[TT] Precorectura şi corectura cărţilor electronice

Pagini: 1 2

Moderat de Seven, Stelevadris, cuculean, naid, uncris

#26

Seven
Moderator
Din: Ţara Perfectului Simplu

CORECTURA DE FOND [1] GENERALITĂŢI

Trebuie să menţionăm din start că textul versiune [V1.0] trebuie să fie un text universal, care are caracteristici simple, trebuie să fie uşor de convertit şi, mai ales, să poată fi preluat de către oricine pentru a realiza o corectură de versiune superioară.
Prin text universal se înţelege text în format DOC sau RTF, care permit convertirea uşoară în orice format şi, de asemenea, pot fi deschise şi prelucrate de multe editoare instalate sub diverse sisteme de operare.
Fişierul unui [V1.0] trebuie să DOC sau RTF, care poate fi însoţit de fişiere în formate speciale, dar niciodată nu se vor posta fişierele speciale fără a prezenta şi un fişier universal.
Din acest motiv se vor evita setările personale complexe. Multe dintre setările specifice Wordului nu sunt văzute corect în alte editoare; un singur exemplu: despărţirea automată la capăt de rând în Word va fi văzută ca despărţire manuală în OpenOffice şi nu numai, iar iar liniuţa se transformă într-o cratimă normală care nu poate fi eliminată decât manual, bucată cu bucată.
Un text [V1.0] nu trebuie să fie o lucrare de artă, ci un text foarte bine corectat. Elementele care ne pun în valoare calităţile artistice trebuie să apară mult mai târziu.

Sunt de evidenţiat cărţile postate de Bronto şi _Cosimo_, care pe lângă formatele Mobi, ePub, PDF etc., au în folderul „Sursă” versiuni DOC sau/şi RTF şi, de asemenea, imagini pentru coperte, astfel ca fiecare user să-şi salveze formatul/formatele după dorinţă.

● Format pagină text de corectat:
Am spus deja că cel mai practic format este A5. Formatul A5 a devenit un format universal, dar nu este obligatoriu; în funcţie de diagonala şi rezoluţia monitorului, de claritatea fişierului de control PDF [DjVu] şi de alte elemente, se poate folosi un format custom în care lăţimea poate varia între 5” ÷ 7”, iar lungimea poate fi a unei pagini A4.
Important este ca pagina de text, ca şi pagina scanului de control să fie văzută pe toată lăţimea ei. Pe timpul acestei corecturi se pot micşora marginile stânga-dreapta până la 0,1”, circa 2,5mm, pentru a nu avea margini mari şi nefolositoare; pe ecran trebuie să avem cât mai mult text.

● Font text de bază:
Cel mai mult în digitalizare este folosit fontul „Bookman Old Style”.
Acest font conţine toate caracterele necesare în limba română [deci şi diacriticele româneşti].
Este un font ale cărui caractere sunt suficient de spaţiate [caracterele au o lăţime mai mare decât majoritatea fonturilor], ceea ce permite o vizualizare bună a fiecărei litere.
Folosind „Bookman Old Style” este mult mai uşor de constatat că în text există grupul cl în loc de d, ori rn în locul lui m şi alte erori de acest gen.
Literele au forme clare şi fontul nu permite confuzia datorată asemănării grafice a semnelor. Există o excepţie: asemănarea perfectă între litera L mic şi cifra 1, dar în acest moment AutoCorect ne permite să eliminăm complet situaţiile în care cifra 1 apare în text în locul literei L mic.
Desigur că „Bookman Old Style” nu este un font foarte elegant, dar este foarte practic şi util pe timpul corecturii.

● Mărime font text de bază:
În cazul fontului „Bookman Old Style” mărimile uzitate sunt 10 ÷ 12.
O mărime mai mică de 10 puncte a fontului produce o dificultate a citirii, deoarece literele sunt prea mici; o mărime mai mare de 12 puncte nu se justifică, deoarece duce la un text un număr mare de pagini.
Personal folosesc mărimea 11 pentru textul de bază.
Celelalte mărimi de font [nume capitol, note de subsol, număr de pagină, header] trebuie să fie în concordanţă cu mărimea fontului de bază.
Astfel, dacă pentru textul de bază folosesc „Bookman Old Style 11”, pentru numele capitolelor folosesc acelaşi font şi mărime dar cu font Bold; în cel mai rău caz numele de capitole pot fi mai mari cu un punct, ajungând la „Bookman Old Style 12”.
Notele de subsol trebuie să fie un pic mai mic decât textul de bază, astfel că folosesc „Bookman Old Style 10”. Uneori pentru antet şi numere de pagină folosesc „Bookman Old Style 9”, dar niciodată un font mai mic.
Titlurile mari, cele folosite pentru „Partea a…”, „Cartea a…” sau titluri pentru povestiri, atunci când volumul este unul de povestiri poate fi de 18 puncte, maxim 20 de puncte.

Fonturile folosite pentru realizarea copertelor, mărimea, culoarea şi efectele speciale sunt la dispoziţia fiecăruia, funcţie de imaginaţie şi înclinaţiile sale artistice. Regulile de mai sus sunt recomandate pentru textul cărţii şi nu pentru coperte.

