Para consultar documentos com rasuras usando IA, registre separadamente o texto riscado, o acréscimo e a relação entre eles. Uma transcrição limpa pode apagar justamente a mudança que o pesquisador precisa investigar. Preserve a imagem original, indique a região da alteração e só produza uma leitura consolidada depois de uma conferência humana.
O objetivo é permitir perguntas como “qual expressão foi substituída?” sem transformar um cancelamento em informação válida ou uma anotação lateral em parte da frase. O procedimento abaixo serve para arquivos pessoais, centros de memória e equipes que digitalizam correspondência histórica. Ele trata do estado do texto, inclusive quando todas as palavras são legíveis.
Resumo rápido
- Texto visível e texto mantido pelo autor são campos diferentes.
- Registre cancelamento, acréscimo e possível substituição como ocorrências separadas.
- Vincule cada ocorrência à imagem e à região onde aparece.
- Não atribua autoria ou cronologia só pela posição da anotação.
- Teste a recuperação das duas leituras antes de liberar o acervo para consultas.
Por que uma rasura precisa sobreviver à transcrição
Imagine uma carta em que “terça” está riscado e “quinta” aparece acima. Se o arquivo de consulta contiver apenas “quinta”, a pesquisa sobre a alteração perde sua evidência. Se contiver “terça quinta”, uma busca pode tratar as duas palavras como compromissos diferentes. Nenhuma dessas representações comunica o que aconteceu na superfície.
A distinção tem apoio nas diretrizes da Text Encoding Initiative, a TEI: o elemento del representa supressão indicada na fonte, enquanto add representa acréscimo. As diretrizes também distinguem cancelamento de dificuldade de leitura. Esses conceitos ajudam a desenhar o registro, mesmo quando o projeto usa planilha em vez de XML.
Não transforme todo traço em supressão. Sublinhado, dobra, mancha e marca de conferência podem atravessar letras. A classificação deve admitir “marca sem função confirmada”. O revisor pode identificar o desenho sem conseguir concluir sua intenção. Essa cautela preserva alternativas em vez de fabricar uma versão definitiva.
A preparação geral de trechos difíceis está no guia de OCR de manuscritos e marcação de ilegibilidade. Aqui, a pergunta adicional é outra: como representar uma intervenção textual quando o conteúdo permanece visível?
Monte uma ficha por intervenção, antes de pedir o resumo
Escolha uma página com alterações variadas e desenhe o formulário a partir dela. Use um identificador estável para o documento, outro para a imagem e outro para cada intervenção. Uma ocorrência pode abranger várias palavras, mas não deve reunir mudanças distantes apenas porque parecem tratar do mesmo assunto.
| Campo | O que registrar | O que evitar |
|---|---|---|
| Conteúdo visível | Palavras que podem ser lidas | Completar pelo contexto sem aviso |
| Intervenção observada | Traço, escrita acima, escrita lateral | Chamar toda marca de correção |
| Função proposta | Supressão, acréscimo ou indefinida | Confundir descrição com certeza |
| Relação | Identificador do trecho relacionado | Juntar tudo em uma frase |
| Revisão | Responsável e justificativa | Aceitar a inferência da IA como prova |
Inclua um campo de localização: página, lado da folha e região na imagem. Acrescente o tamanho da imagem usada para marcar coordenadas. Uma posição definida sobre uma miniatura não deve ser aplicada diretamente a uma fotografia maior. O guia de coordenadas de trechos em revisões humanas aprofunda esse vínculo.
Separe também o estado da revisão: recebido, proposto pela IA, conferido e pendente. São estados do seu fluxo, não propriedades históricas do documento. Essa diferença evita que uma etiqueta “aprovado” seja interpretada como aprovação de uma decisão registrada na carta.
Faça a extração em duas passagens controladas
Na primeira passagem, peça apenas observações: transcrever o que está visível e localizar marcas, sem produzir uma versão corrigida. Entregue uma imagem com contexto suficiente para distinguir linhas e margens. Um recorte muito fechado pode esconder a seta que conecta um acréscimo ao corpo do texto.
Observe a imagem e registre cada intervenção separadamente.
Para cada ocorrência, devolva: id, texto_visivel, marca_observada,
localizacao, funcao_proposta, trecho_relacionado e duvida.
Não monte uma leitura final. Não atribua autor ou data.
Se a função da marca não estiver clara, use indefinida.Na segunda passagem, um revisor compara a ficha com a imagem. Só depois solicite duas saídas: uma transcrição que mantenha as intervenções e uma leitura de consulta, quando houver base para ela. Diga qual será usada na busca. A primeira guarda o percurso; a segunda facilita perguntas sobre a leitura selecionada.
Por exemplo, registre “texto suprimido: terça; acréscimo acima da linha: quinta; relação proposta: substituição”. Não basta escrever “terça foi corrigida para quinta” se a ligação ainda não foi conferida. Havendo dúvida, mantenha as ocorrências sem decidir que formam uma substituição.
Não peça uma probabilidade numérica sem critério de avaliação. Prefira uma justificativa verificável: “há uma seta ligando o acréscimo à palavra riscada” ou “não há sinal que indique o ponto de inserção”. A justificativa permite que outra pessoa conteste a decisão.
