ماشین زمان کاغذی: هوش مصنوعی در علم آرشیو و تحلیل اسناد تاریخی

هوش مصنوعی می‌تواند مجموعه را جست‌وجوپذیرتر کند، بی‌آن‌که اصالت سند را ایجاد کند. تشخیص نویسه متن پیشنهاد می‌دهد، تحلیل چیدمان ستون را پیدا می‌کند، استخراج موجودیت نام شخص را حدس می‌زند، بهسازی تصویر نشانه کم‌رنگ را آشکار و مدل زبانی شرحی پیش‌نویس می‌کند. هیچ‌کدام منشأ، پیوستگی نگهداری، یکپارچگی، ارزش اثباتی یا نسخه گواهی‌شده را برقرار نمی‌کند.

ارزش آرشیو از «سند در زمینه» می‌آید: چه کسی، در کدام فعالیت، با چه ترتیب و مأموریتی آن را ایجاد و چگونه نگهداری کرده است. هوش مصنوعی باید دسترسی را غنی کند و هم‌زمان رابطه‌ها را حفظ و روشن کند هر گزاره از خود سند، آرشیویست، فهرست یا مدل آمده است.

هدف آرشیوی و مرجع تصمیم را تعریف کنید

با یک هدف در سطح مجموعه آغاز کنید: برنامه حفاظت، اولویت پذیرش، تنظیم، توصیف، دیجیتال‌سازی، رونویسی، کشف، بررسی حقوق، خدمت مرجع یا تحلیل پژوهشی. آرشیویست، مسئول اسناد، مرمت‌گر، متصدی، مرجع حقوقی، نماینده جامعه و مالک سامانه را مشخص کنید.

رده خروجی را جدا کنید:

• تصویر دیجیتال بازنمایی ثبت‌شده شیء فیزیکی است؛
• تشخیص نویسه یا دست‌خط رونویسی ماشینی است؛
• توصیف به شناسایی و کشف کمک می‌کند؛
• تفسیر معنا را از شواهد پیشنهاد می‌دهد؛
• نسخه حفاظتی زیر کنترل فنی و زنجیره نگهداری اداره می‌شود؛
• سند اصیل یا گواهی‌شده تابع نیاز نهادی، حقوقی و اثباتی است.

برچسب باید رده مورد مشاهده را روشن کند. رونویسی مطمئن نیز نباید از نظر دیداری جای تصویر منبع را بگیرد.

پیش از استخراج قلم، سلسله‌مراتب و زمینه را حفظ کنید

مجموعه را از ابتدا به صفحه‌های جدا تبدیل نکنید. مخزن، پذیرش، ایجادکننده، منشأ، تاریخ نگهداری، مجموعه، رده، پرونده، قلم، ترتیب اصلی، کارکرد، بازه تاریخ، حجم، زبان، حقوق، محدودیت و شخص یا فعالیت مرتبط را ثبت کنید.

مدل مفهومی «اسناد در زمینه» شورای بین‌المللی آرشیو، سند را همراه عامل، فعالیت، مأموریت، مکان، تاریخ و رابطه توصیف می‌کند. این مدل توصیفی است؛ ادعا نمی‌کند نرم‌افزار رابطه را ساخته یا سند توصیف‌شده اصیل است.

برای شیء و رابطه شناسه پایدار بدهید. عدم‌قطعیت و توصیف رقیب را نگه دارید و یکی را پنهانی انتخاب نکنید. دانش جامعه شاید توصیف نهادی را اصلاح کند؛ انتساب و تاریخ بازبینی باید باقی بماند.

ماده فیزیکی را پیش از ثبت بررسی کنید

دیجیتال‌سازی با حفاظت و جابه‌جایی آغاز می‌شود، نه تنظیم پویشگر. قالب، صحافی، تاخوردگی، مهر، پارگی، شکنندگی، کپک، جوهر، فرایند عکس، تعمیر قدیمی و محدودیت مطالعه را بسنجید. مرمت‌گر تعیین می‌کند شیء چگونه باز، تخت، نورپردازی یا ثبت شود.

