- Edición digital de la 11.ª edición de la Encyclopædia Britannica (1910–1911), con búsqueda completa, referencias cruzadas y anotaciones
- La navegación superior ofrece las secciones Articles, Contributors, Topics y Ancillary
- En el encabezado se indica Encyclopædia Britannica y Eleventh Edition · 1910–1911
- La frase introductoria muestra explícitamente Fully searchable, cross-referenced, and annotated
- No se presentan explicación adicional del contenido, ejemplos ni detalles de funciones
Resumen
- Edición digital de la 11.ª edición de la Encyclopædia Britannica (1910–1911), con búsqueda completa, referencias cruzadas y anotaciones
- La navegación superior ofrece las secciones Articles, Contributors, Topics y Ancillary
- En el encabezado se indican Encyclopædia Britannica y Eleventh Edition · 1910–1911
- La frase introductoria muestra explícitamente Fully searchable, cross-referenced, and annotated
- No se ofrece explicación adicional del contenido, ejemplos ni detalles de funciones
Información proporcionada
- Se pueden verificar directamente como características clave de la edición digital la capacidad de búsqueda, las referencias cruzadas y las anotaciones
- No se incluye una explicación ampliada correspondiente al cuerpo de los artículos ni una introducción detallada para cada entrada
- Los metadatos como información de autoría, publicación y referencia quedan excluidos del resumen
1 comentarios
Comentarios en Hacker News
Recreé la Encyclopædia Britannica de 1911 como un sitio limpio, estructurado y fácil de explorar. Se puede ver en https://britannica11.org/
Restauré unos 37 mil artículos según los volúmenes originales, e incluí clic en el índice por secciones, enlaces de referencias cruzadas, búsqueda por colaborador, indicación de volumen y página originales, enlace al escaneo original de cada página, materiales suplementarios, índice temático y búsqueda de texto completo con metadatos
El trabajo principal fue procesar el pipeline de restauración para la estructura de títulos, artículos que abarcan varias páginas, tablas, fórmulas, varios idiomas, notas al pie e ilustraciones
La meta era conservar la sensación del original, pero convertirlo en algo realmente utilizable
Me gustaría especialmente recibir comentarios sobre la calidad de búsqueda, la navegación entre secciones y referencias cruzadas, y cualquier parte donde la estructura se vea extraña
También son bienvenidas las preguntas sobre el pipeline o el modelo de datos
Eso sí, una vez dentro de un artículo, la barra de búsqueda superior, "Search titles and full text...", no me funcionó para moverme a otros temas
Además, cuando entré por primera vez me costó un poco saber por dónde empezar, y no entendí de inmediato que había que hacer clic en "Articles" o "Topics" para comenzar a explorar. Creo que esperaba que la imagen principal misma sirviera como punto de entrada
Este proyecto me pareció realmente genial. Yo también llevo tiempo pensando en hacer algo parecido, pero a menor escala
Hay varias razones por las que la Britannica de 1911 es especialmente famosa, pero creo que la más conocida es que fue la última enciclopedia anterior a la Primera Guerra Mundial
Por eso todavía conserva el optimismo del vapor de la primera y segunda revolución industrial y de la Progressive Era, sin estar aún teñida por el impacto de la “guerra para terminar con todas las guerras”
Probé directamente en https://britannica11.org buscando al azar Portuguese East Africa, y la encontró enseguida y la mostró bien; el resultado fue https://britannica11.org/article/22-0177-portuguese-east-africa/portuguese_east_africa