● Setări Paragraph: Identation: Left=Right=0
Se pot folosi valori mai mari de Left=Right=0, doar în cazuri cu totul şi cu totul speciale, ca de exemplu:
- în cazul lucrărilor ştiinţifice în care apar frecvent citate, pentru a evidenţia aceste citate în comparaţie cu textul de bază.
- în cazul titlurilor lungi pe care dorim să le setăm să fie afişate pe două rânduri.
- în alte situaţii speciale care apar în cazul altor cărţi decât cele de beletristică.

● Setări Paragraph: Identation –> Special: First Line, By = 0,2"
Pentru a evidenţia faptul că primul rând al paragrafului începe mai din interior, nu se va face acest lucru prin adăugarea de spaţii înaintea primului caracter şi nici prin adăugarea unuia sau mai multor taburi.
Prima linie a paragrafului se aliniază exclusiv prin setarea paragrafului ca având prima linie identată cu 0,2” [5,1mm] maxim 0,3” [7,6mm].
O identare mai mare de 0,3” [7,6mm] este inestetică şi nejustificată.
Identarea la 0,5” este estetică la documentele oficiale pe format A4, dar este total nejustificată într-o carte electronică, ce poate fi formatată la pagină A5 sau, chiar, formate apropiate de A6.

● Setări Paragraph: Spacing: Before/After = 0
Dacă este nevoie ca un titlu, un grup de cuvinte sau un şir caractere şi/sau elemente tipografice etc., să fie afişate la o anume distanţă de text, deci să nu fie lipite de textul de deasupra sau de după, se va folosi varianta adăugării unui rând gol [maxim două rânduri goale] înainte sau după titlul sau şirul de caractere respectiv.
Nu se recomandă setarea cu adăugarea de puncte înainte sau după [Spacing: Before/After], deoarece în alte editoare această setare se pierde, astfel că titlul setat în acest mod va apărea afişat lipit de textul din faţa sau de după el.

● Setări Paragraph: Line spacing = Single
Întregul text al cărţii, text de bază, titluri, note de subsol etc., vor fi scrise la un rând.
Setările "1.5 Lines, Double, Exactly, Multiple..." nu au nicio justificare în cazul cărţii electronice. [Aşa ceva se mai poate folosi doar cu sens de păcăleală, atunci când vrem ca o lucrare personală să se „întindă” pe un anume număr de pagini… şi textul la dispoziţie este unul cam scurtuţ… ]

● Cartea digitală este o copie fidelă a cărţii tipărite?
Dacă ne referim la conţinutul cărţii, răspunsul este DA.
Dacă ne referim la formă, răspunsul este, mai degrabă, NU.
Nu recomand copierea în cartea digitală a elementelor de identitate a cărţii, precum notiţele privind drepturile de autor, descrierea CIP, codul ISBN şi alte elemente de identificare.
Este de-a dreptul tragi-comic să găseşti într-un text corectat menţiunea „Toate drepturile acestei ediţii sunt aparţin editurii ZZZZ. Copierea, multiplicarea acestei ediţii constituie infracţ…… şi se pedepseşte conform….” Se pune întrebarea: cel ce a făcut corectura a citit ceea ce a scris/corectat? Şi dacă a citit, oare, nu a înţeles ceea ce scrie acolo? Este cu atât mai grav când asta se întâmplă cu cărţi de la edituri care deja ne-au creat probleme.
Întâlnim frecvent în cărţi cele 3 steluţe care separă fragmente diferite de text în cadrul aceluiaşi capitol. În cartea digitală nu este neapărat nevoie ca cele trei steluţe să fie sub formă de triunghi [pe două rânduri; una pe primul rând şi două pe rândul doi] şi se foloseşte frecvent scrierea lor în linie, sub forma * * *

Unii dintre noi se chinuie să reproducă în mod fidel fonturi speciale cu care a fost tipărită cartea sau să reconstituie unele elemente grafice folosite în locul celor 3 steluţe/asterisc sau alte elemente caracteristice cărţii tipărite. Toate acestea f pot fi folosite la o versiune finală realizată artistic, dar este un efort suplimentar nejustificat în prima fază a corecturii.

_______________________________________

Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.

| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

#27

Seven
Moderator
Din: Ţara Perfectului Simplu

CORECTURA DE FOND [2] GENERALITĂŢI

Notă: Informaţiile de mai jos nu privesc direct corectura cărţilor, dar sunt legate de cartea electronică.
Probabil că aceste note ar fi fost mai bine să fie postate pe un alt topic.
Deocamdată am considerat ca e bine să fie postate acum şi aici.
Dacă voi avea timpul necesar e posibil să fie dezvoltate pe un alt topic.

