Britannica11.org - edição estruturada da Encyclopædia Britannica de 1911
(britannica11.org)- Edição digital da 11ª edição da Encyclopædia Britannica de 1910–1911, com busca completa, referências cruzadas e anotações
- A navegação superior oferece as seções Articles, Contributors, Topics e Ancillary
- O cabeçalho exibe Encyclopædia Britannica e Eleventh Edition · 1910–1911
- A frase de apresentação traz diretamente Fully searchable, cross-referenced, and annotated
- Não são apresentados explicações adicionais no corpo do texto, exemplos ou detalhes de funcionalidades
Visão geral
- Edição digital da 11ª edição da Encyclopædia Britannica de 1910–1911, com busca completa, referências cruzadas e anotações
- A navegação superior oferece as seções Articles, Contributors, Topics e Ancillary
- O cabeçalho indica Encyclopædia Britannica e Eleventh Edition · 1910–1911
- A frase de apresentação mostra diretamente Fully searchable, cross-referenced, and annotated
- Não são fornecidos explicações adicionais no corpo do texto, exemplos ou descrições detalhadas de funcionalidades
Informações fornecidas
- É possível verificar diretamente como características centrais da edição digital a capacidade de busca, as referências cruzadas e a adição de anotações
- Não estão incluídas explicações expandidas correspondentes ao corpo dos artigos nem apresentações detalhadas de cada item
- Metadados como informações de autor, publicação e referências foram excluídos deste resumo
1 comentários
Comentários no Hacker News
Eu recriei a Encyclopædia Britannica de 1911 como um site de navegação limpo e estruturado. Dá para ver em https://britannica11.org/
Restaurei cerca de 37 mil verbetes com base nos volumes originais e incluí índice clicável por seção, links de referência cruzada, busca por colaboradores, indicação de volume e página originais, links para os scans originais de cada página, materiais suplementares, índice temático e busca full-text com metadados
O trabalho principal foi lidar, no pipeline de restauração, com estrutura de títulos, verbetes que se estendem por várias páginas, tabelas, fórmulas, multilíngue, notas de rodapé e ilustrações
O objetivo era preservar a sensação do original, mas em um formato realmente utilizável
Queria especialmente receber feedback sobre qualidade da busca, navegação por seções e referências cruzadas, e trechos em que a estrutura pareça estranha
Perguntas sobre o pipeline ou o modelo de dados também são bem-vindas
Mas, depois de entrar em um artigo, a caixa de busca no topo, "Search titles and full text...", não funcionou quando tentei ir para outro tema
E, na primeira visita, fiquei um pouco sem saber por onde começar; não entendi de imediato que precisava clicar em "Articles" ou "Topics" para começar a explorar. Acho que eu esperava que a imagem principal servisse como porta de entrada
Achei esse projeto realmente incrível. Faz tempo que penso em fazer algo parecido, mas em uma escala menor
A Britannica de 1911 é especialmente famosa por vários motivos, mas acho que o mais conhecido é ser a última enciclopédia anterior à Primeira Guerra Mundial
Então ela ainda preserva o otimismo a vapor da 1ª e da 2ª Revolução Industrial e da Progressive Era, sem ainda estar impregnada pelo choque da "guerra para acabar com todas as guerras"
Fui direto em https://britannica11.org e pesquisei aleatoriamente por Portuguese East Africa, encontrei na hora e a apresentação funcionou muito bem; o resultado foi https://britannica11.org/article/22-0177-portuguese-east-africa/portuguese_east_africa
Como pedido educado, eu adoraria uma opção de visualização lado a lado com o texto e as imagens das páginas originais
Assim daria para conferir diretamente a fidelidade do OCR e, ao mesmo tempo, ver a beleza da impressão, sem precisar abrir uma nova janela a cada página
Pessoalmente, eu usaria o site como ponto de entrada para os verbetes, leria mais pelas imagens e mudaria para o texto quando quisesse conferir algo ou copiar
Eu já tinha percebido que as imagens originais estavam lá, mas elas não chamaram atenção o suficiente; precisei visitar três vezes até achar os links laterais. Uma solução intermediária, como miniaturas opcionais, também parece boa
Acima de tudo, também está rápido
E na versão do OP também notei alguns problemas de fidelidade. Em https://britannica11.org/article/18-0684-s2/molecule, abaixo de "the molecules of other kinds", falta parte de uma fórmula; dá para confirmar comparando [1] https://britannica11.org/article/18-0684-s2/molecule#:~:text=the%20molecules%20of%20other%20kinds e [2] https://en.wikisource.org/wiki/Page:EB1911_-_Volume_18.djvu/688
Além disso, a nota de rodapé 1 na versão do OP está anexada a "as they have always done", quando na verdade deveria estar no verbete "Atom", na p. 654. Dá para comparar em [3] https://britannica11.org/article/18-0684-s2/molecule#:~:text=as%20they%20have%20always%20done e [4] https://en.wikisource.org/wiki/Page:EB1911_-_Volume_18.djvu/684#cite_note-654f1-1
Pelos motivos que você mencionou, eu também venho pensando em uma visualização lado a lado de texto e página, mas ainda não cheguei a implementar
O feedback de que os links para os scans não ficam evidentes também foi útil; preciso destacá-los melhor
A propósito, se você clicar no link vol:page na margem esquerda, vai direto para o scan da página correspondente ao trecho que estiver lendo
Em verbetes como "Adolescence", dá para encontrar crenças que hoje soam bem chocantes
Por exemplo, há passagens dizendo que, por volta da puberdade, meninas deveriam ter a carga de exercício e educação intelectual reduzida e ser forçadas a descansar
Na prática, muita gente ainda vive de maneiras parecidas, e o movimento feminista também passou por um ajuste: em certo momento defendia fortemente o oposto, e depois passou a enfatizar também a liberdade de escolha de não entrar no mercado de trabalho
A preferência por uma chamada "soft life" existe em qualquer época, e acho que, se os homens também tivessem amplamente disponível a opção cultural de ser sustentados economicamente por alguém, uma proporção considerável escolheria papéis graduais e com menor carga intelectual
Nesse caso, parte do desequilíbrio de representatividade em outras áreas poderia ser reduzida não por empurrar mais mulheres para esses espaços, mas pela saída voluntária de homens
Também é surpreendentemente útil a forma como LLMs reorganizam aqueles parágrafos maciços típicos de documentos históricos com uma formatação mais clara
E, se você fizer mais um prompt do tipo "Como este texto seria recebido hoje?", elas também apontam com bastante detalhe as partes que seriam consideradas inadequadas ou difíceis de aceitar pelos padrões atuais
Fiquei curioso sobre a estrutura interna da informação. Descobri recentemente que, nas humanidades digitais, costuma-se usar marcação semântica como XML-TEI nesse tipo de trabalho
Aprendi BaseX e XQuery vendo materiais do dicionário Latin-English Lewis & Short codificados em XML-TEI, e me diverti fazendo perguntas como "qual autor clássico usou uma palavra que aparece só uma vez em todo o corpus?" ou "qual é a palavra hapax mais longa?"
