Qualitätssicherung in kollaborativer Umgebung. Frank Wiegand, Deutsches Textarchiv

Transkript

1 Qualitätssicherung in kollaborativer Umgebung Frank Wiegand, Deutsches Textarchiv

2 Warum Qualitätssicherung? Transkriptionsfehler, z. B. Unterbaltung Unterhaltung Annotationsfehler, z. B. <stage> fehlt bei Bühnenanweisung im Drama Druckfehler, z. B. Ich uud meine Hund Präsentationsfehler (XSLT, HTML, Javascript) Fehler im Workflow, z. B. falsch beschnittene Bilder Fehler in den Metadaten Fehler in den Tools: Maſchiene Maschiene Ma/GN#Schiene[_NN] Fluss in Vietnam/Laos

3 DTAQ Features Webbasiertes Framework/Annotationstool Textdigitalisate in seitenweiser Darstellung, verschiedene Ansichten Annotation fehlerhafter Passagen Korrekturlesen (verschiedene Arten) Ticketsystem (Datenbank, Accounts, Rollen) Statistiken, Analysen

4 Parallele Ansicht: Bild HTML (mit Tickets)

5 Parallele Ansicht: Bild XML

6 Ticket-Details (Transkriptionsfehler)

7 Fehler in Tools Normalisierte Orthographie Beispiel: Leyden falsch erkannt als die Stadt in Holland einfache Transliteration (e.g. ſ s) unbekannte Form Canitz, Friedrich Rudolph Ludwig von: Neben-Stunden Unterschiedener Gedichte. Berlin, 1700, S Ausnahmelexikon magische Konversion

8 DTAQ Noch mehr Features Integrierte Suchmaschinen (DDC, egrep) Unicode-Tools Bildbearbeitung Integrierter Formeleditor (TeX-Syntax) Ausführliche Dokumentation

9 DTAQ Stand Oktober 2013 Im Einsatz seit Juni Werke, Seiten, 761 Mio. Zeichen ca Tickets angelegt (ca gelöst) ca Seiten Korrektur gelesen ca. 300 aktive Nutzer (Expertisen: Griechisch, Hebräisch, mathematische/chemische Formeln, Sprachgeschichte etc.) DTAQ ist nach Anmeldung frei zugänglich:

10 Features in Arbeit Integrierter Text- bzw. XML-Editor NE-Erkenner (für Eigennamen) Mehr Suchmöglichkeiten: fremdsprachliches Material, unleserliche Stellen, niedrigfrequente Buchstaben-N-Gramme etc. Dokumentenimport: via Upload aus externen Quellen (Wikisource, Gutenberg*, )

11 DTAQ nutzt Open Source

12 Arbeiten mit DTAQ

13 Voraussetzungen Technisch: Mind. Chrome 15, Firefox 7 oder Opera Schriftarten (GNU Freefonts, Junicode ) Mind px Bildschirmbreite sind optimal Inhaltlich Kenntnisse über: Richtlinien zur Texterfassung DTA-Basisformat Korrekturfibel Neuigkeiten

14 Terminologie Ticket: Fehler, Anmerkung CAB-Ansicht: normalisierte Orthographie TEI: Text Encoding Initiative (XML-Dialekt) DDC/OpenSearch: linguistische Suchmaschine Indexbau aller 7 Tage mächtig (Flexionen, Transliterierung etc.) keine Probleme mit Silbentrennung eigene Syntax

15 Terminologie (2) grep: herkömmliche Suchmaschine immer aktuell mächtig (Zeilenanfang etc.), aber langsam Silbentrennung nicht aufgehoben reguläre Ausdrücke

16 Fehlerarten Kritische Fehler: Transkriptionsfehler Auszeichnungsfehler (XML) Fehler in Metadaten/Workflow/Tools Dokumentation schafft Mehrwert im DTAKorpus: Druck-/Schreibfehler (alle Arten) Speziell: Darstellungsfehler (HTML)

17 Transkriptionsfehler Zeichen sind falsch oder fälschlich nicht aus der Vorlage übernommen gilt auch für graphische Objekte (Linien, Abbildungen, Formeln, Tabellen) Referenzdokumentation: Richtlinien zur Texterfassung (

18 Häufige Transkriptionsfehler langes ſ f I l 1 (i. e. L i eins) in Fraktur: c e, k t, p v, r x B V, C E, M W, R K/N in Antiqua: e o, 0 O (i. e. null Oh) Haaf, Wiegand, Geyken (jtei 4, 2013)

19 Auszeichnungsarten (1) Zwei Arten von Tagging: 1. Semantik; 2. Typographie Semantik (Bedeutung): Wörter/Phrasen: date, q, quote, role, speaker etc. Textpassagen: argument, cit, closer, l, lb, lg, sp, p etc. Dokumentstruktur: back, body, div, front, pb, titlepage etc.