● PDF [DjVu] cu pagini sincronizate:

Prin PDF sau DjVu cu pagini sicronizate, înţeleg acel PDF [DjVu] căruia i se adaugă una sau mai multe pagini goale sau i se scot un număr de pagini goale sau fără importanţă pentru conţinut, astfel încât numărul paginii pe care-l afişează vizualizatorul de PDF [DjVu] să corespundă cu numărul tipărit pe pagina-imagine a cărţii.
Astfel când în PDF-XChange Viewer sau Adobe Reader vom căuta pagina 77 prin inserarea ei de la tastatură, se va afişa imaginea paginii pe care este tipărit numărul de pagină 77.
Multe persoane elimină paginile goale atunci când realizează un PDF, astfel că dacă vom căuta pagina 607 a cărţii, aceasta ar putea să se afle la pagina 593 a PDF-ului.
Sincronizarea paginilor PDF [DjVu] este foarte importantă pe timpul corecturii, pentru a nu pierde timpul cu căutarea unei anumite pagini. Cu cât cartea originală va avea mai multe pagini, cu atât mai grea va fi căutarea în cazul unui PDF nesincronozat.

Iată un exemplu de PDF cu pagini sincronizate în imaginea de mai jos.
Se poate observa că la pagina 379 a PDF se află pagina 379 a cărţii tipărite.

Şi, iată încă două imagini care conţin PDF-uri cu paginile nesincronizate:

În imaginea 2, la pagina 300 a PDF este afişată pagina 286 a cărţii. Pentru sincronizarea paginilor, în acest caz trebuiau eliminate nişte pagini goale sau cu conţinut fără importanţă.

În imaginea 3, la pagina 312 a PDF este afişată pagina 243 a cărţii. Acesta este un caz special. Diferenţa foarte mare dintre cele două numere este dată de faptul că volumul are o prefaţă numerotată cu cifre romane, iar numerotarea cu cifre arabe apare doar după finalul prefeţei.

● Scanul de control IDEAL pentru corectură:

Scanul de control sub forma de imagini separate este deja de mult timp depăşit şi nu mai este folosit.
Cele mai folosite variante ale Scanului de control sunt fişiere de tip PDF clasic, PDF Searchable şi DjVu.
Fiecare dintre aceste tipuri de documente pot fi în variantă alb-negru [AN], Grayscale sau color.
Recomand ca scan-control: PDF Grayscale şi DjVu Grayscale.

Culoarea ideală este Grayscale.
Variantele Color sunt folosite în cazul revistelor şi albumelor, ori a unor cărţi vechi, caz în care PDF este cunoscut drept „PDF pentru colecţie”.
Pentru a fi folosit ca scan-control nu se justifică un PDF sau DjVu Color, deoarece el are dezavantajul că va ocupa un spaţiu mare pe disc şi nu va folosi în plus celui ce execută corectura.
Un scan-control AN poate prezenta o serie de deficienţe de lizibilitate.
Sunt mai mulţi useri, specialişti în realizarea de PDF/DjVu AN; de regulă, aceştia sunt cei care îşi scanează şi îşi prelucrează singuri cărţile şi, bineînţeles sunt profesionişti în aceste activităţi.
Din păcate, există pe forum multe, chiar prea multe, DjVu şi PDF AN cu mari probleme de lizibilitate, care prezintă pagini întregi cu zone imposibil de citit, de regulă „fâşii” verticale de text, mai late sau mai înguste, situate în zona cotorului cărţii.
Astfel de probleme au drept cauză principală o scanare necorespunzătoare şi foarte rar calitatea necorespunzătoare este dată de prelucrarea defectuoasă.
Dintr-o scanare de slabă calitate poate rezulta un PDF/DjVu alb-negru complet nefolositor, dar de cele mai multe ori poate rezulta un PDF/DjVu Grayscale folositor.
În concluzie, cei ce ştiu şi ştiu că ştiu să realizeze scan-control AN să facă astfel de fişiere, iar cei ce au anumite neajunsuri e bine să se ferească de aşa ceva, ori să realizeze atât variante An, cât şi variante Grayscale.

Despre CĂUTARE FRAGMENT DE TEXT în Scanul-control.
Putem căuta un fragment de text prin opţiunea „Search” sau „Find” într-un fişier de tip DjVu şi într-un PDF Searchable [SSB].
În ABBYY 11 se pot salva ambele tipuri de fişiere.
Se pot salva fişiere PDF Searchable [numite PDF/A în Abbyy]; PDF Searchable obţinut astfel este unul deosebit de valoros, deoarece păstrează toate informaţiile necesare Abbyy, inclusiv rezoluţie, poate fi reîncărcat foarte uşor în Abbyy pentru obţinerea unui OCR la aceeaşi calitate cu OCR obţinut la scanarea originală. Singurul dezavantaj, dar destul de important, este faptul că fişierul este destul de mare.

Fişierele DjVu Grayscale obţinut cu Abbyy are calităţi foarte bune şi o mărime decentă, care în situaţii cu totul excepţionale poate ajunge la 10 MO. Ele sunt foarte bune pentru a fi folosite ca fişiere scan-control.
Calităţile de rezoluţie nu se ridică la nivelul PDF-ului Searchable, dar şi acestea pot fi încărcate cu uşurinţă în Abbyy şi se obţine un OCR decent, dar nu de aceeaşi valoare ca cel obţinut din PDF-ului Searchable.
Ambele tipuri de fişiere sunt foarte importante pentru persoanele care fac muncă de documentare în vederea realizării unei lucrări.
De asemenea, aceste tipuri de fişiere sunt excelente în cazul cărţilor în limba originală de pe care dorim să facem traduceri în limba română.

