标签： TEI

密歇根大学图书馆拥有近300个数字馆藏，很好奇如此多的馆藏是如何建立的。
University of Michigan Library – Digital Collections

仔细看该馆数字内容和馆藏部（Digital Content & Collections, DCC）网站，该部下设有数字转换组（Digital Conversion Unit, DCU），专门从事数字化工作，由用户提出需求、图书馆操作（具体实施时数字化工作可能外包）：
其一，请求数字化本馆图书。此按需数字化服务免费，之前是作为馆际互借文献传递工作的一部分，现在相当于由读者代替馆员选择需要数字化的图书，完成后放在HathiTrust中提供服务（HathiTrust源自谷歌图书项目）。
其二，要求建立一个在线馆藏。读者提出项目建议、提供资料（已数字化或有待数字化），图书馆审核后实施并上线。
想来数百个数字馆藏，会有一定比例来自教学科研人员吧。

在《TEI图书馆最佳实践》第4版中，5级编码中第1-3级样例都是密歇根大学图书馆的数字馆藏（第3版第1-2级），当然都是2011年以前的。

1级项目：Making of America Books (MoA)
含约1万种19世纪出版物，由安德鲁 W 梅隆基金资助（密歇根大学和康奈尔大学）。2007年在某校友资助下数字转换了百余种有关纽约的文献【看清单不少是20世纪的】。
样例：Baby world: stories, rhymes, and pictures for little folks
在常见问题中提到TEI：简单的SGML形式（40个符合TEI指南的元素）。部分是经验证的HTML文本，部分仍是原始图像，因为这部分OCR尚未验证，由该馆人文文本创始计划（Humanities Text Initiative）承担校对和改进标记。

2级项目：SPO Scholarly Monograph Series
SPO学术专着系列是由密歇根大学图书馆的前学术出版办公室（现为密歇根出版社的一部分）于2001年至2006年出版的跨学科的原创开放获取学术专着和论文集。在此期间，密歇根大学教师和图书馆成员共同探索新的出版模式和方法。 这些电子书是这种合作的一些成就。【从目次看，电子书格式同印刷版，应该是以TEI对目次及文前、文后进行了描述】
样例：Sports Culture Among Undergraduates: A Study of Student Athletes and Students at the University of Michigan

3级项目：Travels in Southeastern Europe（2004年）
从4种早年的波黑旅行出版物开始，根据扫描和审核四4个原始文本时收集的信息，另外扫描了本馆100多个其他品种，完成本项目。有目次（区分文前、章节、文后）；但OCR未更正、不可替代图像（根据View entire text说明）。
样例：Bosnie et Herzégovine : souvenirs de voyage pendant l’insurrection

参见：《TEI图书馆最佳实践》第4版发布（附5级编码详解）（2018-10-6）

TEI除指南外，还有针对不同应用场景的多种专题指引，《TEI图书馆最佳实践》是其中之一，用于依据TEI对大规模数字化（扫描）图像进行编码。第1版发布于1999年，由数字图书馆联盟（DLF）资助的TEI工作组（TEI Task Force）制订，第3版起由TEI联盟旗下的TEI图书馆特殊兴趣小组（TEI SIG on Libraries）承担修订职责。
上月《TEI图书馆最佳实践》发布4.0版，加了一个副标题或说明语：大规模数字化、自动化工作流程以及促进使用TEI的XML互操作的指南。
Best Practices for TEI in Libraries: A guide for mass digitization, automated workflows, and promotion of interoperability with XML using the TEI
Editors: Kevin Hawkins, Michelle Dalmau, Elli Mylonas, and Syd Bauman
Version: 4.0.0 (published September 2018)

本最佳实践最初为在基于图书馆的大型数字化项目中使用TEI而创建，作为一种从整体上达成数字化和编码的方式。由于不同的文本数字化项目目的各异，本最佳实践设置了5个编码级别以尽可能包容不同需求。5个级别有各自的编码样例，图书馆数字化项目实例链接，建议使用的元素和属性（并且不建议使用其他），适用项目，工作流程等。以下摘录第4版的5级编码目的、样例和工作流程【组成为个人理解概括】。