برنامه جابه‌جایی، ترتیب ثبت، تکیه‌گاه، محدودیت نور، هدف رنگ، مقیاس، نام‌گذاری و شرط توقف بسازید. هدف سرعت نباید کارکنان را به آسیب‌زدن اصل وادار کند. راهنمای دیجیتال‌سازی کتابخانه کنگره می‌خواهد پیش از اجرا هدف، کاربر، نحوه نمایش، اثر بر اصل، دسترسی و ذخیره بررسی شود.

ترتیب صفحه و ناهنجاری را هنگام آماده‌سازی ثبت کنید. برگ مفقود، یادداشت افزوده، صفحه سفید یا ثبت تکراری ممکن است معنا داشته باشد.

نسخه حفاظتی و نسخه دسترسی را جدا بگیرید

مشخصات فنی را بر اساس جنس و هدف تعریف کنید: وضوح، عمق بیت، فضای رنگ، قالب فایل، فشرده‌سازی، نمایه صوت و فراداده. نسخه اصلی را در گردش کار کنترل‌شده بسازید و تصویر وب، بندانگشتی، پی‌دی‌اف، متن تشخیص‌داده‌شده و نمایش بین‌سامانه‌ای را بدون تغییر آن مشتق کنید.

برای هر ثبت، اپراتور، دستگاه، نرم‌افزار، هدف کالیبراسیون، تنظیم، تاریخ، شناسه منبع، توالی، اثر انگشت، کنترل کیفیت و رابطه مشتق را ثبت کنید. نسخه اصلی در ذخیره مدیریت‌شده با بررسی ثبات، افزونگی، کنترل دسترسی و برنامه مهاجرت بماند.

بهسازی تصویر باید بدون تخریب و بازتولیدپذیر باشد. ثبت اصلی و پارامتر تبدیل را نگه دارید. تصویر پرکنتراست یا ترکیب چندطیفی مشتق تحلیلی است، نه خود سند فیزیکی.

تشخیص نویسه و دست‌خط را فرضیه بدانید

حروف قدیمی، خط آمیخته، حاشیه‌نویسی، پس‌زدگی جوهر، کاغذ آسیب‌دیده، املای تاریخی، مخفف، جدول، مهر و چیدمان نامعمول کار مدل را دشوار می‌کنند. ارزیابی را به تفکیک مجموعه، خط، دوره، زبان، نوع سند، وضعیت و چیدمان انجام دهید، نه با یک دقت کلی.

مختصات متن و اطمینان هر خط یا واژه را نگه دارید تا پژوهشگر از رونویسی به ناحیه دقیق تصویر برود. خوانش نامطمئن، حذف، افزوده، متن تکمیل‌شده، بسط مخفف و بخش ناخوانا را با قرارداد ویرایشی علامت بزنید.

برای نام، تاریخ، مبلغ، اصطلاح حقوقی و فیلد پرپیامد، بازبینی دو نفر یا متخصص بگذارید. املای تاریخی را در رونویسی وفادار «اصلاح» نکنید؛ متن یکسان‌شده برای جست‌وجو لایه‌ای جداست.

الگوهای عمومی هوش چندوجهی سند فقط با سازگاری با زمینه و شواهد آرشیوی مفیدند.

توصیف را کمکی و دارای انتساب بسازید

هوش مصنوعی می‌تواند عنوان، یادداشت دامنه، تاریخ، نام، موضوع، مکان، زبان، نوع سند و پیوند مرجع پیشنهاد دهد. آرشیویست باید تصویر یا متن پشتیبان، اطمینان، نسخه مدل، واژگان کنترل‌شده و تعارض با توصیف موجود را ببیند.

عنوان ایجادکننده، فهرست قدیمی، توصیف جامعه، یادداشت آرشیویست و پیشنهاد ماشین را جدا نگه دارید. زبان زیان‌بار یا قدیمی را بدون حفظ زمینه و سابقه تغییر بازنویسی نکنید. برای اصطلاح حساس فرهنگی، حاکمیت داده بومی، نام مورد اختلاف و اصلاح درخواستی جامعه فرایند بسازید.

خلاصه تولیدشده تا پیش از بازبینی باید پیش‌نویس باشد؛ شاید قید را حذف کند، مکاتبه‌کنندگان را یکی بداند، مفهوم را امروزی یا سخن را به نویسنده اشتباه نسبت دهد.

