Arsip Nasional AS mencari warga yang bisa membantu menguraikan dokumen sejarah tulisan tangan

• National Archives di Amerika Serikat memiliki banyak catatan sejarah tulisan tangan yang berusia lebih dari 200 tahun, sehingga dibutuhkan partisipasi warga untuk mengubahnya menjadi dokumen digital yang bisa dicari dan diakses
• Setiap tahun, puluhan juta dokumen didigitalkan dan AI·OCR juga digunakan, tetapi pada dokumen tulisan tangan lama masih ada kegagalan pengenalan dan kesalahan sehingga perlu dilengkapi manusia
• Peserta Citizen Archivist dapat membantu transkripsi catatan atau penandaan tag tanpa proses pendaftaran terpisah, sehingga meningkatkan aksesibilitas dan kemudahan pencarian dokumen
• Saat ini lebih dari 5.000 orang sudah berpartisipasi, dan kumpulan dokumen seperti berkas pensiun Revolutionary War serta kontrak kerja pegawai tahun 1866~1870 sedang dikerjakan
• Pendidikan tulisan sambung masih diperdebatkan dari segi prioritas dibanding pendidikan mengetik dengan keyboard, tetapi lebih dari 20 negara bagian mewajibkan pengajaran tulisan sambung di sekolah dan beberapa negara bagian menjadikannya undang-undang pada 2024

---

Warga ikut menguraikan catatan tulisan sambung berusia 200 tahun

• National Archives memiliki banyak catatan sejarah yang ditulis dengan tulisan sambung, termasuk dokumen yang berusia lebih dari 200 tahun
• Dokumen seperti ini sulit dibaca dan dipahami, dan menjadi hambatan terutama bagi warga Amerika yang tidak belajar tulisan sambung di sekolah
• Program Citizen Archivist bertujuan membuat dokumen digital lebih mudah diakses dan “membuka sejarah”

Dokumen sejarah belum bisa ditangani hanya dengan AI dan OCR

• National Archives mendigitalkan puluhan juta catatan setiap tahun
• Untuk mengekstrak teks dari dokumen sejarah, mereka menggunakan AI dan teknologi pengenalan karakter optik (OCR)
• Namun karena tulisan sambung lama dan kondisi dokumen, metode ini tidak selalu bekerja atau menghasilkan hasil yang akurat
• Transkripsi oleh sukarelawan membantu peneliti, ahli silsilah, dan pencinta sejarah menemukan serta membaca dokumen dengan lebih mudah

Cara berpartisipasi dan jenis tugas yang bisa dikerjakan

• Untuk memulai tidak diperlukan formulir pendaftaran terpisah; cukup pilih catatan yang belum diproses lalu ikuti panduannya
• Program ini gratis dan terbuka bagi siapa pun yang memiliki koneksi internet
• Anda tetap bisa berpartisipasi meski tidak yakin bisa membaca tulisan sambung
  • Ada tugas memberi tag pada dokumen yang sudah ditranskripsi oleh sukarelawan lain
  • Penandaan tag berperan meningkatkan kemudahan pencarian catatan
• Waktu partisipasi fleksibel, sehingga cukup meluangkan sekitar 30 menit per hari atau per minggu pun bisa ikut membantu

Misi yang sedang berjalan dan contoh partisipasi jangka panjang

• Lebih dari 5.000 orang berpartisipasi dalam program Citizen Archivist
• Banyak peserta bekerja dalam misi (missions), yaitu kumpulan dokumen yang memerlukan transkripsi dan penandaan tag
• Misi yang sedang berlangsung saat ini mencakup berkas pensiun Revolutionary War dan kontrak kerja pegawai tahun 1866~1870
• Misi Revolutionary War dimulai pada Juni 2023 bersama National Park Service, dan menangani berkas yang berkaitan dengan lebih dari 80.000 veteran serta para janda mereka
• Alex Smith, pensiunan dari Pennsylvania, telah mentranskripsi lebih dari 100.000 dokumen selama 9 tahun
  • Ia sedang mencari kegiatan yang bisa memberi tujuan dan struktur pada masa pensiunnya
  • Dalam proses transkripsi, ia menemukan dokumen seperti memo yang menyarankan Gerald Ford bergabung dengan Green Bay Packers dan catatan pensiun Civil War

