View source for Bibliotecas publicas digitales/Book Scan


0) Introducción  - Bibliotecas publicas digitales

Dentro del catalogo de los grandes avances históricos, las bibliotecas
públicas forman parte de uno de los fenómenos de los cuales nos sentimos
mas orgullosas, seguramente junto a la educación y la salud publica, la
declaración universal de los derechos humanos, el método científico, la
wikipedia o  el software libre.

Se trata de una de esas infraestructuras casi invisibles que solo vamos
notando cuando empiezan a desaparecer. Durante mucho tiempo, las
bibliotecas publicas se han constituido como el lugar desde el cual
poder acceder al conocimiento aunque solían ser demasiado dependiente de
los presupuestos siempre inestables de los estados del “bienestar” o de
los recursos limitados de algunos ricos mecenas.

Internet ha volcado nuestras interpretaciones de lo que tomábamos como
dado y posible. El sueño de poder acceder todas a todo el conocimiento
se volvió a nuestro alcance. Parecía sólo una cuestión de difusión.
Saber vislumbrar cuando las curvas de distribución de los ordenadores
personales y el acceso a Internet acabarían por unirse para hacer que
ese acceso universal al conocimiento se volviese realidad. Sin embargo,
el desarrollo de las bibliotecas publicas en la era de Internet parece
ir directamente en la dirección opuesta, haciendo que puedan fácilmente
desaparecer.

Muchas bibliotecas publicas no pueden recibir, y a menudo tampoco
comprar, los libros editados por grandes editoriales1. Los libros que ya
conforman su catalogo deben ser a veces destruidos después de prestarlos
26 (?!?) veces. Se esta perdiendo la batalla del mercado dominado por
nuevos actores como Amazon, Google y Apple.

Pero las revoluciones emancipadoras también forman parte de los
fenómenos de los cuales podemos mostrarnos mas orgullosas. Empoderar las
personas para que cuenten con los medios necesarios para alcanzar sus
sueños. No podemos renunciar a las bibliotecas publicas en la edad de
Internet, ni al sueño de un acceso universal a todo el conocimiento
humano. Por ello activistas, documentalistas, ciudadanas, artistas,
hackers, y muchas otras, están creando las circunstancias para volver
sus sueños realidad y de paso contar como dijo Melvil Dewey con
“escuelas libres y bibliotecas libres para cada alma”.3
La propuesta es  la siguiente:  Hagamos unos catalogo de todos los
libros que ya hemos descargado y compartámoslo! Al fin y al cabo una
biblioteca publica consiste en:
> Un acceso libre para cada miembro de la sociedad a libros
> Unos catálogos de los libros y documentos disponibles
> Unas personas bibliotecarias

Con libros preparados para ser compartidos, meticulosamente
categorizados, cada persona puede volverse una bibliotecaria. Cuando
todas somos bibliotecarias, las bibliotecas publicas se encuentran en
todos los lugares. Así de sencillo.

Muy poco habría sido posible si Sean Dockray no hubiese empezado
Aaaaarg.org, Dušan Barok Monoskop, Sebastian Luetgert y Jan Gerber
Pirate Cinema & pad.ma, Kenneth Goldsmith UbuWeb, Henry Warwick
Alexandria project, Piratbyrån The Pirate Bay y  si los hackers detrás
de Library Genesis no nos hubiesen dado la oportunidad de descargar su
catalogo de casi millón de libros. En los siguientes enlaces pueden
encontrar varios ejemplos de bibliotecas publicas digitales.