Personal cred că atunci când nu avem timpul la dispoziţie pentru prelucrarea de calitate şi finalizarea unei cărţi şi nici spaţiu suficient pentru păstrarea folderului Abbyy, e bine, util şi practic să salvăm cartea în ambele formate menţionate, adică un PDF Searchable Grayscale pentru eventuala reîncărcare în Abbyy şi un DjVu Grayscale pentru a fi folosit cel puţin în rolul de scan-control.
Aceasta este o salvare mult mai bună, mai practică şi mai sigură decât varianta în care am păstra doar un OCR realizat la repezeală şi eventual un PDF micşorat sau un DjVu alb-negru. Vom avea avantajul că vom păstra nişte fişiere de circa 10 ori mai mici faţă de un folder Abbyy, iar informaţiile din aceste fişiere au aproximativ aceeaşi valoare cu cele dintr-un folder Abbyy.

● ROCADA zonelor de text în ABBYY

Termenul de „Rocadă în Abbyy” a apărut pe forum atunci când unii dintre useri au constatat că în cazul imaginilor de tip dublă pagină [adică acele imagini la care nu s-a făcut splituirea] existau situaţii în care Abbyy, în loc să citească mai întâi pagina din stânga şi apoi pe cea din dreapta, în mod eronat făcea mai întâi citirea paginii din dreapta şi după aceea realiza citirea paginii din stânga; practic, Abbyy făcea o rocadă între cele două pagini.

Între timp s-a constatat că schimbarea ordinii de citire se putea realiza şi în cadrul aceleaşi pagini, mai ales atunci când pe pagină începea un capitol nou, situaţie în care zonele de text erau în număr de cel puţin 3: prima zonă cuprindea sfârşitul de capitol, a doua zonă era cea care cuprindea numele capitolului şi o a treia zonă era textul de la începutul noului capitol; putea să mai apară zona numărului de pagină, zona antetului şi zona unui moto imediat după numele capitolului.
Deşi nu mai era o simplă rocadă, acest termen s-a păstrat, primind un sens mai larg şi anume acela de citire într-o ordine incorectă a zonelor de text.

Este foarte adevărat că astfel de situaţii apar frecvent în Abbyy 9; personal nu ştiu dacă Abbyy 11 a rezolvat această situaţie.
Este la fel de adevărat că aceste zone se pot corecta în Abbyy atunci când utilizatorul ştie să facă acest lucru; deoarece mulţi utilizatori nu ştiu să refacă zonarea şi reordonarea zonelor de text, cred că este important să discutăm despre acest lucru.

Să aruncăm o privire asupra imaginii următoare:

#28

Seven
Moderator
Din: Ţara Perfectului Simplu

CORECTURA DE FOND [3]

● Scopul primei corecturi:

La prima corectură, numită şi corectura de fond sau corectura pentru versiunea [V1.0], principalul scop este acela de a face ca textul corectat să aibă conţinutul identic cu cel al originalului, adică să fim siguri că nu există cuvinte sau fragmente de text lipsă, că nu avem rocade în poziţia textului de text, că nu avem cuvinte asemănătoare ca formă dar cu sens complet diferit în text.

În principiu, această corectură nu urmăreşte în special respectarea strictă a rigorilor limbii române [acest lucru este urmărit în principal la corectura pentru următoarele versiuni], ci în primul rând respectarea autenticităţii textului.
Ca o paranteză, dau un exemplu de astfel de cuvinte: convingere – constrângere.
Dacă un astfel de cuvânt în textul original era despărţit la capăt de rând, iar cartea nu a fost suficient presată la scanare, este posibil ca un cumul de factori care ţin de recunoaşterea eronată a Abbyy, de înlocuiri de secvenţe de cuvinte în AC etc., să facă posibilă ca la corectură să avem unul dintre cele două cuvinte în locul celuilalt. O astfel de înlocuire schimbă complet sensul frazei şi al acţiunii. O astfel de schimbare de cuvinte face diferenţa dintre dragoste şi viol, ori dintre însoţitor din plăcere şi ostatic etc.

Faptul că după prima corectură vor exista nişte greşeli uşor corectabile, că vom avea un număr mai mic sau mai mare de cuvinte scrise fără cratimă acolo unde cratima trebuia să existe ori invers, cuvinte scrise despărţit acolo unde ele trebuiau scrise împreunat ori invers, cuvinte cu câte o literă în plus sau minus care nu schimbă sensul frazei, cuvinte fără o diacritică sau cu diacritice în plus, toate acestea nu trebuie să fie considerate mari greşeli de corectură, deşi ideal ar fi ca ele să fie cât mai puţine.

Dacă după prima corectură vom găsi fraze al căror sens nu îl putem înţelege de niciun fel deoarece lipsesc unul, două sau mai multe cuvinte, dacă vom constata că lipsesc fragmente mai mici sau mai mari de text, aceste situaţii sunt mari greşeli ale primei corecturi.