Pendidikan tulisan sambung kembali mendapat perhatian

• Pendidikan tulisan sambung dulu merupakan hal standar, tetapi kini para pendidik dan legislator berbeda pendapat soal apakah yang harus lebih ditekankan adalah tulisan sambung atau keterampilan mengetik
• Di tengah penggunaan luas perangkat seperti laptop dan tablet, pendidikan tulisan sambung kembali menunjukkan tren meningkat
• Menurut Education Week, saat ini lebih dari 20 negara bagian mewajibkan sekolah mengajarkan tulisan sambung
• Di California, undang-undang yang mewajibkan pendidikan tulisan sambung mulai berlaku pada Januari 2024
• Beberapa bulan kemudian, Kentucky juga mengesahkan undang-undang yang mewajibkan pendidikan tulisan sambung

[GN⁺]

Opini Hacker News

• Proyek yang menarik, tetapi mereka membuatnya sangat sulit untuk ikut berpartisipasi
  Di artikelnya tidak ada tautan langsung ke misi tersebut, sementara pendaftarannya sendiri mudah dan tersusun rapi, serta secara halus meminta dua jenis autentikasi dua faktor
  Setelah selesai mendaftar lalu kembali ke halaman semula untuk mencari misinya, posisinya agak tersembunyi, dan membuka dokumennya untuk dibaca ternyata menarik. Tulisan tangan orang-orang pada masa itu umumnya cukup bagus
  Namun saat mencoba mencari cara mulai mentranskripsi, situs mengatakan lagi bahwa saya belum login, dan ketika tautannya diklik, saya dibawa kembali ke halaman utama
  Saya ingin menyumbangkan waktu luang untuk proyek seperti ini, tetapi seharusnya orang tidak perlu melewati antarmuka yang dirancang buruk hanya untuk bisa menjadi relawan

  • Postingan sosial yang disematkan di halaman itu tertaut langsung ke halaman yang berisi semua panduan
    Setelah membuat akun dan login, lalu memilih negara bagian dari tab semula, saya bisa langsung masuk dan mulai mentranskripsi
    Saya jadi bertanya-tanya apakah status login Anda mungkin kacau karena uBlock Origin atau pembatasan JavaScript/cookie
    Tautan langsung ke misi yang ada di postingan sosial itu adalah https://www.archives.gov/citizen-archivist/missions/revoluti...
  • Saya mengalami hal yang persis sama ketika mencoba berkontribusi minggu lalu
    Setelah mencoba sekitar 30 menit dengan beberapa sesi dan browser, akhirnya saya berhasil login, dan tidak ada indikator apa pun yang memberi tahu mana yang benar atau salah
    Bahkan setelah berhasil login, perubahan UI-nya nyaris tidak ada, sehingga mudah sekali melewatkan fakta bahwa login sudah berhasil
    Setelah login, saya menghabiskan 45 menit lagi untuk mencari dokumen yang bisa ditranskripsi, tetapi setiap dokumen yang saya temukan atau dapat dari tantangan sudah ditranskripsi, atau berupa dokumen/daftar ketikan sehingga pengenalan karakter sudah menanganinya dengan lumayan
    Saya hanya meninjau akurasi beberapa dokumen, menutup browser, lalu tidak kembali lagi
    Saya tadinya berharap bisa membukanya dan berkontribusi saat jeda kerja sekitar 15–30 menit per hari, alih-alih mengisi teka-teki silang atau menonton video, jadi sayang sekali karena terlalu sulit digunakan
  • “Secara halus meminta dua jenis autentikasi dua faktor” — saya tidak mengerti kenapa harus begitu
    Ini bukan memasukkan informasi bank, tetapi seluruh prosesnya tampak merepotkan dalam banyak hal. Saya makin muak dengan situs-situs yang tidak penting tetapi menuntut autentikasi dua faktor seolah-olah mereka adalah perusahaan sekuritas

