Um arquivo pessoal completo de Konstantin Tsiolkovsky, composto por 51.008 folhas e 2.019 arquivos arquivísticos, foi lançado como um conjunto de dados CC0. A coleção abrange cinquenta anos de trabalho do teórico autodidata dos foguetes e inclui manuscritos à mão ao lado de cópias digitadas.

  • O arquivo contém 36.446 passagens riscadas marcadas para revisão autoral e 299.939 marcas explícitas de incerteza do modelo de transcrição.
  • A precisão do reconhecimento é medida usando 1.759 pares de leituras de manuscrito e digitação de 224 arquivos, revelando um acordo mediano de palavras de apenas 37%.
  • Em comparação com edições impressas, o acordo de caracteres atinge 98,1% nas digitações e 81,1% na caligrafia, fornecendo uma métrica concreta para o reconhecimento de escrita russa à mão.
  • O conjunto de dados serve como um ambiente de teste para calibração de incerteza e ajuste fino de modelos HTR, abordando a falta de recursos existentes de escrita russa à mão.

O lançamento oferece uma oportunidade rara de estudar o envelhecimento de uma única caligrafia ao longo do tempo e mudanças ortográficas históricas, enquanto fornece uma métrica rigorosa de avaliação para sistemas OCR em scripts históricos difíceis.