منشأ هر تبدیل را ثبت کنید

موجودیت، فعالیت، عامل، برنامه و اشتقاقی را که هر شیء و توصیف دیجیتال را ساخته دنبال کنید. توصیه W3C با نام PROV-O هستی‌شناسی عمومی برای گزاره‌های منشأ قابل تبادل فراهم می‌کند؛ مثلاً می‌توان ثبت کرد فایل تشخیص نویسه از کدام تصویر، فعالیت و مدل مشتق شده است.

فراداده منشأ به ارزیابی کمک می‌کند، اما درستی هر گزاره را ثابت نمی‌کند. لاگ را حفاظت، پرونده مناسب را امضا، اثر انگشت محتوا را نگه، اجازه نوشتن را جدا و تغییر را ممیزی کنید. تاریخ رویداد افزوده‌شونده برای ورود، تبدیل، بازبینی، پوشاندن، انتشار، برداشت و مهاجرت بسازید.

اگر مدل یا فروشنده عوض شد، اطلاعات کافی برای بازتولید یا توضیح خروجی قبلی حفظ کنید.

از محدودیت، حقوق و انسان‌ها حفاظت کنید

بازبینی دسترسی باید پیش از انتشار گسترده یا آموزش مدل باشد. مجموعه ممکن است داده شخصی، پرونده پزشکی، فرزندخواندگی، امنیت، محدودیت اهداکننده، حق مؤلف، بیان فرهنگی سنتی، ماده مقدس، اطلاعات فرد آسیب‌پذیر یا سند مهروموم‌شده داشته باشد.

محدودیت را در سطح درست اجرا کنید و نگذارید جست‌وجوی متن، بردار، پیش‌نمایش یا برش آن را دور بزند. پوشاندن باید نسخه مشتق و نمایه را پوشش دهد و نسخه حفاظتی در کنترل بماند. اختیار، دامنه، تاریخ، بازبین و زمان بازبینی دوباره را ثبت کنید.

قدیمی‌بودن سند به معنای بی‌خطر بودن نیست. تشخیص موجودیت می‌تواند اطلاعات حساسی را که قبلاً سخت پیدا می‌شد در مقیاس آشکار کند.

کیفیت دسترسی و کیفیت آرشیوی را جدا بسنجید

مجموعه آزمون طبقه‌بندی‌شده را آرشیویست، متخصص زبان و کاربر نماینده برگزینند. برای تشخیص نویسه، خطای حرف و واژه را همراه خطای فیلد حیاتی، ترتیب خواندن، دقت چیدمان و سهم صفحه زیر آستانه بسنجید. برای توصیف، دقت فیلد مستند، صحت مرجع، رخداد زبان زیان‌بار و پذیرش همراه ویرایش را اندازه بگیرید.

کشف را با بازیابی قلم شناخته‌شده، یادآوری نتیجه مرتبط، زمان رسیدن به تصویر، دسترس‌پذیری و موفقیت پژوهشگر بسنجید. بررسی کنید جامعه کم‌توصیف و خط دشوار خدمت ضعیف‌تری نگیرد.

اصالت و زنجیره نگهداری کنترل جدا می‌خواهند: ثبات فایل، کامل‌بودن رویداد، اجرای حقوق، تداوم نگهداری، تکثیر حفاظتی و آزمون بازیابی موفق.

شاخص متناسب با مجموعه انتخاب کنید

شاخص‌های مفید:

• درصد شیء با زمینه سلسله‌مراتبی کامل؛
• قبولی کنترل کیفیت ثبت و نیاز به ثبت دوباره؛
• شکست ثبات فایل و زمان رفع؛
• خطای تشخیص بر اساس خط، دوره، وضعیت و فیلد؛
• سهم متن ماشین متصل به مختصات تصویر؛
• پیشنهاد توصیف پذیرفته، ویرایش یا ردشده؛
• نام، تاریخ یا رابطه بی‌پشتوانه در نمونه؛
• رخداد محدودیت یا حقوق؛
• تکمیل کار پژوهشگر و نقص دسترس‌پذیری؛
• کاهش عقب‌ماندگی بدون حذف زمینه؛
• زمان پاسخ به اصلاح جامعه؛
• بازیابی موفق و امکان خروج از فروشنده.