• Sebelum bertanya “kenapa tidak pakai LLM saja”, artikel itu sudah jelas mengatakan bahwa mereka memang menggunakannya, tetapi itu tidak selalu menjadi solusi yang memungkinkan

  Lembaga tersebut menggunakan teknologi yang disebut kecerdasan buatan dan pengenalan karakter optik untuk mengekstrak teks dari dokumen sejarah. Namun metode-metode ini tidak selalu bekerja, dan tidak selalu akurat.
  Dokumen paling atas kemungkinan besar adalah contoh yang khusus mudah dibaca agar orang terdorong mendaftar dan mulai
  Itu mungkin tidak mewakili seluruh rentang dokumen yang ingin diperiksa oleh National Archives

  • Meski begitu, apakah di artikel ini ada satu saja dokumen yang kira-kira akan menyulitkan LLM? Bahkan yang terlihat paling sulit pun langsung ditangani oleh 4o, dan setelah saya cocokkan lagi dengan gambar secara teliti, hasilnya masuk akal
    Kalau ini proyek crowdsourcing, rasanya masuk akal untuk terlebih dahulu membuat transkripsi awal dengan LLM, lalu menampilkan gambar bersama hasil terbaik LLM kepada pengguna
    Kemudian saya mendaftar dan melihat misi yang ada saat ini; semuanya dokumen setelah 1900 dan tampak seperti hasil typesetting. Memang buram, tetapi 4o membacanya dengan sangat mudah
  • Apakah LLM siap pakai terbaru sudah cukup baik bisa diperiksa dengan cukup langsung berkat bagian ini
    “Beberapa peserta, seperti pensiunan dari Pennsylvania Alex Smith, telah mendedikasikan bertahun-tahun hidupnya untuk program ini. Selama sembilan tahun, ia mentranskripsi lebih dari 100.000 dokumen”
    Suruh beberapa LLM mentranskripsi 100.000 dokumen yang sama, lalu bandingkan siapa yang lebih akurat dan seberapa besar selisihnya antara manusia dan mesin
  • Saya teringat ungkapan bahwa klaim luar biasa membutuhkan bukti luar biasa
    Bukti yang disajikan hanya satu gambar yang sekilas tampak mudah ditranskripsi, jadi kurang meyakinkan
  • Saya sangat terganggu dengan pemisahan istilah “AI dan OCR”
    Menyedihkan melihat para penipu telah begitu sepenuhnya mengambil alih bidang AI sampai-sampai OCR kini diperlakukan sebagai sesuatu yang terpisah
  • Tetap saja, pendekatan yang menggabungkan AI dan upaya manusia tampaknya masuk akal

• Saya pernah mentranskripsi sepucuk surat dari tahun 1814, dari seorang perempuan kepada James Monroe, yang saat itu menjabat Menteri Luar Negeri, meminta paspor agar bisa pergi ke Skotlandia untuk mengambil harta peninggalan kakaknya yang telah meninggal
  Itu pengalaman yang benar-benar berbeda, dan setelah “tersinkron” dengan tulisan tangan si penulis, menyenangkan sekali bisa masuk ke alurnya
  Selain itu, karena Anda membaca dan menulis ulang isi transkripsi kata demi kata, kisah yang dibaca menempel sangat kuat di ingatan
  Tidak mengherankan, karena kita menghabiskan waktu yang tidak wajar banyaknya pada satu halaman, tetapi itu efek samping yang menyenangkan saat mencoba mengingatnya kemudian

  • Saya menikmati hal serupa ketika memutuskan belajar bahasa dengan menerjemahkan cerita pendek
    Tentu saja Anda harus memilih penulis yang gaya bahasanya layak dihormati. Jika belum terbiasa dengan bahasa target, Anda akan merenungkan pilihan kosakata penulis dan nuansa yang ingin disampaikan, lalu mencari ungkapan yang tepat dalam bahasa Inggris
    Dengan begitu, Anda tenggelam lebih lama di dalam gambaran itu
  • Saya berharap teknik ini juga berhasil untuk saya
    Bahkan ketika saya mentranskripsi sesuatu apa adanya, saya sama sekali tidak tahu apa yang baru saja saya tulis, dan untuk benar-benar memahami maknanya saya harus kembali dan membacanya lagi
  • Saya suka gagasan “tersinkron” dengan tulisan tangan seseorang

