Αναζητήσιμα κείμενα
Αρχεία κειμένου και OCR παραδίδονται στους συνεργαζόμενους φορείς για τις συμφωνημένες ενότητες των συλλογών τους, διευκολύνοντας την αναζήτηση και την εξυπηρέτηση των ερευνητών.
ΕΡΕΥΝΗΤΙΚΗ ΠΡΩΤΟΒΟΥΛΙΑ · ΑΠΘ
Η εποχή μέσα
από τα κείμενά της.
Ελληνικά κείμενα του 1821–1922.
Ένα κοινό πεδίο για τη γλώσσα, την ιστορία
και την τεχνητή νοημοσύνη.
Μια διεπιστημονική πρωτοβουλία για τη συγκρότηση σώματος ελληνικών ιστορικών κειμένων και τη μελέτη της γραπτής κληρονομιάς με σύγχρονες υπολογιστικές μεθόδους.
Υπολογιστική
Γλωσσολογία+Υπολογιστική
Υψηλών Επιδόσεων
Γλωσσολογία+Υπολογιστική
Υψηλών Επιδόσεων
ΕΝΑ ΤΕΚΜΗΡΙΟ, ΠΟΛΛΕΣ ΔΥΝΑΤΟΤΗΤΕΣ
Η σελίδα διατηρεί τη φωνή της.1918
1821 — 1922
Η ελληνική γλώσσα, όπου κι αν γράφτηκε.Ελλάδα · Ανατολική Μεσόγειος · Ευρώπη · κοινότητες της διασποράς
01 / Η ΠΡΩΤΟΒΟΥΛΙΑ
Νέα πρόσβαση σε έναν
κόσμο γραπτών πηγών.
Η γραπτή κληρονομιά μιας εποχής βρίσκεται σε μεγάλες συλλογές, τοπικά αρχεία και προσωπικά τεκμήρια. Θέλουμε να δημιουργήσουμε τις συνδέσεις που θα την κάνουν περισσότερο προσβάσιμη.
Στόχος μας είναι η συγκρότηση ενός τεκμηριωμένου σώματος ελληνικών κειμένων της περιόδου 1821–1922 και η ανάπτυξη εργαλείων που διευκολύνουν την αναζήτηση, τη μελέτη και τη σύγκρισή τους.
Σε βάθος χρόνου, το σώμα κειμένων μπορεί να αποτελέσει τη βάση για εξειδικευμένα γλωσσικά μοντέλα τεχνητής νοημοσύνης, προσαρμοσμένα στη γλώσσα και στις πηγές της περιόδου. Η προοπτική αυτή ανοίγει νέους τρόπους μελέτης και πρόσβασης για την ερευνητική κοινότητα και το ευρύτερο κοινό, με σαφή αναφορά στην προέλευση και στους όρους χρήσης του υλικού.
Η δουλειά μας σήμερα
Αναζήτηση συλλογών και συνεργασιών, με παράλληλη εστίαση στην εκπαίδευση μοντέλων οπτικής αναγνώρισης χαρακτήρων (OCR) για ιστορικά ελληνικά κείμενα της περιόδου 1821–1922.
02 / ΤΟ ΥΛΙΚΟ
Κάθε είδος κειμένου.
Κάθε τόπος ελληνικού λόγου.
Αναζητούμε κείμενα που γράφτηκαν ή εκδόθηκαν στα Ελληνικά μεταξύ 1821 και 1922, ανεξάρτητα από το πού φυλάσσονται σήμερα και από το αν έχουν ήδη ψηφιοποιηθεί.
01
Από τη λογοτεχνία ως το σχολικό βιβλίο.
Μας ενδιαφέρει ολόκληρο το φάσμα του ελληνικού γραπτού λόγου: οι μεγάλες εκδόσεις, αλλά και όσα έντυπα κυκλοφόρησαν σε λίγα αντίτυπα.
