Digitalisieren, Transkribieren, auswertbare Ergebnisse
Im folgenden schildere ich meine Erfahrungen die vom Fotografieren mit Docscan über Transkribus bis hin zu einem halbwegs sinnvollen Transkript reichen, wobei letzteres noch weiter bearbeitet wird. Diese Erkenntnisse werde ich mit euch in einem weiteren Blogpost teilen.
Aber von Anfang an. Der erste Schritt war, dass sich jeder von uns zwei Jahrgänge der Zeitschriften “Südtiroler Heimat” oder “Verbandsmitteilungen” von 1946 – 1953 aussuchen durfte und die Docscan-App zum Einscannen der Zeitungen herunterlud. Eine Woche später gingen wir ins Ferdinandeum, um unsere Ausgaben einzuscannen, sodass wir sie in Transkribus bearbeiten konnten. Meine unglückliche Wahl – dass sie unglücklich war, wusste ich im Vorhinein natürlich nicht – fiel auf die “Südtiroler Heimat” 1946 und 47. Diese Ausgaben waren in einem überdurchschnittlich großen Buch gebunden, sodass ich Schwierigkeiten hatte, sie in meinem ScanTent unterzubringen. Das ScanTent ist ein kleines Zelt, das oben ein Loch und daneben eine Ablagefläche hat, wodurch ich das Handy ablegen und den Text einigermaßen bequem – die überdurchschnittlich großen Seiten machten Probleme – einscannen konnte. Ein zweiter sehr unangenehmer Umstand war, dass der Speicher meines Smartphones schon ziemlich gut gefüllt war, weshalb es extrem lange dauerte die Fotos zu machen. Dies führte wiederum dazu, dass ich bei einigen Seiten zu schnell umblätterte und meine Hand die Seite verdeckte. Bei den anderen Bildern gab es erhebliche Mängel in der Bildqualität. Kurz gesagt, die Arbeit war, alles in allem, umsonst. Eine unsere Professorinnen war so nett, mir die komplett verschwommenen Seiten ein zweites Mal einzuscannen, wobei die Mängel in der Bildqualität auch hier bestehen blieben. Und die Fotos waren so schlecht, dass ich sie nicht mit Transkribus bearbeiten konnte.
Was nun? Ich durfte die “Verbandsmitteilungen” aus dem Jahr 1947 von einer meiner Kolleginnen übernehmen. Diese waren bereits in Transkribus importiert. Außerdem hatte meine Kollegin bereits die Layout Analyse sowie die Text Recognition durchgeführt, weshalb ich keine Erfahrungswerte hierzu mit euch teilen kann.

Ihr denkt euch jetzt wahrscheinlich: “Das sieht eh gut aus, was muss man da noch lange nachbearbeiten?” Gut, ich zeige euch ein zweites Bild, wo die Transkription nicht mehr ganz so rosig aussieht:

So motiviert wie ich war, dachte ich mir: “Ah das geht schon, habe ich gleich erledigt”. Ich als absolute Dilettantin, was Computerprogramme betrifft oder allgemein irgendwie mit Technik zu tun hat, probierte fröhlich drauf los. Das erste war die Zeilen zu löschen und mit dem Befehl “Add a Baseline” diese Zeilen neu zu machen. Allerdings musste ich den Text händisch transkribieren, bei 45 Seiten ist das ein Ewigkeitswerk. Plus, es kommt noch hinzu, dass ich die Zeilen an die richtige Stelle verschieben musste, was auch nicht ganz einfach war. Also versuchte ich die Text Recognition mit den neuen Baselines drüber laufen zu lassen. Nachdem ich allerdings die “Transkribus OCR (Block-segmentation + HTR + Print)” gewählt habe, machte es mir meine ganze Arbeit zunichte und transkribierte wieder über die Zeilen hinweg.


Den Tipp, dass es noch eine andere Text Recognition gibt, bei der meine Änderungen übernommen werden, bekam ich von einer Kollegin und er war extrem hilfreich. Außerdem zeigte sie mir die Funktion “Merges the selected shapes” mit der ich ganz einfach zwei Textsegmente, die Transkribus nicht als eine Zeile erkannte, zusammenfügen konnte. Ich fand noch heraus, dass ich mit “Splits a shape with a vertical line” die Zeilen schneller trennen konnte, allerdings kopierte es mir dann den Text beider/aller drei Spalten, weshalb ich den überflüssigen Teil erst recht händisch herauslöschen und die Zeile im Reiter Layout trotzdem noch in den richtigen Absatz, an die richtige Stelle ziehen musste. Mit der – für mein Anliegen – richtigen Text Recognition teilte es zumindest die Zeilen entsprechend der Spalten automatisch ein. Klingt kompliziert? Hier zwei Bilder zur Erklärung:



Die Hilfestellung meiner Professorin, ich sollte die “Text Regions” klar voneinander zu trennen, löste mein Problem mit den spaltenübergreifenden Zeilen leider auch nicht. Wobei mir gerade die Idee kommt, wenn ich die Zeilen mit “Splits a shape with a vertical line” trene und dann die “Text Regions” ändere, müsste die “HTR (CITlab HTR + & PyLaia)” “Text Recognition eigentlich die Zeilen auch automatisch an die richtige Stelle schieben. Das probiere ich gleich aus… (bin nämlich mit meiner Transkription noch nicht ganz fertig)
Wie das Transkript und die weitere Bearbeitung aussehen werden? Seid gespannt, Fortsetzung folgt …