Descubriendo 'La patria de Cervantes': proyecto de corrección de OCR en prensa histórica

¡PROYECTO COMPLETADO!

La patria de Cervantes, “revista mensual literaria ilustrada”, tiene de cervantino sólo el título: se considera la introductora en España de la novela policial, detectivesca y de ciencia-ficción.

La revista apareció en enero de 1901 y terminó en diciembre del año siguiente, tras 24 entregas. Editada en Madrid por Bailly-Bailliére e Hijos, la revista siguió la fórmula de la inglesa -de carácter popular y de grandes tiradas-, dedicada a publicar, entre otras, historias cortas de personajes como Sherlock Holmes. La patria de Cervantes publicó textos originales de escritores españoles y también traducciones de autores extranjeros.

Este proyecto de ComunidadBNE permitirá descubrir y sumergirnos en esta interesante publicación de nuestra colección de prensa histórica, y proponemos hacerlo contribuyendo a una mejor localización y recuperación de los textos que incluye: estrenamos una nueva funcionalidad de corrección colaborativa del texto obtenido por OCR.

¿Qué es el OCR (Optical Character Recognition)?

En el proceso de digitalización de documentos, los impresos son en primer lugar digitalizados y convertidos a imagen. Posteriormente, el texto es extraído de manera automatizada gracias a la tecnología de reconocimiento óptico de caracteres (OCR). Pero este proceso automático genera errores (por motivos diversos: contraste, tipografías y caracteres o disposición del texto, etc.). Revisar y corregir este texto permitirá búsquedas más precisas, contribuirá a crear un corpus textual “limpio”, o facilitará la producción de otros formatos como el ePub, y ponerlo a disposición de todos.