Usando Transkribus con manuscritos medievales (8): ¿Y ahora qué? —o, ¿qué hacer después de la transcripción?

Retomo el hilo de Transkribus para discutir algunas cuestiones que surgen tras la transcripción. En la última entrada teníamos un modelo entrenado (y re-entrenado) y listo para ser utilizado en la transcripción automatizada del testimonio D del Lucidario.

No hay más que hacer que decirle a Transkribus: ahora transcríbelo todo. Y esto puede tomar una media hora o quizá algo más (pienso en un manuscrito de 150 folios digitalizado a folio abierto, es decir, con dos folios por página de digitalización).

Después de esto viene la parte más tediosa, pero la más importante: revisar línea por línea el texto transcrito contra el manuscrito original para corregir los pasajes donde el modelo de Transkribus ha sido creativo en su desarrollo de las abreviaturas. Ya que para los Lucidarios estoy trabajando con las normas de transcripción semi-paleográfica del Hispanic Seminary, utilizo BBEdit para esta tarea de revisión. El editor, al que ya le hice publicidad en una entrada anterior, tiene una función de resaltado del texto entre los símbolos angulares empleadas por el sistema de transcripción (para activarla, ir a la barra inferior del programa, hacer clic donde dice Text File –en la imagen de abajo donde aparece XML– y seleccionar XML:

Corrigiendo la transcripción automatizada de C en BBEdit

La labor de revisión es monótona pero importante, pues podemos encontrar pasajes completos que no tienen nada que ver con lo que está escrito en el manuscrito (es decir, donde el modelo falló). Tomemos, por ejemplo, el caso de la abreviatura spū para spiritu. Si esta abreviatura es utilizada en los primeros 50 folios del manuscrito y con ellos entrenamos nuestro modelo con estas páginas, es decir, spū es la única abreviatura que aparece en el set de entrenamiento, y cuando comenzamos la transcripción automatizada y el modelo llega a la página 51, encuentra que el copista cambia la forma de abreviación por sptū, y algunas páginas más adelante la cambia de nuevo por spītu –que mezcla con spš para spiritus–, el modelo dejará de funcionar con esta abreviatura. Intentará descifrar el significado, pero fallará. El caso que acabo de describir ocurrió recientemente con el testimonio A del Lucidario, que pasó de spū en los primeros 50 folios a las otras dos formas de abreviación en los siguiente 70. Algunos errores generados son en su transcripción automatizada fueron:

sp<rit>ual -> sp<irit>ual
espi<ritual -> espi<rit>ual
esp<iritu -> espi<rit>u
esp<iritual -> esp<irit>ual
sr><<i> -> sp<iritu>s

Salvo en el último caso, el modelo entiende bien el inicio de las palabras, pero cuando llega a las abreviaturas, que han cambiado, no sabe qué hacer. El último caso es una abreviatura que el modelo nunca ha encontrado ni se asemeja en nada a lo que conoce, y por tanto es incapaz de anticipar estadísticamente cómo desarrollarla.

Además, hay que recordar que el valor de las abreviaturas es variable, incluso para el mismo escriba (y esto es algo que todavía le cuesta un poco entender a una máquina). El mismo trazo puede ser empleado en la misma palabra con dos valores distintos debido a factores contextuales. El más importante es la cantidad de espacio disponible en la línea. Si lo habitual para un escriba es escribir natuā (natu<r>a) por natura, pero una palabra ocurre al final de una línea y el escriba no quiere pasarla a la siguiente, puede usar natā (nat<ur>a).

Otro motivo por el cual es necesario revisar el texto de la transcripción es para buscar errores causados por la variatio de la escritura manual. Hay que recordar que cualquier caligrafía –no importa cuán perfecta o cuán profesional sea el escriba que la ha ejecutado– es variable y esto se debe a que es el resultado de una operación humana. El copista puede trabajar cansado, lo que afecta el trazo y la legibilidad del texto. Quizá está apremiado porque ha notado que tiene que copiar una cantidad de texto mayor a la del espacio del que dispone, porque es el final del cuaderno y el inicio del siguiente ya ha sido copiado.