În concluzie, cine face prima corectură, avizează, îşi asumă un fel de răspundere că textul corectat este complet, are acelaşi conţinut şi acelaşi sens cu originalul. Trebuie să reţinem că următoarele corecturi se fac fără confruntarea scanului de control şi că următorii corectori se bazează pe seriozitatea, consecvenţa, corectitudinea şi responsabilitatea primului corector şi că dacă prima corectură se va face superficial şi va permite denaturarea sensului frazei sau lipsă de text, atunci indiferent cât de bine şi-ar face treaba următorii corectori, la final va rezulta un text perfect din punct de vedere gramatical şi ortografic, dat o carte incompletă sau cu sens schimbat.

● Organizarea pentru prima corectură:

La corectura prin citire se procedează astfel:

1. Se deschide documentul în Word şi se redimensionează fereastra astfel încât să ocupe jumătate sau ceva mai mult de jumătate din ecran şi se trece, de regulă, această fereastră în partea dreaptă a ecranului; partea stângă sau dreaptă o stabileşte fiecare utilizator în funcţie de obişnuinţă. Wordul va avea activat corectorul de limba română şi va avea încărcat şi activat dicţionarul suplimentar despre care am discutat la capitolul despre precorectură.

2. Se deschide PDF din imagini, DjVu sau alte fişiere care conţin imaginile de la scanare, se redimensionează şi această fereastră şi se pune în stânga ecranului.
Cele două ferestre [fereastra Word şi fereastra PDF] aşezate una lângă alta vor ocupa toată lăţimea monitorului.

3. Se deschide şi fişierul doc "Index", dar rămâne în bară [în fundal] şi apelăm la el numai dacă este nevoie, spre exemplu: un nume dintre cele trecute în Index, respectiv în dicţionarul suplimentar apare subliniat; asta înseamnă că respectivul nume nu este scris corect; dacă nu ne mai amintim de forma lui corectă, atunci apelăm la Index şi ne uităm să vedem care este forma corectă.
Acelaşi lucru este valabil şi pentru alte cuvinte, ori cuvinte noi... adică nume sau cuvinte necunoscute care nu au fost trecute în index, dar pe care le vom trece acum, dacă ele apar de mai multe ori.

4. Atunci când simţim nevoia unei confruntări cu originalul cărţii, mă refer la o ediţie electronică în limba de origine, pentru verificarea corectitudinii unor nume etc., e bine să avem la îndemână şi un astfel de fişier, care nu trebuie să fie neapărat deschis, dar care poate fi găsit cu uşurinţă.

5. Dacă permit condiţiile tehnice, vom avea deschisă ori la îndemână pagina web dexonline.ro şi eventual un dicţionar sau îndrumător ortografic în format pe hârtie. E posibil să nu avem nevoie de ele, dar paza bună trece primejdia rea.
[Mulţi useri nu au nevoie de astfel de instrumente deoarece meseria lor este legată de cuvinte, ori au o vârstă apropiată de perioada şcolii; sunt însă mulţi useri care şi-au câştigat pâinea din meserii diverse care nu au legătură cu arta cuvântului, ori îşi câştigă pâinea într-o ţară în care se vorbeşte altă limbă, fapt pentru care este foarte normal să nu [mai] fie puşi la punct cu rigorile actuale ale limbii române].

6. Subliniez că la acest moment eu personal am textul de corectat formatat pe stiluri. Este vorba de un număr de 4 stiluri, deci un număr foarte mic, şi anume: un stil pentru textul de bază [N2], unul pentru cuvintele scrise italic în textul de bază [N2_I], unul pentru cuvintele din textul obişnuit care sunt aliniate la centru [N_C] şi un al patrulea stil pentru numele/numărul capitolelor [Heading 3].
O discuţie despre stiluri trebuie dezvoltată pe larg pe un alt topic, deoarece este un subiect un pic mai dificil, faţă de care există un înalt grad de respingere din partea multor useri.

_______________________________________

Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.

| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

#29

Seven
Moderator
Din: Ţara Perfectului Simplu

CORECTURA DE FOND [4]

● Confruntarea cu scanul de control:

NOTĂ:
Pentru a putea folosi o exprimare mai simplă în cadrul tutorialului vom folosi în continuarea termenul „OCR” atunci când vom vorbi despre textul de corectat, deşi acest text a depăşit de mult caracteristicile unui simplu OCR.
Din acelaşi motiv, pentru scanul de control, fie el sub formă de imagini ale fiecărei pagini, PDF clasic din imagini, PDF Searchable, DjVu sau chiar cartea pe hârtie, vom folosi doar termenul „PDF”, prin care se va putea înţelege orice variantă de scan-control, fie el prelucrat sau nu.

Pe timpul corecturii de fond, numită corectura pentru versiunea [V1.0], vom face permanent CONFRUNTAREA conţinutului OCR cu cel al PDF.
În timp ce citim FOARTE RAR textul de corectat, vom trage cu coada ochiului la conţinutul PDF.
Pentru aceasta monitorul computerului nostru va avea un aspect asemănător cu cel din imaginea următoare:

Se observă că în acelaşi timp sunt afişate pe monitor atât textul pe care îl corectăm [în dreapta], cât şi scanul de control [în stânga].