- Λογοτεχνία και μεταφράσεις
- Σχολικά και επιστημονικά βιβλία
- Θρησκευτικά και πολιτικά κείμενα
- Φυλλάδια, οδηγοί και ημερολόγια
Οι λέξεις που διαβάζονταν, διδάσκονταν και ταξίδευαν.
02
Η καθημερινότητα, όπως αποτυπώθηκε τότε.
Ο Τύπος διασώζει δημόσιες συζητήσεις, ειδήσεις και μικρές ιστορίες. Αναζητούμε ελληνόγλωσσες εκδόσεις από την Ελλάδα και τις κοινότητες του εξωτερικού.
- Ημερήσιες και τοπικές εφημερίδες
- Λογοτεχνικά και επιστημονικά περιοδικά
- Τύπος της διασποράς
- Αγγελίες και δημόσιες ανακοινώσεις
Από το πρωτοσέλιδο έως τη μικρότερη αγγελία.
03
Η ιστορία μέσα από τη λειτουργία των θεσμών.
Τα αρχεία δήμων, κοινοτήτων, συλλόγων και δημόσιων φορέων προσφέρουν μια διαφορετική ματιά στη γλώσσα και στην κοινωνική οργάνωση της περιόδου.
- Πρακτικά και διοικητική αλληλογραφία
- Κανονισμοί και εγκύκλιοι
- Κοινοτικά και δημοτικά αρχεία
- Έγγραφα συλλόγων και σωματείων
Τοπικές συλλογές με μεγάλη ερευνητική αξία.
04
Οι προσωπικές φωνές αξίζουν να ακουστούν.
Επιστολές, ημερολόγια και χειρόγραφες σημειώσεις συμπληρώνουν την έντυπη παραγωγή. Η αυτόματη αναγνώρισή τους αποτελεί ιδιαίτερη ερευνητική πρόκληση.
- Προσωπική αλληλογραφία
- Ημερολόγια και απομνημονεύματα
- Χειρόγραφα λογοτεχνικών έργων
- Σημειωματάρια και κατάστιχα
Κάθε γραφικός χαρακτήρας, μια διαφορετική φωνή.
Μικρές και λιγότερο γνωστές συλλογές μπορούν να συμπληρώσουν όσα λείπουν από μεγάλα αρχεία και να διευρύνουν την εικόνα του ελληνικού γραπτού λόγου. Ψηφιοποιημένο ή όχι, κάθε υλικό έχει τη δική του διαδρομή συνεργασίας.
03 / ΑΠΟ ΤΗ ΣΕΛΙΔΑ ΣΤΟ ΚΕΙΜΕΝΟ
Να διαβάζεται.
Να αναζητείται. Να μελετάται.
Το OCR μετατρέπει την εικόνα μιας σελίδας σε επεξεργάσιμο κείμενο. Για ιστορικά Ελληνικά, πολυτονικό και χειρόγραφα, η προσαρμογή και ο έλεγχος ποιότητας είναι μέρος της έρευνας.
01 / Η ψηφιακή σελίδα1918
Ψηφιοποίηση: ΙΕΠ · Πρωτότυπο: Βιβλιοθήκη της Βουλής.Στην πηγή του τεκμηρίου
02 / Το αναζητήσιμο κείμενο
3 αντιστοιχίες · Η αναζήτηση αγνοεί τόνους και πνεύματα.
2. Τὸ γράμμα τοῦ Ἀντρέα.
Καὶ τάχα δὲν μποροῦσαν νὰ εἶναι κι αὐτοὶ ἐκεῖ ψηλά;
Πολλὲς φορὲς ὁ δάσκαλος τοὺς εἶχε πεῖ στὸ μάθημα, πὼς τὰ παιδιὰ ποὺ εἶναι στὴν τελευταία τάξη τοῦ ἑλληνικοῦ, μποροῦν νὰ πᾶνε μόνα τους στὸ βουνό. Πὼς ἅμα ἔχουν θάρρος καὶ πειθαρχία, μποροῦν νὰ κατοικήσουν μόνοι τους ἐκεῖ ἕνα δυὸ μῆνες. Φτάνει νὰ ἔχουν τὴν ἄδεια τοῦ πατέρα τους, τὴν κατοικία καὶ τὴν τροφή.