+ info:
http://monoskop.org/Monoskop
http://ubu.com/
http://aaaaarg.org/(repositorio de libros)
http://thepublicschool.org/
http://libgen.org/libreria genesis
http://cataleg.xarxabibliosocials.org/portal/
http://625lineas.com/epl/
http://theanarchistlibrary.org/
http://knol.pw/  (Para comprar el libro que buscas a precios super
reducidos)
http://wolnelektury.pl/
http://www.reddit.com/r/scholar  (Una nube para documentos academicos)
http://www.mi2.hr
Imperial Library of Trantor. Repositorio de libros disponible solo en la
red Tor.
https://xfmro77i3lixucja.onion.to/(Se puede acceder desde la clearnet
mediante esta pasarela)
http://pad.ma
http://ge.tt
http://ge.tt/2YaYETU

1) Fabricar y aprender a usar (y cuidar)  un escáner de libros.

La primera fase del encuentro consistio en montar el escaner de libros
[1] diseñado y construido por Voja Antonic en el marco del proyecto
Memoryoftheworld.org. Partiendo de un manual [2] desarrollado en inglés
el pasado més de octubre durante un hackaton organizado en Utrecht [3]
unas participantes del encuentro se dedicaron a su traducción en
castellano [4]. El manual también se encuentra en formato latex para
imprimir [5].

Comentarios sobre el escaneo y procesamiento (Roman):

- después de renumerar los ficheros en "left camera" y "right camera",
conviene COPIARLOS a "all" en vez de moverlos; haciendo esto nos queda
una copia de resguardo en ambas carpetas, por si algo va mal en "all"

- cuando ponemos los ficheros renumerados en la carpeta "all" conviene
chequear que el número de ficheros corresponde al número del último
fichero en la carpeta, por ejemplo si el último fichero en la carpeta es
"387.jpg" el número de ficheros debe ser 387.

Finalmente, el legendario inventor Voja Antonić nos dio una charla sobre
la prehistoria de la cultura hacker en los últimos años 70 y primero 80
en la antigua Yugoslavia. Antonić nos habló de cómo se podía ser hacker
en un contexto en el que todavía ni siguiera existían los ordenadores
personales, y cómo se difundía y comunicaba la innovación antes del
acceso masivo a internet. Nos habló de cómo diseñó el primer ordenador
personal DIY en Yugoslavia, el mítico Galaksija, y del sentido ético del
trabajo de un ingeniero que fue pionero en muchas cosas en su entorno,
pero que donó todo su trabajo al dominio público.
Puedes escuchar la charla que dio en este enlace [6] (Recorded by
Acoustic Mirror).

+ info:
[1]
http://www.memoryoftheworld.org/es/blog/2012/10/28/our-beloved-bookscanner/
[2] http://ge.tt/6GcAE4c1
[3]
http://www.monnik.org/workshops/free-libraries-for-every-soul-hackathon/
[4] http://titanpad.com/Manual-de-escaneado-de-libros
[5] https://www.writelatex.com/976064myydnm#/2253265/
[6]
https://archive.org/details/20140418VojaAntonicTalkHackTheBiblioCalafou
http://www.diybookscanner.org(Una pagina mantenida por un aficionado a
los escaneres de libros)
http://www.tabakalera.eu/es/proiektuak/scanner-ibiltaria-3/(Scanner
libre construido con impresora 3D en Tabakalera (Donosti) y proyecto de
scanner itinerante)
http://hackerspace.be/ScanBot(Hacker Space Bruxelles scanner)

Pase de Cine: "Farenheit 451"

2) Programas y aplicaciones libres para construir catálogos

Ningún libro debería dejar nunca la red de catálogos. Si se transfiere
debería ir de un catalogo situado en un punto hacia otro catalogo
situado en otro punto [0]. La primera pieza de nuestro mosaico
rompecabezas es la herramienta de software que permitirá a cada usuario
final crear y mantener su catalogo de libros. Hemos encontrado, así como
otros 10 millones de usuarios, esa herramienta. Se trata de Calibre [1].
Con ella es fácil volverse un bibliotecario.

La siguiente etapa es conectar los bibliotecarios Calibre entre si. En
general, estos usan sus catálogos Calibre dentro de sus ordenadores
personales dentro de redes de área locales. Hemos desarrollado
herramientas para que pueden conectarse entre ellos sin problemas.
Cuando lo hacen pueden sincronizar sus catálogos, recomendar y compartir
libros [2] plugin let's share books. Los bibliotecarios se vuelven
cyber-bibliotecarios.

