TY - GEN A1 - Boenig, Matthias A1 - Hartwig, Uwe A1 - Weidling, Michelle A1 - Baierer, Konstantin A1 - Neudecker, Clemens T1 - Moderne Standards bei der Erstellung und Evaluation von Volltextdaten T2 - TK 5: Daten und Publikationen/ OCR als Kooperation (26.05.2023, 09:00 - 12:00, Runder Saal) N2 - Die Bereitstellung qualitativ hochwertiger Volltexte ist eine Voraussetzung für die Erschließung umfangreicher bibliothekarischer Bestände und zugleich Grundlage für nachgelagerte Verfahren wie Normdatenverknüpfung oder automatische Sacherschließung. Während die Evaluation von OCR bislang meist als einmalige und rein manuelle Aktivität verstanden wurde, skaliert dieser Ansatz nicht für die Massenvolltextdigitalisierung. Stattdessen wird zunehmend Ground Truth (GT), d.h. manuell erstellte, qualitativ einwandfreie Transkription, für die OCR-Evaluation und darüber hinaus erstellt. Die Nachnutzbarkeit von GT ist dann am höchsten, wenn bei der Erstellung Spezifikationen über Formate und Verfahren eingehalten werden. Zwar ist der Aufwand von GT-getriebener Evaluation substantiell höher als für einmalige manuelle Evaluationen (z.B. Bernoulli-Experiment); dies wird jedoch aufgewogen durch die sehr viel höhere Verlässlichkeit und Aussagekraft der ermittelten Zahlen. Sowohl für Annotation und Repräsentation der GT als auch für die Auswertungsverfahren zur OCR-Evaluation sind weitere Standardisierungen notwendig. Darüber hinaus kann GT auch zum Training von OCR und Layoutanalyse sowie in nachgelagerten Aufgaben verwendet werden, wofür ebenfalls spezifische Anforderungen zu definieren sind. Im Rahmen der DFG-Förderinitiative OCR-D wurden hierfür eine Reihe von Richtlinien entwickelt. Neben einer Überarbeitung der DFG-Praxisregeln Digitalisierung im Hinblick auf OCR werden Richtlinien zur Erstellung von GT entwickelt. Auch dazu, wie GT nachhaltig und vielseitig anwendbar disseminiert werden sollte, werden Best Practices kommuniziert. Diese und weitere Aspekte der Standardisierung rund um OCR werden im Vortrag diskutiert und auch praktische Empfehlungen für OCR-Vorhaben gegeben. Y1 - 2023 ER - TY - GEN A1 - Hartwig, Uwe T1 - Massendigitalisierung Historischer Drucke: Volltexterzeugung als separates Modul T2 - TK 6: Sammlungen, Repositorien, Retrodigitalisierung und Kulturgut(schutz)/ Volltextdurchsuchbarkeit ausbauen (05.06.2024, 11:00 - 13:00, Saal A.3 / 1. OG) N2 - Wenn es um die Digitalisierung historischer Drucke geht, bildet die Erzeugung von Volltextdaten (OCR) heute einen festen Bestandteil von Massendigitalisierungsprojekten. Da liegt es nahe, die Erzeugung von Volltextdaten möglichst eng mit bestehenden Workflows zu verdrahten. Am Besten mit einem System, das Alles kann – natürlich auch Volltextdaten in bester Qualität. Aber wie geht es weiter, nachdem das Projekt abgeschlossen ist? Und wie kann Volltext nachträglich systematisch verbessert werden? Titelaufnahmen im Katalog erfolgen einmalig, gescannt wird ebenfalls einmal. Diese Herangehensweise macht bei OCR wenig Sinn, wenn davon auszugehen ist, dass sich Systeme und Modelle in Zukunft verbessern. In ihren Projekten zur Massendigitalisierung Historischer Drucke verfolgt die Universitäts- und Landesbibliothek (ULB) Sachsen-Anhalt den Ansatz, Volltexte separat, unabhängig vom Digitalisierungs- bzw. Präsentationssystem zu erzeugen. Den Beginn markierte das DFG-Projekt zur Hauptphase I der Digitalisierung Historischer Deutscher Zeitungen (2019-2021). Hier wurden für über 500.000 Zeitungsseiten in Eigenregie Volltextdaten mit Open-Source-Komponenten generiert und deren Qualität evaluiert [1]. Zum Projektende erfolgte mit einem adaptierten Modell für den kompletten Bestand ein zweiter Durchlauf. Ab 2021 beteiligte sich die ULB mit dem Implementationsprojekt „ODEM“ an der 3.Projektphase der Koordinierten Förderinitiative „OCR-D“. Dort wurde dieser Ansatz für 6 Mio. Seiten der Sammlung für Historische Drucke des 18. Jahrhunderts erweitert, deren ursprüngliche Digitalisierung teilweise mehr als 10 Jahre zurück lag. Im Rahmen des Vortrags sollen die Erfahrungen in Halle vorgestellt, sowie Vor- und Nachteile dieses Vorgehens diskutiert werden. [1] Hartwig, Uwe. "Evaluation von Volltextdaten mit Open-Source-Komponenten." o-bib. Das offene Bibliotheksjournal/Herausgeber VDB 9.4 (2022): 1-21. Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:0290-opus4-192102 ER -