«Πόσα πράματα, τοὺς εἶπε, θὰ μάθετε ὅταν πᾶτε τόσο ψηλά· οὔτε τὸ βιβλίο μπορεῖ νὰ σᾶς τὰ πῇ οὔτε ἐγώ». Κι ἔφυγε γιὰ τὴν πατρίδα του, γιὰ νὰ περάσῃ τὶς διακοπές. Ἦταν βέβαιος πὼς ἅμα θέλουν τὰ παιδιά, θὰ τὸ κατορθώσουν.
Τὰ παιδιὰ παρακάλεσαν τοὺς γονεῖς τους, νὰ τοὺς ἀφήσουν νὰ πᾶνε. Ἐκεῖνοι ἀντιστάθηκαν στὴν ἀρχή.
ΠΑΡΑΔΕΙΓΜΑ ΠΑΡΟΥΣΙΑΣΗΣ
Επιμελημένη μεταγραφή αποσπάσματος για τη δοκιμή αναζήτησης. Δεν αποτελεί αποτέλεσμα ή μέτρηση ακρίβειας του υπό ανάπτυξη OCR της ομάδας.
04 / Η ΑΞΙΑ ΤΗΣ ΣΥΝΕΡΓΑΣΙΑΣ
Τι προσφέρουμε στους
συνεργαζόμενους φορείς.
Η συνεργασία σχεδιάζεται ώστε τα ερευνητικά αποτελέσματα να ενισχύουν την αξιοποίηση των συλλογών από τους φορείς που τις διαφυλάσσουν και από την ερευνητική κοινότητα.
Γνώση και εργαλεία
Τεκμηρίωση επεξεργασίας, αξιολόγηση ποιότητας και, όπου αναπτύσσεται, προσαρμοσμένο μοντέλο OCR παραμένουν διαθέσιμα στους φορείς για μελλοντική αξιοποίηση.
Ορατή προέλευση
Ρητή αναφορά στη βιβλιοθήκη ή στο αρχείο, παραπομπή στην πηγή και αναγνώριση της συνεργασίας στα ερευνητικά αποτελέσματα.
05 / ΜΟΡΦΕΣ ΣΥΝΕΡΓΑΣΙΑΣ
Συνεργασία με αρχεία,
βιβλιοθήκες και φορείς
πολιτιστικής κληρονομιάς.
Το πλαίσιο κάθε συνεργασίας διαμορφώνεται από κοινού με τους φορείς, σύμφωνα με τις ανάγκες τους, τα χαρακτηριστικά των συλλογών τους και τους συμφωνημένους όρους πρόσβασης.
Αξιοποίηση ψηφιοποιημένων συλλογών.
Η συνεργασία ξεκινά από ένα αντιπροσωπευτικό δείγμα, ώστε η ομάδα και ο φορέας να εκτιμήσουν τις ανάγκες και να καθορίσουν ένα εφικτό πρώτο βήμα.
- 01
Επιλογή υλικού
Η ομάδα και ο φορέας εντοπίζουν ελληνικά τεκμήρια της περιόδου και εξετάζουν εικόνες, μεταδεδομένα και τυχόν υπάρχον OCR.
- 02
Πιλοτική επεξεργασία
Η ομάδα επεξεργάζεται το συμφωνημένο δείγμα και ελέγχει την ποιότητα αναγνώρισης σε επιλεγμένες σελίδες.
- 03
Παράδοση αποτελεσμάτων
Ο φορέας λαμβάνει αναζητήσιμο κείμενο και τεκμηρίωση στις μορφές που έχουν συμφωνηθεί.
Η κλίμακα της επεξεργασίας και το χρονοδιάγραμμα ορίζονται μετά την πιλοτική φάση, όταν είναι πια γνωστή η ποιότητα της αναγνώρισης.
Προετοιμασία μη ψηφιοποιημένου υλικού.