Como petición amable, me parecería excelente una opción de vista paralela que mostrara el texto y la imagen original de la página lado a lado
Así uno podría comprobar directamente la fidelidad del OCR mientras también disfruta del hermoso estado de impresión, y además no haría falta abrir una ventana nueva por cada página
Personalmente, me gustaría usar este sitio como punto de entrada al documento, leer principalmente desde la imagen y cambiar al texto cuando quiera verificar o copiar algo
Ya había notado que las imágenes originales estaban disponibles, pero me tomó tres visitas encontrar los enlaces laterales, así que no destacan mucho visualmente. Una solución intermedia como miniaturas opcionales también podría funcionar
Y sobre todo, va muy rápido
Y en la versión del OP también vi algunos problemas de fidelidad. En https://britannica11.org/article/18-0684-s2/molecule falta parte de una fórmula debajo de "the molecules of other kinds", y se puede comprobar comparando [1] https://britannica11.org/article/18-0684-s2/molecule#:~:text=the%20molecules%20of%20other%20kinds y [2] https://en.wikisource.org/wiki/Page:EB1911_-_Volume_18.djvu/688
Además, la nota al pie 1 en la versión del OP aparece ligada a "as they have always done", pero en realidad debería ir con "Atom" en la p. 654. Se puede comparar en [3] https://britannica11.org/article/18-0684-s2/molecule#:~:text=as%20they%20have%20always%20done y [4] https://en.wikisource.org/wiki/Page:EB1911_-_Volume_18.djvu/684#cite_note-654f1-1
Por las razones que mencionas, yo también he pensado que sería buena idea ver el texto y la página lado a lado, pero todavía no lo he implementado
También fue útil el comentario de que el enlace al escaneo no destaca de inmediato; siento que debería hacerlo más claro
Como referencia, si haces clic en el enlace vol:page del margen izquierdo, vas directo al escaneo de esa página específica que estás leyendo
Al ver algo como el artículo "Adolescence", uno encuentra creencias que hoy se leen de forma bastante chocante
Por ejemplo, incluye afirmaciones del tipo de que cerca de la pubertad a las niñas se les debe reducir el ejercicio y la carga de educación intelectual, e imponerles descanso
En la práctica, mucha gente sigue formas de vida parecidas, y creo que incluso el feminismo, después de impulsar con fuerza lo contrario en cierto momento, luego también se ajustó hacia enfatizar la libertad de elegir no entrar al mercado laboral
La preferencia por la llamada "soft life" existe en cualquier época, y pienso que si los hombres también tuvieran muy abierta la opción cultural de ser mantenidos económicamente por otra persona, una proporción bastante alta elegiría roles graduales y con menor carga intelectual
Desde esa mirada, parte del desequilibrio de representación en otros campos podría aliviarse no por una incorporación forzada de mujeres, sino por una salida voluntaria de hombres
También es inesperadamente útil cómo los LLM reordenan con formato excesivo esos párrafos tipo ladrillo tan típicos de los documentos históricos
Y si además les das un prompt como "¿Cómo se recibiría este texto hoy?", también te señalan con bastante detalle las partes que hoy resultarían inapropiadas o difíciles de aceptar
Tenía curiosidad por la estructura interna de la información. Hace poco descubrí que en humanidades digitales se suele usar mucho el marcado semántico tipo XML-TEI para este tipo de trabajo
Aprendí BaseX y XQuery viendo materiales del diccionario Latin-English Lewis & Short codificados en XML-TEI, y me divertí haciendo preguntas como "¿qué autor clásico usó palabras que aparecen una sola vez en todo el corpus?" o "¿cuál es la palabra hapax más larga?"
