriptorium e Transkriptorium, alla piattaforma EVT per le edizioni digitali (http://evt.labcd.unipi.it/).

Nel caso di Transkribus, si cerca di potenziare lo spazio di interazione tra l’umanista “analogico” e le tecnologie, o meglio, tra lo studioso che non vanta competenze informatiche – e meno avvezzo a configurazioni di piattaforme e server – e “gli algoritmi”, le “intelligenze artificiali”, presentati come tool digitali che non richiedono una conoscenza del mondo informatico particolarmente approfondita.

 

Bibliografia

Dimond, T. L. 1957. «Devices for reading handwritten characters». In Papers and discussions presented at the December 9-13, 1957, eastern joint computer conference: Computers with deadlines to meet, 232–37. IRE-ACM-AIEE ’57 (Eastern). New York, NY, USA: Association for Computing Machinery. https://doi.org/10.1145/1457720.1457765.

Hill, Mark J., e Simon Hengchen. 2019. «Quantifying the Impact of Dirty OCR on Historical Text Analysis: Eighteenth Century Collections Online as a Case Study». Dig. Scholarsh. Humanit. Digital Scholarship in the Humanities 34 (4): 825–43.

Kahle, Philip, Sebastian Colutto, Günter Hackl, e Günter Mühlberger. 2017. «Transkribus. A Service Platform for Transcription, Recognition and Retrieval of Historical Documents». In 2017 14th IAPR International Conference on Document Analysis and Recognition (ICDAR), 19–24. https://doi.org/10.1109/ICDAR.2017.307.

Muehlberger, Guenter, Louise Seaward, Melissa Terras, Sofia Ares Oliveira, Vicente Bosch, Maximilian Bryan, Sebastian Colutto, et al. 2019. «Transforming scholarship in the archives through handwritten text recognition. Transkribus as a case study». Journal of Documentation 75 (5): 954–76. https://doi.org/10.1108/JD-07-2018-0114.

Spina, Salvatore. 2022. «Historical Network Analysis & Htr Tool. Per un approccio storico metodologico digitale all’archivio Biscari di Catania». Umanistica Digitale, fasc. 14: 163–81. https://doi.org/10.6092/issn.2532-8816/15159.

———. 2023. «Handwritten Text Recognition as a digital perspective of Archival Science». Aidainformazioni, fasc. 1–2.

Strien, Daniel van, Kaspar Beelen, Mariona Ardanuy, Kasra Hosseini, Barbara McGillivray, e Giovanni Colavizza. 2020. «Assessing the Impact of OCR Quality on Downstream NLP Tasks»: In Proceedings of the 12th International Conference on Agents and Artificial Intelligence, 484–96. Valletta, Malta: SCITEPRESS – Science and Technology Publications. https://doi.org/10.5220/0009169004840496.

 



Citare questo post
salvospina (2023, 11 Ottobre). Trascrizione semi-automatica di manoscritti e collezioni digitali nella piattaforma Transkribus. Informatica Umanistica e Cultura Digitale: il blog dell' AIUCD. Recuperato il 27 Febbraio 2024, da https://doi.org/10.58079/qcdn

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.

Search OpenEdition Search

You will be redirected to OpenEdition Search