Las herramientas contemplan desde enlaces magnéticos para importar
libros directamente desde el blog en el cual son recomendados hacia
Calibre; ayudas para buscar y descargar grandes repositorios de libros
directamente desde Calibre (e.g. Library Genesis, Ebookee,
Aaaaarg.org…); una herramienta para contextualisar libros con contenidos
de la Wikipedia así como también se encuentra un navegador experimental
para navegar dentro de grandes catálogos.

El desarrollo de software cubre un amplio espectro de tecnologías:
hackear la wikipedia, extensiones para el navegador web, librerías
JavaScript, herramientas de red, enrutadores, NAS (networked attached
storage) así como también dispositivos embebidos. El grupo de trabajo
Bookmagnet esta trabajando en un conjunto de herramientas, estándares y
convenciones acerca de como compartir libros en las futuras bibliotecas
publicas p2p.

Sobre artículos académicos:
- Código DOI que identifica cada artículo. Encuentras el artículo con su
código pero debes pagar (JStore, por ejemplo). Entonces copias el código
DOI y lo buscas en LibGen o en Scholar (http://www.reddit.com/r/scholar)
<http://www.reddit.com/r/scholar%29>

Sobre Catalogación:
- CDU: Clasificación Decimal Universal. 0-9 grandes temas. La mayoría de
bibliotecas catalogan así; Copia i Difon ha tomado esta base.
- PMB: programa que conecta con los metadatos vía z93. Conecta con
grandes bibliotecas.

Conceptos:
- Libros huérfanos: http://en.wikipedia.org/wiki/Orphan_works
- "Patrimonio Editorial"

+ info:
[0]
http://www.memoryoftheworld.org/es/blog/2012/11/26/catalogo-de-punto-a-punto/
[1] http://calibre-ebook.com/y
http://www.cobdc.net/programarilliure/crea-servidor-ebooks-calibre/
[2] https://github.com/marcellmars/letssharebooks+
http://manual.calibre-ebook.com/gui.html#connect-share. Todos los libros
compartiéndose en tiempo real mediante el plugin letssharebooks de
calibre: https://library.memoryoftheworld.org/+
https://chat.memoryoftheworld.org/
http://helibtech.com/Open%20SourceHELibTech wiki (open source library
software page)
http://www.esi.ac.uk/meetings/1114/videos/4807(Modelo de negocio par un
sistema de manntenimiento de bibliotecas de código abierto)
http://www.lsoft.com/SCRIPTS/WL.EXE?SL1=LIS-OSS&H=JISCMAIL.AC.UK(Lista
de correo acerca de sistemas y programas de código abierto para
bibliotecas)
http://ki.ber.kom.uni.st>> redirected to:
http://protopage.com/kiberkomunist(pagina web de Marcell Mars,
desarollador del proyecto memoryoftheworld.org)

GPrename y Scan tailor

El proceso de digitalización de la Biblioteca Pública se divide así en
los siguientes pasos:
1. Creación digital de imágenes de páginas de un libro,
2. Transferencia manual de archivos de imagen al ordenador para
post-producción,
3. Renombramiento automático de archivos, ordenando páginas pares e
impares, rotación de imágenes y subida a un almacenamiento en la nube,
4. Transformación manual de las imágenes en archivos .tiff en ScanTailor
5. Reconocimiento óptico de caracteres y creación de archivos PDF en
gscan2pdf

Una vez que las páginas del libro han sido fotografiadas, tienen que ser
transferidas al ordenador y preparadas para post-producción.  esta
documentación se centrará en una que puede ser usada en la mayoría de
los sistemas operativos: ScanTailor. ScanTailor se puede descargar desde
http://scantailor.sourceforge.net/. Puedes ver un vídeotutorial más
detallado de ScanTailor en:  http://vimeo.com/12524529.

