شراكة إنشاء النصوص

تُعدّ شراكة إنشاء النصوص ( TCP ) منظمة غير ربحية مقرها مكتبة جامعة ميشيغان منذ عام 2000.يهدف هذا المشروع إلى إنتاج موارد إلكترونية واسعة النطاق بنصوص كاملة (خاصة في العلوم الإنسانية) نيابة عن كل من المؤسسات الأعضاء (لا سيما المكتبات الأكاديمية) والناشرين الأكاديميين، بموجب ترتيب مصمم لتلبية احتياجات كليهما، ومن خلال ذلك إظهار قيمة نموذج أعمال ينظر إلى مزودي المعلومات من الشركات والمنظمات غير الربحية على أنهم متعاونون محتملون وودودون بدلاً من كونهم بائعين وعملاء متنافسين على التوالي. ^{[ 1 ]}

رعت TCP حتى الآن أربعة مشاريع لإنشاء النصوص. أولها وأكبرها هو "EEBO-TCP (المرحلة الأولى)" (2001-2009)، وهو جهد لإنتاج نسخ نصية كاملة مُعَلَّمة هيكليًا لأكثر من 25000 كتاب من أصل ما يقرب من 125000 كتاب موجودة إما في فهارس بولارد وريدغريف ووينغ المختصرة للكتب الإنجليزية المطبوعة المبكرة، أو بين كتيبات توماسون ، أي من بين جميع الكتب والكتيبات والمنشورات تقريبًا التي نُشرت باللغة الإنجليزية أو في إنجلترا قبل عام 1700. تم اختيار الكتب ونسخها من عمليات المسح الضوئي الرقمية التي أنتجتها ProQuest Information and Learning، وقامت بتوزيعها كمنتج قائم على الويب تحت اسم " الكتب الإنجليزية المبكرة على الإنترنت " (EEBO). تم إجراء عمليات المسح الضوئي التي تم نسخ النصوص منها من نسخ الميكروفيلم التي تم إنتاجها على مر السنين بواسطة ProQuest والشركات السابقة لها، بما في ذلك شركة University Microfilms, Inc. الأصلية. ^{[ 2 ]} اختتمت المرحلة الأولى من مشروع EEBO-TCP في نهاية عام 2009، بعد نسخ حوالي 25300 عنوان، وانتقلت على الفور إلى المرحلة الثانية من مشروع EEBO-TCP (2009–)، وهو مشروع لاحق مخصص لتحويل جميع الدراسات الفريدة المتبقية باللغة الإنجليزية (حوالي 45000 عنوان إضافي).

كان مشروع إيفانز-تي سي بي (2003-2007، مع استمرار بعض الأعمال حتى عام 2010) هو المشروع الثالث لمبادرة نقل النصوص (TCP)، وهو جهدٌ لنسخ 6000 عنوان من أصل 36000 عنوانًا من عناوين ما قبل عام 1800 المدرجة في ببليوغرافيا تشارلز إيفانز الأمريكية، والتي تم توزيعها، مرة أخرى كصور صفحات ممسوحة ضوئيًا من نسخ الميكروفيلم، بواسطة ريدكس ، وهي قسم من نيوزبانك، تحت اسم " أرشيف أمريكانا " ("المطبوعات الأمريكية المبكرة، السلسلة الأولى: إيفانز، 1639-1800"). وقد أنتج مشروع إيفانز-تي سي بي نصوصًا إلكترونية لما يقرب من 5000 كتاب.

كان مشروع ECCO-TCP (2005-2010، مع استمرار بعض الأعمال) آخر مشاريع برنامج TCP، وهو جهدٌ لنسخ 10,000 كتاب من القرن الثامن عشر من بين 136,000 عنوان متوفرة في مورد Thomson-Gale الإلكتروني، "مجموعات القرن الثامن عشر على الإنترنت" (ECCO). وقد نفد تمويل مشروع ECCO-TCP في عام 2010 بعد نسخ حوالي 3,000 عنوان (وتحرير حوالي 2,400 عنوان).

