Runeberg September 2003

runeberg@lists.lysator.liu.se

2 participants
3 discussions

nästan färdiga verk
by Anders Thapper 24 Sep '03

24 Sep '03

Hej, Jag såg att om man tittar i listan för "nästan färdiga verk" och går in under "thamstoc" eller "magi", korrekturläser en sida och klickar sig vidare till "first not yet proofread" så hamnar man på en sida vars kapitel redan har bearbetats till ett HTML-kapitel. Ska inte dessa sidor "försvinna" ur korrekturläsningen (eller åtminstone så är de väl korrekturlästa innan de görs om till kapitel...)? Det skulle ju göra det lättare att hjälpa till med de sidor som inte är korrekturlästa. I de två andra "nästan färdiga" verk som jag tittade på så gick det inte att hitta någon "first not yet proofread"-länk, betyder det att de är helt färdiga? Sen en idé som jag fick när jag korrekturläste i Nordiskt familjelexikon. På min pyttelilla skärm till min bärbara dator syns inte så stor del av fakismilbilden och OCR-texten samtidigt och det blir ett väldigt fönsterrullande hit och dit. Skulle det gå att ordna så att sidan delas i 2 delar lodrätt i stället för vågrätt? I så fall fick större del av en spalt plats samtidigt och det vore enklare att korrekturläsa. Man skulle kanske kunna ha en valmöjlighet mellan vågrätt eller lodrätt "skärmdelning". Det var det hele, mvh, Anders Thapper