Também achei excelente a Tufts University ter disponibilizado esse tipo de material
Seria muito divertido poder colocar a Britannica de 1911 no BaseX e sair explorando com XQuery
O texto em si está em domínio público, mas eu ainda não publiquei um export estruturado em massa
Dito isso, como muita gente nesta thread também pediu acesso ao dataset, estou considerando seriamente a ideia; se eu publicar, prefiro soltar algo que preserve a estrutura em vez de apenas um dump em texto plano
Foi interessante ver como o estilo e a estrutura são bem diferentes dos textos atuais
Por exemplo, no verbete Copenhagen https://britannica11.org/article/07-0111-copenhagen/copenhagen, o autor descreve com precisão a geografia e os principais pontos de interesse, mas não hesita em usar adjetivos emocionais e opiniões pessoais sobre o que considera curioso ou marcante
Além disso, mais abaixo, o trecho sobre a Battle of Copenhagen parece mudar o próprio gênero do texto, saindo de uma descrição geográfica para uma narração quase cena a cena da batalha naval
Geografia, história e, às vezes, opiniões bem fortes aparecem misturadas no mesmo lugar, e acho isso mais agradável de ler
Também falo sobre esse aspecto no meu texto de apresentação em https://britannica11.org/about.html
O trecho que elogia Les Misérables como "o maior romance épico e dramático já criado ou concebido" é um exemplo claro disso
Faz tempo que penso se seria possível conseguir enciclopédias relativamente recentes, como a Encarta ou a Britannica de 2021
Fico imaginando algo como uma última fonte de informação com menos contaminação por IA, naquele limiar estranho entre o pré-LLM e o pós-Covid
Uma das minhas posses favoritas na infância era uma enciclopédia em CD-ROM, e era muito boa a experiência de abrir verbetes aleatórios e ler e aprender em tardes chuvosas, numa época em que a internet ainda não era comum
Uma das motivações deste projeto foi justamente tentar recuperar essa sensação de exploração com base no texto e na estrutura originais de 1911
Quem gosta da Encyclopedia Britannica de 1911 talvez também ache interessante https://OldEncyc.com
Lá dá para explorar 22 edições de enciclopédias antigas, de 1728 a 1926, por volume e faixa de letras. Não é focado em busca como o site do OP, mas a amplitude do acervo é grande
Um bug bem pequeno: a fonte usada atualmente não suporta o caractere ℔, então verbetes como https://britannica11.org/article/22-0688-s2/putting_the_shot ficam com aparência estranha
Talvez valha considerar normalizar para lb, que é uma notação mais familiar hoje em dia
Parece pequeno, mas este projeto está cheio desse tipo de detalhe
O mundo é pequeno. Neste momento estou limpando scans da 9th edition da EB para subir em um site MediaWiki e, como também estou incluindo ilustrações e pranchas, ainda só cheguei a cerca de um terço
Testei várias ferramentas de OCR, e até agora a que mais me impressionou foi o paddleOCR. Ela se saiu muito bem separando colunas de texto, rotulando ilustrações e reconhecendo texto nas margens
Claro que não é perfeita, então ainda estou corrigindo algumas tabelas manualmente; também pretendo subir as páginas-fonte para que seja possível alternar entre o scan original e o texto eletrônico
Outros materiais que seriam interessantes de colocar online desse jeito, com hyperlinks e índices, são atlas geográficos, atlas médicos e guias de viagem Baedeker
Logo me vêm à cabeça os extensos verbetes sobre aves de Alfred Newton e alguns dos ensaios clássicos de Macaulay
Algumas partes hoje têm um sabor bem engraçado e estranho de ler. Por exemplo, no verbete stars https://britannica11.org/article/25-0806-star/star#section-10, o texto diz que, se as estrelas estivessem distribuídas infinitamente e de maneira uniforme pelo espaço e não houvesse absorção de luz, o fundo do céu teria de ser intensamente brilhante
O resultado foi https://britannica11.org/article/28-0872-wright-chauncey/wright__chauncey?q=computer&match=1, e isso realmente mostra como era outro mundo
Em vez disso, sugeriam que algum tipo de rearranjo na estrutura atômica dos elementos era a hipótese mais plausível, e explicavam que a energia seria liberada no processo em que a nebulosa se condensa em Sol e a matéria evolui para os elementos conhecidos
Considerando o nível de conhecimento da época, achei uma estimativa surpreendentemente próxima