TEI (Text Encoding Initiative) là bộ hướng dẫn mã hoá văn bản bằng XML, chuẩn chung của ấn bản số trong ngành nhân văn. Bạn dùng TEI để đánh dấu cấu trúc, nhân vật, địa danh, dị bản, rồi từ một tệp nguồn sinh ra trang web, bản in và dữ liệu tra cứu.
Ấn bản số khác bản PDF của một cuốn sách ở chỗ văn bản “biết” mình chứa gì: chữ nào là tên người, chữ nào là địa danh, chỗ nào hai bản chép khác nhau, chỗ nào người biên tập sửa. Nhờ vậy người đọc có thể lọc mọi đoạn nhắc tới một nhân vật, hay bật tắt dị bản. TEI là cách phổ biến nhất để ghi những thông tin đó, được duy trì bởi TEI Consortium.
TEI là gì ở mức thao tác
Một tệp XML có hai phần
Tệp TEI có phần đầu teiHeader chứa siêu dữ liệu: tên văn bản, người biên tập, nguồn tư liệu gốc, nơi lưu giữ, quy tắc biên tập. Phần text chứa văn bản đã đánh dấu. Phần đầu thường bị làm qua loa, nhưng chính nó cho người đọc biết ấn bản dựa trên bản nào và đã can thiệp ra sao.
Không phải dùng hết bộ thẻ
Bộ hướng dẫn TEI rất lớn. Mỗi dự án chỉ dùng một tập con, và nên ghi lại tập con đó cùng quy tắc dùng thẻ thành tài liệu nội bộ. Công cụ Roma của TEI giúp tạo lược đồ (schema) riêng chỉ gồm những thẻ dự án cần, để trình soạn thảo báo lỗi khi ai đó dùng thẻ ngoài quy ước.
Các thẻ dùng nhiều trong ấn bản tiếng Việt và Hán Nôm
Bảng dưới là tập thẻ khởi đầu đủ cho phần lớn ấn bản văn học, sử học:
| Mục đích | Thẻ TEI | Ghi chú |
|---|---|---|
| Đánh dấu tên người | persName với thuộc tính ref | ref trỏ tới mã trong danh sách nhân vật, để gom các cách gọi khác nhau |
| Đánh dấu địa danh | placeName với ref | Danh sách địa danh có thể kèm toạ độ để vẽ bản đồ sau này |
| Ghi dị bản | app, lem, rdg với wit | lem là chữ chọn đưa vào văn bản chính, rdg là chữ ở bản khác |
| Sửa chữ sai | choice, sic, corr | Giữ cả chữ gốc và chữ đã sửa, người đọc thấy được can thiệp |
| Chữ khó đọc, mất | unclear, gap | Ghi lý do và độ dài phần mất nếu ước được |
| Ngắt trang, dòng theo bản gốc | pb, lb | pb có thể trỏ tới ảnh trang để hiển thị ảnh cạnh chữ |
| Chú thích của người biên tập | note | Phân biệt chú thích của tác giả và của người biên tập bằng thuộc tính |
Với văn bản Hán Nôm, một cách tổ chức hay dùng là để chữ Hán Nôm, phiên âm và dịch nghĩa thành các lớp song song, nối với nhau theo câu hoặc theo dòng. Hãy thống nhất đơn vị nối (dòng thơ, câu, đoạn) ngay từ đầu.
Viết quy tắc biên tập trước khi gõ thẻ
Quy tắc trả lời những câu nào
Bản quy tắc biên tập là tài liệu ngắn mà mọi người trong nhóm đọc trước khi mã hoá. Nó trả lời: văn bản chính dựa trên bản nào; chính tả cũ giữ nguyên hay chuẩn hoá; chữ viết tắt có mở ra không; chữ đọc không chắc ghi thế nào; dị bản nào được ghi, dị bản nào bỏ qua; tên người tên đất chuẩn hoá theo nguồn nào.
Ví dụ một quyết định
Với văn bản Quốc ngữ đầu thế kỷ, nhóm có thể quyết định giữ nguyên chính tả gốc trong văn bản chính, đồng thời ghi dạng chuẩn hoá bằng cặp choice với orig và reg. Người đọc thấy chữ gốc, máy tìm kiếm tìm được theo chữ chuẩn. Quyết định ngược lại cũng hợp lệ, miễn là ghi rõ và áp dụng nhất quán.
Quy tắc nằm trong tệp
Tóm tắt quy tắc nên được đưa vào phần encodingDesc của teiHeader, để tệp XML tự mô tả được mình. Bản quy tắc đầy đủ có thể kèm thành tài liệu riêng trong cùng gói lưu trữ.
Chú giải nhân vật, địa danh và dị bản
Danh sách tham chiếu
Đặt danh sách nhân vật (listPerson) và địa danh (listPlace) ở một chỗ, mỗi mục có mã riêng, tên chuẩn, các tên gọi khác, thông tin ngắn và nguồn. Trong văn bản, mọi cách gọi một người đều trỏ về cùng mã. Đây là phần tạo ra giá trị tra cứu: nhấn vào một tên, thấy mọi đoạn nhắc đến người đó.
Đối chiếu dị bản
Mỗi bản chép được khai báo trong danh sách nhân chứng (listWit) với ký hiệu ngắn. Chỗ khác nhau được bọc trong app. Quyết định chọn chữ nào làm văn bản chính là quyết định văn bản học, phải có quy tắc ghi trong phần đầu. Đừng đánh dấu mọi khác biệt chính tả vụn vặt nếu quy tắc biên tập đã cho phép chuẩn hoá chúng.
