[Resumen]
En 1998, se dice que el libro digital quiere decir digitalización, ya
que la mayoría de los libros existe sólo en su versión impresa. Para
que un libro pueda ser consultado en pantalla, sólo hace falta
digitalizarlo en modo imagen o en modo texto. Los dos modos son
complementarios. Digitalizar en modo imagen consiste en escanear el
libro, y equivale a fotografiar el libro página a página. Como se
conserva la presentación original, luego es posible “hojear” el texto
en pantalla. La versión informática es el facsímil digital de la
versión impresa. Este modo es más barato, pero no permite la búsqueda
textual. Digitalizar en modo texto implica la necesidad de escanear el
libro en modo imagen y luego convertirlo en modo texto con un software
OCR (Optical Character Recognition). La versión informática del libro
no conserva la presentación original del libro o de la página, pero, lo
que resulta muy importante, sí permite la búsqueda textual.
***
En 1998, se dice que el libro digital quiere decir digitalización, ya
que la mayoría de los libros existe sólo en su versión impresa.
Para que un libro pueda ser consultado en pantalla, sólo hace falta
digitalizarlo en modo imagen o en modo texto. Los dos modos son
complementarios.
# La digitalización en modo texto
Durante los primeros años, la digitalización en modo texto consiste en
digitar el libro, con paciencia, en el teclado, página a página. Ésta
es la solución que se suele adoptar al constituirse las primeras
bibliotecas digitales, o bien cuando los documentos originales carecen
de claridad, por ejemplo en el caso de los libros antiguos.
Con los años, la digitalización en modo texto consiste en escanear el
libro en modo imagen, y luego en convertirlo en modo texto con un
software OCR (Optical Character Recognition). Se supone que un buen
software OCR tiene una fiabilidad de un 99%, y después basta con una
relectura en la pantalla para corregir el texto.
En este caso, la versión informática del libro no conserva el diseño
original de los libros, ni tampoco el de las páginas. El libro se
convierte en texto; es decir, en un conjunto de caracteres que aparecen
con continuidad en la pantalla. Por el tiempo que se necesita para
procesar cada libro, este modo de digitalización resulta más largo y,
por lo tanto, más costoso que la digitalización en modo imagen. Pero en
muchos casos es preferible, ya que permite la indexación, la búsqueda y
el análisis textual, así como los estudios comparativos entre varios
textos o varias versiones del mismo texto.
Éste es el método utilizado, por ejemplo, por el Proyecto Gutenberg,
fundado en 1971, que propone hoy en día la biblioteca digital más larga
en formato texto, con libros corregidos dos veces pare ser fiables a
99,95% en comparación con sus versiones impresas.
# La digitalización en modo imagen
Digitalizar en modo imagen equivale a escanear el libro, lo que
corresponde a fotografiar el libro página a página. Como se conserva la
presentación original, luego es posible "hojear" el texto en pantalla.
La versión informática es un facsímil digital de la versión impresa.
Éste es el método empleado a finales de los 1990 para digitalizaciones
a gran escala, por ejemplo para la biblioteca digital Gallica de la
Biblioteca Nacional de Francia (BNF: Bibliothèque Nationale de France).
Sin embargo, el índice, los sumarios y los corpus de documentos
iconográficos son digitalizados en modo texto, a fin de facilitar la
búsqueda textual.
¿Por qué no se digitaliza todo en modo texto? La BNF contesta a esta
pregunta en el año 2000 en el sitio web de Gallica: "El modo imagen
permite conservar el aspecto inicial del documento original, e incluso
los elementos no textuales. En cuanto al modo texto, permite efectuar
búsquedas más amplias y precisas en un documento, y reducir
sustancialmente el volumen de los archivos tratados, pero supone un
coste de procesamiento más o menos diez veces superior al de una simple
digitalización [en modo imagen]. Se pueden utilizar estas técnicas si
el volumen es limitado, pero no podría justificarse a nivel económico
tratándose de los 50.000 documentos (o sea, casi 15 millones de
páginas) que se han puesto en línea."
En los años siguientes, Gallica convierte, sin embargo, muchos libros
del modo imagen al modo texto para permitir la búsqueda textual.
# Ambos modos de digitalización son útiles
Pierre Schweitzer es el diseñador del software Mot@mot, que adapta los
facsímiles digitales al tamaño de la pantalla. Insiste en la utilidad
de ambos métodos de digitalización. Explica en enero de 2001: "El modo
imagen permite digitalizar deprisa y con costes muy reducidos. Esto es
importante porque la tarea de digitalización del domino público es
inmensa. Hay que tomar en cuenta también las diferentes ediciones: si
se digitaliza el patrimonio, es para facilitar el acceso a las obras.
Por lo tanto, sería paradójico focalizarse en una sola edición, dejando
de lado el acceso a otras ediciones. Cada uno de los dos modos de
digitalización conviene a un tipo de documentos: antiguo/frágil o
reciente, libre o no de derechos (para el autor o para la edición),
parca o abundantemente ilustrado. Los dos métodos también tienen
estatutos bastante distintos: en modo texto puede tratarse de la nueva
edición de una obra, mientras que en modo imagen se trata más bien de
una 'edición de otra edición'. En la práctica, la elección depende del
tipo de fondo que se quiere digitalizar, del presupuesto disponible y
de los objetivos que hay que alcanzar. Sería difícil prescindir de una
de las dos técnicas."