2 1

September update
by Lars Aronsson 22 Sep '03

22 Sep '03

Project Runeberg, Here is a status report of what's going on right now -- it's a lot! I'll be travelling until the middle of October, so I probably won't have time to post any summary of September's activities before then. This letter first summarizes the new titles we are working on, then goes into some more detail about our software development and the current state of the project as such. == Published works == All works listed here are in Swedish, except for three that are in Danish: "ankjaer", "gblevned", and "ildalihi" (see below). Some works that we published long ago as facsimile images only have now been OCRed for the first time, and are waiting to be proofread. They are: - August Strindberg, "Svenska öden och äfventyr", http://runeberg.org/afventyr/ - "En kort historik öfver Wikningskommissionens uppkomst och utveckling", http://runeberg.org/wiknings/ - "Vägledare för turister på Kinda Kanal", http://runeberg.org/kindakan/ - Frans Michael Franzén, "Samlade dikter", http://runeberg.org/fmfdikt/ - "Hermeskalendern 1934", http://runeberg.org/hermes/ The remaining volumes of Carl August Hagberg's Swedish translation of Shakespeare's dramatic works have been scanned, and all 12 volumes are waiting to be proofread, http://runeberg.org/hagberg/ Many new works have been scanned and are in the process of being indexed, and ready to proofread. Often (too often) you will find the words "under arbete" (work in progress) as the only text on the title page of these works. Wildlife (this is Hans Persson's section): - Chr. Aurivillius, "Svenska fåglarna", http://runeberg.org/faglarna/ - Thor Högdahl, "Gammel-Ante", http://runeberg.org/gmlante/ Science fiction (this too is Hans Persson's section): - Elfred Berggren, "Robotarnas gud", http://runeberg.org/robotgud/ - Otto Witt, "Jordens inre", http://runeberg.org/jordinre/ - Otto Witt, "Den underbara spegeln", http://runeberg.org/spegeln/ Science and technology: - "Radio-Amatören", tidskrift, 1924, http://runeberg.org/radioama/ Geography and topography: - Stefan Ankjær, "Geografisk-Statistisk Haandbog", 2 volumes, 1858-63, printed in "Fraktur" (German / Gothic type), a Danish encyclopedia or "geographic-statistic dictionary" of places around the world, http://runeberg.org/ankjaer/ Literature and (auto-)biography: - Georg Brandes, "Levned", 3 volumes, autobiography of Denmark's most famous literature critic, http://runeberg.org/gblevned/ - P. Hansen, "Illustreret dansk Litteraturhistorie", 3 volumes, http://runeberg.org/ildalihi/ - J. L. Runeberg, "Samlade skrifter", 6 volumes, collected works of the Swedish-Finlandic writer after which our entire project is named, http://runeberg.org/runeberg/ - Carl Snoilsky, "Minnesanteckningar och andra uppsatser", http://runeberg.org/snoilmin/ - Talis Qualis (C.V.A. Strandberg), "Samlade vitterhetsarbeten", 5 volumes, http://runeberg.org/talis/ - Karl Warburg, "Anna Maria Lenngren", both editions (1887 and 1917), http://runeberg.org/warlenng/ - Karl Warburg, "Carl Snoilsky. Hans lefnad och skaldskap", http://runeberg.org/warsnoil/ == Software development and status of our project == Hans Persson, Leif Stensson, and myself are improving the software that produces web pages ("digital facsimile editions") from the images and text of scanned books. This is an ongoing automation of our manual routines, that enables us to work faster and get a better overview of what we're doing. The last is not least important. For the first time in many years, I now feel that I have a good grasp of all works that we have published, or at least all facsimile editions that we have published after 1998. Some of the old works were only scanned as images with no OCR text, but those gaps are now being filled in. Note to self: In the choice between documenting a complicated manual procedure and automating the procedure so that the need for an explanation goes away, I always prefer the latter. The hard part is to realize that this choice exists. It is often tempting to explain details in written documentation, only to find that nobody reads the documentation. That temptation should be resisted. The overview of our published digital facsimile editions at http://runeberg.org/korr.html is updated daily. This page is currently only available in Swedish. A legend and explanation follows below. The overview lists a line for every work or volume that we've published, and the volumes are categorized into different tables according to their status. Newly scanned volumes start at the bottom table and work their way up to the top of this page. Table headings: - "Verk som...som klara" = Works that we consider to be done. Chapters have full HTML markup. Currently 12 volumes. All our text-only works (some 200 titles) could be added to this category. - "Helt korrekturlästa..." = Fully proofread works, that lack HTML markup. These volumes need the attention of our editors, as we currently don't allow our readers to help with markup. Currently 15 volumes. - "Nästan fullständigt..." = Almost completely proofread works, only a little effort remains. Some of our most active proofreaders are competing to move these volumes up to the next stage. If we ever introduce a system to award points for proofreading, I think this should render a bonus. Currently only 5 volumes. - "Ofullständigt korre..." = Incompletely proofread works. A lot of hard proofreading work is need here. The table contains 122 volumes. - "Ofullständigt index..." = Incompletely indexed works, we don't know how many chapters they contain. Currently 73 volumes, that fall into two categories: Encyclopedic works that need a lot of indexing, and newly scanned works that are in the process of being indexed. - "Sammanfattning" = Summary Column headings: - "Verk eller volym" = Work or volume - "Antal sidor" = Number of facsimile pages - "Antal kapitel eller..." = Number of chapters or articles - "Totalt" = Total - "Indexerade" = Indexed. The process of indexing means writing a table of contents that lists every chapter or articles of the volume, and indicates which facsimile pages hold text that belongs to each chapter. Three dots ("...") at the end of a line in the table of contents indicates that more articles remain to be indexed. When a new volume is scanned, the first version of the table of contents contains a single line that says "sidor ..." ("pages ...") and points to every scanned page. For encyclopedic works, that will take a lot of time to index completely, a rough next version of the table of contents breaks this down into sections of five or ten pages, each having a "...". As detailed indexing advances, more and more pages are freed from the "...", and are counted as fully indexed. - "OCR-tolkade" = OCR-ed. OCR means optical character recognition, the process that converts a scanned facsimile image of a printed page into a text file that can be edited (proofread). We are using the ABBYY FineReader 6.0 OCR software, which gives excellent results. For works printed in "Fraktur" (currently only "ankjaer"), the results are less perfect, but still useful. - "Korrekturlästa" = Proofread. Two columns carry this heading, one for the number of pages, and one for the number of chapters. The latter means that all pages that belong to the chapter have been proofread. - "Klara som HTML" = With full HTML markup. Currently, we only allow our editors to add HTML markup to the proofread pages of a chapter. - "Kvar att korrekt..." = Remain to be proofread, meaning chapters where some pages are not yet proofread. - "TOTALT 99 volymer" = Total 99 volumes, a summary line at the bottom of each table. At the end of the overview is a summary, and the bottom line at the time of writing says there are 227 volumes (some of our published works consist of multiple volumes, each presented as a row in one of the tables), comprising 115,484 facsimile pages of which 112,143 have OCR text that you can proofread over the web. So far, 13,774 (or 12%) of them have been proofread. Earlier we used to erase the original OCR text after HTML markup had been added, so the volumes in the top two tables have low numbers for OCR pages and proofread pages. Some 40,839 pages (35% of all facsmimile pages we ever published) are incompletely indexed. We need a lot of help with indexing the volumes of the "Nordisk familjebok" encyclopedia, and now also with Ankjær's Danish "Geografisk-Statistisk Haandbog". -- Lars Aronsson (lars(a)aronsson.se) Classic Nordic Literature online since 1992 - http://runeberg.org/