Tình huống thường gặp
Một nhóm dựng ấn bản một truyện Nôm có ba bản chép. Thay vì chọn một bản rồi chú thích dưới trang, nhóm mã hoá cả ba bằng app. Trang web cho phép người đọc chọn xem theo bản nào, hoặc xem bản chính kèm dấu hiệu ở những câu có dị bản. Người nghiên cứu sau có thể dùng lại tệp XML để làm phân tích riêng.
Công cụ soạn tệp TEI
Soạn TEI bằng trình soạn thảo văn bản thường được nhưng dễ sai. Các lựa chọn hay gặp:
- Oxygen XML Editor: phần mềm thương mại, có khung soạn TEI, kiểm lược đồ, tự gợi ý thẻ; nhiều trung tâm nhân văn số dùng.
- Visual Studio Code kèm tiện ích XML: miễn phí, kiểm được lược đồ nếu cấu hình, hợp với người quen viết mã.
- Chuyển từ Word: soạn trong Word với kiểu định dạng thống nhất rồi chuyển sang TEI bằng công cụ chuyển đổi của TEI; tiện cho nhóm đông người không quen XML nhưng phải chỉnh lại sau.
- Nền tảng chép văn bản cộng tác: một số nền tảng chép tay và nhận dạng chữ xuất được TEI, dùng làm bản khởi đầu.
Dù dùng công cụ gì, hãy quản lý tệp bằng Git hoặc ít nhất lưu phiên bản có ngày, vì một ấn bản thường được sửa nhiều vòng bởi nhiều người.
Đưa ấn bản TEI lên web
Hai hướng chính
Hướng thứ nhất là chuyển XML sang HTML bằng XSLT, có thể dùng bộ chuyển của TEI làm điểm xuất phát. Hướng thứ hai là dùng thư viện hiển thị trực tiếp TEI trên trình duyệt như CETEIcean, hoặc nền tảng xuất bản dựng sẵn như TEI Publisher, hay EVT (Edition Visualization Technology) cho ấn bản có ảnh cạnh chữ.
Hiển thị ảnh cạnh chữ
Nếu ảnh tư liệu được chia sẻ qua IIIF, trang ấn bản có thể hiển thị ảnh trang tương ứng mỗi khi người đọc cuộn tới thẻ pb. Đây là kiểu trình bày được giới văn bản học đánh giá cao vì người đọc tự kiểm được việc đọc chữ của người biên tập.
Lưu trữ lâu dài
Trang web có thể ngừng chạy, nhưng tệp XML là sản phẩm khoa học chính. Gửi tệp TEI, lược đồ và tài liệu quy tắc lên kho lưu trữ mở có mã định danh, ghi giấy phép rõ ràng.
Khi chọn cách hiển thị, hỏi người đọc mục tiêu cần gì nhất. Nhà nghiên cứu văn bản học muốn bật tắt dị bản và xem ảnh gốc. Sinh viên muốn đọc trơn kèm chú thích từ khó. Một ấn bản tốt có thể có hai chế độ xem từ cùng một tệp XML, đó chính là lợi thế của việc tách nội dung khỏi cách trình bày.
Lộ trình cho ấn bản số đầu tiên
Một dự án nhỏ có thể đi theo thứ tự sau:
- Chọn văn bản ngắn, có ảnh đủ quyền công bố.
- Viết quy tắc biên tập một trang: chuẩn hoá gì, giữ gì, đánh dấu những gì.
- Tạo lược đồ tập con bằng Roma, chỉ gồm thẻ cần thiết.
- Mã hoá một chương thử, cho người thứ hai kiểm, sửa quy tắc.
- Mã hoá phần còn lại, dựng danh sách nhân vật, địa danh.
- Hiển thị bằng công cụ có sẵn, xin ý kiến vài người đọc thử.
- Gửi tệp nguồn lên kho lưu trữ mở và ghi cách trích dẫn ấn bản.
Câu hỏi thường gặp
TEI có hỗ trợ chữ Hán Nôm không?
TEI là XML nên chứa được mọi ký tự Unicode, gồm chữ Hán Nôm đã được mã hoá. Với chữ chưa có mã Unicode, TEI có cơ chế khai báo ký tự riêng để mô tả và hiển thị bằng ảnh.
Có cần biết lập trình để làm ấn bản TEI không?
Không cần lập trình theo nghĩa viết phần mềm. Bạn cần hiểu cấu trúc XML và quy tắc thẻ. Phần hiển thị lên web có thể dùng công cụ dựng sẵn; tuỳ biến sâu mới cần XSLT hoặc JavaScript.
Ấn bản số có được tính là công trình khoa học không?
Ở nhiều nơi, ấn bản số có phần đầu đầy đủ, quy tắc biên tập và mã định danh được coi là công trình văn bản học. Cách tính trong hồ sơ cụ thể tuỳ quy định của cơ quan bạn.
Nên đánh dấu chi tiết đến mức nào?
Chỉ đánh dấu những gì phục vụ câu hỏi nghiên cứu và người đọc. Mã hoá quá chi tiết làm dự án kéo dài mà ít người dùng. Ghi rõ mức đánh dấu trong quy tắc biên tập.
Khác biệt giữa ấn bản số và bộ ảnh số hoá là gì?
Bộ ảnh chỉ cho xem trang gốc. Ấn bản số có văn bản đã đọc, đã đối chiếu, có chú giải và tra cứu theo nhân vật, địa danh, dị bản. Ấn bản tốt thường đặt ảnh cạnh văn bản.
Làm sao trích dẫn một ấn bản số?
Ghi người biên tập, tên ấn bản, phiên bản, năm và mã định danh bền vững nếu có. Ấn bản nên tự ghi cách trích dẫn ở phần giới thiệu để người dùng làm theo.
