Deze presentatie behandelt wat er allemaal komt kijken bij het digitaliseren en online publiceren van erfgoedmateriaal, met de nadruk op bibliotheekerfgoed. En passant wordt ingegaan wat er in Vlaanderen en België zoal beschikbaar is aan digitaal bibliotheekerfgoed. Bedoeling is een inleiding te geven en een theoretisch kader. Wie zelf wil digitaliseren vindt aan het begin van de presentatie enkele leestips. PRESENTATIE 2 (van 3) - Digitalisering van presentaties --- Wat zijn publicaties? Vroeger en nu --- ‘Born-digital’ - Waarom publicaties digitaliseren? --- Conservering --- Toegang erfgoedobjecten --- Toegang informatie - Hoe publicaties digitaliseren? --- Digitale beelden maken --- Optische tekenherkenning --- Transcriberen

1. De online
erfgoedbibliotheek (2)
David Coppoolse
Stafmedewerker ontsluiting en digitalisering
Vlaamse Erfgoedbibliotheek
Vormingsreeks ‘Van heemkundige collectie tot
online erfgoedbibliotheek’
Heemkunde Vlaanderen | november 2011

2. Wat vooraf ging in presentatie 1
 Zelf digitaliseren
 De vzw Vlaamse Erfgoedbibliotheek
 Erfgoedbibliotheken
 Wat is digitalisering?
 Digitalisering van ‘ingangen’ op collecties
 Catalogi
 Netwerkcatalogi, Union Catalogs
 Bibliografieën
 Abraham, STCV
 Collectiebeschrijvingen
 Collectieregisters
2011-11-30 2

3. Digitalisering van publicaties

4. Papieren publicaties
 Boeken
 Manuscripten (‘handgeschreven boeken’)
 Handgedrukte boeken (‘oude drukken’)
 1455 – negentiende eeuw (1830)
 Machinaal gedrukte boeken
(‘moderne drukken’)
 negentiende eeuw (1830) – nu
2011-11-30 4

5. Papieren publicaties
 Periodieken
 Kranten
 Vanaf ca. 1620 – Abraham Verhoeven, Antwerpen
 Tijdschriften
 Vanaf tweede helft
achttiende eeuw
2011-11-30 5

6. De krant, toen en nu…
2011-11-30 6

7. Elektronische publicaties
 e-Books
 Digitale periodieken
 Kranten
 Tijdschriften
 Websites
 Apps
 Games
 Databanken
 …
2011-11-30 7

8. ‘Born digital’
 = ‘Van oorsprong digitaal’
 Digitale publicaties die nooit in papieren vorm
bestaan hebben
 Creatie, bewaring en raadpleging zijn volledig digitaal
 Vaak is er nog wel een papieren pendant
 Bewaring is speciale uitdaging!
 Eigenlijk ook: alle papieren publicaties anno 2011
 Op basis van computerbestanden
 Begonnen in de jaren 1970 met computergestuurd zetten
2011-11-30 8

9. Waarom publicaties
digitaliseren?

10. Waarom digitaliseren?
 Reden 1: Conservering (behoud informatie)
Veel Weinig
geraadpleegd geraadpleegd
Kwetsbaar/
In slechte staat ++ +
In goede staat + –
2011-11-30 10

11. Groot probleem: Kranten
2011-11-30 11

12. Alternatief voor microfilm?
 Microfilm:
 Goede microfilm gaat meer
dan 100 jaar mee
 Met een vergrootglas kom je een heel eind
 Digitaal bestand:
 Hoe lang gaat de drager, het bestand, de
softwaretoepassing, het besturingssysteem, de
hardware mee?
 Digitale duurzaamheid
2011-11-30 12

13. Waarom digitaliseren?
 Reden 2: Toegang
erfgoedobjecten verbeteren
 Bibliotheekerfgoed relatief
moeilijk toegankelijk
 Massaal bladeren door
manuscripten,
oude boeken, kranten etc.
bedreigt voortbestaan
 Topstukken liggen
normaliter in de kluis
2011-11-30 13

14. Gedemonteerde Bijbel van Anjou
© Bruno Vandermeulen
2011-11-30 14

15. Gedigitaliseerde Bijbel van Anjou
2011-11-30 15

16. Waarom digitaliseren?
 Reden 3: Informatietoegang verbeteren
 Toegang tot materiaal vereenvoudigen
 Van achter het bureau van de gebruiker
 ‘Overal ter wereld’
 Nieuwe antwoorden en vragen mogelijk maken
 Snel zoeken door grote corpora
 Taalkundige analyse van grote hoeveelheden teksten
2011-11-30 16

17. Problemen digitale toegang
 Digitaal materiaal opgeslagen
 in heel veel afzonderlijke ‘silo’s’
 met zeer verschillende manieren van toegang
 Gedigitaliseerd op
 uiteenlopende kwaliteiten
 volgens diverse standaarden
Verbeterpunten voor de komende jaren!
2011-11-30 17

18. Hoe publicaties
digitaliseren?

19. Conversie van publicaties
 Optie 1: Maken van digitale beelden van
papieren pagina’s
 ‘Imaging’ met een scanner of een digitale fotocamera
 Voordeel:
 Ziet eruit zoals het origineel
 Direct leesbaar voor mensen (soms beter dan origineel)
 Is inhoudelijk foutloos
 Nadeel:
 Niet leesbaar voor computers
 Bijv. zoeken, knippen+plakken niet mogelijk
 Véél grotere bestanden dan gewone tekst
2011-11-30 19

