Periódico de las damas: proyecto de corrección de OCR

Proyecto de corrección de textos transcritos a través de tecnología OCR, en la publicación Periódico de las damas.

Considerado el primer periódico español íntegramente “femenino” y de modas, al estilo de los que se publican en esos años en París o en Londres, Periódico de las damas aparecerá en un periodo de efervescencia política.

Destinado a las ‘señoras’ de las clases altas, compuesto a una columna, contiene artículos, noticias y comunicados –algunos sacados de los periódicos extranjeros de su mismo carácter- sobre el influjo de las mujeres en la sociedad, sus costumbres o de semblanzas de mujeres ilustres, pero también divulgativos e ilustrativos sobre la actividad política parlamentaria y constitucional del periodo. A ellos se añaden otros de carácter literario –poesías, diálogos o anécdotas histórico-moralizantes-, de modas y de amenidades (charadas y enigmas).

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, mediante la 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.

Consulta el siguiente videotutorial con las pautas básicas para empezar a corregir.