Transkribus für Studierende Konzept einer e-learninganwendung.

Transkript

1 Transkribus für Studierende Konzept einer e-learninganwendung. Günter Mühlberger Universität Innsbruck Inst. f. Germanistik EU FP7 Projekt transcriptorium H2020 Projekt READ

2 Virtual Research Environment Eine Virtuelle Forschungsumgebung (Virtual Research Environment - VRE) ist eine Arbeitsplattform, die eine kooperative Forschungstätigkeit durch mehrere Wissenschaftlerinnen und Wissenschaftler an unterschiedlichen Orten zu gleicher Zeit ohne Einschränkungen ermöglicht. Inhaltlich unterstützt sie potentiell den gesamten Forschungsprozess von der Erhebung, der Diskussion und weiteren Bearbeitung der Daten bis zur Publikation der Ergebnisse - während sie technologisch vor allem auf Softwarediensten und Kommunikationsnetzwerken basiert. Virtuelle Forschungsumgebungen sind wesentliche Komponenten moderner Forschungsinfrastrukturen und spielen eine entscheidende Rolle für die Produktivität und Wettbewerbsfähigkeit der Forschung : Leif Scheuermann: Virtuelle Forschungsumgebungen - eine Zukunftsperspektive

3 Hintergrund (1) FP7 Projekt transcriptorium ( ) Technische Universität Valencia (Koordinator) Forschungszentrum Demokritos, University College London, University London Computer Centre, Lexikographisches Institut der Niederlande, Universität Innsbruck 2,4 Mill. EUR Förderung Ausgangspunkt Handschriftenerkennung als Forschungsbereich der Computerwissenschaften Ziele Anwendung der Grundlagenforschung auf historische Dokumente Ausarbeitung von Demonstratoren So könnte es gehen

4 Historische Dokumente 21/12/2015 4

5 Resultate Trainingsdaten Beschreibung Word Error Rate Bentham (ca. 450 Seiten) Austen (ca. 150 Seiten) Reichsgericht (ca. 90 Seiten) Schriften von J. Bentham und Sekretären, spätes 18. Jhd., Englisch Schriften von Jane Austen ( ) Drei Gerichtsschreiber Reichsgericht, Anfang 20. Jhd. 22.0% 9.9% Character Error Rate 32.2% 15.9% 33.2% 14.5% HTR ist am Weg von der Grundlagenforschung zu einer Anwendung für Archive, Geisteswissenschaftler und die Öffentlichkeit 21/12/2015 5

6 Hintergrund (2) H2020 Projekt READ - Recognition and Enrichment of Archival Documents ( ) EU Call: Virtual Research Environments Universität Innsbruck (Koordinator) 13 Partner, darunter Universitäten aus Valencia, Wien, Rostock, Leipzig, London, Lausanne, Xerox European Research Centre und vier Archive 10 weitere Institutionen in der Warteschleife für ,2 Mill. EUR Förderung Ziel Forschungsinfrastruktur schaffen, die einerseits Grundlagenforschung in den Computerwissenschaften befördert, andererseits für Archive, Bibliotheken, Geisteswissenschaftler und die Öffentlichkeit die Technologie nutzbar macht Virtual Research Environment Zentrale Komponente: Transkribus

7 ARCHIVE - BIBLIOTHEKEN Stellen Images und Metadaten bereit Angereicherte Digitale Objekte GEISTES- WISSEN- SCHAFTLER Arbeiten mit den Dokumenten Exportieren TEI, PDF, etc. EXPERTEN & LAIEN INTERFACES DOKUMENTE IN DER CLOUD TRANS- KRIBUS HTR, DIA KWS, NLP, AWI, HPC Erhalten Referenzdaten Verbesserte Algorithmen & Tools COMPUTER- WISSEN- SCHAFTLER & FIRMEN WEBSEITE Arbeitet mit (Crowd-Sourcing) Profitiert von erweiterten Suchmöglichkeiten ÖFFENTLICHKEIT EHRENAMTLICHE