• Baik pihak yang mempercayai OCR/LLM tanpa ragu maupun pihak yang menganggap teknologinya belum sampai sejauh itu tampaknya sama-sama sebagian benar, tetapi tidak saling mendengarkan dengan baik
  Alih-alih berdebat tanpa dasar, perlu ada upaya mencari contoh nyata dan kesimpulan bersama
  Bisakah ini dipakai untuk menangani frasa-frasa klise sehingga sangat mengurangi usaha? Ya. Apakah hasilnya harus ditinjau dan dikoreksi manusia? Juga ya
  Contoh yang subtil ada di sini: https://catalog.archives.gov/id/34384201?objectPage=40
  Salah satu transkripsi yang dibuat o1-pro adalah sebagai berikut
  (2)
  …and I don’t know whether it can be reset for a
  date in December or not. Cornell seemed
  anxious that it should not come up too close to Christmas,
  and of course new suspicion [would be aroused?] [about?] him.
  I will take this up with the Judge as soon as I can get rid of the brief.
  Meanwhile I would like to know whether there is anything else
  in which I can be useful to you, since it behooves me
  in ways of uncomfortable relations with the present management.
  Are you going East in December?
  Has any word come from Hagerman?
  Were there any noteworthy developments at the hearings
  on the [Teapot?] trial?
  I have no inclination yet whether Wheeler will be wanted in
  Washington, but the chances are that he will not.
  With regards to all the brethren and [flock?], I am
  very sincerely yours,
  George A. H. Fraser
  Meski bukan penutur asli bahasa Inggris, saya bisa melihat bagian yang salah. Saya serahkan kepada pembaca untuk mencari bagian yang keliru, tetapi setidaknya itu bukan Teapot trial
  Dalam contoh ini GPT-4o sedikit lebih baik, dan hanya gagal pada bagian “New Mexican practise”

  • Hasil dari https://www.handwritingocr.com tampak lebih akurat, terutama berhasil menebak New Mexican dan mungkin sebagian besar bagian lain juga

    and I don't know whether it can be reset for a date in December or not. Cornell seemed anxious that it should not come off too close to Christmas, and of course New Mexican practice would support him. I will take this up with the Judge and with Hanna the moment I can get rid of the brief. Meanwhile I would like to know whether there is anything else in which I can be useful to you, since it behooves me to be diligent in view of uncomfortable relations with the present management.
    Are you going East in December?
    Has any word come from Hagerman?
    Were there any noteworthy developments at the hearings on the Tenorio tract?
    I have no intimation yet whether I will be wanted in Washington, but the chances are that I will not.
    With regards to all the brethren and flock, Dan
    Very sincerely yours,
    George H. H. Baser
  • Sebaiknya pakai fitur balasan agar komentar terlihat dalam konteks
    Dan tautannya mengarah ke halaman yang salah. Tautan yang benar adalah https://catalog.archives.gov/id/34384201?objectPage=190
  • “Teapot trial” tidak sepenuhnya mengada-ada: <https://en.wikipedia.org/w/index.php?title=Teapot_Dome_scand...>
  • Saya tidak mempercayai OCR dan LLM “tanpa ragu”

• Saya sedang mencari sesuatu untuk menghabiskan Jumat malam dengan kegiatan yang setengah produktif, dan ini pas sekali
  Lebih seriusnya, rasanya benar-benar keren mencoba proyek menyalin surat dan buku harian yang tidak pernah disentuh siapa pun sejak diarsipkan
  Selain tidak berdiri langsung di depan dokumen fisiknya, rasanya jarak antara penulis dan momen saat itu hampir lenyap
  Terutama ketika melihat jejak seseorang menghapus sesuatu atau membuat kesalahan, saya jadi membayangkan mengapa itu terjadi. Apakah seorang teman yang lewat di depan pintu membuatnya kaget? Apakah ia terdistraksi saat melihat ke luar jendela? Rasanya sangat dekat sekaligus jauh

• Saya pikir perusahaan AI besar yang haus bahan pelatihan bisa ikut membantu pekerjaan seperti ini
  Dengan memakai sedikit dana ventura, bukankah mereka bisa berkontribusi untuk kepentingan publik sekaligus memperoleh data pelatihan berkualitas tinggi?

