Quando um pesquisador abre um diário de campo antigo, não encontra apenas frases difíceis de decifrar. Entre observações sobre clima, espécies, trajetos e exemplares coletados, pode existir uma parte importante da história da ciência. O problema é que esses registros foram escritos à mão e, durante muito tempo, permaneceram difíceis de pesquisar em escala.
Um projeto da Academy of Natural Sciences of Drexel University, nos Estados Unidos, tenta mudar esse cenário combinando inteligência artificial e participação pública. Chamado Field Journal Fix-Up, o projeto apresenta aos voluntários imagens digitalizadas de páginas de diários e uma transcrição preliminar produzida por computador. A tarefa humana é revisar o texto, corrigir os erros e devolver uma versão mais confiável para a equipe responsável pelo acervo.[1]
O que são esses diários científicos?
Diários de campo são cadernos usados por naturalistas durante expedições e pesquisas. Eles podem reunir listas de espécimes, nomes de espécies, descrições ambientais, registros meteorológicos, itinerários e impressões pessoais sobre o trabalho de campo. Por isso, não funcionam apenas como anotações privadas: também podem servir como fontes para pesquisas históricas, biológicas e ambientais.
Segundo a Academy, seus arquivos conservam diários de campo e outros materiais únicos que podem ser consultados mediante agendamento. Digitalizar essas páginas reduz a necessidade de manusear continuamente os originais e permite que pessoas de outras regiões conheçam uma parte do acervo.[1]
Por que a inteligência artificial entra no processo?
A primeira dificuldade é transformar a imagem de uma página em texto pesquisável. O reconhecimento óptico de caracteres, conhecido pela sigla OCR, costuma funcionar bem com documentos impressos. Porém, a escrita manual apresenta variações de letra, abreviações, rasuras e formas antigas de grafia que dificultam a leitura automática.
No Field Journal Fix-Up, a Academy informa que utiliza o Amazon Textract para produzir uma primeira tentativa de transcrição. A página do projeto explica que esse resultado não é considerado totalmente preciso. A inteligência artificial pode sugerir palavras incorretas, confundir nomes científicos ou interpretar mal trechos que um leitor humano consegue compreender pelo contexto.[2]
É importante observar a diferença entre acelerar uma etapa e substituir a avaliação documental. A IA oferece um ponto de partida. Ela não transforma automaticamente uma hipótese de leitura em uma transcrição definitiva.
Onde entram os voluntários?
Depois que uma imagem e sua transcrição preliminar são exibidas, o voluntário pode corrigir o texto em um campo de edição. As páginas passam por mais de uma revisão e, depois de um número definido de classificações, deixam de ser apresentadas no fluxo do projeto. A proposta é aproveitar a participação coletiva para identificar erros que o sistema automático não consegue reconhecer sozinho.[1]
Esse modelo é conhecido como crowdsourcing, ou colaboração distribuída. Em vez de concentrar todo o trabalho em uma única pessoa, a instituição divide tarefas menores entre participantes que podem contribuir pela internet. No caso de um acervo manuscrito, a colaboração não significa abandonar critérios profissionais. A própria Academy informa que as transcrições concluídas ainda recebem uma revisão final da equipe antes de serem publicadas na Biodiversity Heritage Library, a BHL.[1]
O que a Ciência da Informação ajuda a explicar?
O projeto mostra que a digitalização de um documento não termina quando uma fotografia é colocada na internet. Para que o conteúdo se torne realmente útil, é preciso organizar o arquivo, descrever seu contexto, transcrever o texto, preservar a relação entre a imagem e a escrita e oferecer mecanismos de busca.
Essa diferença é central para a Ciência da Informação. Uma página digitalizada permite a visualização do documento. Uma página digitalizada e transcrita pode também ser localizada por palavras, comparada com outros registros e relacionada a coleções diferentes. O trabalho de descrição e organização transforma uma imagem isolada em parte de um sistema de informação.
Nesse processo, os metadados também são importantes. Eles registram informações como autoria, data, coleção, assunto, local e relação com outros documentos. Sem esse contexto, uma transcrição pode até ser legível, mas continua difícil de interpretar e reutilizar. Para aprofundar o tema, veja Metadados: a base para organizar e encontrar acervos digitais.
Por que a revisão humana é indispensável?
Uma transcrição automática pode parecer convincente mesmo quando está errada. Esse risco é especialmente relevante em nomes de espécies, locais, datas e termos técnicos. Uma palavra incorreta pode prejudicar uma busca, dificultar a identificação de um espécime ou criar uma informação que não estava no manuscrito.
A revisão humana funciona como uma camada de controle de qualidade. Os voluntários não apenas corrigem ortografia: eles comparam o texto sugerido com a imagem original. Quando surgem dúvidas sobre espécies, localidades ou vocabulário científico, a equipe do projeto pode orientar a comunidade por meio do espaço de discussão do Zooniverse.[1]
O caso também oferece uma lição mais ampla sobre o uso responsável de IA em bibliotecas e arquivos. Sistemas automáticos podem ampliar a capacidade de processamento das instituições, mas seus resultados precisam manter vínculo verificável com a fonte original. A imagem do manuscrito continua sendo a referência principal.
O que acontece depois da transcrição?
De acordo com a Academy, a intenção é publicar as transcrições revisadas na Biodiversity Heritage Library, uma biblioteca digital gratuita que reúne literatura s