Op zoek naar je voorouders? AI maakt oude Curaçaose akten doorzoekbaar
WILLEMSTAD – Onderzoekers hebben een methode ontwikkeld waarmee duizenden handgeschreven Curaçaose overlijdensakten automatisch kunnen worden omgezet in doorzoekbare gegevens over namen, leeftijden, beroepen en familieverbanden. Bij een proef met ruim 24.000 aktes uit de periode 1879 tot 1949 bleek GPT-4 gegevens duidelijk beter uit de teksten te halen dan traditionele zoekmethoden.
Het onderzoek is gepubliceerd in het wetenschappelijke tijdschrift Digital Scholarship in the Humanities. Onderzoekers van onder meer de Radboud Universiteit, het Huygens Instituut en het Netherlands eScience Center gebruikten Curaçaose overlijdensakten om te testen hoe historische burgerlijke-standdocumenten op grote schaal digitaal toegankelijk kunnen worden gemaakt.
De akten zijn vaak deels gedrukt en deels met de hand ingevuld. Bovendien staan correcties, bijnamen en andere toevoegingen geregeld in de kantlijn. Juist die combinatie maakt automatische verwerking lastig.
Eerst werd software voor handschriftherkenning gebruikt om de scans om te zetten in tekst. Daarna probeerden de onderzoekers daar automatisch gegevens uit te halen, zoals namen, geboorteplaatsen, leeftijden, beroepen en familiebanden.
GPT herkent meer
Traditionele zoekregels bleken kwetsbaar voor fouten in de automatische transcriptie. Wanneer bijvoorbeeld een woord verkeerd was gelezen, kon een zoekpatroon een naam of datum helemaal missen.
Bij een test op automatisch herkende teksten konden zulke traditionele zoekregels 65 procent van de gezochte gegevens vinden, met een nauwkeurigheid van 76 procent. Vooral persoonsnamen leverden problemen op. In zestig procent van de gevallen werd een naam niet gevonden. Als een naam wel werd gevonden, bevatte die in zestig procent van de gevallen een spelfout.
GPT-4 bleek beter in staat om door fouten in de oorspronkelijke transcriptie heen te kijken. Bij overlijdensdata steeg de overeenkomst met menselijke transcripties bijvoorbeeld van 45 naar 88 procent. Bij geboortedata ging het van 61 naar 75 procent en bij geslacht van 93 naar 98 procent.
De onderzoekers kozen uiteindelijk voor GPT-4. Het verwerken van ruim 24.000 akten kostte volgens hen ongeveer honderd minuten rekentijd en 355 dollar. GPT-4 was in hun tests aanzienlijk beter dan GPT-3.5, maar ook ongeveer twintig keer duurder.
Familiegeschiedenis
Het doel gaat verder dan alleen digitalisering. Door individuele aktes aan elkaar te koppelen kunnen levenslopen worden gereconstrueerd en kunnen familieverbanden, migratie en sociale patronen beter worden onderzocht.
De onderzoekers noemen als voorbeeld Johanna Isenia Winterdaal, die in 1876 op Aruba werd geboren als dochter van een wasvrouw. Ze trouwde later op Curaçao, kreeg zes kinderen en gebruikte later een andere achternaam, iets wat uit aantekeningen in de kantlijn van verschillende aktes kon worden gereconstrueerd.
Volgens de onderzoekers kunnen zulke reconstructies niet alleen historici helpen, maar ook mensen die op zoek zijn naar hun eigen familiegeschiedenis. Wanneer duizenden levenslopen in één database worden samengebracht, worden bovendien patronen zichtbaar van groepen mensen die in andere historische bronnen vaak nauwelijks voorkomen.
Namen blijven lastig
Volledig automatisch kan het werk voorlopig niet worden gedaan. Vooral namen blijven lastig voor computers.
Een ogenschijnlijk goed gelezen document kan bij juist de belangrijkste onderdelen nog fouten bevatten. Bij persoonsnamen is dat extra gevoelig: één verkeerde letter kan betekenen dat iemand niet meer aan de juiste familie kan worden gekoppeld.
Dat speelt volgens de onderzoekers op Curaçao nog sterker doordat achternamen van voormalige eigenaren en voormalig tot slaaf gemaakten soms sterk op elkaar lijken en in sommige gevallen maar één letter verschillen.
De onderzoekers adviseren daarom om automatische herkenning te combineren met menselijke controle. Vrijwilligers en andere zogenoemde citizen scientists blijven volgens hen belangrijk om gegevens, vooral namen, na te kijken en te corrigeren.
De methode kan volgens de onderzoekers ook worden gebruikt voor andere koloniale bevolkingsregisters. Daarmee zouden historische archieven die nu moeilijk doorzoekbaar zijn uiteindelijk toegankelijker kunnen worden voor onderzoekers én voor mensen die hun eigen familiegeschiedenis willen achterhalen.
