Dijital Orta Çağ Araştırmaları'nda Döndü

Ortaçağ el yazmalarının incelenmesi uzun zamandır paleografer, kodikologlar ve metinsel akademisyenlerin tüm işlevlerini analiz etti. Ancak son iki yılda, hesaplama yöntemleri temel olarak, ortaçağ yazmalarının çalışmalarını değiştirdi - makine öğrenimi ve kağıt için yüksek çözünürlüklü görüntülemeden, araştırmacılar, yüzyıllar boyunca senaryo ve dil evrimini analiz edebilir.

Dijital Görüntüleme: Invisible the Invisible

Belki de en dramatik ilerleme dijital görüntüleme teknolojilerinden geliyor. Yüksek çözünürlüklü tarayıcılar, multispectral kameralar ve X-ray fluorescence (XRF) görüntüleme, akademisyenlerin ayrıntıları görünmez görmelerine izin veriyor. Bu yöntemler, antikaları, ampirasyonları ve pigmentlerin kimyasal kompozisyonunu ortaya koyuyor.

Multispectral ve Hyperspectral Görüntüleme

Multispectral görüntüleme, çoklu dalgalar boyunca görüntüler yakalar, ultraviyole, görünür ve kızılötesi. Bu teknik, Archimedes Palimpsest gibi, saklı matematiksel eserlerin 13. yüzyıllık bir dua kitabının altında ortaya çıktığını ve aynı zamanda kaybolduğunu gösteren en büyük metinden dolayı kullanılmıştır.[Döneticileri değiştirmiş ve yeniden kullanım dışı bir şekilde değiştirmiş).

Hiperspectral görüntüleme, her piksel için bir adım daha ileri gider, araştırmacıların sıradan ışık altında aynı görünen ink ve karbon bazlı ink arasında ayrım yapmasına izin verir. Örneğin, ironik ve kompozisyon hatları arasında, daha sonra ekleri veya forgeries.In a study of Kells)Kitapları, hiperspectral görüntüleme standart fotoğrafa görünmez çizgiler ve kompozisyon hatları arasında ayırt edebilir, sanatsal süreç için ipuçları sağlar.

X-Ray Fluorescence (XRF) ve Elemental Mapping

XRF spektroskopi, inks ve pigmentlerin elemental kompozisyonunu ortaya koyuyor. demir, bakır ve liderlik gibi elementleri haritalayarak, akademisyenler bir el yazma veya analiz atölye uygulamaları kanıtlayabilirler. Bu teknik, Afganistan'a genişletilmiş ve (yabancı sulfin) işaretlerini Türkiye'de veya Kafkas'ta yeniden inşa eden ticari rotalara dayandırarak genişletiyor.

Yan dönüşüm Görüntüleme (RTI)

RTI, farklı ışık yolları altında bir nesneyi fotoğraflayarak yüzey detaylarını yakalar.Bu, parchment, scribal basıncı ve araç işaretlerini incelemek için paha biçilmezdir.[Döneticileri ve kör izlenimleri yazmak için kullanılır. RTI has been applied to study the architecture is applied to writes.

Text Analysis and Pattern Recognition

Görüntülemenin ötesinde, hesaplama metin analizi, yazı madenciliği, stylometri gibi yeni sınırlar açtı ve konu modelleme, insanların okurlarının özlediği desenler için büyük fiziksel analiz etmelerine izin verdi.Bu değişim, araştırmacıların tek eserlerden ziyade tüm el yazma koleksiyonlarının ölçeğinde sorular sormasını sağladı.

Optik Karakter Ortaçağ senaryoları için Tanınıyor

Baskılanan metinden farklı olarak, ortaçağ senaryoları oldukça değişkendir, ligatures, kısaltmalar ve tutarsız mektuplar. Geleneksel OCR başarısız olur, ancak sinir ağ tabanlı modeller - el yazmalı metin tanıma (HTR) olarak adlandırılır - birçok senaryo için hata oranları elde eder.Bu, daha önce sadece binlerce yazıyı takip eden binlerce yazının oluşturulmasına olanak sağlar.TFLTDöneticileri doğrultucu ile ilgili olarak kullanılan metinleri takip eder.