Prepare a consulta sem apagar os estados do texto
Ao criar uma base consultável, mantenha a transcrição anotada perto da leitura consolidada. Se a busca usa fragmentos, cada fragmento deve carregar documento, página, ocorrência e estado textual. O termo técnico RAG descreve a recuperação de conteúdo para apoiar a resposta da IA; a recuperação só ajuda quando o trecho preserva seu contexto.
Defina duas rotas de pergunta. “Qual foi a leitura adotada?” usa a versão conferida de consulta. “O que mudou no documento?” recupera as ocorrências e suas relações. Na resposta, faça a IA informar qual rota utilizou e apontar o trecho de origem. O leitor precisa distinguir uma síntese editorial de uma inscrição visível.
A TEI permite relacionar transcrição e fac-símile, inclusive regiões de uma imagem. O ALTO, mantido pela Library of Congress, descreve texto e organização espacial resultantes de reconhecimento. São referências para interoperabilidade; não significam que qualquer programa de OCR vai reconhecer automaticamente a intenção de uma rasura.
Uma planilha inicial pode usar uma linha por ocorrência e outra tabela para relações. Isso evita duplicar a mesma anotação em todas as versões. Se mudar de ferramenta, exporte os identificadores junto dos textos. Recriar nomes de ocorrência em cada importação quebra referências já citadas em pesquisas.
Exemplo: cartas de uma associação cultural em Recife
Considere um caso ilustrativo: uma associação cultural de Recife organiza correspondências sobre apresentações de teatro. Uma carta contém “salão principal” riscado, “pátio” acima da linha e uma nota lateral sobre chuva. A equipe quer consultar onde o evento seria realizado e como a proposta mudou.
O operador cria as ocorrências C17-R1, C17-A1 e C17-N1. Registra o conteúdo de cada uma e sua região. O revisor confirma que o acréscimo se liga à expressão riscada, mas não encontra indicação suficiente de que a nota lateral integra a mesma intervenção. Por isso, a relação de substituição conecta apenas R1 e A1.
A leitura de consulta pode mostrar “pátio” com indicação de que substitui “salão principal”. A nota sobre chuva permanece anotação associada à página. Se alguém perguntar por que houve a mudança, a IA deve dizer que o documento registra as duas informações, mas que a ligação causal não foi estabelecida pela equipe.
Antes de liberar a pesquisa, o responsável testa quatro perguntas: local inicialmente escrito, local acrescentado, presença de nota sobre chuva e motivo da mudança. As três primeiras exigem evidência localizada. A última deve admitir ausência de confirmação. O teste avalia respeito ao documento, sem inventar resultados de produtividade.
Erros comuns
Tratar rasura como ruído visual. Filtros agressivos podem eliminar traços finos ou pontos de inserção. Guarde a captura recebida e documente qualquer versão de contraste usada para leitura. Uma versão tratada deve continuar reconhecível como derivação, com acesso ao arquivo anterior.
Determinar a ordem das mudanças pela posição. Escrever acima da linha não prova que o acréscimo ocorreu depois de todas as outras marcas. Registre a sequência apenas quando houver evidência ou análise responsável. A autoria também pode permanecer desconhecida.
Confundir correção editorial com alteração na fonte. Se o transcritor moderniza uma grafia, isso deve ter etiqueta diferente da intervenção histórica. A fonte não ganhou uma rasura só porque a equipe corrigiu um erro de digitação na transcrição digital.
Usar somente a leitura final para avaliar a IA. Um resumo pode parecer correto e ainda esconder alterações relevantes. Confira se o sistema recupera material cancelado quando a pergunta pede explicitamente os estados anteriores, sem apresentá-lo como informação vigente.
Não registrar divergências entre revisores. Quando duas pessoas discordam sobre o ponto de inserção, preserve ambas as leituras propostas e a decisão adotada, se houver. A divergência é útil para selecionar páginas que precisam de revisão especializada.
Perguntas frequentes
Preciso adotar XML e TEI desde o início?
Não. Uma ficha consistente já permite separar ocorrência, conteúdo e interpretação. Use as diretrizes para compreender as distinções e escolha o formato de acordo com o projeto. Se houver previsão de intercâmbio com um repositório especializado, combine o esquema com seus responsáveis antes de catalogar todo o acervo.
Posso remover o texto riscado da resposta final?
Depende da pergunta e da política editorial. Uma leitura de consulta pode privilegiar o texto mantido, desde que informe a existência da intervenção e permita acessar o registro completo. Para estudar mudanças, excluir a supressão elimina evidência necessária.
A IA consegue identificar quem fez a correção?
Uma sugestão visual não comprova autoria. Não transforme semelhança de letra, cor ou posição em identificação pessoal. Registre o que é observável e encaminhe atribuições relevantes a quem conhece o acervo. Sem confirmação, deixe o autor da intervenção indeterminado.
Como conferir se a busca mistura leitura inicial e final?
Monte perguntas que tenham respostas diferentes em cada estado e confira as fontes recuperadas. Inclua pergunta sobre a alteração em si. Reprove respostas que somem as duas leituras como fatos simultâneos ou apresentem uma substituição ainda não conferida como conclusão.
E se o documento já tiver sido transcrito sem marcas?
Use a transcrição existente como apoio, vinculada à sua proveniência. Reabra a imagem para localizar intervenções e acrescente uma camada de anotações. Não suponha que a ausência de marca no texto digital demonstre ausência de alterações no original.
