Mikrofilmdigitalisering, inkludert OCR-behandling og strukturanalyse

Nasjonalbibliotekets mikrofilmsamling består av mer enn 70 000 mikrofilmruller. Materiale er 35mm, uperforert, sort-hvit polyester mikrofilm.
Mikrofilmene ble produsert i perioden 1950 - 2009. Tilstanden og kvaliteten vil variere noe, avhengig av når og hvor filmene ble produsert. i anbudet må leverandørene beskrive hvordan de kan digitalisere mikrofilm av variabel kvalitet. Det er spesielt viktig å få fram eventuelle begrensninger Nasjonalbiblioteket må ta med i beregningen når store deler av mikrofilmsamlingen skal digitaliseres. så vidt vi vet, kan det være utfordringer med den fysiske tilstanden eller kontrasten på filmene for cirka 5% av materialet.
En mikrofilmrull inneholder normalt mellom 500 og 1400 bilder, hvert av en enkelt avisside. Mikrofilmformatet er uperforert 35 mm film som normalt ikke er lengre enn 30 meter.
Oppdragsgiver estimerer at digitaliseringstjeneste vil omfatte ca. 2 mill. - 4 mill. Sider per år, avhengig av tilgjengelige budsjett.
Test digitalisering:
Leverandører som ønsker å levere tilbud relatert til mikrofilmdigitalisering må, sammen med tilbudet, levere et digitalisert bilde med kvalitet som tilsvarer deres tilbud. Prøvebildet (the sample image) må være digitalisert fra en målfilm (test target microfilm), som Nasjonalbiblioteket vil tilby leverandører på forespørsel. Forespørsel om målfilm må bli rettet til konkurransens kontaktperson.
Det digitaliserte prøvebilde må reprodusere målet (the test target) så godt som mulig. Det skal være korrekt eksponert og ha en godt nivå av skarphet, for å sikre god lesbarhet.
målene (the test targets) må bli returnert til Nasjonalbiblioteket så raskt som mulig etter at prøveskanningene har blitt gjennomført.
De digitaliserte bildene vil be vurdert kvalitetsmessig ved hjelp av GoldenThread analyseprogramvare, og vurderingen vill være en del av tilbudsevalueringen.
For ocr-prosesseringen vil prøvebilder av avissider digitalisert fra mikrofilm, bli gjort tilgjengelig.
For hele samlingen, vil det være avissider med både latinske og gotiske skrifttyper, eller en kombinasjon av begge deler, avhengig av når avisen ble publisert. De fleste avisene vil være publisert på norsk, på et av de offisielle norske skriftspråkene, nynorsk eller bokmål. De eldste avisene fra før 1907 er mest sannsynlig publisert på dansk. Det kan av og til være aviser på engelsk. Disse er likevel sjeldne.
ocr-prosesseringen må sørge for en ordkorrekthet på minst 90% når det gjelder latinske bokstaver og 80% når det gjelder gotiske bokstaver.
Metadata: ocr metadata må inneholde relevant informasjon fra ocr-prosessering, og må inneholde informasjon om:
- ocr-teknologien
- graden av korrekthet for hvert tegn, ord og side
- posisjonen til hvert ord på siden
De ocr-prosesserte avissidene vil be vurdert kvalitativt, og vurderingen vil være en del av tilbudsevalueringen.