Britannica11.org - ฉบับโครงสร้างของ Encyclopædia Britannica ปี 1911
(britannica11.org)- ฉบับดิจิทัลของ Encyclopædia Britannica ฉบับที่ 11 ปี 1910–1911 พร้อมความสามารถในการค้นหาทั้งหมด, การอ้างอิงข้าม และคำอธิบายประกอบ
- มีเมนูนำทางด้านบนแยกเป็น Articles, Contributors, Topics, Ancillary
- ระบุ Encyclopædia Britannica และ Eleventh Edition · 1910–1911 ไว้ในชื่อเรื่อง
- มีข้อความแนะนำ Fully searchable, cross-referenced, and annotated แสดงไว้โดยตรง
- ไม่มีคำอธิบายเนื้อหาเพิ่มเติม ตัวอย่าง หรือรายละเอียดฟังก์ชันเชิงลึก
ภาพรวม
- ฉบับดิจิทัลของ Encyclopædia Britannica ฉบับที่ 11 ปี 1910–1911 พร้อมความสามารถในการค้นหาทั้งหมด, การอ้างอิงข้าม และคำอธิบายประกอบ
- มีเมนูนำทางด้านบนแยกเป็น Articles, Contributors, Topics, Ancillary
- ระบุ Encyclopædia Britannica, Eleventh Edition · 1910–1911 ไว้ในชื่อเรื่อง
- ใช้ข้อความแนะนำ Fully searchable, cross-referenced, and annotated โดยตรง
- ไม่มีคำอธิบายเนื้อหาเพิ่มเติม ตัวอย่าง หรือรายละเอียดฟังก์ชันให้มา
ข้อมูลที่มีให้
- สามารถยืนยันคุณลักษณะหลักของฉบับดิจิทัลได้โดยตรง ได้แก่ ความสามารถในการค้นหา, การอ้างอิงข้าม, และ การใส่คำอธิบายประกอบ
- ไม่มีคำอธิบายเพิ่มเติมในระดับเนื้อหาบทความหรือการแนะนำรายละเอียดของแต่ละหัวข้อ
- ข้อมูลเมตา เช่น ข้อมูลผู้เขียน ข้อมูลการเผยแพร่ และข้อมูลอ้างอิง ถูกตัดออกจากขอบเขตของสรุปนี้
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
ฉันได้ทำ 1911 Encyclopædia Britannica ขึ้นมาใหม่เป็น เว็บไซต์สำหรับสำรวจที่สะอาดและมีโครงสร้างชัดเจน ดูได้ที่ https://britannica11.org/
ได้กู้คืนบทความราว 37,000 ชิ้นตามเล่มต้นฉบับ พร้อมทั้งใส่สารบัญแบบคลิกตามหัวข้อย่อย, ลิงก์อ้างอิงไขว้, การค้นหาผู้เขียนบทความ, การแสดงเลขเล่มและหน้าต้นฉบับ, ลิงก์ไปยังสแกนต้นฉบับของแต่ละหน้า, เอกสารภาคผนวก, ดัชนีหัวเรื่อง, และการค้นหาแบบ full-text ที่มี metadata ครบถ้วน
งานหลักคือการจัดการ pipeline สำหรับการกู้คืน โครงสร้างชื่อเรื่อง, บทความที่กินหลายหน้า, ตาราง, สูตร, หลายภาษา, เชิงอรรถ และภาพประกอบ
เป้าหมายคือทำให้ยังคงอารมณ์ของต้นฉบับไว้ แต่ในขณะเดียวกันก็อยู่ในรูปแบบที่ ใช้งานได้จริง
