Om svar anhålles - Svenska Akademiens ordbok - Göteborgs ...

13
Rudolf Rydstedt
Inläsningen
En av de bärande tankarna bakom OSA-projektet var att introduktionen av optisk läsning
(OCR-teknik) gjorde det realistiskt att göra om SAOB till en lexikalisk databas (jämför
“OSA Ett datalingvistiskt projekt” på sidan 7). Det som gjorde den optiska läsningen tilltalande
var att den framstod som ett ekonomiskt mycket fördelaktigt alternativ till manuell
inkodning. De praktiska prov som utfördes i samband med upphandlingen av läsare var
också lovande: maskinen markerade osäker läsning en gång per 200 tecken och korrigering
behövdes en gång per 2.000 tecken. Läshastigheten var 20 tecken per sekund. År 1982
omfattade SAOB närmare 200.000.000 tecken. Med 25 timmars effektiv drift per vecka
skulle därmed inläsningen totalt kräva 111 veckors arbete, i storleksordningen tre år. Det
praktiska arbetet kom igång våren 1983, men inläsningen tog inte slut 1986 utan tio år
senare, i januari 1996. Utan några jämförelser i övrigt, är det lätt att notera en förlängning
med ungefär samma faktor som den framställandet av själva ordboken har genomgått.
Den yttersta orsaken till att inläsningen kom att ta betydligt längre tid än förväntat
var att utrustningen fungerade sämre än vad proven före upphandlingen hade givit anledning
att förmoda. Det visade sig snart vara nödvändigt med ett omfattande korrekturarbete
för att det inlästa materialet skulle kunna användas som underlag för vidare
bearbetningar. Till en början utfördes både inläsning och korrektur internt inom projektet.
Med tiden skedde dock en övergång till att utnyttja externa leverantörer i stället.
Dessa åtog sig nämligen att leverera materialet till mycket låg kostnad mot att de kunde
använda SAOB som en s.k. ”strumpsticka”, ett lägre prioriterat arbete som används för
att jämna ut beläggningen. Fördelen för projektets del var att kostnaden blev lägre än om
inläsning och korrektur hade skett i egen regi. Nackdelen var att möjligheterna att förutse
precis när det inlästa materialet skulle komma att levereras minskade. Det som gjorde att
en inläsning med låg intensitet under längre tid var rimlig var att det inledande arbetet
med att fånga SAOB:s struktur (diskuteras i “SGML-taggning av SAOB” på sidan 15 och
framåt) utfördes med en så begränsad personalinsats (under tre heltidsekvivalenter) att
ett lägre tempot i materialleverenserna aldrig behövde bli en faktiskt begränsande faktor.
En naturlig fråga är vilka implikationer som erfarenheterna från OSA-projektet har för
datafångsten i andra projekt. En viktig erfarenhet är att det inte går att ge ett enkelt och
generellt giltigt svar på frågan om det lönar sig med optisk läsning eller inte. Till en del
beror det på att den allmänna tekniska utvecklingen gör att den optiska läsningen med
tiden har blivit billigare och säkrare. Den största skillnaden mellan idag och början av 80-
talet ligger dock i sänkta kostnader för utrustningen, inte i höjd läskvalitetet. Detta är
olyckligt med tanke på projekt där stora mängder text skall fångas då kostnaden för utrustning
spelar ganska liten roll för totalkostnaden i dessa jämfört med läskvaliteten och
den därav beroende kostnaden för efterkorrigeringar. Däremot är naturligtvis låg initialkostnad
väsentlig i projekt där små textmängder skall fångas. En tumregel kan vara att
man bör ha starka skäl för att inte undersöka hur väl optisk läsning fungerar om den text
som skall fångas är mer än något dussin sidor lång. Men det är inte bara den optiska läsningen
som har utvecklats sedan 80-talets början. En väsentlig faktor är att även verktygen
för manuell inkodning har genomgått en betydande utveckling. Det är tankeväckande
att persondatorn var ny och föga spridd när OSA-projektet inleddes. En indirekt konsekvens
av det var att inkodning i tredje världen inte förekom i nämnvärd omfattning vid
den tiden. Idag är manuell inkodning i låglöneländer en viktig konkurrent till optisk inläsning.