Trascrizione di un corpus di manoscritti in scrittura umanistica.

Data Product realizzato nell’ambito del sub-investimento M1C3 1.1.12, sviluppato da CINECA.

Il data product Trascrizione di un corpus di manoscritti in scrittura umanistica è un dataset di trascrizioni di dieci manoscritti redatti in scrittura umanistica italiana nel XV e XVI secolo, realizzati a partire da digitalizzazioni di microfilm messe a disposizione da EcoMiC.

Team CINECA:

A. Guidazzoli – Project Manager,

F. Albertin, G. Baisi, S. Caraceni, G. Cardano, A. Lanzarini, M. C. Liguori, R. Pansini – Digital Humanist,

F. Andrucci, G. Fatigati, A. Gianelli, S. Imboden, G. Marconi, L. Mattei, D. Sforzini – HPC Engineer.

Il dataset è il risultato delle trascrizioni di manoscritti microfilmati processati tramite strumenti di Handwritten Character Recognition (HCR).

Dei dieci manoscritti elaborati, otto sono stati trascritti esclusivamente tramite una pipeline che comprende il modello specializzato TrOCR_umanistica, senza attività di supervisione da parte di un esperto di dominio. Invece per due manoscritti le trascrizioni generate sono state supervisionate manualmente, così da validare la correttezza del risultato finale.

Il Data Product risultante consiste in un Dataset contenente:

– trascrizioni automatiche generate con il modello TrOCR_umanistica; 

– trascrizioni supervisionate relative ai due manoscritti revisionati dall’esperto di dominio;

– metadati relativi ai manoscritti e al processo di trascrizione automatica. 

Casi d’uso principali

Catalogazione archivistica, ricerca storica e paleografica.

Target di riferimento

Archivi storici, biblioteche, soprintendenze, università, ricercatori, paleografi, storici, sviluppatori AI e istituzioni culturali.