โดยเฉพาะอยากได้ feedback เรื่องคุณภาพการค้นหา, การย้ายระหว่างหัวข้อย่อยและลิงก์อ้างอิงไขว้, และจุดที่โครงสร้างดูแปลก ๆ
ถ้ามีคำถามเรื่อง pipeline หรือ data model ก็ยินดีเช่นกัน
แต่พอเข้าไปในบทความแล้ว กลับใช้ช่องค้นหาด้านบนที่เขียนว่า "Search titles and full text..." เพื่อย้ายไปหัวข้ออื่นไม่ได้
อีกอย่าง ตอนเข้ามาครั้งแรกฉันไม่ค่อยรู้ว่าจะเริ่มตรงไหน และก็ไม่ได้เข้าใจทันทีว่าต้องกด "Articles" หรือ "Topics" ถึงจะเริ่มสำรวจได้ ดูเหมือนฉันจะคาดหวังให้ภาพหลักทำหน้าที่เป็นทางเข้า
รู้สึกว่าโปรเจกต์นี้เจ๋งมาก ฉันเองก็คิดมานานว่าอยากลองทำอะไรคล้าย ๆ กันในขอบเขตที่เล็กกว่า
มีหลายเหตุผลที่ทำให้ 1911 Britannica มีชื่อเสียงเป็นพิเศษ แต่สิ่งที่น่าจะเป็นที่รู้จักมากที่สุดคือมันเป็น สารานุกรมฉบับสุดท้ายก่อนสงครามโลกครั้งที่ 1
เพราะอย่างนั้นจึงยังมีบรรยากาศแห่งความมองโลกในแง่ดีแบบไอน้ำจากการปฏิวัติอุตสาหกรรมครั้งที่ 1 และ 2 กับ Progressive Era หลงเหลืออยู่ และยังไม่ถูกย้อมด้วยแรงกระแทกจาก "สงครามที่จะยุติสงครามทั้งปวง"
ฉันลองค้นหา Portuguese East Africa แบบสุ่มตรง ๆ ที่ https://britannica11.org แล้วก็เจอทันทีและแสดงผลได้ดี ผลลัพธ์คือ https://britannica11.org/article/22-0177-portuguese-east-africa/portuguese_east_africa
ถ้าขออย่างสุภาพ อยากได้ ตัวเลือกมุมมองแบบขนาน ที่แสดงข้อความกับภาพหน้าต้นฉบับเคียงกัน
แบบนั้นจะช่วยให้ตรวจสอบความเที่ยงตรงของ OCR ได้โดยตรง และยังได้ดูสภาพงานพิมพ์สวย ๆ ไปพร้อมกัน โดยไม่ต้องเปิดหน้าต่างใหม่ทุกหน้า
สำหรับฉันแล้วคงอยากใช้เว็บนี้เป็นจุดเข้าสู่เอกสาร แล้วอ่านจากภาพเป็นหลัก ก่อนจะสลับไปอ่านข้อความเมื่อต้องการตรวจหรือคัดลอก
ตอนนี้ก็รู้ว่ามีภาพต้นฉบับอยู่ แต่ลิงก์ด้านข้างมองไม่ค่อยเห็น จนฉันต้องเข้ามาถึงสามครั้งกว่าจะหาเจอ ทางเลือกกึ่งกลางอย่าง thumbnail แบบเลือกได้ก็น่าจะใช้ได้
ที่สำคัญคือมันเร็วมากด้วย
และในเวอร์ชันของ OP ก็เห็นปัญหาเรื่องความเที่ยงตรงอยู่บางจุด ที่ https://britannica11.org/article/18-0684-s2/molecule ใต้คำว่า "the molecules of other kinds" มีสูตรบางส่วนหายไป และยืนยันได้โดยเทียบ [1] https://britannica11.org/article/18-0684-s2/molecule#:~:text=the%20molecules%20of%20other%20kinds กับ [2] https://en.wikisource.org/wiki/Page:EB1911_-_Volume_18.djvu/688
