Több mint harminc év tapasztalatával és százmillió digitalizált oldallal az Arcanum ma Európa egyik legnagyobb, legnépszerűbb digitális adatbázisa. Biszak Sándor alapító és cégvezető büszke a világviszonylatban is egyedülálló arcfelismerő fejlesztésükre. Ennek segítségével a felhasználók fotókat tölthetnek fel hozzátartozóikról vagy akár bárkiről, a rendszer pedig képes azonosítani őket a régi újságcikkekben és csoportképeken – még akkor is, ha a nevük nem szerepel az írásokban.
Az Arcanumot 1990-ben alapították, és már a kezdetektől fogva a digitalizációra fókuszáltak. A hőskorszakban még floppy lemezeken próbáltak adatbázisokat építeni, majd a CD-vel érkeztek meg az első átütő sikerek. Olyan forradalmi és népszerű kiadványaik jelentek meg, mint a 13 bibliafordítást tartalmazó digitális Biblia, a legfontosabb magyar költők műveit gyűjtő Verstár, vagy a teljes Jókai- és Vörösmarty-életmű – mesélte a kezdetekről Biszak Sándor.
Több mint 300 kiadott CD után döntöttek úgy, hogy a könyvek mellett az újságok felé nyitnak.
Elsőként az 1854 és 1921 között megjelent Vasárnapi Újság feldolgozását tűzték ki célul. Ebben az időszakban a szövegeket még manuálisan gépelték be, így öt-hat év alatt mindössze néhány évfolyammal készültek el a hetvenből.
A nagy áttörést a Google Books megjelenése és az automatizált szövegfelismerő (OCR) technológia elterjedése hozta el – emeltek ki Biszak Sándor Ekkor vált lehetővé, hogy a beszkennelt oldalakat ne manuálisan gépeljék be, hanem szoftveresen alakítsák kereshető szöveggé.
A napilapok feldolgozása egy dohos pincében talált, teljes Népszava-sorozattal indult el, amelyet a tulajdonosok örömmel adtak át a cégnek. Az akció sikere bebizonyította, hogy a sajtótermékek rendkívül gyorsan és hatékonyan tehetők kereshetővé.
Miért pont a napilapok?
Az Arcanum vezetője kiemelte, hogy a korabeli napilapok – a megyei, városi és helyi lapokkal egyetemben – lényegesen személyesebbek, mint a klasszikus könyvadatbázisok.
Ezt követően sorra kerültek feldolgozásra a 20. század ikonikus lapjai, mint a Pesti Napló, a Pesti Hírlap, a Népszabadság vagy a Magyar Hírlap.
Az adatbázis mára nemzetközi méretűvé nőtte ki magát:
több mint 100 millió oldal érhető el rajta, több mint 30 nyelven.
A külföldi nyitás Marosvásárhelyen kezdődött, ahol a magyar nyelvű sajtó digitalizálása után a helyi könyvtárigazgató javaslatára a román nyelvű lapok feldolgozásába is belekezdtek. Azóta a Nagyszebeni Megyei Könyvtár teljes állományát, valamint a legfontosabb cseh, szlovák, lengyel és egykori szovjet tagköztársasági (köztük azeri, üzbég és türkmén) újságokat is sikerült digitalizálniuk.
Arcfelismerés és a családfakutatás új dimenziói
Biszak Sándor hangsúlyozta, hogy a rendszer sikerének kulcsa a teljes szöveges kereshetőségben rejlik.
Sok sikertelen digitalizálási projekt hibája, hogy a dokumentumokat csak beszkennelik, így azokban nem lehet kifejezésekre kutatni.
Az embereket előszeretettel vonzza, hogy a régi újságcikkekben saját magukra, ismerőseikre vagy felmenőikre bukkannak rá. Sokan először saját családnevükre keresnek rá.
Az Arcanumot ma már nélkülözhetetlen segédeszközként használják a helytörténészek, a professzionális kutatók, a családfakutatók, valamint az egyetemi hallgatók is.
Az adatbázis legújabb,
világviszonylatban is egyedülálló fejlesztése a két-három éve bevezetett arcfelismerő kereső. Ennek segítségével a felhasználók fotókat tölthetnek fel hozzátartozóikról vagy ismeretlen személyekről, a rendszer pedig képes azonosítani őket a régi újságcikkekben és csoportképeken – még akkor is, ha a nevük nem szerepel az írásokban.
Ezt a funkciót a Nemzeti Filmintézet kutatói és az újságírók is rendszeresen használják némafilmek szereplőinek vagy korabeli sajtótájékoztatók résztvevőinek beazonosítására.
A családfakutatásban is új korszakot nyitott a platform: míg a mormon egyház adatbázisai az anyakönyvi adatokban erősek, a családok körüli valódi történeteket a korabeli sajtó őrizte meg. Az Arcanum emiatt közel egy éve szoros együttműködésben digitalizál a mormon egyházzal a kelet-európai történetek feltárása érdekében.
Elveszett örökség és a jövő tervei
A teljes magyar sajtótörténet feldolgozottságát Biszak Sándor óvatosan körülbelül 80 százalékra becsüli. Mint mondta, a valaha kinyomtatott sajtótermékek 25-30 százaléka sajnos örökre megsemmisült vagy fellelhetetlen. Jó példa erre a legendás Tolnai Világnapló 1921-es évfolyama, amely egyetlen közgyűjteményben sem maradt fenn. Ugyanakkor folyamatosan bukkannak fel újabb források is: az egyesült államokbeli New Brunswick legnagyobb magyar könyvtárából például sikerült hazahozni és közkincsé tenni a helyi magyar emigráció teljes folyóirat-állományát.
A digitalizálásra átvett dokumentumok sorsáról elmondta, hogy azokat a munka végeztével megtisztítva, felújítva juttatják vissza a gyűjteményekbe.
Megszűnt intézmények (például a Magyar Rádió vagy a Földrajztörténeti Intézet könyvtára) gazdátlan anyagai esetében pedig alapítványok és magánszemélyek segítségével gondoskodnak a fizikai példányok megóvásáról.
A cégvezető tréfásan megjegyezte, hogy az adatbázis használata komoly függőséget okozhat, ezért ő maga – az időhiány mellett – tudatosan tart némi távolságot tőle. Kedvenc személyes élményeként azt idézte fel, amikor a 70-es években a Ludas Matyiban olvasott egy cikket az angliai keverőcsapok hiányáról. Évekkel később egy északír úton tapasztalta meg a jelenséget, majd hazaérve az Arcanumban kereste vissza és találta meg az évtizedekkel korábbi humoreszket.
Az Arcanum jelenleg két fő fejlesztési irányra összpontosít: egyrészt folytatják a cseh és a szlovák nemzeti könyvtárakkal közös, nagy volumenű állományfeldolgozást, másrészt
Biszak Sándor nagy álma, hogy a Magyar Nemzeti Könyvtárral is sikerüljön egy gyümölcsöző együttműködést kialakítani.
Ezzel a lépéssel ugyanis a még hiányzó, kizárólag ott fellelhető 20 százaléknyi sajtóanyag is digitalizálhatóvá válna, ami a magyar írott örökség teljes körű megmentését jelentené.