——— 5级编码：目的、样例、工作流程 ———
Level 1: Fully Automated Conversion and Encoding 全自动化转换与编码
目的：创建电子文本的主要目的是搜索关键字并链接到页面图像。在这种非常严格限制的编码级别使用TEI的主要优点是TEI标头附加到文本文件。【组成：标头/书目信息+扫描图像+未经审核OCR+页码标记】
样例：密歇根大学Making of America Books (MoA)
工作流程：可通过全自动方式创建和编码1级文本。使用OCR扫描和处理页面图像，但文本通常未经校正（“脏OCR”），并且从OCR输出生成XML。如果需要，可以通过标记各个页面元素来增强这种自动输出，以指示关键文本特征，例如题名页、文前内容或新章节的开始。

Level 2: Minimal Encoding 最小编码
目的：创建用于全文搜索的电子文本，链接到页面图像，以及识别简单的结构层次结构以改进导航（例如，可以根据此类编码自动生成目次）。【组成：标头/书目信息+扫描图像+未经审核OCR+章节标记/目次】
样例：密歇根大学Scholarly Mongraph Series (SPO)
工作流程：通常可以通过自动化手段创建和编码2级。分页在级别1中标识，并且可能基于页面图像创建文本分区的元数据。文本划分元数据可能包含划分开始的页码和该划分标题的转录。此元数据在适当的位置插入OCR，形成有效的XML文档。2级文本在章节级别下不需要任何特殊知识或人工干预。

Level 3: Simple Analysis 简单分析
目的：创建独立的电子文本并识别层次结构（逻辑结构）和排版，而无需内容分析是最重要的【组成：标头/书目信息+经审核OCR+文本结构标记（文前文后、排版样式），页面图像可选】
样例（第3版）：印第安那大学Victorian Women Writers Project(VWWP)
样例（第4版）：密歇根大学Travels in Southeastern Europe
工作流程：可通过电子来源（如HTML文件或文字处理文档）或印刷来源（通过OCR或键盘输入）进行半自动转换来创建；可能需要一些人为干预。

Level 4: Basic Content Analysis 基本内容分析
目的：要创建可以单独作为电子文本的文本，识别层次结构和排版，指定文本和结构元素的功能，并描述内容的性质而不仅仅是其外观。但是此级别无意编码或识别文本的所有结构、语义或书目功能。【组成：标头/书目信息+全文文本+文本内容标记】
样例（第3版）：北卡罗来纳大学教堂山分校Oral Histories of the American South
样例（第4版）：印第安那大学Victorian Women Writers Project
工作流程：文本通过录入生成（可能是外包的使用TEI Tite从页面图像中双录入），或者可能是使用识别拼写错误的软件更正OCR文本，或者从OCR软件查询日志以找到OCR文本中的不确定区域。如果从TEI Tite转换，应添加最少的额外标记，如TEI Tite附录A中所述。[附录A：TEI Tite与TEI图书馆最佳实践。TEI Tite介于3级与4级之间]

Level 5: Scholarly Encoding Projects 学术编码项目
5级文本是需要具有学科知识的编码者进行大量人为干预的文本。 这些文本可能包括语义、语言、韵律或其他特征的编码，远远超出上面1-4级中讨论的基本结构元素。它们还可能包括编辑、批评或分析添加的元素；手稿描述；译文；或其他文字设备。
目的：创建可能适合特定研究目的的深度分析编码文本，作为学术出版项目的一部分，或基于图书馆的文本编码中的其他编码实践。
样例：印第安那大学The Chymistry of Isaac Newton
工作流程（无）

———- 版本备记 ———
TEI官方版：1990.6 P1（首个草案），1994.5 P3版指南（首个官方版），2002.6 P4版指南，2007.11 P5版指南。
TEI图书馆最佳实践版本：1999年第1版（TEI Text Encoding in Libraries: Guidelines for Best Encoding Practices），确定了沿用至今的5级编码。2005年第2版，2011年第3版改名（Best Practices for TEI in Libraries）。2015.11决定修订第3版，2017.11发布3.1版、2018.1.15公示，2018.9.10发布4.0版。
从官网看，在TEI特殊兴趣小组中，负责本文件第3、4版的图书馆特殊兴趣小组归在不活跃之列（Dormant SIGs）。而TEI本身版本在此期间（2011-1018年）并未更新，不知道为何却有兴趣更新图书馆最佳实践文件。第4版中未找到与第3版在内容上差异的说明，大致浏览也未看出太多修订内容，不知为何由3.1版一下变成了4.0版。

参见：
TEI中的书目描述及其他（2018-8-10）
TEI笔记：语音转录（2018-8-27）
TEI笔记：手写本和印刷古籍的编目（2018-8-28）
TEI笔记：数字化文本的文字转录（2018-8-30）
TEI笔记：人物、机构、地点相关信息的标识（2018-9-13）