อีกทั้งเชิงอรรถ 1 ในเวอร์ชันของ OP ไปติดอยู่กับ "as they have always done" แต่จริง ๆ แล้วควรไปอยู่กับ "Atom" ใน p. 654 เทียบได้ที่ [3] https://britannica11.org/article/18-0684-s2/molecule#:~:text=as%20they%20have%20always%20done และ [4] https://en.wikisource.org/wiki/Page:EB1911_-_Volume_18.djvu/684#cite_note-654f1-1
ด้วยเหตุผลที่คุณพูดมา ฉันเองก็คิดมานานว่า การดูข้อความกับหน้าเคียงกัน น่าจะดี แต่ยังไม่ได้ทำ
feedback ที่ว่าลิงก์สแกนไม่ได้เด่นพอมีประโยชน์มาก และรู้สึกว่าควรทำให้ชัดกว่านี้
อนึ่ง ถ้ากดลิงก์ vol:page ที่ขอบซ้าย ก็จะพาไปยังสแกนของหน้าที่กำลังอ่านอยู่ได้ทันที
พอดูบทความอย่าง "Adolescence" ก็รู้สึกว่าเจอความเชื่อบางอย่างที่ถ้าอ่านในวันนี้แล้วค่อนข้างช็อก
ตัวอย่างเช่น มีข้อความทำนองว่าช่วงวัยรุ่นเด็กผู้หญิงควรถูกลดภาระด้านการออกกำลังกายและการศึกษาเชิงสติปัญญา และควรถูกบังคับให้พักผ่อน
ในทางปฏิบัติจริง หลายคนก็ยังใช้ชีวิตในรูปแบบคล้าย ๆ กันอยู่ และขบวนการสิทธิสตรีเองก็เคยผลักในทางตรงข้ามอย่างแรง ก่อนจะปรับมาสู่การเน้น เสรีภาพในการเลือก ที่จะไม่เข้าสู่ตลาดแรงงานในภายหลังด้วย
ความนิยมต่อสิ่งที่เรียกว่า "soft life" มีอยู่ทุกยุค และฉันคิดว่าผู้ชายเอง ถ้ามีทางเลือกทางวัฒนธรรมที่เปิดกว้างให้มีคนอุปถัมภ์ทางเศรษฐกิจ ก็อาจมีสัดส่วนไม่น้อยที่เลือกบทบาทแบบค่อยเป็นค่อยไปและมีภาระทางปัญญาน้อยกว่า
หากเป็นเช่นนั้น ความไม่สมดุลของสัดส่วนตัวแทนในหลายสาขาก็อาจคลี่คลายได้บางส่วน ไม่ใช่จากการยัดให้ผู้หญิงเข้าไป แต่จากการที่ผู้ชายถอนตัวเองออกมาโดยสมัครใจ
และการที่ LLM ช่วยจัดระเบียบย่อหน้าแน่น ๆ แบบเอกสารประวัติศาสตร์ด้วยการจัดรูปแบบที่ค่อนข้างมากเกินไป ก็กลับมีประโยชน์อย่างคาดไม่ถึง
อีกทั้งถ้าป้อนพรอมป์ต่อว่า "ข้อความนี้ถ้าถูกรับรู้ในปัจจุบันจะเป็นอย่างไร?" มันก็มักชี้จุดที่ทุกวันนี้ถูกมองว่าไม่เหมาะสมหรือรับได้ยากได้ค่อนข้างละเอียด
ฉันสงสัยว่าโครงสร้างข้อมูลภายในเป็นแบบไหน พอไม่นานมานี้เพิ่งรู้ว่าในสาย digital humanities มักใช้ semantic markup อย่าง XML-TEI กับงานแบบนี้
ฉันเคยเรียน BaseX กับ XQuery จากการดูข้อมูลพจนานุกรม Latin-English Lewis & Short ที่ถูกเข้ารหัสเป็น XML-TEI แล้วก็สนุกกับการโยนคำถามอย่าง "นักเขียนคลาสสิกคนไหนใช้คำที่ปรากฏเพียงครั้งเดียวในทั้ง corpus" หรือ "คำ hapax ที่ยาวที่สุดคือคำอะไร"