También me pareció excelente que Tufts University publicara ese tipo de materiales
Siento que sería divertidísimo cargar la Britannica de 1911 en BaseX y ponerse a explorarla con XQuery
El texto en sí es de dominio público, pero todavía no he publicado una exportación estructurada masiva
Aun así, en este hilo también han aparecido muchas solicitudes de acceso al dataset, así que lo estoy considerando seriamente, y si lo publico me gustaría hacerlo en una forma que conserve la estructura, no como un simple volcado de texto plano
Me pareció interesante lo distinto que es el estilo y la estructura comparado con textos modernos
Por ejemplo, en la entrada de Copenhagen https://britannica11.org/article/07-0111-copenhagen/copenhagen, mientras describe con precisión la geografía y los principales atractivos, los autores también meten sin reparo adjetivos emocionales y opiniones personales sobre lo que les parece interesante o extraño
Además, en la parte inferior, el pasaje sobre la Battle of Copenhagen cambia de repente de una descripción geográfica a una narración escena por escena de una batalla naval, como si cambiara el género mismo
Mezclan geografía, historia y a veces opiniones bastante fuertes en un mismo lugar, y por eso mismo yo creo que se disfrutan más al leer
También resumí algo de eso en mi texto de presentación: https://britannica11.org/about.html
Un ejemplo perfecto es cuando elogia Les Misérables como "la más grande novela épica y dramática jamás creada o concebida"
Llevo tiempo pensando si será posible conseguir enciclopedias relativamente recientes como Encarta o Britannica edición 2021
Me atrae la idea de algo así como la última fuente de información con poca contaminación de IA, en esa frontera rara entre antes de los LLM y después de la pandemia
Una de mis posesiones favoritas de la infancia eran las enciclopedias en CD-ROM, y me encantaba la experiencia de abrir un artículo favorito en una tarde lluviosa, leer y aprender en una época en que internet todavía no era algo común
Una de las motivaciones de este proyecto fue justamente intentar recuperar esa sensación de exploración a partir del texto y la estructura originales de 1911
A quien le guste la Encyclopedia Britannica de 1911 probablemente también le parecerá interesante https://OldEncyc.com
Ahí se pueden explorar enciclopedias antiguas de 22 ediciones, desde 1728 hasta 1926, por volumen y por rango alfabético. No está orientado a búsqueda como el sitio del OP, pero tiene un abanico documental más amplio
Es un reporte de bug muy menor, pero me parece que la fuente actual no soporta el carácter ℔, así que artículos como https://britannica11.org/article/22-0688-s2/putting_the_shot se ven raros
También podría valer la pena considerar normalizarlo a lb, que hoy es una notación más familiar
Aunque parezca algo pequeño, este proyecto está lleno de detalles de ese tipo
Qué pequeño es el mundo. Yo ahora mismo estoy limpiando escaneos de la 9th edition de la EB para subirlos a un sitio de MediaWiki, y como estoy incluyendo ilustraciones y láminas, todavía voy apenas como por un tercio
Probé varias herramientas de OCR, y hasta ahora la que más me impresionó fue paddleOCR. Separó bastante bien las columnas de texto, el etiquetado de ilustraciones y el reconocimiento del texto en márgenes
Claro, no es perfecta, así que algunas tablas las estoy corrigiendo a mano, y planeo subir también las páginas fuente para que se pueda alternar entre el escaneo original y el texto electrónico
Pensando en materiales que sería divertido llevar a internet con hipervínculos e índices de esta manera, también se me ocurren atlas geográficos, atlas médicos y guías de viaje Baedeker
Se me vienen enseguida a la mente las extensísimas entradas sobre aves de Alfred Newton o algunos de los ensayos clásicos de Macaulay
Algunas partes, leídas hoy, tienen un sabor bastante curioso y extraño. Por ejemplo, en la entrada sobre stars https://britannica11.org/article/25-0806-star/star#section-10, se dice algo así como que si las estrellas estuvieran distribuidas de manera infinita y uniforme en el espacio y no hubiera absorción de luz, el fondo del cielo debería verse deslumbrantemente brillante
El resultado fue https://britannica11.org/article/28-0872-wright-chauncey/wright__chauncey?q=computer&match=1, y realmente se siente cuánto ha cambiado la época
En cambio, consideraban más plausible algún tipo de reordenamiento en la estructura atómica de los elementos, y explicaban que al condensarse la nebulosa en el Sol y desarrollarse la materia hasta convertirse en los elementos conocidos, se liberaba energía
Tomando en cuenta el nivel de conocimiento de la época, me pareció una estimación sorprendentemente cercana