Stylometry ve Authorship Attribution

C ⁇ stylometri dil özelliklerinin istatistiksel analizini kullanır - kelime frekansı, cümle uzunluğu, cümle kalıpları - bilinen yazarların isimlerini tanımlamak için anonim metinlere sahip olabilir.Örneğin, bu yöntem FLT'nin bilgilendiricileri, çevirmenleri ve hatta tek bir el yazısı ile ilgili olarak, sözlükteki farklı yazıların farklı yazılarının farklı kopyalarının ve kopyalarının kopyalanması ile ilgili olarak nasıl gelişti.

Topic Modeling ve Historical Semantics

Örneğin, konu modellemesi, 13. yüzyıldaki ya da 14. yüzyılda Marian sadakatinin yükselişine otomatik olarak işaret edebilir. Benzer şekilde, dağıtım modelleri, yüzyıllar boyunca değişen kavramları ortaya çıkarabilir, örneğin, 13. yüzyılda artan odak noktası veya Avrupa'daki Marian sadakatinin yükselmesine odaklanabilir.

Scribal ve Textual Transmission Network Analysis of Scribal and Textual Transmission

Manuscripts izolasyonda yaratılmadı - bu tür çalışmalar, haciz yolları veya manastır kütüphanelerinin ağlarını nasıl değiştirdiğini ortaya koydu. Örneğin, Sosyal ağ analizi, ortak yazıtlara uygulanan ve ödünç alan kayıtları, bu tür çalışmaların arsaları nasıl genişletdiğini ortaya çıkarabilir.

Tanıtım, Metadata ve Dijital Arşivler

Yazıların dijitalleştirilmesi büyük online depolar yarattı, ancak ham görüntüler zengin metadata olmadan sınırlı değerdir. C ⁇ tarihi tutarlı, makineli kataloglama standartlarına bağlıdır. İyi metadata olmadan, en sofistike algoritmaların bile etkili bir şekilde çalışamayacağı.

Linked Open Data and Interoperability

Proje Adı:0)Kurumsal Arama[Dönetici:0) ve [[Dönetici:2)Manuscripta), belirli bir su işareti içeren tüm el yazma kayıtlarına bağlı olarak, yazılı kopyalara (URIs) göre, yazılı metinlere, FLT:4'e ve bu tür bir veritabanına ait olarak koleksiyonlara dağıtılabilir.[FIII) Bu, yüksek çözünürlükte görüntülenen tüm el yazmaları için yüzlerce kütüphaneyi kullanarak, belirli bir çalışma biçimini arama imkanı sağlar.

Crowdsourcing ve Citizen Science

Kitlesel sayısallaştırma çabaları, yazılı olmayan el yazmalarının geriloglarını yarattı. Crowdsourcing platformları, sadece transkript Birmingham) projesi, en iyi üyeler listesi ).Cambridge Digital Library) O zaman 12. yüzyıl boyunca virtaj kampanyaları oluşturmak için başarılı bir şekilde kampanyalar yapıyor, bu tür topluluk çabaları sadece ortaçağ mirasına hız kazandırıyor.

Otomatik Metadata Ekstraksiyon

Makine öğrenimi, metadata'yı yazı resimlerinden çıkarmaya da yardımcı olabilir. Convolutional sinir ağları, aydınlatmalar, başlangıçlar, diyagramlar ve marjinaller gibi görsel unsurları tanımlayabilir.Bu unsurları sınıflandırmak için algoritmaları otomatik olarak, algoritmaların metinleri, metinleri kullanarak tüm resimlerin yükünü azaltır ve daha fazla sayıda görüntüleyici aramalarını sağlar.TheLRT:0Contikan Library's DigiVatLib), bu tür teknikleri otomatik olarak kullanarak, yüzlerce resimde doğrulayıcıları bulmak için kullanır.

