Исследователи изучают возможности машинного обучения для этичной автоматической транскрипции текстов раннего Нового времени

Массовая оцифровка последних двух десятилетий изменила ландшафт научных исследований. Однако с распространением цифровых транскрипций возникают вопросы об этичности труда, затрачиваемого на их создание. Новая статья в The Sixteenth Century Journal предлагает исследователям методы получения транскрипций оцифрованных источников раннего Нового времени, позволяющие избежать неэтичных трудовых практик.

Авторы статьи, Серена Стрекер и Кимберли Лифтон, анализируют два типа ПО для транскрипции. Программы оптического распознавания символов (OCR) хорошо подходят для работ конца XIX–XX веков, но не справляются с нерегулярностью шрифтов раннего Нового времени. Вместо этого ученые обратились к технологиям распознавания рукописного текста (HTR). Лидирующее ПО Transkribus позволяет использовать публичные модели или обучать собственные, адаптированные под конкретный источник, всего за пять основных шагов.

Используя публичные модели Transkribus, исследователи могут генерировать данные для обучения собственных высокоточных моделей. Этот процесс, по мнению авторов, делает «больше не необходимым и не желательным» полагаться на аутсорсинговый труд, например, аспирантов или работников из стран Глобального Юга. Авторы призывают научное сообщество решить, какое сочетание человеческого труда и машинного обучения будет принято и сформирует будущее исследований, настаивая на этичных практиках, чтобы не усугублять неравенство в академической иерархии и не perpetuating последствия колониализма.