20. Eén pagina als tekstbestand
MS Word 2003 Platte tekst
2011-11-30 20

21. Eén pagina als beeldbestand
TIFF - kleur, 300 dpi, ongecomprimeerd Alternatieven - kwaliteitsverlies
 TIFF Grijstinten
 8.513 kB (~8,3 MB)
 TIFF Zwart/Wit
 482 kB (~0,5 MB)
 JPEG Kleur 90%
 1.388 kB (~1,4 MB)
2011-11-30 21

22. Waarom toch grote bestanden?
 We willen:
 Een moederkopie die het origineel zo goed mogelijk
benadert
 In een zo eenvoudig mogelijk, duurzaam bestandsformaat
 Dus:
 Kleur (of tenminste grijswaarden)
 Hoge resolutie
(veel beeldpunten per cm2)
 Geen compressie met beeldverlies
2011-11-30 22

23. Maken van beelden
2011-11-30 23

24. Niet voor bibliotheekerfgoed
2011-11-30 24

25. Boekscanners
 Lees-
zaal-
model
2011-11-30 25

26. 2011-11-30
model
Boekscanners
 Professioneel
26
Scanstudio Universiteit Gent | © Vlaamse Erfgoedbibliotheek – Foto: Stefan Tavernier

27. Boekscanners
 Volautomatisch
model
2011-11-30 27

28. 2011-11-30
Fotostudio
Scanstudio Universiteit Gent | © Vlaamse Erfgoedbibliotheek – Foto: Stefan Tavernier
28

29. Wat staat hier?
2011-11-30 29

30. Wat staat hier?
2011-11-30 30

31. Conversie van publicaties
 Optie 2: Interpreteren van de lettertekens van
digitale beelden
 ‘Optical Character Recognition’ (OCR)
 Computer herkent patronen van beeldpunten als
lettertekens
 Voordeel: Zoeken, kopiëren en andere
computerbewerkingen worden mogelijk
 Nadeel: Foutenmarge
2011-11-30 31

32. Stappen van OCR
Fysieke tekst Opname Verwerking Computertekst
2011-11-30 32

33. Optical Character Recognition
Wat werkt quasi feilloos? Waarom?
 Alledaags  Eenvoudige
kantoordocument tekststructuur
 Op laserprinter  Scherpe contrastrijke
afgedrukt afdruk
 In een gangbaar  Gekende lettervormen,
lettertype zonder ligaturen etc
 Met een lettergrootte van  Veel pixels per letter
minimaal 10 pt
 In een moderne taal  Woordenlijsten
beschikbaar ter controle
2011-11-30 33

34. Uitdagingen tekstherkenning
 Handgeschreven tekst
 Complexe of ongebruikelijke lettertypes
 Kleine lettertypes
 Slecht drukwerk
 Beschadigde materialen
 Gebonden materialen
 Oude en onregelmatige spelling
 Pagina’s in kolommen
2011-11-30 34

35. Handgeschreven tekst
2011-11-30 35

36. Lastige lettertypes
2011-11-30 36

37. Verschillende lettertypes
2011-11-30 37

38. Lettervarianten
2011-11-30 38

39. Beschadigde materialen
2011-11-30 39

40. Gebonden materialen
2011-11-30 40

41. Tekst in kolommen
2011-11-30 41

42. Oplossingen OCR-problemen?
 Trainen, trainen, trainen van de software
 Herkenning van woordbeeld (i.p.v. losse letters)
 Woordenlijsten van specifieke periodes opstellen
 Taalkundige analyse verwerken in
herkenningssoftware
 Grammaticaal correct? Inhoudelijk correct?
 100% foutloos wordt het waarschijnlijk nooit
 Voer voor onderzoekers: www.impact-project.eu
2011-11-30 42

43. Conversie van publicaties
 Optie 3: Transcriberen van papieren teksten
 Handmatige computerinvoer door menselijke lezers
 Nadeel: Arbeidsintensief
 Voordelen:
 Lage foutenmarge (indien zorgvuldig uitgevoerd)
 Tekststructuur kan mee worden getranscribeerd
 Noodzakelijk voor bep. wetenschappelijk onderzoek
 Sterke verbetering digitale ontsluitingsmogelijkheden
2011-11-30 43

44. Codering van tekststructuur
 ‘Platte tekst’
 Eenvoudig, goedkoop
 Informatieverlies
(opmaak, tekststructuur)
 ‘Tagged text’
 Specialistisch, duur
 Bevat ook info over
opmaak of structuur
2011-11-30 44

45. Vervolg in presentatie 3
 Stappen in het digitaliseringsproces
1. Materiaalanalyse
2. Metadatering
Optische
Materiaalanalyse Beeldbewerking
3. Rechten klaren tekstherkenning
4. Preservering
5. Beeldbewerking Metadatering Scanning Duurzame opslag
6. Scannen
7. OCR Rechten klaren
Preserverende
Online publicatie
handelingen
8. Duurzame opslag
9. Online publicatie
 Digitaliseringsprojecten Vlaams bibliotheekerfgoed
2011-11-30 45

46. Contactgegevens
David Coppoolse
Stafmedewerker Ontsluiting en Digitalisering
david@vlaamse-erfgoedbibliotheek.be
http://www.vlaamse-erfgoedbibliotheek.be