• Sepertinya perlu meminta bantuan fakultas kedokteran ;)
  Seluruh keluarga saya lulusan Ivy League, tetapi tulisan kursif mereka termasuk yang terburuk yang pernah saya lihat
  Kadang saya butuh satu jam untuk membaca kartu Natal dari adik perempuan saya

  • Saya selalu penasaran bagaimana apoteker bisa membaca resep seperti itu
    Sepertinya di kampus pasti ada mata kuliah khusus untuk mempelajari hal semacam itu

• Saya ingin mencobanya karena ingin berlatih membaca tulisan kursif
  Saya banyak menulis dengan tangan, dan semua catatan juga saya tulis dengan kursif. Rasanya menyenangkan melihat binder terisi dengan berbagai macam topik
  Ada beberapa alasan saya menulis dengan kursif: tangan tidak terlalu pegal, ada sedikit privasi saat di tempat umum, tidak ingin kehilangan keterampilan itu, dan yang terpenting, menyenangkan

  • Untuk alasan yang sama, saya suka berlatih sedikit kaligrafi
    Saya juga suka bentuknya. Saya tidak memakai pena khusus, tetapi menambahkan gaya saya sendiri ke tulisan kursif agar terlihat lebih bagus
    Dulu saya juga menulis catatan sekolah dengan kaligrafi, terutama karena itu memberi saya alasan untuk tidak terlalu memperhatikan pelajaran
    Tapi para guru tidak suka karena saya tidak bisa menyalin cukup cepat tulisan coret-coret mereka di papan tulis

• Ini benar-benar keren, dan saya tidak bermaksud meremehkannya
  Dalam banyak hal, menyediakan hobi yang memungkinkan orang berpartisipasi di National Archives bisa menjadi tujuan tersendiri
  Tapi… bukankah komputer bisa melakukan pekerjaan ini jauh lebih baik?

  • Saya juga sempat berpikir begitu, tapi mungkin tulisan tangan lama tidak bisa
    Saya memasukkan contoh ke 4o, dan hasilnya seperti ini:
    The following is the declaration of James Lambert, a soldier of the Revolutionary War in North America.
    The said James Lambert this day personally appeared in the Probate Court of the County of Dearborn in the State of Indiana and at the November Term of said Court (1841), it being a court of record created by the laws of Indiana and made oath that:
    On the 25th day of March 1842, he will be eighty-five years old, that he was born in the State of Maryland, that he is now a resident of said county and has been for the 27 years last past; that he has lived in Virginia, Maryland, and Pennsylvania...
  • Tidak
    Tulisan kursif itu analog dan cair, jadi kurang konsisten antarpenulis, dan bahkan dalam tulisan satu orang pun sering naik-turun
    Jika ditulis dengan baik, ia bisa digolongkan sebagai salah satu bentuk seni, tetapi jika buruk, bisa terlihat seperti jejak kaki ayam yang memakai metamfetamin

• Setelah memakai keyboard selama sekitar 50 tahun, saya bahkan tidak bisa membaca tulisan tangan saya sendiri
  Saya bahkan tidak bisa membuat tanda tangan yang dapat direproduksi

  • Saya juga begitu. Saya cukup tua untuk mengingat masa ketika tanda tangan di struk kartu kredit dibandingkan sekilas dengan coretan tanda tangan di belakang kartu
    Kalau sekarang masih begitu, mungkin 50% transaksi yang saya coba akan gagal
  • Saya juga, dan pada tahun 90-an saya bahkan bangga dengan tulisan tangan saya
    Jelas saya telah kehilangan salah satu bentuk ekspresi diri