Actum in camere. Getuigenverklaringen uit het archief van de Brugse schepenbank (1700-1795)

Help ons mee de automatisch getranscribeerde achttiende-eeuwse getuigenverklaringen uit het archief van de Brugse schepenbank te corrigeren en draag zo je steentje bij aan het onderzoek naar het dagelijkse leven in het verleden!

Current status

  • 13.759 scans
  • 155 participants

  • 10.448
    • 1.4% Unusable
    • 75.9% Entered
    • 64.6% Validated data
    Entered 77.3%
  • 8.893
    • 1.4% Unusable
    • 75.9% Entered
    • 64.6% Validated data
    Validated data 66.1%
Participate in this project

Project info

 
Suzanne Knibbeler-Costima

Suzanne Knibbeler-Costima

Waarom nu zo veel fouten? @velehanden @projectleider

Updated at: 

Bij het invoeren, zie ik veel fouten; de p wordt niet herkent en wordt een n, s en t wordt ook niet meer herkent enz.

Bij regels vallen op het eind de letters soms weg.

Bij een duidelijke hij of sij staat hi of si.

Nog een voorbeeld; “mardarhy” en moet zijn "maer dat hy”. enz

Voorheen was dit niet zo.

@velehanden

  • Ward Leloup

    Ward Leloup

    Dag Suzanne

    Ik heb ook niet meteen een verklaring waarom er in deze series meer fouten zijn geslopen. Dat moet een technische oorzaak hebben bij het automatisch genereren van de transcripties. Ik geef het alleszins door! Het toont alleszins aan dat jullie bijdragen en correcties zeer nuttig zijn! Veel dank!

  • Cor Kooter

    Cor Kooter

    Nou is het ook wel zo, dat de schrijver een nogal slordig handschrift heeft. Soms wordt een woord pas duidelijk bij het nalezen van de hele zin, want de afzonderlijke letters zijn in dat geval slecht herkenbaar. Als je letterlijk zou opschrijven wat de schrijver neerpende, zou je volgens mij dezelfde fouten maken als transkribus. 


  • Ward Leloup

    Ward Leloup

    Ik heb het even nagevraagd en wanneer er meer fouten zijn, kan dat liggen aan het gebruikte model in Transkribus. Om de teksten automatisch te kunnen transcriberen, doet Transkribus beroep op een bepaald model op basis waarvan het programma de letters kan herkennen. Voor deze reeks scans hebben we een ander model, gebaseerd op andere 'voorbeeldteksten', moeten gebruiken dan voor de eerste reeks. In combinatie met een slordiger handschrift van de schrijver, zou dat kunnen verklaren waarom er meer fouten zijn.