La lettura dei registri e dei documenti manoscritti storici richiede spesso tempi lunghi e rende difficile trasformare le informazioni d’archivio in dati confrontabili. La tecnologia sviluppata automatizza questo processo combinando intelligenza artificiale per il riconoscimento della scrittura (HTR), individuazione delle aree testuali e controllo da parte dell’operatore. Le informazioni estratte vengono organizzate in tabelle e file strutturati, pronti per analisi quantitative e statistiche.
Lo strumento accelera così l’elaborazione di grandi serie documentarie e amplia le possibilità di ricerca sulla storia sociale ed economica.

Scarica versione PDF
Laboratorio
Referenti
Matteo Al Kalak
Lorenzo Baraldi
Area di specializzazione
Cultura e creatività
Digitale
Keyword
HTR, OCR
Storia economica
Fonti seriali
IA
READ-ME
Descrizione

La tecnologia consiste in uno strumento software per l’estrazione automatizzata di dati strutturati da registri, censimenti e altre fonti documentarie manoscritte organizzate in tabelle o in registrazioni ricorrenti. È progettata per convertire le immagini digitali di documenti storici in insiemi di dati elaborabili, riducendo il lavoro manuale necessario per trascrivere e organizzare le informazioni. Il sistema integra diversi componenti: algoritmi di elaborazione delle immagini per individuare
righe e colonne; modelli di rilevamento delle aree testuali, comprese le singole celle; tecnologie HTR (Handwritten Text Recognition) per il riconoscimento della scrittura manoscritta; procedure di verifica e correzione con intervento umano (human-in-the-loop). I risultati vengono raccolti in dati tabellari ed esportati in formato CSV, utilizzabile con fogli elettronici, database e strumenti di analisi statistica.
La tecnologia è stata sviluppata e sperimentata nel contesto del progetto READ-ME, con particolare attenzione alle fonti utili alla ricostruzione quantitativa della storia sociale ed economica italiana tra Ottocento e Novecento. L’architettura modulare e la possibilità di addestrare i modelli su grafie e strutture documentarie differenti ne rendono potenziale l’applicazione anche ad altre serie archivistiche caratterizzate da registrazioni organizzate in campi e colonne.

Aspetti innovativi

Le tecnologie di riconoscimento automatico dei testi, quali OCR per i documenti a stampa e HTR per quelli manoscritti, sono ampiamente utilizzate per rendere accessibili e ricercabili le fonti digitalizzate. La soluzione qui sviluppata persegue un obiettivo complementare: trasformare le informazioni contenute nei documenti in dati strutturati, utilizzabili per analisi quantitative e statistiche. L’innovazione risiede nell’integrazione tra riconoscimento della scrittura, identificazione automatica delle strutture tabellari e validazione assistita dall’operatore. Tale approccio consente di elaborare documenti nei quali il solo riconoscimento testuale non è sufficiente, poiché l’estrazione dei dati richiede l’individuazione delle celle e delle relazioni tra le informazioni registrate. Il sistema è progettato per elaborare interi complessi documentari e adattarsi a differenti grafie mediante annotazione e addestramento dei modelli. La supervisione umana garantisce il controllo qualitativo dei risultati. La piattaforma rende così le informazioni interrogabili e comparabili su larga scala, aprendo nuove prospettive di ricerca in ambito storico, demografico, economico e sociale.

Applicazioni

Studio delle trasformazioni demografiche, economiche e sociali in prospettiva storica.

Prodotto
Esempio di applicazione

Serie dei registri manoscritti dei contribuenti della tassa di famiglia/focatico per il Comune di Roma tra Otto e Novecento

Descrizione applicazione e risultati

L’applicazione è stata sviluppata a partire dal Focatico di Roma, una fonte manoscritta tabellare, ed estesa tramite una ricognizione di fonti archivistiche italiane per addestrare modelli di riconoscimento automatico. Il processo si articola in una pipeline sequenziale: algoritmi di elaborazione immagini individuano righe e colonne dei registri, un modello di text detection riconosce le aree testuali nelle celle e un sistema HTR (Handwritten Text Recognition) trascrive automaticamente il testo. Entrambi i modelli sono stati addestrati tramite l'annotazione delle fonti storiche.
Il sistema è integrato in un’interfaccia grafica che permette di elaborare interi volumi con un approccio human-in-the-loop, consentendo all’operatore di verificare e correggere le trascrizioni. I dati finali vengono esportati in formato CSV per successive analisi statistiche e gestionali. Il tool include un tutorial dedicato ed è stato sottoposto a test di usabilità. La sperimentazione ha confermato l'efficacia della pipeline nella conversione di registri manoscritti in dati strutturati, mentre la misurazione precisa di velocità e accuratezza richiederà ulteriori test quantitativi.

Partner coinvolti

Partner del progetto READ-ME

Tempi di realizzazione
6
Livello di maturità tecnologica
TRL 8 - sistema completo e validato
Valorizzazione applicazione

Ricerca di partner aziendali per ulteriori applicazioni

Applicazione