يشرف على برنامج TCP مجلس إدارة يتألف في معظمه من كبار مديري المكتبات في المؤسسات الشريكة، وممثلين عن الشركاء من الشركات، ومجلس موارد المكتبات والمعلومات (CLIR). ويتلقى المجلس المساعدة في مسائل الاختيار والبحث العلمي من مجموعة استشارية أكاديمية تضم أعضاء هيئة تدريس في مجالات اللغة الإنجليزية الحديثة المبكرة والدراسات الأمريكية.

تربط برنامج TCP علاقات غير رسمية بعدد من مشاريع النصوص الأكاديمية الجامعية، لا سيما في تزويدها بالنصوص المرجعية اللازمة للعمل. وتشمل المؤسسات الممثلة جامعة نورث وسترن ، وجامعة أكسفورد ، وجامعة واشنطن في سانت لويس ، وجامعة سيدني ، وجامعة تورنتو ، وجامعة فيكتوريا . كما تعاون برنامج TCP مع الطلاب من خلال رعاية مسابقة مقالات لطلاب البكالوريوس سنويًا، وتشكيل فرق عمل معنية باستخدام نصوص TCP في مجال التعليم، واستقطاب الباحثين والطلاب لتقديم أفكارهم حول اختيار النصوص واستخدامها.

تُدار عملية إنتاج النصوص من خلال خدمة إنتاج المكتبة الرقمية بجامعة ميشيغان (DLPS)، التي تتمتع بخبرة واسعة في إنتاج النصوص الإلكترونية المشفرة بصيغة SGML/XML. وتتلقى DLPS الدعم من أنظمة وخدمات مكتبات بودليان الرقمية بجامعة أكسفورد (BDLSS)، بما في ذلك الراحل سيباستيان راتز . كما بدأت عمليات إنتاج صغيرة بدوام جزئي في مكتبتين أخريين: مركز دراسات الإصلاح وعصر النهضة في مكتبة برات (جامعة فيكتوريا في جامعة تورنتو)، والمتخصصة في الكتب اللاتينية؛ والمكتبة الوطنية لويلز (Llyfrgell Genedlaethol Cymru) في أبيريستويث، والمتخصصة في الكتب الويلزية.

تُنتج جميع مشاريع النصوص الأربعة الخاصة ببروتوكول TCP بنفس الطريقة وبنفس المعايير، والتي تم توثيقها، جزئياً على الأقل، على موقع TCP الإلكتروني. ^{[ 3 ]}