1 0

Statistik för augusti - och fem år bakåt
by Lars Aronsson 04 Sep '03

04 Sep '03

Projekt Runeberg, De av er som håller ett öga på vår wiki har kanske redan sett att vi ägnat oss åt statistik de senaste dagarna. Och då menar jag inte bara statistiken för korrekturläsning under augusti, som följer här nedan, utan en analys av vår webbservers loggfiler sedan 1998. Under dessa fem år, som alltså utgör andra halvan av vårt projekts tioåriga historia, har användningen av vår webbplats tiofaldigats. Det är inga radikala språng, utan en långsam och stadig ökning, precis som kapitalet på ett bankkonto med 60% årlig ränta. Som alla ingenjörer vet, blir det en rak linje när man ritar ut det i ett diagram med logaritmisk skala. I vårt fall är linjen inte helt rak på grund av variationer per dag och årstid, men trenden är helt klar. Diagrammet finns nu att beskåda dels på wiki-sidan http://runeberg.org/wiki/Statistik_om_Projekt_Runeberg dels på http://runeberg.org/admin/stats/ På den senare adressen kan man gå in och få detaljerad statistik om användningen varje månad från januari 1998 till augusti 2003. Vi serverar nu mellan 2 och 3 miljoner webbsidor per månad till strax över 100.000 olika IP-adresser ("unika besökare"). Många av visningarna går till sökrobotar, men av IP-adresserna står de bara för några dussin. Det stora antalet av besökarna är riktiga människor. Under augusti transporterades 83 gigabyte ut över vår nätanslutning. En jämförelse med andra svenska webbplatser visar att Projekt Runeberg ligger i samma storleksordning som Östgöta Correspondenten, Nerikes Allehanda, Affärsvärlden och Privata Affärer. Jag tror att vi förtjänar en bättre placering och att det kan åstadkommas med lite bättre reklam. Vi har varit för blyga med att tala om att vi finns. Alldeles på slutet av diagrammet dyker några nya linjer upp. Det är statistik över korrekturläsningen, som bara går fyra månader bakåt. Dessa siffror över oss som "skriver" ska avläsas på högra skalan och utgör alltså ungefär en tusendel av siffrorna över dem som "läser". Den här "skrivkvoten" tror jag vi kan höja, genom att locka fler att börja korrekturläsa texter. Allt krångel som har varit måste vi reda ut och förbättra, så att vi inte skrämmer bort nybörjare. Vi behöver dina tips och frågor för att veta vad som kan bli bättre. Prova att berätta för en bekant hur det går till att korrekturläsa, och anteckna alla frågor och problem som uppstår. Det kommer att bli ett utmärkt underlag för vårt vidare utvecklingsarbete. Under månaden augusti 2003 gjordes 4622 sparningar i vår funktion för korrekturläsning. Bidrag inkom från 52 namngivna medhjälpare och ett okänt antal anonyma. Följande namngivna medarbetare var mest aktiva: Sparn. Signatur ------ -------- 662 agneta ger placering 2 514 onkel.mads (514 + 442 = 956) ger placering 1 442 farbror.mats 262 Mr i (262 + 87 = 349) ger placering 3 223 fh ger placering 5 162 c.toorell (162 + 116 = 278) ger placering 4 116 christer.toorell 103 lars 87 Mr I 46 klash 45 soluckmann 38 anders.thapper 35 mattem 30 bernhard 29 skygod 25 unicorn 18 alchymisten 16 esoj 11 firing 11 bengt Korrekturläsningen berörde 3789 olika boksidor ur 102 olika verk eller band. Den mesta aktiviteten berörde följande titlar: Sparn. Titel ------ -------- 728 wiedgust Gustav Wieds samlede værker i Mindeudgave 476 doodle Ströftåg och irrfärder 404 lecheman Leche, "Människan" 387 erofring Amerika, dess upptäckt, eröfring och... 333 pht Personhistorisk Tidskrift 233 verkligh Detta är verkligheten 186 mhausen Münchhausen 179 romerske Rydberg, Romerske kejsare i marmor 149 rydbsagn Rydberg, Sägner 146 faust Rydberg, Faust och Fauststudier 131 rydvaria Rydberg, Varia 100 ordlekar Cederschiöld, Om ordlekar 81 gudasaga Rydberg, Fädernas gudasaga 69 officers En gammal officers minnen 64 thamstoc Tham, Beskrifning öfver Stockholms län 54 nfaa Nordisk familjebok, första bandet 1876 46 palmtrip August Palm, Ögonblicksbilder 44 svedelif Svedelius, Anteckningar om mitt förflutna lif 44 nfba Nordisk familjebok, första bandet 1904 43 berzaqua Berzelius, Nova analysis aquarum Medeviensium 38 uppfinn Uppfinningarnas bok 37 faltskar Topelius, Fältskärns berättelser 36 sbh Svenskt biografiskt handlexikon 36 kvinnosp Cederschiöld, Om kvinnospråk 31 duplex Telegrafverket, Duplexkablar -- Lars Aronsson (lars(a)aronsson.se) Projekt Runeberg - ditt digitala bibliotek - http://runeberg.org/

1 0

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

Runeberg September 2003