テキスト作成パートナーシップ

テキストクリエーションパートナーシップ（TCP ）は、 2000年からミシガン大学図書館を拠点とする非営利団体です^{[アップデート]}。その目的は、メンバー機関（特に大学図書館）と学術出版社の両方に代わって、大規模なフルテキスト電子リソース（特に人文科学）を作成することです。両者のニーズに応えるように計算された取り決めの下で、そうすることで、企業と非営利の情報提供者を、それぞれ敵対的なベンダーと顧客ではなく、潜在的に友好的な協力者と見なすビジネスモデルの価値を実証することです。^[1]

TCP はこれまで 4 つのテキスト作成プロジェクトを支援してきました。最初の、そして最大のプロジェクトは「EEBO-TCP (フェーズ I)」(2001 ～ 2009 年) で、初期の英語印刷本のポラード、レッドグレーブ、ウィングの短縮タイトル カタログ、またはトーマスン トラクトに掲載されている約 125,000 冊の本、つまり 1700 年以前に英語またはイギリスで出版されたほぼすべての本、パンフレット、チラシの中から 25,000 冊以上の本の構造的にマークアップされたフルテキスト転写を作成する取り組みです。これらの本はProQuest Information and Learningによって作成されたデジタル スキャンから選択され転写され、同社によって「 Early English Books Online」(EEBO)という名前で Web ベースの製品として配布されました。テキストの転写元となったスキャンは、ProQuest社と、元々のUniversity Microfilms, Inc.を含むその前身の会社が長年かけて作成したマイクロフィルムのコピーから作成されたものです。^[2] EEBO-TCPフェーズIは、約25,300タイトルの転写を終えて2009年末に終了し、すぐにEEBO-TCPフェーズII（2009年以降）に移行しました。これは、残りのすべての英語のモノグラフ（約45,000タイトル）を変換するための続編プロジェクトです。

3 番目の TCP プロジェクトは、チャールズ エバンスのAmerican Bibliographyに記載されている 1800 年以前の 36,000 タイトルのうち 6,000 タイトルを転写する取り組みである Evans-TCP (2003 ～ 2007 年、一部の作業は 2010 年まで継続) であり、これもマイクロフィルム コピーからスキャンされたページ イメージとして、NewsBank, Inc.の一部門であるReadexによって「Archive of Americana」(「Early American Imprints、シリーズ I: Evans、1639 ～ 1800」) という名前で配布されました。Evans-TCP は、約 5,000 冊の本の電子テキストを作成しました。

最後の TCP プロジェクトは ECCO-TCP (2005～2010 年、一部作業継続中) で、Thomson-Galeの Web ベースのリソース「Eighteenth-Century Collections Online」(ECCO) で利用可能な 136,000 タイトルの中から 18 世紀の書籍 10,000 冊を転写する取り組みでした。ECCO-TCP は、約 3,000 タイトルを転写 (および約 2,400 タイトルを編集) した後、2010 年に資金が枯渇しました。

4 つの TCP テキスト プロジェクトはすべて非常に似ています。それぞれの場合:

1. TCP は、初期の書籍のマイクロフィルム コピーから作成された商用画像ファイルからテキストを生成します。
2. 商用画像プロバイダーは、自社で作成する場合よりもはるかに低いコストで、事実上自社の画像製品のフルテキスト インデックスを受け取ります。これは自社製品への付加価値です。
3. パートナー図書館は、結果として得られたテキストを単にライセンスするのではなく、実際に所有し、（いくつかの条件の下で）テキスト自体を好きなシステムにマウントしたり、学術研究や教育のツールとして内部的に使用したりすることができます。
4. テキストは図書館が定めた標準に従って作成され、複数のデータセットにわたって統一されており、相互検索が可能です。
5. 共同で作成されるため、テキストは比較的安価（1冊あたり）であり、パートナーシップに参加する図書館が増えるごとにさらに安価になります。
6. 最終的には、テキストは一般大衆に無料で公開される予定です。
7. 変換するテキストの選択はプロジェクトごとに異なりますが、いずれの場合も、多様性、重要性、代表性、重複の回避という同様の原則に従います。また、メンバー機関の教員や学術的取り組みからの具体的なリクエストも、通常は尊重されます。
8. TCP はこれまで、主にテキストの作成に関心があり、「製品」の作成には関心がありませんでした。3 つのプロジェクトのテキストはすべてミシガン大学図書館のサーバーにマウントされているか、マウントされる予定ですが、ミシガンのサイトは TCP の公式サイトではありません。十分なリソースと安全対策を備えたパートナー ライブラリであれば、どこでも同じことができます。たとえば、EEBO-TCP テキストは、ミシガン、ProQuest、オックスフォード大学デジタル ライブラリ、シカゴ大学で提供されています。

TCP は、パートナー機関の上級図書館管理者、企業パートナーの代表者、図書館情報資源協議会(CLIR) から主に構成される理事会によって監督されています。理事会は、初期近代英語およびアメリカ研究分野の教授を含む学術諮問グループから、選考および奨学金に関する事項について支援を受けています。