Cât de des se va face această „tragere cu coada ochiului”?
Răspunsul depinde de 3 factori:
— experienţa în corectură a corectorului; un corector cu puţină experienţă va privi mai des decât este necesar la PDF, deoarece are un mic sentiment de frică să nu „scape” ceva. Pe măsura acumulării de experienţă. Adică după dou-trei cărţi corectate, corectorul va face confruntarea doar atunci când este necesar.
— gradul de cunoaştere al stilului autorului de către corector; dacă vom avea mai multe volume de corectat ale aceluiaşi autor, cu timpul îi vom „simţi” stilul şi ne vom da seama doar din citirea OCR dacă există o problemă sau nu, deoarece exprimare pare altfel decât stilul său literar cu care ne-am obişnuit.
— calitatea OCR; putem avea un text care „curge” perfect şi unde doar din când în când este nevoie de intervenţia corectorului şi putem avea OCR unde corectorul va face zeci de intervenţii pe o singură pagină sau va reedita fragmente întregi de text..
Calitatea unui OCR nu depinde neapărat de modul de prelucrare a OCR sau de calitatea scanării, ci, în primul rând, de calitatea şi vechimea cărţii scanate.
Dacă vom corecta o carte tipărită după 1990 pe hârtie velină de calitate, în condiţii de tipar moderne, chiar o scanare mai slăbuţă va conduce la realizarea unui OCR foarte bun.
Dacă vom lucra o „carte rară”, adică o carte care nu se mai găseşte de foarte mulţi ani pe piaţă, iar aceasta a fost tipărită pe hârtie de ziar de slabă calitate, cu cerneală în strat neuniform şi a cărei culoarea virează destul de repede în timp, o carte tipărită prin procedeul clasic bazat pe culegerea literelor de plumb etc… etc… indiferent cât de profesionişti am fi în scanare şi prelucrarea cărţii, OCR-ul va avea multe probleme de rezolvat.
Dacă luăm în calcul că mulţi dintre useri şi-au propus o readucere la viaţă a unora dintre aceste cărţi rare şi că se ocupă de digitalizarea unor astfel de cărţi cu probleme, atunci este de înţeles de ce unele dintre lucrurile spuse aici par interesante doar pentru unii useri, şi complet în plus şi lipsite de importanţă pentru alţii.
Fără supărare şi fără intenţia de a aduce atingere cuiva, una-i activitatea de digitalizare a unei cărţi apărute pe piaţă în urmă cu doi-trei ani în care corectura este mai mult plăcere decât muncă şi cu totul altceva este să lucrezi o carte apărută în perioada interbelică sau chiar din anii 1960 ÷ 1970, în care este vorba de foarte multă muncă.
Atunci când vom duce la bun sfârşit o carte tipărită pe la 1920 ÷ 1930, mai veche, ori un picuţ mai nouă, vom pricepe de ce unii dintre noi lucrează la câte un volum timp de luni de zile, deşi noi personal am făcut corectura unor volume doar în câteva zile.

Vorba multă, sărăcia omului!...

Şi, totuşi, cât de des se face confruntarea cu PDF-ul.
Pentru început vom face o confruntare a fiecărei pagini în parte.

Când ajungem la o pagină nouă verificăm cu PDF următoarele aspecte:
— dacă textul de la începutul paginii este chiar cel de pe pagina originală ori, dintr-un motiv sau altul, a avut loc o „rocadă Abbyy”.
— dacă textul de sfârşitul paginii este acelaşi sau domnu’ Abbyy a „sărit” peste vreo notă de subsol fiindcă era scrisă cu litere prea mici şi el nu l-a putut citi.
— dacă în pagină avem text scris cu caractere italice, text pe care trebuie să-l evidenţiem în acelaşi mod.
Dacă în legătură cu aceste aspecte nu există nicio problemă purcedem la citirea în mod foarte rar a textului şi „tragem cu coada ochiului” doar dacă „simţim” o incertitudine legată de un cuvânt, de un semn de punctuaţie etc.

● Viteza de citire pe timpul corecturii:

Practic, corectura se face prin citirea rară sau foarte rară, cu viteză mai mică decât citim în mod obişnuit, astfel încât să putem vedea cuvintele scrise greşit care nu sunt subliniate. De exemplu, dacă avem cuvântul „si” în loc de „şi”, ori „clar” în loc de „rar” etc. etc., corectorul nu subliniază cuvântul respectiv deoarece cuvântul există în limba română doar că nu este locul lui acolo în text, ci se află în locul unui alt cuvânt cu care seamănă.

Repet, citirea se face mai rar decât de obicei, deoarece se cunoaşte că la o citire normală, în mod practic ochiul nu parcurge textul literă cu literă ci citeşte cuvinte întregi.
Dacă un cuvânt nu este scris corect, de regulă ochiul şi creierul "citeşte" ceea ce ar trebui să scrie şi nu neapărat aşa cum este scris.