شمار صفحه پویش‌شده و واژه تولیدشده فقط خروجی خط پردازش است؛ حفاظت، کیفیت دسترسی، دقت تاریخی یا اعتماد را ثابت نمی‌کند.

حالت‌های شکست آرشیوی را مهار کنید

برای شکست‌های مشخص آماده شوید:

• صفحه بیرون ترتیب یا جدا از پرونده ثبت می‌شود؛
• شیء شکننده برای هدف سرعت آسیب می‌بیند؛
• نسخه دسترسی با نسخه حفاظتی اشتباه می‌شود؛
• فشرده‌سازی دست‌خط کم‌رنگ را حذف می‌کند؛
• تشخیص نویسه نام، تاریخ، نفی یا مبلغ را عوض می‌کند؛
• تکمیل دست‌خط واژه مفقود را می‌سازد؛
• مدل دو شخص هم‌نام را یکی می‌کند؛
• توصیف مولد عدم‌قطعیت یا اصطلاح اصلی را پاک می‌کند؛
• فراداده تازه منشأ قبلی را بازنویسی می‌کند؛
• متن محدود در برش یا نمایه ظاهر می‌شود؛
• اثر انگشت هست اما رویداد نگهداری ناقص است؛
• بازسازی ساختگی به عنوان متن بازیابی‌شده عرضه می‌شود؛
• سکوی اختصاصی تصویر، فراداده، حاشیه‌نویسی و ممیزی را خارج نمی‌کند؛
• شیء جذاب بدون تأیید مخزن، مدرک اصیل معرفی می‌شود.

برای هر شکست، روش کشف، نقش مسئول، قرنطینه یا حالت امن، سابقه اصلاح، اطلاع به پژوهشگر و آزمون پیشگیری تعریف کنید.

عرضه را از نگهداری به کشف ببرید

از موجودی، سلسله‌مراتب، حقوق، وضعیت فیزیکی، شناسه، ذخیره و مشخصات دیجیتال‌سازی آغاز کنید. پایلوت را روی رده‌ای محدود اما نماینده ماده دشوار انجام دهید، نه فقط صفحه تمیز. کنترل کیفیت ثبت و ورود حفاظتی باید پیش از هوش مصنوعی باشد.

سپس تشخیص نویسه یا دست‌خط را به شکل لایه آشکارا موقت اضافه کنید. معیار طبقه‌بندی‌شده، اصلاح متصل به تصویر، تشدید متخصص و خروج نسخه‌دار بسازید. توصیف ماشینی فقط پس از واژگان کنترل‌شده، انتساب و صف بازبینی بیاید.

در پایان کشف و پیوند میان مجموعه را بهتر و سوگیری، حریم خصوصی، دسترس‌پذیری و تفسیر را بیازمایید. نسخه اصلی، فراداده، رونویسی، حاشیه، منشأ و تاریخ ممیزی قابل خروج بماند. فهرست دستی و برنامه خروج از فروشنده حفظ شود.

اتصال به باستان‌شناسی و میراث فرهنگی باید زمینه را تقویت کند، نه این‌که سابقه کاوش، شیء موزه، تاریخ شفاهی و آرشیو را در مجموعه داده بی‌تمایز ادغام کند.

یادداشت منابع

وضعیت منابع در ۳۰ ژوئیه ۲۰۲۶ بررسی شد. مدل مفهومی Records in Contexts 1.0 شورای بین‌المللی آرشیو، مدل توصیفی منتشرشده نوامبر ۲۰۲۳ و متمرکز بر سند، زمینه و رابطه است. صفحه جاری دیجیتال‌سازی اسناد فدرال در NARA الزامات و معیار موفقیت آمریکا برای اسناد موقت و دائم را پیوند می‌دهد. راهنمای حفاظت برای دیجیتال‌سازی کتابخانه کنگره برنامه‌ریزی و جابه‌جایی امن اصل را پوشش می‌دهد. W3C PROV-O توصیه رسمی ۲۰۱۳ برای نمایش و تبادل منشأ است. این منابع توصیف، دیجیتال‌سازی، حفاظت و منشأ را پشتیبانی می‌کنند؛ تشخیص نویسه، فراداده هوش مصنوعی و گزاره منشأ به‌تنهایی اصالت، نگهداری حقوقی یا گواهی را ثابت نمی‌کنند.