20 Auszeichnungsarten (2) Typographie (Aussehen): Zeichen-/Wortebene: fett, kursiv, gesperrt, Fraktur-/Antiquawechsel, unterstrichen etc. Blockebene: zentriert, eingerückt, rechtsbündig etc. wird nur dann ausgezeichnet, wenn vom Kontext abgehoben

21 Beispiel Auszeichnungsfehler <stage> innerhalb von <sp> <sp who="#rued"> <p> [ ] hier und acht<lb/> und vierzig Stunden! </p><lb/> <stage>(pauſe.)</stage><lb/> </sp> <sp who="#rued"> <p> [ ] hier und acht<lb/> und vierzig Stunden! </p><lb/> </sp> <stage>(pauſe.)</stage><lb/>

22 Fehler im Workflow kaputte Bilddigitalisate (falsche Beschneidung etc.) Zeichenersetzung (e über Vokal, ſ/ß-handling etc.) Achtung: Immer die evtl. schon vorhandenen Tickets ganzes Buch beachten!

23 Druck-/Schreibfehler müssen nicht zwingend gemeldet werden, sind aber nützlich eindeutige Fehler: Abteilnng Abteilung zweifelhafte Fehler: Hofnung Hoffnung Suchmaschinen nutzen! historische Schreibweisen berücksichtigen: Abtheilung Abteilung kein Fehler!

24 Darstellungsfehler automagische Darstellung: Absätze, zentrierte Überschriften, Abbildungen, Formeln (bedingt) Fuß-/Endnotenzeichen, Linien durch Hervorhebungen gekennzeichnet: Sprecher, Zitate, Frakturwechsel etc. nähere Beschreibung in der Korrekturfibel ( Achtung: kein Tagging keine Darstellung

25 DTAQ Oberfläche

26 DTAQ Oberfläche offene Tickets: 35 (2 ganzes Buch) Stand: Thu Feb 28 10:33: offene Tickets: 35 (2 ganzes Buch) Stand: Thu Feb 28 10:33: Transkriptionsquellen: - CN (China) - MTS (Muttersprachler) - OCR = OCR + MTS CN/MTS/OCR = DTA-Kernkorpus - DTAE, Wikisource, AEDit etc.

27 DTAQ Oberfläche offene Tickets: 35 (2 ganzes Buch) Stand: Thu Feb 28 10:33:

28 DTAQ Oberfläche HTML XML Text CAB POS ( Editor)

29 Transkriptionsfehler melden Wort mit Maus markieren, mind. 4 Zeichen Markierung möglichst nicht über Zeilengrenzen hinaus Im Feld Zusammenfassung : vollständige korrekte Form eintragen Dccorationsmalerei Decorationsmalerei ganze Gedanken - Reyhe knupft ſich feinem Ton bilden! Da, wo dieſer Ich nnd mein Hund. viele Herzeus- brecher wollen das Gedanken-Reyhe bilden! Da und mein Herzens-

30 Neues Ticket anlegen Transkriptionsfehler: im Feld Zusammenfassung die komplett richtige Form Fundstelle nicht vergessen

31 Korrekturstatūs Textkontrolle Text-/Bild-Kontrolle Textkontrolle: Text lesen, Ungereimtheiten mit Vorlage abgleichen, Druckfehler finden Text-/Bild-Kontrolle: Abgleich mit Vorlage Wort für Wort auf der Suche nach Abweichungen

32 Richtiges Korrekturlesen Vorbereitung: Korrekturfibel lesen Textgröße und Textfeldgröße optimal einstellen Welche Fehler gibt es schon? (besonders: Fehler ganzes Buch) Wer hat schon Korrektur gelesen? Passagen in fremden Skripten (Griechisch etc.) Seite gleich überspringen, außer: Experte; alternativ Ticket mit Typ Anderes anlegen Rechtzeitig pausieren nicht vergessen!

33 CAB-Ansicht (Normalisierung) CAB-Ansicht immer nutzen Alles, was bunt ist Änderungen gegenüber der Transkription Vorsicht v. a. bei orange, lila und rot Hilft nicht immer: gereiſt gereist oder gereift Ausfegung Auslegung CAB macht auch Fehler

34 Tipps & Tricks Einmal falsch öfter falsch Korpus-Suchfunktionen (DDC, grep) nutzen und ähnliche Fehler gleich melden Tastaturkürzel nutzen Bei Fragen: andere Nutzer oder das DTA kontaktieren Ziel: Aufbau einer FAQ Feedback geben (Featurewünsche etc.)

35