Iată un exemplu:
Propun să citim cu viteză mare următorul text:

"Dacă un cuvâtn nu este srcis corcet, de regulă ochuil şi creireul "citşete" ceea ce ar trbeui să srcie şi nu neaprăat aşa cum este srcis."

Acum să citim acelaşi text mult mai rar pentru a consta câte greşeli se găsesc în el.
Mă rog exemplul este exagerat, dar acesta este fenomenul.
De aceea trebuie ca cititul să fie mai rar... la început va trebui să fie foarte rar până se câştigă experienţă la corectat.

_______________________________________

Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.

| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

#30

Seven
Moderator
Din: Ţara Perfectului Simplu

#31

meridiane
Online
MEMBRU VIP

Seven a scris:

CORECTURA DE FOND [3]

● Scopul primei corecturi:

Trebuie să reţinem că următoarele corecturi se fac fără confruntarea scanului de control ...

Imi pare rau sa te contrazic, dar daca descarci versiuni v.1.0 de pe RI ai o neplacuta surpriza.
Sa nu mai spun de versiuni 2.0 care sunt ocr-uri brute.

Scanul de control trebuie sa insotesca fisierul corectat pina la cel putin v.3.0.
Iar v.3.0 sa fie un adevarat v.3.0.

#32

Seven
Moderator
Din: Ţara Perfectului Simplu

***
De fapt, nu este chiar o contrazicere... pentru că eu încerc să spun ceea ce ar trebui să se facă şi nu ceea ce, uneori, din păcate, se face pe forum.

Îţi dai seama că vorbind despre versiunea de fond, nu aş putea afirma ceva de genul: "...lucraţi superficial, nu e cazul să vă stresaţi prea mult cu corectura, pentru că vin fraierii şi vor rezolva ei problemele rămase..."
Mi se pare că aşa cum am scris s-ar traduce cam la modul: "... ochii mari, viteză mică, pentru că nu vine altcineva după voi să vă facă curat..."

Adevărul este că pe forum există o mare grabă de a avea cât mai multe cărţi postate şi la un moment dat ajungem cam în situaţia unui grup de oameni care au dat multe pahare peste cap, când toţi vorbesc şi nimeni nu mai ascultă.

Noi suntem cumva în faza când toată lumea face cărţi şi aproape nimeni dintre cei ce lucrează nu mai citeşte, pentru că nu mai are timp.
Există cei ce citesc şi nu lucrează, dar printre ei sunt prea mulţi dintre cei ce vor ca "posmagii să fie înmuieţi". Adică, de ce să se complice ei cu convertirea din DOC în formatele pe care le suportă dispozitivul lor şi să nu le dăm noi mură-n-gură, frumos ornată şi servită la tavă?

Rugăminţi şi cereri de genul, "...plz!... plz"... caut de mult cartea X şi acum am găsit-o pe forumul vostru, dar este doar în format doc... plz, plz, să o posteze cineva în format XYZ, pentru că eReaderul meu nu citeşte Doc..." mi se par chestii de culmea nesimţirii.
Închei aici pentru că nu aş vrea să-mi pun colegii moderatori în postura să fie obligaţi să mă bănneze pentru limbaj indecent, dar mi s-a cam făcut într-un anume fel de cei ce totdeuna cer, dar pentru care munca are un puternic miros neplăcut.
A face muncă de voluntariat, nu înseamnă aşa cum sunt tentaţi să creadă unii, a fi sluga unor umanoizi comozi şi veşnic nemulţumiţi.

_______________________________________

Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.

| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

#33

Seven
Moderator
Din: Ţara Perfectului Simplu

[PARANTEZĂ]

Deşi nu am ajuns la această fază a tutorialului, fac o mică paranteză şi prezint câteva lucruri despre înfrumuseţarea cărţilor cu Imagini şi Ornamente Tipografice

● Despre „înfrumuseţarea” cărţilor:

Important de reţinut: Un fişier text care conţine imagini este întotdeauna mai mare în format RTF decât acelaşi document salvat în format DOC.
Din această cauză, chiar dacă din motive obiective [legate de conversia din RTF în diferite formate speciale] avem un fişier RTF, pentru a fi „transportat” [urcat pe host în vederea downloadării] vom folosi totdeauna formatul DOC.
Dacă cineva va avea nevoie să revină la format RTF o va face foarte uşor deschizând fişierul în Word sau alte editoare care citesc DOC şi salvând în format RTF.
Spre exemplificare, un fişier DOC ce conţine imagini şi care are aproximativ 5 ÷ 6 MO, va avea în format RTF circa 30 MO.

Despre mărimea imaginilor de inserat.
Imaginile nu trebuie să aibă dimensiuni mai mari decât dimensiunile pe care le va ocupa în text.
În Word vom face clik dreapta pe imagine şi alegem opţiunea „Format picture”, apoi tabul „Size”. Dacă la eticheta „Scale” avem valori mai mici de 100% înseamnă că imaginea este prea mare. „Scale va trebui să aibă totdeauna valori mai mari de 100%,deci imaginea să fie mai „întinsă” decât în realitate şi nu mai „strânsă”
O imagine color care se inserează pe o pagină trebuie să fie prelucrată astfel încât să aibă maxim 0,5 ÷ 0,7 MO. Dacă este mai mare de 1 MO nu este o imagine bună.