1. الدقة. تسعى TCP جاهدة لإنتاج نصوص منسوخة بأكبر قدر ممكن من الدقة، بمعدل دقة إجمالي محدد يبلغ 99.995٪ أو أفضل (أي خطأ واحد أو أقل لكل 20000 حرف).
2. إدخال البيانات. بالنظر إلى طبيعة المادة، فإن الطريقة الوحيدة التي تم التوصل إليها لتحقيق هذه الدقة بشكل اقتصادي هي إدخال البيانات في الكتب بواسطة شركات تحويل البيانات بموجب عقد.
3. مراقبة الجودة. يتم تقييم دقة النسخ وملاءمة الترميز في جميع الحالات من قبل مجموعة من المدققين والمراجعين العاملين في المكتبة والذين تديرهم جامعة ميشيغان DLPS.
4. الترميز. يتم ترميز جميع ملفات النصوص الناتجة باستخدام SGML أو XML صالح (يتم أرشفة SGML، ويتم تصدير XML) بما يتوافق مع "وصف نوع المستند" (DTD) الخاص المشتق من إصدار P3/P4 من معيار مبادرة ترميز النصوص (TEI).
5. ترميز هادف. بالمقارنة مع معيار TEI الكامل، فإنّ معيار TCP DTD بسيط للغاية، ويهدف إلى التقاط الميزات الأكثر فائدة لعرض واضح، وتصفح ذكي، وبحث فعّال. تتمثل ممارسة TCP في التقاط، قدر الإمكان، البنية الهرمية العامة لكل كتاب (الأجزاء، والأقسام، والفصول، وما إلى ذلك)؛ والميزات التي تُشير عادةً إلى بدايات ونهايات الأقسام (العناوين، والنصوص التوضيحية، والتحيات، والخواتيم، وتواريخ النشر، وأسماء المؤلفين، والاقتباسات، وما إلى ذلك)؛ وأهم عناصر الخطاب والتنظيم (الفقرات في النثر، والأسطر والمقاطع في الشعر، والخطابات، والمتحدثون، وتوجيهات المسرح في الدراما، والملاحظات، والاقتباسات المطولة، والترقيم التسلسلي بجميع أنواعه)؛ والجوانب الأساسية فقط للتنسيق المادي (فواصل الصفحات، والقوائم، والجداول، وتغييرات الخطوط).
6. الالتزام بالنص الأصلي. في كل حالة، يهدف النص إلى تمثيل الكتاب كما طُبع في الأصل، قدر الإمكان. تُحفظ أخطاء الطباعة، وتُتجاهل التغييرات المكتوبة بخط اليد، وتُحذف النسخ المكررة من الصور الممسوحة ضوئيًا، وتُعاد ترتيب الصور غير المرتبة وفقًا للترتيب المقصود، وتُحفظ معظم الأحرف غير المألوفة في النص الأصلي.
7. سهولة القراءة والبحث. في الوقت نفسه، على الرغم من أن عمليات النسخ تتم حرفًا حرفًا، فإن بروتوكول TCP، انطلاقًا من نظرية أن كل عملية نسخ هي نوع من الترجمة من نظام رمزي إلى آخر، يميل إلى تعريف الأحرف من حيث معناها أكثر من شكلها، وربط أشكال الأحرف الغريبة بمكافئات حديثة ذات معنى، بما يتماشى عمومًا مع تعريف Unicode لـ "الحرف".
8. اللغات. على الرغم من أن معظم نصوص بروتوكول نقل النص التشعبي (TCP) مكتوبة باللغة الإنجليزية، إلا أن العديد منها ليس كذلك. تُوسَم الكتب وأقسام الكتب غير المكتوبة باللغة الإنجليزية برمز اللغة المناسب، ولكن لا يتم تمييزها بأي شكل آخر.
9. المواد المحذوفة. يُنتج برنامج TCP نصًا مكتوبًا بالأبجدية اللاتينية . تُحذف المواد غير النصية، مثل النوتات الموسيقية والصيغ الرياضية والرسوم التوضيحية (باستثناء أي نص قد تحتويه)، وتُحدد مواقعها بعلامة خاصة. كما تُحذف النصوص الموسعة المكتوبة بأبجديات غير لاتينية (اليونانية، العبرية، الفارسية، إلخ).

حتى أبريل 2011، أنشأ مشروع TCP حوالي 40,000 نسخة نصية كاملة قابلة للبحث والتصفح من الكتب القديمة، وهي قاعدة بيانات لا مثيل لها من حيث النطاق والحجم والفائدة للطلاب في العديد من المجالات. وسيعتمد استمرار المشروع في إنتاج النصوص المتبقية البالغ عددها 38,000 نصًا، والمُدرجة في خططه الطموحة الأخيرة (للمرحلة الثانية من مشروع EEBO-TCP)، على مدى صحة رؤيته الأصلية، المنبثقة من نظرية مفادها أن المكتبات يمكنها، بل ويجب عليها، التعاون لتصبح جهات منتجة وواضعة للمعايير بدلًا من كونها مستهلكة؛ وأن الجامعات والشركات التجارية، على الرغم من اختلاف دورات حياتها وقيودها ودوافعها، يمكنها الانضمام إلى شراكات مستدامة تعود بالنفع على جميع الأطراف.

اعتبارًا من 1 يناير 2015، تم إصدار النص الكامل للمرحلة الأولى من مشروع EEBO بموجب ترخيص Creative Commons، ويمكن تنزيله وتوزيعه بحرية.

في عام ٢٠١٤، بلغ عدد العناوين المتاحة عبر المرحلة الثانية ٢٨٤٦٦ عنوانًا. اعتبارًا من يوليو ٢٠١٥، حصلت شركة ProQuest على الحق الحصري لمدة خمس سنوات لتوزيع مجموعة EEBO-TCP المرحلة الثانية. وفي عام ٢٠٢٠، أصبحت النصوص متاحة مجانًا للجمهور. ^{[ ٤ ]}

• مسح الكتب ضوئيًا
• الكتب في المملكة المتحدة
• الكتب في الولايات المتحدة