Η έλλειψη ψηφιοποίησης δεν αποκλείει τη συνεργασία. Η αρχική διερεύνηση αφορά το περιεχόμενο της συλλογής και τις δυνατότητες του φορέα.
- 01
Καταγραφή αναγκών
Η ομάδα και ο φορέας εξετάζουν είδη τεκμηρίων, χρονολογίες, όγκο υλικού και προτεραιότητες της συλλογής.
- 02
Σχεδιασμός δείγματος
Εξετάζεται από κοινού πώς μπορεί να παραχθεί ένα κατάλληλο ψηφιακό δείγμα, με σεβασμό στις ανάγκες διατήρησης.
- 03
Προγραμματισμός επόμενης φάσης
Αξιολογούνται η ποιότητα, οι διαθέσιμοι πόροι και οι τεχνικές απαιτήσεις πριν οριστεί ευρύτερο πρόγραμμα εργασίας.
Η πλήρης ψηφιοποίηση μιας συλλογής απαιτεί ξεχωριστό σχεδιασμό και συμφωνία για τους διαθέσιμους πόρους.
Πρόσβαση με συμφωνημένους όρους.
Μια συλλογή μπορεί να συμβάλει στην έρευνα χωρίς να διατεθεί δημόσια. Το πλαίσιο χρήσης συμφωνείται με τον φορέα πριν από την παραχώρηση πρόσβασης.
- 01
Ορισμός πρόσβασης
Προσδιορίζονται τα εξουσιοδοτημένα μέλη της ομάδας, ο χώρος επεξεργασίας και ο χρόνος διατήρησης του υλικού.
- 02
Καθορισμός χρήσεων
Η εργασία περιορίζεται στη συμφωνημένη ανάλυση και προσαρμογή OCR. Πρόσθετη αξιοποίηση για την ανάπτυξη άλλων μοντέλων ΤΝ απαιτεί χωριστή ρητή άδεια.
- 03
Επιστροφή αποτελεσμάτων
Τα συμφωνημένα αποτελέσματα παραδίδονται στον φορέα. Δημόσια διάθεση ή διαβίβαση σε τρίτους γίνεται μόνο κατόπιν ξεχωριστής συμφωνίας.
Οι όροι για το αρχικό υλικό, τα παραγόμενα κείμενα και τα προσαρμοσμένα μοντέλα συμφωνούνται διακριτά.
Κάθε συνεργασία προϋποθέτει την κατανόηση της συλλογής.
Το πρώτο βήμα είναι μια συζήτηση με τον φορέα.
06 / Η ΟΜΑΔΑ
Δύο επιστημονικά πεδία.
Μια κοινή κατεύθυνση.
Συνεργασία δύο Τμημάτων του ΑΠΘ με συμπληρωματικούς ρόλους. Η υπολογιστική γλωσσολογία αναλαμβάνει τη συγκρότηση, την τεκμηρίωση και τη γλωσσική ανάλυση του σώματος κειμένων· η υπολογιστική υψηλών επιδόσεων, τις μεθόδους και την υποδομή για την εκπαίδευση μοντέλων σε μεγάλη κλίμακα. Την ομάδα πλαισιώνουν φοιτητές/φοιτήτριες και απόφοιτοι/απόφοιτες, που δουλεύουν πάνω σε αυθεντικό ιστορικό υλικό και αποκτούν εμπειρία εκεί όπου η φιλολογία συναντά την υπολογιστική έρευνα.
Αλέξανδρος Τάντος
Αναπληρωτής Καθηγητής Κειμενογλωσσολογίας
και Υπολογιστικής Γλωσσολογίας
Τμήμα Φιλολογίας · ΑΠΘ
Ακαδημαϊκό προφίλ
Νίκος Πιτσιάνης
Αναπληρωτής Καθηγητής σε Υπολογιστικά Συστήματα
Υψηλών Επιδόσεων
Τμήμα Ηλεκτρολόγων Μηχανικών
και Μηχανικών Υπολογιστών · ΑΠΘ
Ακαδημαϊκό προφίλ
και Μηχανικών Υπολογιστών · ΑΠΘ
ΜΕΛΗ ΤΗΣ ΟΜΑΔΑΣ
Επισημειώνουν ιστορικά κείμενα, με τα οποία εκπαιδεύεται μοντέλο OCR για τα Ελληνικά της περιόδου 1821–1922.