และก็ชอบมากที่ Tufts University เปิดข้อมูลพวกนี้สู่สาธารณะ
รู้สึกว่าถ้าเอา 1911 Britannica ไปใส่ BaseX แล้วขุดด้วย XQuery ได้ ก็น่าจะสนุกมาก
ตัวข้อความเองเป็น public domain แต่ตอนนี้ยังไม่ได้เปิด export แบบโครงสร้างปริมาณมาก
อย่างไรก็ตาม ในเธรดนี้ก็มีคนขอเข้าถึง dataset เยอะเหมือนกัน จึงกำลังพิจารณาอย่างจริงจัง และถ้าจะปล่อย ก็คงอยากปล่อยในรูปแบบที่รักษาโครงสร้างไว้ ไม่ใช่แค่ plain text dump
รู้สึกว่าน่าสนใจที่เมื่อเทียบกับข้อความสมัยใหม่แล้ว ทั้งสำนวนและโครงสร้างต่างกันมาก
เช่น หากดูหัวข้อ Copenhagen https://britannica11.org/article/07-0111-copenhagen/copenhagen จะเห็นว่ามันอธิบายภูมิศาสตร์และสถานที่น่าสนใจหลัก ๆ ได้แม่นยำ ขณะเดียวกันผู้เขียนก็ใส่คำคุณศัพท์เชิงอารมณ์และความเห็นส่วนตัวต่อสิ่งที่ตนมองว่าน่าสนใจหรือแปลกประหลาดลงไปอย่างไม่อาย
แถมช่วง Battle of Copenhagen ด้านล่างยังให้ความรู้สึกเหมือน ตัวงานเปลี่ยนแนวไปเลย จากคำอธิบายภูมิศาสตร์ไปเป็นการบรรยายฉากการรบทางทะเลแบบเป็นลำดับ
ทั้งภูมิศาสตร์ ประวัติศาสตร์ และบางครั้งก็รวมถึงความเห็นที่ค่อนข้างแรง ถูกผสมอยู่ในที่เดียวกัน และฉันกลับคิดว่าแบบนั้นอ่านสนุกกว่า
ฉันสรุปประเด็นเกี่ยวกับเรื่องนี้ไว้ในหน้าแนะนำของตัวเองด้วยที่ https://britannica11.org/about.html
ตัวอย่างชัด ๆ คือช่วงที่ยกย่อง Les Misérables ว่าเป็น "นวนิยายมหากาพย์และเชิงละครที่ยิ่งใหญ่ที่สุดเท่าที่เคยถูกสร้างหรือจินตนาการขึ้น"
ฉันครุ่นคิดมานานว่าจะหาสารานุกรมยุคค่อนข้างใหม่อย่าง Encarta หรือ Britannica ฉบับปี 2021 ได้ไหม
มันให้ความรู้สึกเหมือนเป็นแหล่งข้อมูลชุดสุดท้ายที่ยังปนเปื้อน AI น้อยกว่า ในเส้นแบ่งกำกวมระหว่างก่อนยุค LLM และหลังโควิด
หนึ่งในของรักสมัยเด็กของฉันคือสารานุกรม CD-ROM และฉันชอบมากกับประสบการณ์ในบ่ายวันฝนตกของยุคที่อินเทอร์เน็ตยังไม่แพร่หลาย ที่เปิดหัวข้อโปรดอ่านไปเรื่อย ๆ แล้วได้เรียนรู้สิ่งต่าง ๆ
หนึ่งในแรงจูงใจของโปรเจกต์นี้ก็คืออยากชุบชีวิตความรู้สึกแบบการสำรวจนั้นขึ้นมาอีกครั้ง โดยอิงจากต้นฉบับและโครงสร้างของฉบับปี 1911
ถ้าใครชอบ 1911 Encyclopedia Britannica ก็น่าจะสนุกกับ https://OldEncyc.com ด้วย