Pueden jugar en contra motivos materiales, como el cambio de tinta. Mientras que una letra puede ser fácil de leer para el ojo humano (y la máquina) si está escrita con tinta oscura, si el copista cambia en medio del trabajo sus insumos y el resultado de la mezcla es una tinta clara, esto puede dificultar la transcripción y fomentar errores (pues el modelo no tiene suficientes evidencias para determinar si un trazo es una letra u otra similar). Lo mismo ocurre con las manchas o los descoloramientos causados por líquidos, que borran o hacen poco legible un texto. Finalmente está el aspecto que quizá sea menos considerado: la pluma. Esta herramienta central a cualquier trabajo de copia tenía comportamientos bastante diferentes de acuerdo con su estado. Cuando la pluma está muy gastada, deposita más tinta sobre el medio en el que se escribe y esto resulta en un trazo más grueso. El grosor contribuye a la confusión de las letras, pues los detalles más importantes, aquellos que distinguen a una letra de otra o conectan una con otra resultan poco claros, como ocurre en la siguiente imagen:

fol. 163r de C

Por otra parte, una pluma recién afeitada deposita una cantidad menor de tinta en el medio y produce un trazo fino, de más fácil comprensión:

fol. 121r de C

Se puede añadir un motivo final: que el manuscrito haya sido copiado por más de una mano. En entradas anteriores advertí sobre esta práctica habitual en los textos medievales. Cuando este es el caso, hay que procurar entrenar al modelo con páginas escritas por las distintas manos participantes, de modo que aprenda el significado de todos los trazos y las abreviaturas empleadas. Pero esto no siempre es posible: a veces se trata de unos pocos folios escritos por otra mano; a veces las letras son tan similares que en nuestra inspección del manuscrito no notamos la diferencia. Lo primero ocurrió con el testimonio C del Lucidario, que tiene dos folios escritos por una mano diferente. Como el modelo entrenado no conocía la caligrafía ni sus abreviaciones, el resultado de su transcripción automatizada fue el siguiente:

fol. 184r de C

Donde dice:

ze caue q<ue> si el coracon oujere caljente na-
tu al
mente e su nac'inaa q<ue> abia mucho
cauellos enlos pechos. e algunos oujes
ay que los han enlos hon bios. en las
espaldas todo esto acae ote por la crias
calle tura el cora con por la mucha lu
mjda tuesa vnasa q<ue> han en aq<ue>llos
logares ao nasc'en los cauellos otios.

Debería decir:

de carne q<ue> si el corac'on oujere caljente na-
tural
mente de su nac'enc'ia q<ue> abra mucho<<s>>
cauellos enlos pechos. e algunos omes
ay que los han enlos honbros & en las
espaldas & todo esto acaesc'e por la gra<n>d
calle<n>tura el corac'on por la mucha hu-
mjdat gruesa & vntosa
q<ue> han en aq<ue>llos
logares a do nasc'en los cauellos otrosy

Si para un manuscrito escrito por una mano el entrenamiento se debe realizar con unas 20.000 palabras; para uno escrito por dos manos es recomendable aumentar el tamaño de la muestra un 20% a 30% (utilizando este porcentaje adicional exclusivamente para páginas de la segunda mano, tanto en el set de entrenamiento como en el de validación). Con ello, lograremos una cantidad representativa de palabras de las dos manos del manuscrito.

Bueno, eso es todo por el momento con Transkribus. Volveremos en los próximos meses para documentar la transcripción de A y de B (testimonio particularmente interesante por estar escrito en una letra de albalaes que puede –o no– ser un desafío para Transkribus). Annuntio vobis, además, una pausa en las entradas hasta el idus de marzo (que realmente no es tal: emplearé este tiempo para actualizar las páginas de los testimonios A y C del Lucidario, y revisar los contenidos estáticos del sitio).

Cite este artículo como: Cossío Olavide, Mario, "Usando Transkribus con manuscritos medievales (8): ¿Y ahora qué? —o, ¿qué hacer después de la transcripción?," Lucidarios, 22/02/2023, https://lucidarios.hypotheses.org/2255.

Imagen de miniatura: fol. 142r de C


También te podría gustar...

Buscar en OpenEdition Search

Se le redirigirá a OpenEdition Search