De online erfgoedbibliotheek (2)

David CoppoolseStafmedewerker ontsluiting en digitaliseringVlaamse Erfgoedbibliotheek

Vormingsreeks ‘Van heemkundige collectie tot online erfgoedbibliotheek’Heemkunde Vlaanderen | november 2011

2

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

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

Digitalisering van publicaties

4

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

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

5

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Papieren publicaties

Periodieken Kranten

Vanaf ca. 1620 – Abraham Verhoeven, Antwerpen

Tijdschriften Vanaf tweede helft

achttiende eeuw

2011-11-30

6

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

De krant, toen en nu…

2011-11-30

7

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Elektronische publicaties

e-Books Digitale periodieken

Kranten Tijdschriften

Websites Apps Games Databanken …

2011-11-30

8

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

‘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

Waarom publicaties digitaliseren?

10

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Waarom digitaliseren?

2011-11-30

Reden 1: Conservering (behoud informatie)

Veel geraadplee

gd

Weinig geraadplee

gdKwetsbaar/In slechte

staat++ +

In goede staat

+ –

11

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Groot probleem: Kranten

2011-11-30

12

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Alternatief voor microfilm?

2011-11-30

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 ?

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

14

© Bruno Vandermeulen

2011-11-30

Gedemonteerde Bijbel van Anjou

152011-11-30

Gedigitaliseerde Bijbel van Anjou

Klik op het pictogram als u een afbeelding wilt toevoegen

16

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

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

17

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

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

2011-11-30

Verbeterpunten voor de komende jaren!

Hoe publicaties digitaliseren?

19

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

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

20

MS Word 2003 Platte tekst

2011-11-30

Eén pagina als tekstbestand

3,65

kB

26 k

B

21

TIFF - kleur, 300 dpi, ongecomprimeerd

Alternatieven - kwaliteitsverlies

2011-11-30

Eén pagina als beeldbestand

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)

25.5

34 k

B

(~25

MB)

= MS WORD X 1000= PLATTE TEKST X 7000

22

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

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

Grote bestanden

23

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Maken van beelden

2011-11-30

Wat gaat

hier fout?

24

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Niet voor bibliotheekerfgoed

2011-11-30

25

Boekscanners

2011-11-30

Lees-zaal-model

26

Boekscanners

Professioneelmodel

2011-11-30

Sca

nst

ud

io U

niv

ers

iteit

Gen

t |

© V

laam

se E

rfg

oed

bib

lioth

eek

– Fo

to:

Ste

fan

Ta

vern

ier

27

Boekscanners

2011-11-30

Volautomatisch model

282011-11-30

Fotostudio

Sca

nst

ud

io U

niv

ers

iteit

Gen

t |

© V

laam

se E

rfg

oed

bib

lioth

eek

– Fo

to:

Ste

fan

Ta

vern

ier

29

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Wat staat hier?

2011-11-30

30

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Wat staat hier?

2011-11-30

31

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

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

32

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Stappen van OCR

2011-11-30

Fysieke tekst Opname Verwerking Computertekst

33

Wat werkt quasi feilloos? Waarom?

2011-11-30

Optical Character Recognition

Alledaags kantoordocument

Op laserprinter afgedrukt

In een gangbaar lettertype

Met een lettergrootte van minimaal 10 pt

In een moderne taal

Eenvoudige tekststructuur

Scherpe contrastrijke afdruk

Gekende lettervormen, zonder ligaturen etc

Veel pixels per letter

Woordenlijsten beschikbaar ter controle

Rege

lmat

ig

34

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

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

35

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Handgeschreven tekst

2011-11-30

36

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Lastige lettertypes

2011-11-30

37

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Verschillende lettertypes

2011-11-30

38

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Lettervarianten

2011-11-30

39

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Beschadigde materialen

2011-11-30

40

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Gebonden materialen

2011-11-30

41

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Tekst in kolommen

2011-11-30

42

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

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

43

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

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

44

Codering van tekststructuur

2011-11-30

‘Platte tekst’ Eenvoudig, goedkoop Informatieverlies

(opmaak, tekststructuur)

‘Tagged text’ Specialistisch,

duur Bevat ook info

over opmaak of structuur

45

David

Cop

pools

e &

Koen B

lansa

ert

, Erf

goedbib

lioth

eek

Hendri

k C

onsc

ience

: Le

(N

ouveau)

Pré

curs

eu

r. M

ate

riaala

naly

se.

Pos

taca

dem

isch

e vo

rmin

g In

form

atie

- &

Bib

lioth

eekw

eten

scha

p, U

nive

rsite

it A

ntw

erpe

n 20

10.

Vervolg in presentatie 3

Stappen in het digitaliseringsproces1. Materiaalanalyse2. Metadatering3. Rechten klaren4. Preservering5. Beeldbewerking6. Scannen7. OCR8. Duurzame opslag9. Online publicatie

Digitaliseringsprojecten Vlaams bibliotheekerfgoed

2011-11-30

Materiaalanalyse

Metadatering

Rechten klaren

Preserverende

handelingen

Scanning

Beeldbewerking

Optische tekstherken

ning

Duurzame opslag

Online publicatie

Contactgegevens

David CoppoolseStafmedewerker Ontsluiting en Digitaliseringdavid@vlaamse-erfgoedbibliotheek.be http://www.vlaamse-erfgoedbibliotheek.be