Data Product realizzato nell’ambito del sub-investimento M1C3 1.1.12, sviluppato da CINECA.
Il Data Product è l’insieme degli articoli inerenti il clima apparsi ne “Il Corriere della Sera” negli anni 1876 – 1944, 70 anni e 25.886 uscite, e ”Il Popolo d’Italia” 1914 – 1943, 30 anni e 9.456 uscite. L’analisi degli articoli sarà utile allo studio della storia climatica attraverso le sue narrazioni nei quotidiani storici.
Team CINECA:
A. Guidazzoli – Project Manager,
F. Albertin, G. Baisi, S. Caraceni, G. Cardano, A. Lanzarini, M. C. Liguori, R. Pansini – Digital Humanist,
F. Andrucci, G. Fatigati, A. Gianelli, S. Imboden, G. Marconi, L. Mattei, D. Sforzini – HPC Engineer.
Il Dataset degli articoli inerenti al clima ha richiesto lo sviluppo di strumenti ad hoc per la layout analysis. Infatti, gli strumenti open allo stato dell’arte come quello scelto, LayoutParser, seppur performanti si sono rivelati non del tutto adatti all’analisi di quotidiani storici italiani. Si è quindi sviluppata una piattaforma per aiutare gli esperti di dominio nella creazione di un dataset annotato, base che si è utilizzata per il successivo fine-tuning dello strumento
Sia la piattaforma, denominata LPW Data Preparation, che il modello specializzato, lp_carlino1940, sono a disposizione fra i servizi richiedibili all’interno di DPaaS.
Il Dataset contiene tutte le immagini e le informazioni relative agli articoli estratti inerenti al clima come: la data di pubblicazione e la pagina del quotidiano in cui è stato trovato l’articolo, le coordinate (in pixel) dell’articolo, le parole a tema clima identificate e la trascrizione completa dell’articolo.
Casi d’uso principali
Analisi della storia climatica , analisi storica di eventi catastrofici come alluvioni e/o siccità
Target di riferimento
Università, Ricercatori, Storici, Istituzioni Culturali