Paleograf ve Senaryo Analizi

C ⁇ yöntemleri de paleograf domainine girdi - eski el yazısının çalışması. Sadece uzman sezgilere güvenmek yerine, araştırmacılar şimdi senaryoları sınıflandırmak ve karşılaştırmak için sayısal ölçümler kullanıyor. Bu, niteliğe göre paleografya geçiş, alanda en dönüştürücü gelişmelerden biridir.

Quantitative Paleograf

Mektup geometrisini ölçerek – tek bir senaryo veya hatta aynı fikre sahip olan incelal proje[Döneticiler) ile ilgili olarak, "Bodleian Library'nin ortaçağ koleksiyonlarını [FLT algoritmalarının) daha önce tanımlayabilmeleri için profil vektörleri oluşturabilir.

Handgraph Recognition için Derin Öğrenme

Derin öğrenmedeki son gelişmeler, özellikle de geleneksel ve tekrarlayan sinir ağları, en az preoperatif tabloların son derece tanınmasına olanak sağladı. Bunlar özellikle yasal belgeler veya karterler gibi, OCR başarısız olduğu gibi, o zaman OPST'nin tüm yazlık analizleri ve Nesilleri tarafından genişletilebilir.[değiştir | kaynağı değiştir] Bu araçlar özellikle de standart tabloların büyük koleksiyonlarına sahip olan tablolar için kullanışlıdır.

Yazar Tanımlama ve Scribal Attribution

Yazar tanımlaması, yüksek güvenilirlik ile anonim el yazma parçalarına sahip olabilir: Örneğin, New York'ta bir yaprak ve Stockholm'deki bir yaprak aynı kitap tarafından yazılmış olduğunu tanımlamak için el yazma parçaları kullanır.TheETHFLT:0ConeCodicology projesi)[Döneticileri yeniden inşa etmek için değerli bir şekilde gelişmiştir.

Meydanlar ve Etik Bakışlar

Bu başarılara rağmen, hesaplama tarihi önemli zorluklarla karşı karşıyadır. Data kalitesi önemli bir konudur: Birçok dijital yazmanın düşük çözünürlüklü, kötü bir şekilde çözülür veya bir tür senaryo üzerinde eğitilmiş olan algoritmalar, geleneksel olarak Batı Avrupa Latin yazılarına yol açabilir.

Veri Analizi ve Yetki

Makine öğrenme modelleri sadece eğitim verileri kadar iyidir. Bir eğitim korpusu belirli bölgelere, senaryolara veya dönemlere karşı önyargılıysa, elde edilen modeller çeşitli el yazmaları konusunda kötü bir şekilde test edilir. Örneğin, HTRİYE modelleri, özellikle Latince el yazmaları üzerinde eğitilmiştir.

Dijital Koruma

Dijital dosyalar kırılgandır - onlar dagrad, formatlar eski hale gelir ve sunucular başarısız olur. Dijital arşivler aktif bir şekilde tedavi gerektirir, göç ve reddans. Institutions must be processed to long-ENFI:0)İsviçre National Library'nin e-Helvetica Koalisyonu) mevcut arşivleri sağlamak için kılavuzlar gelecekteki nesiller için kullanılabilir.Birçok proje kurumsal depolara veya ulusal altyapıya güvenir (örneğin, İsveç Ulusal Kütüphanesi'nin e-Helvetica Koalisyonu)

Özelleştirilmiş Beceriler ve Disiplinlerarası İşbirliği

C ⁇ tarihinin hem ortaçağ araştırmalarında hem de bilgisayar bilimleri alanında uzmanlığını talep ediyor. Birkaç bilim insanı hem de işbirliği, farklı dönembilimler ve metodolojiler tarafından engellenebilir.Bu boşluk için, üniversiteler ortak programlar ve atölyeler geliştiriyor ve birçok dijital insan projesi açık eğitim bileşenleri içeriyor. Yine de, alan, akademisyenler için daha özel bir fon ve kariyer yolları için daha fazla desteğe ihtiyaç duyuyor.