8 READ - Konkrete Umsetzung Budget 40% (Grundlagen-)Forschung Handwritten Text Recognition (HTR), Layout Analysis (LA), Natural Language Processing (NLP), Automatic Writer Identification (AWI), Text2Image Matching, 30% Service echte Dienstleitung, die über Prototpyen hinaus geht! Transkribus Plattform, e-learning Komponente, ScanApp, Crowd-Sourcing Anwendungen, Einbindung HPC (Innsbruck und VSC) etc. 30% Netzwerk Integration weiterer Archive (10 im ersten Jahr, später mehr) Ausrichtung von Wettbewerben für Computerwissenschaftler Einbindung anderer Forschungsgruppen (z.b. auch über die Webservices!) Erstellung von (öffentlichen) Datensets Spezifische Aktionen für die Öffentlichkeit Famous Hands Innovation Z.B. e-learning Komponente Nachhaltigkeit Open Access, Open Source, Research Data Management, Standards Businessplanerstellung

9 E-Learning Komponente Hintergrund Lesen historischer Handschriften bes. In Mitteleuropa schwierig bis unmöglich, wenn man nicht geübt ist Auch StudentInnen der Geschichte, Literatur, etc. haben damit große Schwierigkeiten Große Menge an korrekten Daten vorhanden, da diese für das Training der HTR benötigt werden Idee Die Plattform benutzen, um StudentInnen aber auch ehrenamtlichen MitarbeiterInnen ein interaktives Tool zu geben, mit dem sie rasch und standardisiert das Lesen historischer Schriften erlernen können. Anwendung Lehrveranstaltungen, Trainingsprogramme Transkribus könnte zu einem Standard in der Ausbildung werden Nachhaltigkeit

10 Vorhandene Komponenten Transkribus Plattform Usermanagement Dokumentenmanagement Hunderte transkribierte Seiten in diversen Sprachen, aus unterschiedlichen Epochen, etc. Notwendige Zusatzmodule Ein zusätzliches Interface zur Präsentation der Dokumente Managementfunktion d.h. Sammlungsleiter wählt die Dokumente aus, deren Schrift erlernt werden soll Das eigentliche interaktive Lernmodul Interface Bild Text werden eng miteinander verknüpft Wie bei Online-Kreuzworträtsel gibt es die Möglichkeit: Check or Cheat

11 Interface er war immer so besorgt Check:... Or Cheat

12 diesen Schmerz kann Check:... Or Cheat

13 noch nichts da. ein Andenken Check:... Or Cheat

14 Kameraden der es euch schiken Check:... Or Cheat

15 Wie findet Lernen statt? These Im unmittelbaren Vergleich zwischen richtigem Text und dazugehörigem Bild mehr wird eigentlich nicht benötigt Grundproblem Welches Wort/Zeile/Satz erhält der Lernende als nächsten Vorschlag? Es erscheint ganz wichtig, dass die Lernenden ganz automatisch mit der nächsten Aufgabe konfrontiert werden Benutzergesteuert Der Benutzer kann wählen: Gib mir ein anderes Wort das mit großem S beginnt, oder das die Buchstabenfolge sch enthält, etc. Oder: Zeig mir den Index eines Dokuments und ich kann mir die Wörter (Zeilen) anzeigen, die mich interessieren Vorteil: relativ einfach zu programmieren, da im wesentlichen nur Suchfunktionen Nachteil: Der Benutzer ist gefordert sich sein eigenes Lernprogramm aufzustellen

16 Wie findet Lernen statt? Systematisch Häufige Wörter werden zuerst präsentiert, dann z.b. häufige Großbuchstaben, dann typische Verwechslungen, etc. Vorteil: Expertenwissen um historische Schriften und Anfängerfehler kann einfliessen Nachteil: Aufwändig zu programmieren, Experten sind sich möglicherweise nicht einig, pro Sprache, Periode, Schreiber u.u. Anpassung notwendig Zufällig Der Computer wählt das nächste Wort, das der Benutzer erhält zufällig aus. Einschränkung erfolgt z.b. auf Sprache, Periode, Schreiber, etc. Vorteil: sehr einfach umzusetzen; Zufallsprinzip ist ehrlich (d.h. seltene Wörter sind selten, häufige häufig); gewisse Abwechslung gegeben, da nicht vorhersehbar, welches Wort als nächstes präsentiert wird Nachteil: wahrscheinlich redundant; auf Dauer ev. ermüdend, schwierige und leichte Wörter werden ohne Rücksicht auf die Fähigkeiten des Benutzers präsentiert