-
Ράνια Τουρίκη
Απόφοιτη Φιλολογίας · ΑΠΘ Μέλος από τον Απρίλιο 2026 Προφίλ
07 / ΣΥΧΝΕΣ ΕΡΩΤΗΣΕΙΣ
Η πρωτοβουλία
στην πράξη.
Το εύρος της έρευνας, η αξιοποίηση των πηγών και οι αρχές συνεργασίας.
Τα πρωτότυπα παραμένουν στους φορείς που τα διαφυλάσσουν. Η συνεργασία αφορά συμφωνημένη πρόσβαση σε υλικό και συγκεκριμένες ερευνητικές εργασίες. Η προέλευση, η ταυτότητα της συλλογής και οι όροι χρήσης διατηρούνται στην τεκμηρίωση.
Στόχος είναι κάθε τεκμήριο να συνοδεύεται από σαφή αναφορά στον φορέα, στα στοιχεία της συλλογής και, όπου υπάρχει, από σύνδεσμο προς την πρωτότυπη ψηφιακή εγγραφή. Η συμβολή των συνεργαζόμενων φορέων θα αναγνωρίζεται στις σχετικές ερευνητικές παρουσιάσεις και δημοσιεύσεις.
Ανάλογα με το συμφωνημένο πιλοτικό έργο: αναζητήσιμα κείμενα, αρχεία OCR, σύνδεση κειμένου και σελίδας, τεκμηρίωση επεξεργασίας και αξιολόγηση ποιότητας. Όπου αναπτύσσεται προσαρμοσμένο μοντέλο OCR, συμφωνείται και η επιστροφή του στον φορέα μαζί με οδηγίες χρήσης.
Το OCR αποτελεί ένα πρώτο πεδίο εργασίας. Σε βάθος χρόνου, το σώμα κειμένων μπορεί να αποτελέσει τη βάση για εξειδικευμένα γλωσσικά μοντέλα ΤΝ, προσαρμοσμένα στη γλώσσα και στις πηγές της περιόδου. Κάθε αξιοποίηση στηρίζεται στους όρους της συγκεκριμένης συλλογής. Η πρόσβαση για OCR ή ανάλυση δεν συνεπάγεται άδεια για περαιτέρω ανάπτυξη μοντέλων ή δημόσια διάθεση.
Το κριτήριο είναι η ελληνική γλώσσα και η περίοδος 1821–1922. Το ενδιαφέρον καλύπτει κάθε τόπο όπου γράφτηκαν ή τυπώθηκαν Ελληνικά: από την Κωνσταντινούπολη και την Αλεξάνδρεια έως τις κοινότητες της Ευρώπης, της Αμερικής και της Αυστραλίας.
Ναι. Μικρές και λιγότερο γνωστές συλλογές μπορούν να προσφέρουν είδη κειμένων και τοπικές φωνές που λείπουν από μεγάλα αποθετήρια. Η καταλληλότητα για αυτόματη αναγνώριση εξετάζεται σε δείγμα· δεν προϋποθέτουμε ότι κάθε χειρόγραφο ή φθαρμένη σελίδα μπορεί ήδη να αναγνωριστεί με υψηλή ακρίβεια.
ΕΠΙΚΟΙΝΩΝΙΑ
Μια συλλογή, ένα αρχείο, ένα ερώτημα;
Γράψτε μας.
Η ομάδα καλωσορίζει την επικοινωνία με ερευνητές, ακαδημαϊκούς και φορείς που επιθυμούν να ενημερωθούν για την πρωτοβουλία, να ανταλλάξουν ιδέες ή να διερευνήσουν δυνατότητες συνεργασίας.
grafes@auth.gr
Ερευνητική ομάδα Γραφές 1821–1922