Despre formatele TIF, JPG, PNG…
Atenţie! Formatul TIF pentru imagini Color sau Grayscale va ocupa spaţiu mare pe disc faţă de alte formate, dar o imagine TIF alb-negru va fi totdeauna mai mică decât în orice alt format.
În concluzie, folosiţi format JPG, PNG pentru imagini Grayscale şi Color şi folosiţi format TIF pentru imagini alb-negru.

Despre Ornamente Tipografice
Ornamentele Tipografice sunt acele imagini alb-negru folosite pentru ornarea unora dintre paginile cărţilor.
În tipografiile timpului au fost folosite pentru ornarea începuturilor volum, începuturilor de părţi principale sau începutul de capitol [cap-capitol], ori pentru sfârşit capitol, sfârşit părţi principale, sfârşit volum. Ornamente mici au fost folosite şi pentru ornarea părţii de sus şi/sau jos a fiecărei pagini.

Ele pot fi sub formă de imagini de colţ, imagini sub formă de bandă orizontală sau verticală, imagini centrate orizontal etc… cu motive florale, geometrice etc. etc.

Recomand folosirea unui număr foarte mic a unor astfel de ornamente.
Un număr mare de ornamente riscă să nu înfrumuseţeze o carte ci să o transforme într-o carte de tip sorcovă.

Pentru iubitorii de ornamente tipografice am urcat câteva colecţii de astfel de ornamente:
„1500 Decorative Ornaments from Dover” cuprinde in număr de 1500 de ornamente în format TIF [sunt cele din arhiva DOD1500T.rar] şi aceleaşi ornamente în format JPG [arhiva DOD1500J.rar]
„Dover Typographic Ornaments” este o colecţie de 660 de ornamente la care am mai adăugat câteva versiuni ale unora dintre imagini [arhiva DTO670.rar]
cuprinde un număr
„Old Fashioned Floral Designs – 636” este la origine un CD cu o colecţie de 636 ornamente florale [arhiva OFFD636.rar]

Nume arhivă: DOD1500T.rar
http://www.filehost.ro/29210166/DOD1500T_rar/
http://www.mediafire.com/?6bmjac94phpfhw8

DOD1500J.rar
http://www.filehost.ro/29210160/DOD1500J_rar/
http://www.mediafire.com/?h8flt9zjik633zi

DTO670.rar
http://www.filehost.ro/29210170/DTO670_rar/
http://www.mediafire.com/?385uma5r5hrfr4z

OFFD636.rar
http://www.filehost.ro/29210231/OFFD636_rar/
http://www.mediafire.com/?avwvp3559agvgrt

EDIT:
În timp încerc să urc şi o colecţie de pagini goale [pagini goale, uşor colorate care se pot folosi ca fundaluri pentru text], câteva fişiere cu fundaluri colorate şi texturate ce se pot folosi pentru realizarea copertelor şi, cred că mai am un mic pachet cu coperte de tip vechi folosite la cărţile franţuzeşti ale lui Jules Verne.

_______________________________________

Oameni şi popoare îşi cată libertatea; după ce-o obţin, îşi caută stăpân.

| TORENTE | Tăunul | ROCAMBOLE+ | FLORIS | VRACIU | Victor HUGO | J.F. COOPER | PAPILLON | POLDARK |
| Dictionare Lba RO | | Gramatica RO | D. Stănoiu | Zaharia STANCU | H.Y. STAHL | V.CORBUL & E.BURADA |
| Ultimul regat | Millennium | Shantaram | Pearl BUCK | Anchee MIN | Amy TAN | C. LÄCKBERG | Ph.GREGORY |
| Extraterestrii şi Intraterestrii | RUFOR | Demonul Roşu | Vraja milioanelor | Cărţi audio |

#34

Seven
Moderator
Din: Ţara Perfectului Simplu

#35

Seven
Moderator
Din: Ţara Perfectului Simplu

#36

ZVONACFIRST
MEMBRU DE BAZA
Din: Bucuresti

@Seven, am o nelamurire: se gasesc pe net si chiar pe RI multe carti versionate 1.0 fara a fi disponibil scanul de ctrl.
desi banuiesc raspunsul tau te intreb totusi: cum vor fi versionate aceste carti care, dupa ce trec pe la mai multi cititori, ajung la un nivel superior de corectitudine a textului?
am spus ca banuiesc raspunsul tau - "OCR fara scan de ctrl" (gresesc?) - dar nu mi se pare ok. am citit carti in care am identificat foarte putine greseli in text pentru care nu era disponibil scanul de ctrl. apoi am gasit si carti cu "scan de ctrl" care de fapt era o conversie in pdf a unui doc.

#37

Seven
Moderator
Din: Ţara Perfectului Simplu

Topicuri similare

Pagini: 1 2

Mergi la