Future: AI ve Beyond

Önümüzdeki birkaç gelişmekte olan teknoloji, ortaçağ el yazmalarının çalışmasını daha da dönüştürmeye söz veriyor. Bilgisayar vizyonu ve doğal dil işlemedeki inovasyonun hızı, önümüzdeki on yıl içinde daha güçlü araçların mevcut olacağını gösteriyor.

Transcription ve Translation için yapay zeka

Büyük dil modelleri (LLMs) Orta Çağ Latin, Eski İngilizce veya diğer diller yakında sadece trandi değil aynı zamanda çeviri ve yeni bir yazı yazmaları otomatik olarak tercüme edebilir. Erken deneyler GPT-4 gibi modeller, ham transkriptlerden kritik baskılar üretme konusunda söz verir, ancak dikkatli insan gözetimi önemli kalır. ).LatinCy[FLT 1:0) Latince bir analiz için bir spaCy tabanlı NLP aracı, Latin için erken deneyler, zaten lemmatizasyon, bölüm-of-speech-the entity for LIX-Up analysis

Sanal Ekranlama veya Hasarlı Manuscripts

Bu teknik, herculaneum papyri) olarak çok kırılgan olan ve şimdi ortaçağ materyaline adapte edilmiş olarak döndürülebilen bir yazı için, bu metin fiziksel olarak ortaya çıkmaksızın okunabilir.The 3D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|D|Dönetici|D FONT FONT FONT FONT FONT FONT S S FONT FONT S FONT S S S S S S FONT=S FONT=S FONT=SNT=S FONT=FONT=FONT=FONT=FONT=FONT=FONT=FONT=FONT=FONT=FONT=FONT=FONT=FONT=FONT=FONT=SNT=FONT=FONT=S FONT=S FONT=FONT=FONT=FONT=FONT

Crowdsourced AI ve Gamification

Makine analizi ile insan wit birleştiren platformlar bazen "insan-in-loop" sistemleri olarak adlandırılır, yüksek kaliteli eğitim verileri üretirken geniş bir kitleye başvurabilirler. Gönüllülerin Yunan papyri'ye başvurmalarına izin verilir ve benzer yaklaşımlar ortaçağ el yazmalarına uygulanır.

Arkeoloji ve Tarihsel Büyük Veri ile Bütünleşme

Metadata'nın diğer veri setleriyle bağlantılı olduğu gibi - Arkeolojik bulgular, iklim kayıtları, ticaret rotaları – araştırmacılar disiplinleri arası sorular sorabilirler. Örneğin, bazı el yazma türlerinin dağılımı, küçük Buz Çağı gibi iklim olaylarının üretim ve hayatta kalma süresini nasıl etkiler? [Ücretsiz iklim kayıtları,0)Medie İklim Anomaly ve Manuscript Production) ile ilişkili olarak, monastic iklim kanıtları ile ilişkili olarak analiz eder.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

C ⁇ tarihi, romanların ötesine geçti ve ortaçağ yazma çalışmalarının ana akımlarına girdi. Dijital görüntüleme kayıp tabakaları ortaya çıkardı; metin madenciliği, insan gözüne görünmez desenleri ortaya çıkardı; ağ analizi, kitapların sosyal yaşamını yeniden inşa ediyor; ve makine öğrenimi hızlanıyor, tarihçiler ve sınıflandırmalar, ancak bu araçlar yardımlar, yeniden değiştirilmez, çünkü insan uzmanlığı için en heyecan verici keşifler, yeni soruları sormak ve eskileri yeniden inşa etmeye olanak sağlar.