+ info:
http://gprename.sourceforge.net/
http://scantailor.org/

Reconocimiento óptico de caracteres (OCR) : De las imagenes a las palabras

Antes de que los archivos gráficos terminen en un e-book, queremos
transformar la imagen del texto en texto real que pueda ser encontrado
mediante un buscador, subrayado, copiado y transformado. Esta
funcionalidad la proporciona el Reconocimiento Óptico de Caracteres (ORC
por sus siglas en inglés). Esta tarea es difícil técnicamente, y depende
del idioma, el guión, la fuente usada en el texto y la calidad de la
impresión. Desafortunadamente no hay muchas herramientas de OCR que sean
buenas en esto. Hay, sin embargo, una solución software libre
relativamente buena: Tesseract (http://code.google.com/p/tesseract-ocr/)
<http://code.google.com/p/tesseract-ocr/%29>, que tiene un buen
rendimiento, un buen manejo de idiomas y que puede ser entrenado incluso
para obtener mejores resultados, aunque tiene problemas. Soluciones
comerciales y propietarias (como por ejemplo Abby FineReader) a veces
proporcionan mejores resultados.

Tesseract es un motor OCR libre. Fue desarrollado originalmente por
Hewlett Packard como software propietario entre 1985 y 1995. Tras diez
años sin ningún desarrollo, fue liberado como código abierto en el año
2005 por Hewlett Packard y la Universidad de Nevada, Las Vegas.
Tesseract es desarrollado actualmente por Google y distribuido bajo la
licencia Apache, versión 2.0. Tesseract está considerado como uno de los
motores OCR libres con mayor precisión disponibles actualmente. En 1995,
Tesseract era uno de los tres mejores motores OCR en cuanto a precisión,
además está disponible para Linux, Windows y Mac OS X, sin embargo, sólo
ha sido probado por los desarrolladores en Windows y Ubuntu. Hasta la
versión 2, Tesseract sólo podía aceptar como entrada imágenes de una
sola columna en formato TIFF. En estas primeras versiones no se incluía
análisis de patrones, y por tanto, las imágenes con múltiples columnas o
anotaciones producían resultados ilegibles. Desde la versión 3,
Tesseract soporta el formato en el texto y el análisis del patrón de la
página. A través de la biblioteca Leptonica, se consigue la
compatibilidad con nuevos formatos de imagen, además, se puede detectar
si el texto proporcional o monoespaciado. Tesseract puede procesar
inglés, francés, italiano, alemán, español, portugués brasileño y
neerlandés, y puede ser entrenado para funcionar con otros idiomas.

HowTo:

Batch processing of TIF files with Tesseract 3.03 for this. [0]. On
Debian unstable and testing you can install Tesseract like this:

   # This installs installs tesseract:
   apt-get install tesseract-ocr tesseract-ocr-spa tesseract-ocr-eng
   # This converts all the files IN THE CURRENT DIRECTORY to OCRed PDF
files:
   time for i in *tif; do b=`basename "$i" .tif`; tesseract -l spa "$i"
"$b" pdf; done
   # This merges all the PDF files into a single PDF.
   pdftk *pdf cat output merged.pdf

(.)Ubuntu Trusty Tahr 14.04 ya tiene la versión de Tesseract 3.0.3 en
paquetes .deb

*Renaming in KDE*

On the last tab "4. Filename" select "Filename: Custom name" and enter
"#{1;2}" for left camera, #{2;2}" for right camera (without the double
quotes...) and enter ## as a Prefix.

Under "Number" make sure that "Start Index" is 0 and "Number of digits"
is 3 (should be for books under 1000 pages ??)

3) Canales de encuentro
Te puedes suscribir a esta lista para publicar información de interés
para el desarrollo de bibliotecas publicas digitales.
hackthebiblio@lists.riseup.net

Puedes encontrarnos en el chat: https://chat.memoryoftheworld.org/