Med reCaptcha hjälper du till med digitaliseringen
ReCAPTCHA är en snillrik idé för att hjälpa till i den OCR-baserade digitaliseringen. När tryckt material ska OCR-läsas för att digitaliseras blir avläsningen inte alltid hundraprocentig och måste alltså rättas av en livs levande människa.
CAPTCHA i sin tur är en teknik för att kunna skilja spammare från verkliga människor. Man får upp en “suddig” variant av ett ord som sedan ska skrivas in i och verifieras, vilket bara en människa kan avgöra, inte ett program. (Än så länge ska jag väl tillägga).
Det reCAPTCHA gör är att de presenterar två ord. Ett ord är ett vanligt captcha-ord (för att sortera bort spammare), det andra ett ord som OCR-programmet anser att den inte förstått. Genom att skriva in rätt andra ord har användaren hjälpt till att tolka det ord OCR-programmet inte klarade av. Detta andra ord som skrivs in verifieras dock med hur andra tolkat samma ord för att nå större säkerhet.
Om du installerar reCAPTCHA t ex på din blogg eller wiki så bidrar du till snabbare digitalisering. Vad är det som digitaliseras? reCAPTCHA samarbetar med ideella Internet Archive. En god sak med andra ord.
Men häromdagen framfördes klagomål mot reCAPTCHA på Matt Haughey’s personal blog:
“Last night I tried out the contact form and was surprised that in the first ten images presented to me (keep hitting the little refresh button, the top of the three buttons on the control), at least half were totally undecipherable”.
Eric Goldberg på Stumbleupon föreslår denna lösning i kommentarspåret:
“We have had a similar issue on StumbleUpon, so we added a prominent link that says ‘Can’t read this?’ which calls Recaptcha.reload() to fetch a new image”.
Och förtydligar:
“Also note that users need only answer one of the two words correctly”.
Skaffa reCAPTCHA nu! Eller så kan du gå in på deras sida och bidra med OCR-rättning direkt.