TCP は、特に作業の対象となる原文の提供において、大学を拠点とする数多くの学術テキスト プロジェクトと非公式なつながりを持っています。参加機関には、ノースウェスタン大学、オックスフォード大学、セントルイス ワシントン大学、シドニー大学、トロント大学、ビクトリア大学などがあります。TCP はまた、毎年学部生エッセイ コンテストを後援したり、TCP テキストの教育における使用に関するタスク フォースを招集したり、選択と使用に関するアイデアを学者や学生に呼びかけたりして、学生と協力しています。

テキスト制作は、SGML/XML エンコードの電子テキスト制作で豊富な経験を持つミシガン大学のデジタル ライブラリ制作サービス(DLPS) を通じて管理されています。DLPS は、故Sebastian Rahtz氏を含むオックスフォード大学の Bodleian デジタル ライブラリ システム & サービス (BDLSS) の支援を受けています。他の 2 つの図書館でも小規模なパートタイム制作業務が開始されています。ラテン語書籍を専門とする Pratt 図書館 (トロント大学ヴィクトリア大学) の宗教改革およびルネサンス研究センターと、ウェールズ語書籍を専門とするアベリストウィスのウェールズ国立図書館 (Llyfrgell Genedlaethol Cymru) です。

4つのTCPテキストプロジェクトはすべて同じ方法と同じ基準で作成されており、少なくとも部分的にはTCPのWebサイトで文書化されています。^[3]

1. 正確性。TCPは、指定された全体の正確度が 99.995% 以上 (つまり、20,000 文字あたり 1 つのエラー以下) になるように、可能な限り正確に転記されたテキストを作成することを目指しています。
2. キー入力。資料の性質上、経済的にこのような正確さを実現できる唯一の方法は、契約したデータ変換会社に書籍のキー入力を依頼することです。
3. 品質管理。転写の正確性とマークアップの適切性は、ミシガン大学 DLPS が管理する図書館ベースの校正者と査読者のグループによって常に評価されます。
4. エンコーディング。結果として得られるすべてのテキスト ファイルは、Text Encoding Initiative (TEI) 標準の P3/P4 バージョンから派生した独自の「ドキュメント タイプ記述」(DTD) に準拠した有効な SGML または XML (SGML はアーカイブされ、 XML はエクスポートされます) でマークアップされます。
5. 目的のあるマークアップ。完全な TEI と比較すると、TCP DTD は非常にシンプルで、わかりやすい表示、インテリジェントなナビゲーション、および生産的な検索に最も役立つ機能のみをキャプチャすることを目的としています。TCP の慣例により、各書籍の全体的な階層構造 (パート、セクション、章など)、区分の開始と終了を示す機能 (見出し、明示的表現、あいさつ、結びの言葉、日付行、署名、エピグラフなど)、談話と構成の最も重要な要素 (散文の段落、詩の行と節、スピーチ、話者、ドラマの舞台指示、注釈、ブロック引用、あらゆる種類の連続番号)、および物理的な書式設定の最も重要な側面のみ (ページ区切り、リスト、表、フォントの変更) を可能な限りキャプチャします。
6. 原文への忠実性。いずれの場合も、テキストは可能な限り、原文どおりに表現することを目的としています。印刷ミスはそのまま残し、手書きの変更は無視し、重複スキャンは省略し、順序が乱れた画像は意図した順序でキー入力し、原文の珍しい文字のほとんどはそのまま残します。
7. 読みやすく、検索しやすい。同時に、転写は文字ごとに行われますが、TCP は、すべての転写は 1 つの記号体系から別の記号体系への一種の翻訳であるという理論に基づいて、文字を形式よりも意味の観点から定義し、風変わりな文字形式を意味のある現代の同等の文字にマッピングする傾向があります。これは、一般的に Unicode の「文字」の定義と一致しています。
8. 言語。TCPテキストのほとんどは英語ですが、英語以外のものも多数あります。英語以外の書籍および書籍の区分には適切な言語コードが付けられていますが、それ以外は区別されていません。
9. 省略された資料。TCPはラテン アルファベットのテキストを生成します。楽譜、数式、図などの非テキスト資料 (含まれている可能性のあるテキストを除く) は省略され、その位置は特別なタグでマークされます。ラテン アルファベット以外の文字 (ギリシャ語、ヘブライ語、ペルシア語など) の拡張テキストも省略されます。

2011 年 4 月の時点で、TCP は検索可能でナビゲート可能な初期の書籍の全文転写を約 40,000 冊作成しており、これは多くの分野の学生にとって比類のない範囲、規模、有用性を備えたデータベースです。^[要出典] TCP が最近の野心的な計画 (EEBO-TCP フェーズ II) に含まれる残りの 38,000 冊のテキストを作成できるかどうかは、図書館は協力して消費者ではなく生産者および標準設定者になることができ、またそうすべきであるという理論、および大学と営利企業は、ライフサイクル、制約、動機が大きく異なるにもかかわらず、すべての関係者に利益をもたらす永続的なパートナーシップを結ぶことができるという理論から生まれた当初のビジョンの妥当性にかかっています。

2015 年 1 月 1 日現在、EEBO フェーズ I の全文は Creative Commons ライセンスの下で公開されており、自由にダウンロードおよび配布できます。

2014年にはフェーズIIで28,466タイトルが利用可能でした。2015年7月現在、ProQuestはEEBO-TCPフェーズIIコレクションを配布する5年間の独占権を有していました。2020年にテキストは一般に無料で利用可能になりました。^[4]

• 書籍スキャン
• イギリスの書籍
• 米国の書籍