17 Welche Daten haben wir? Von den Wörtern Welche Metadaten sind zum Dokument bekannt: Zeitpunkt, Schreiber, Schriftart, Wie häufig ist das Wort? Ist es ein Personen- oder Ortsname? Welche Buchstaben besitzt das Wort (Groß- und Kleinbuchstaben unterschieden!)? Wie häufig kommen diese Buchstaben in der jeweiligen Sprache vor? Vom Benutzer Wieviele Sessions Wieviele Wörter bisher gesehen Welche richtig, falsch, gecheckt oder gecheated Von anderen Benutzern? Wieviel andere Benutzer haben ein Wort richtig, falsch, gecheckt oder gecheated? Wie haben sich diese Benutzer sonst verhalten? (Dropout quote, Level, etc.) Von Experten Wie schätzen diese die Schwierigkeit eines Textes ein (leicht, mittel, schwer)

18 Computer lernt mit Recommender System Eine Suche setzt eigentlich voraus, dass der Suchende weiss was er finden möchte. Stattdessen wird er mit einem Vorschlag konfrontiert, der erraten möchte, was ihn interessieren könnte Besonders bekannt: Amazon, Netflix, LastFM, Sehr wirksam: Umsatzsteigerungen z.b. 30% und mehr (Vgl.: Xavier Amatriain Recommender Systems (Machine Learning Summer School CMU) Slideshare Ziele Benutzer soll den vorgeschlagenen Items folgen: klicken, kaufen, hören, weiterempfehlen, etc. Übergeordnetes Ziel: möglichst viel Geld ausgeben, Zeit auf der Plattform verbringen, Musik hören, etc. Grundprinzipien User Daten (collaborative filtering RS) Content Daten (content based RS) Hybride Methoden Deep Learning

19 Vision: Adaptiv Schrift lernen Ziele (1) Das vorgeschlagene Wort (bzw. Testaufgabe) soll möglichst wirkunsvoll für den gewünschten Lernerfolg sein (2) Am Ende sollen die Lernenden jedes Wort der Datenbasis sicher lesen können (3) Dazwischen gibt es ein Ranking bei dem die Lernenden sehen können, wie weit sie von diesem Ziel noch entfernt sind (Level 1-100) Benutzer testen sich automatisch immer selbst (check) Daraus ergibt sich eine Rangliste wie gut ein Benutzer im Vergleich zu allen anderen Benutzern, aber auch zum anvisierten Endziel ist Daten Benutzer Daten Content Daten Inklusive richtiger Daten Ranking

20 Schluss E-Learning Komponente in Transkribus Läßt sich mit überschaubarem Aufwand verwirklichen, da Grundkomponenten vorhanden sind Auswahl der Wörter (=Lerninhalte) wird am Anfang selbstgesteuert und zufällig sein Verwirklung im Laufe von 2016 geplant (Teil der Website aber auch mobile Anwendung) Intelligente (sprich selbstlernende Systeme) Lösungen für e- Learning Aufgaben sind hochinteressantes Forschungsfeld Benötigen Benutzer, Daten, Inhalte und Grundfunktionen wie sie wiederum durch Virtuelle Forschungsumgebungen angeboten werden können Ev. Masterarbeit in Zusammenarbeit mit Informatikinstitut Adaptives, interaktives Lernen, das auf maschinenlernenden Verfahren beruht wird künftig einen großen Stellenwert einnehmen. Kurz: Digitalisierung des Lernens

21 Website Transkribus

22 Plattform steht frei zur Verfügung! Neu! User s guide: Vielen Dank für Ihre Aufmerksamkeit! @transkribus.eu