Bij OCR-kwaliteit bepaalt de combinatie van bronmateriaal, gewenste ontsluiting en controle hoe bruikbaar de digitale collectie wordt.
Waar de keuze om draait
Leg voor OCR-kwaliteit minimaal woord- of tekenfouten, layout en veldextractie vast. Dat voorkomt dat techniek en inhoud door elkaar gaan lopen.
Ontwerp vanuit het gebruik
Als het primaire doel doorzoekbaarheid of data-extractie is, moet de output daarop worden getest. Een leverancier kan technisch correcte bestanden leveren die in de praktijk nog steeds slecht vindbaar of moeilijk importeerbaar zijn.
Een sterke proef
ArchiefKiezer adviseert om een proefset met gecontroleerde ground truth te gebruiken. Neem afwijkingen bewust mee, zodat de pilot niet alleen de eenvoudige 80% van de collectie weerspiegelt.
Checklist voor uw project
- Beschrijf woord- of tekenfouten, layout en veldextractie.
- Koppel de output aan doorzoekbaarheid of data-extractie.
- Gebruik een representatieve proefbatch.
- Leg foutafhandeling en herlevering vast.
- Vraag broninformatie bij leveranciers op.