问:按加工程度划分,数字资源可以分成哪几个层次?
答:可以分为目录级、图像级、文本级和知识级四个由浅入深的层次。目录级只对档案进行著录、建立目录数据库,内容仍以实体形式提供利用,是最基础的层次;图像级在著录基础上逐页档案扫描成像,形成数字图像库,是当前存量加工的主体形态;文本级在图像基础上通过识别或人工录入形成全文文本,支撑全文检索;知识级再进一步做结构标注与实体关联,形成专题知识库,属于高级形态。
答:不同层次对应不同的投入与回报。普通往来文件做到图像级即可满足日常查阅;利用频繁、需要全文检索的重要文件,再补充文字识别;具有研究价值、需要深度开发的档案,才适合向知识级迈进。项目实践中不必一刀切,按门类、按价值分层加工,比全项目追求最高深度更经济,也更容易通过验收。层次越深,单位页成本越高,但利用深度也随之加深,关键是与需求匹配。
- 目录级:只著录建库,投入低,适合利用需求不高的档案;
- 图像级:逐页成像,是当前存量档案扫描的主体形态;
- 文本级:在图像上做识别校对,形成全文,支撑内容检索;
- 知识级:结构标注与实体关联,形成专题库,投入较高;
- 按重要程度分层选择,避免过度加工造成无效投入。
加工程度的选择,最终要回到利用场景上。成果挂进档案管理系统之后,普通查阅靠目录与图像即可满足;一旦需要全文检索、内容统计或专题编研,文本级与知识级的价值才会显现。建议在立项阶段就按门类排定优先级,把宝贵经费优先投给利用率高、价值重要的档案,其余分期分批推进。这样既控制了当期成本,又保证了数字资源的可持续积累,后续档案数字化加工的成效也更容易被量化检验,不至于做完一批就再无下文。
总而言之,加工程度不是越高越好,而是越匹配越好。立项时把每类档案的利用场景想透,把对应的加工深度排定,再写进技术需求书,执行与验收才有据可依。随着利用需求升级,已经做到图像级的档案日后也可以再补充全文,分阶段深化并不矛盾,反而比一步到位更省钱。