Humboldt-Universität zu Berlin | Institut für Bibliotheks- und Informationswissenschaft

DABI - Datenbank Deutsches Bibliothekswesen

Bibliografische Datenbank zum Handbuch "Das Bibliothekswesen der Bundesrepublik Deutschland"
Suche | Recherchehinweise | Über die Datenbank | Über das Handbuch | Kontakt | Statistik



Vollanzeige des Datensatzes 21642: Gute Ergebnisse aus "schlechten" Textvorlagen

Artikel-ID 21642
Titel Gute Ergebnisse aus "schlechten" Textvorlagen
Untertitel Einflüsse der OCR-Qualität auf kulturwissenschaftsgeschichtliche Forschungsergebnisse am Beispiel von Drucken des 18. Jahrhunderts
Autoren Hütig, Andreas; Däumer, Matthias; Klein, Elisabeth
Zeitschrift Information - Wissenschaft & Praxis
Jahr 2016
Band 67
Heft 5/6
Anfangsseite 331
Endseite 338
URL
Abstract Die OCR-Erkennung alter Frakturtexte ist noch immer Gegenstand verschiedener Forschungsarbeiten. Die bisher möglichen Ergebnisse erreichen die Ansprüche deutscher Drittmittelgeber in der Regel nicht. Der vorliegende Beitrag gewährt einen Einblick in ein Projekt, in dem Mainzer Wissenschaftler gemeinsam mit ihrer Universitätsbibliothek die Qualitätssicherung von OCR-Texten ausloten. Neue Forschungsansätze der Digital Humanities, wie das scalable reading, eröffnen Möglichkeiten, mit schlechten Scanergebnissen dennoch zu guten Forschungsergebnissen zu kommen.
Schlagwörter Optische Zeichenerkennung; Scannen; Digitalisierung; Kulturwissenschaft; Geisteswissenschaften; Optical Character Recognition (OCR); Forschung; Texterkennung
Klassen Digitalisierung konventioneller Bestände


Datensatz im BibTeX-Format ausgeben

Datensatz als Zitation nach DIN 1505 ausgeben.

Angaben zur Zeitschrift: Information - Wissenschaft & Praxis


Sie können mit den Schlagwörtern, Autoren und Klassen dieses Artikels weiterrecherchieren:

Schlagwörter:
Optische Zeichenerkennung
Scannen
Digitalisierung
Kulturwissenschaft
Geisteswissenschaften
Optical Character Recognition (OCR)
Forschung
Texterkennung

Autoren:
Hütig, Andreas
Däumer, Matthias
Klein, Elisabeth

Klassen:
Digitalisierung konventioneller Bestände