ที่นั่นสามารถขุดค้นสารานุกรมเก่า 22 ฉบับตั้งแต่ปี 1728 ถึง 1926 ได้ตามเล่มและช่วงตัวอักษร แม้จะไม่ได้เป็นแบบค้นหาเหมือนเว็บของ OP แต่มีขอบเขตข้อมูลกว้างมาก
รายงานบั๊กเล็กมาก แต่ดูเหมือนว่าฟอนต์ที่เลือกใช้อยู่ตอนนี้ไม่รองรับอักขระ ℔ ทำให้บทความอย่าง https://britannica11.org/article/22-0688-s2/putting_the_shot แสดงผลแปลก ๆ
อาจพิจารณา normalize ให้เป็น lb ซึ่งเป็นรูปแบบที่คุ้นเคยกว่าในปัจจุบันได้ด้วย
ถึงจะดูเป็นเรื่องเล็ก แต่โปรเจกต์นี้เต็มไปด้วยกรณีลักษณะนี้จริง ๆ
โลกรอบตัวเล็กจริง ๆ ตอนนี้ฉันกำลังจัดระเบียบสแกน EB 9th edition แล้วอัปขึ้นเว็บ MediaWiki อยู่ และเพราะรวมทั้งภาพประกอบกับแผ่นภาพด้วย ตอนนี้เลยยังไปได้แค่ประมาณหนึ่งในสาม
ฉันลองเครื่องมือ OCR มาหลายตัว แต่จนถึงตอนนี้ paddleOCR คืออันที่น่าประทับใจที่สุด มันแยกคอลัมน์ข้อความ, ติดป้ายกำกับภาพประกอบ, และอ่านข้อความตามขอบได้ดีพอสมควร
แน่นอนว่ามันยังไม่สมบูรณ์ เลยกำลังแก้ตารางบางส่วนด้วยมือ และมีแผนจะอัปหน้าต้นฉบับไปพร้อมกันเพื่อให้สลับดูระหว่างหน้าสแกนต้นฉบับกับข้อความอิเล็กทรอนิกส์ได้
เอกสารที่น่าจะสนุกถ้าเอามาทำออนไลน์พร้อมใส่ hyperlink และดัชนีแบบนี้ ก็นึกถึงพวกแผนที่ภูมิศาสตร์, atlas การแพทย์, และคู่มือท่องเที่ยว Baedeker
ฉันนึกถึงบทความนกขนาดมหาศาลของ Alfred Newton กับบทความเรียงความคลาสสิกบางชิ้นของ Macaulay ขึ้นมาทันที
บางส่วนพออ่านตอนนี้แล้วให้รสชาติที่ ทั้งสนุกและประหลาด มาก ตัวอย่างเช่นในหัวข้อ stars https://britannica11.org/article/25-0806-star/star#section-10 มีการอธิบายว่า ถ้าดวงดาวกระจายตัวอย่างสม่ำเสมอแบบอนันต์ทั่วอวกาศและไม่มีการดูดกลืนแสง ฉากหลังของท้องฟ้าก็ควรสว่างจ้าอย่างน่าตื่นตา
ผลลัพธ์คือ https://britannica11.org/article/28-0872-wright-chauncey/wright__chauncey?q=computer&match=1 และทำให้รู้สึกเลยว่ายุคสมัยต่างกันจริง ๆ
แทนที่จะเป็นแบบนั้น เขากลับมองว่า การจัดเรียงใหม่ บางอย่างของโครงสร้างอะตอมของธาตุน่าจะเป็นคำอธิบายที่สมเหตุสมผลที่สุด และอธิบายว่าพลังงานถูกปล่อยออกมาในกระบวนการที่เนบิวลาควบแน่นเป็นดวงอาทิตย์ และสสารค่อย ๆ พัฒนาไปเป็นธาตุที่รู้จัก
เมื่อคำนึงถึงระดับความรู้ในเวลานั้นแล้ว ก็รู้สึกว่าเป็นการคาดเดาที่ใกล้เคียงอย่างน่าทึ่ง