Digitization of Bulgaria’s ethnographic archival heritage
Notice bibliographique
Résumé
Текстът замислен като описание на плановете и усилията на екипа на АЕИФЕМ да модернизира, да приведе съответствие със съвременните технически и научни стандарти и да направи видимо наличното в него архивно наследство. Въпреки лошите условия на съхранение на архивните материали до момента, колекциите се радват на значителен интерес и внимание от страна на различни социални и професионални групи. Целта на представената дигитализация е да се даде възможност за световно разпространение на ценните визуални и наративни данни за културата, особено от прединдустриалния ѝ период, които досега не са били широко популяризирани. Библиография: Левски, Д. (2017). Цифрови светлинни сензорни матрици – от ерата на динозаврите до днес. Българска наука, 96. Първанов, И. (2021). Дигитален атлас на българския танцов фолклор. Зони на разпространение според теренните проучвания в етнохореологията. PhD dissertation, manuscript, Sofia: IEFSEM. Brennen, S., & Kreiss, D. (2014). Culture Digitally – Digitalization and Digitization. Retrieved from http://culturedigitally.org/2014/09/digitalization-and-digitization/ (accessed 05.03.2022). Butterworth, J., Pearson, A., Sutherland, P., & Farquhar, A. (2018). Remote Capture: Digitising Documentary Heritage in Challenging Locations. Cambridge, UK: Open Book Publishers. DIN–German national standard. (2019). DIN SPEC 15587 – Recommendations for digitization of cinematographic film. Retrieved from European Standards: https://www.en-standard.eu/din-spec-15587-recommendations-for-digitization-of-cinematographic-film/ (accessed 22.04.2023). Fulton, W. (1997-2019). A few scanning tips. Retrieved on November 03, 2019, from https://www.scantips.com/chap3c.html (accessed 30.04.2023). Iraci, J. (2017). The Digitization of VHS Video Tapes. Retrieved from Canadian Preservation Institute: https://publications.gc.ca/collections/collection_2018/pch/CH57-3-1-31-2016-eng.pdf (accessed 19.04.2023). Iraci, J., Hess, R., & Flak, K. (2017). The Digitization of Audio Tapes. Retrieved from Canadian Conservation Institute: The Digitization of Audio Tapes – Technical Bulletin 30 – Canada.ca (accessed 19.04.2023). ISO/TR 13028:2010. Retrieved from International Organization for Standardization: https://www.iso.org/standard/52391.html (accessed 20.04.2023). Johnson. (2021). Preservation Digitization Standards for the Digitization of Physical RNA records. Retrieved from National Archives of Australia: https://www.naa.gov.au/sites/default/files/2022-01/Preservation-Digitisation-Standards-2021.pdf (accessed 20.04.2023). Leggett, E. (2021). Digitization and Digital Archiving: A Practical Guide for Librarian. Rowman & Littlefield. Microsoft Docs. (2017). Types of Bitmaps. Retrieved on 10.11.2019 from https://docs.microsoft.com/en-us/dotnet/framework/winforms/advanced/types-of-bitmaps?view=netframework-4.7.2 (accessed 22.04.2023). Pushkar, O., & Sibilyev, K. (2011). Information Systems and Technologies. Summary of Lectures. Retrieved on October 12, 2019, from http://www.repository.hneu.edu.ua/handle/123456789/5879 (accessed 25.04.2023). Stark, H. (1982). Application of Optical Fourier Transforms. New York: Academic Press. Villarreal. (2020). The Use of 3D Apparel Simulation Software for Digitizing Historic. PhD dissertation, manuscript, NC State University Libraries. Retrieved from https://repository.lib.ncsu.edu/bitstream/handle/1840.20/38170/etd.pdf?sequence=1&isAllowed=y (accessed 22.04.2023). Zigouris, P. (2021). Contemporary Methods of Digitization. Athens: Panagiotis Zigouris.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,015 | 0,018 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».