Số hoá văn bản Hán Nôm gồm bốn lớp việc: chụp ảnh đúng đặc thù văn bản khắc in hay chép tay, dùng công cụ nhận dạng chữ để có bản nháp, để người đọc chữ Hán Nôm kiểm từng dòng, rồi lưu song song ảnh, chữ Hán Nôm và phiên âm, nối với nhau theo trang và dòng.
Kho văn bản Hán Nôm ở Việt Nam nằm rải rác: thư viện, viện nghiên cứu, đình, chùa, dòng họ. Nhiều văn bản chưa từng được chép lại, và giấy dó, mực, bản khắc đang xuống cấp. Số hoá ảnh đã là bước bảo tồn; chuyển thành chữ tra cứu được và phiên âm có kiểm là bước làm cho văn bản đọc được với người nghiên cứu hôm nay. Bài này viết theo nguyên tắc, vì công cụ thay đổi nhanh; những tên được nhắc đều là dự án có thật mà bạn có thể tự tra cứu thêm.
Chụp ảnh văn bản Hán Nôm: khắc in khác chép tay
Văn bản khắc in
Sách khắc ván thường in một mặt trên tờ giấy gấp đôi, đóng chỉ ở gáy. Mỗi tờ có lề, khung, cột chữ, và phần giữa nếp gấp (bản tâm) thường ghi tên sách, quyển, số tờ. Chụp phải đủ cả khung và bản tâm, vì đó là thông tin để sắp tờ và nhận diện bản in. Mực in đậm nhưng giấy mỏng, chữ mặt sau có thể thấm qua; đặt một tờ giấy trắng không axit phía sau trang để giảm bóng chữ.
Văn bản chép tay
Văn bản chép tay có nét mảnh, mực nhạt, chữ thảo, chú thích chen dòng nhỏ. Cần độ phân giải cao hơn văn bản khắc in cùng khổ để giữ được nét nhỏ. Chụp thêm cận cảnh ở chỗ chữ nhỏ, dấu sửa, chữ son. Màu son của dấu triện và chữ phê cần ánh sáng đúng màu, nên luôn có thẻ màu trong khung.
Giấy dó và tài liệu mục
Giấy dó bền nhưng tài liệu bị mối mọt, ẩm mốc thì giòn. Không ép phẳng, không bóc các tờ dính. Ghi chú tình trạng vật lý trong siêu dữ liệu, chụp nguyên hiện trạng. Phần tài liệu bị mất cũng là thông tin cho người làm văn bản học.
Một lưu ý thực tế: với sách khắc in có nhiều bản in từ cùng ván khắc, ghi lại các dấu hiệu nhận diện bản in như nơi tàng bản, năm khắc ghi ở trang đầu, chỗ ván nứt. Những chi tiết này giúp người làm văn bản học xác định quan hệ giữa các bản.
Nhận dạng chữ Hán Nôm: dùng như bản nháp
Hiện trạng công cụ
Đã có những hệ thống nhận dạng và chuyển tự chữ Hán Nôm do các nhóm nghiên cứu trong nước phát triển, ví dụ công cụ của phòng thí nghiệm CLC thuộc Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Thành phố Hồ Chí Minh. Các nghiên cứu về lĩnh vực này đều ghi nhận nhận dạng chữ Nôm vẫn gặp khó với biến thể chữ viết tay và các tự dạng không chuẩn. Vì vậy, kết quả máy nên coi là bản nháp để người đọc chữ sửa, không phải văn bản cuối.
Thử trước trên mẫu
Chọn vài trang tiêu biểu của bộ tư liệu: một trang khắc in rõ, một trang khắc in mờ, một trang chép tay. Chạy qua công cụ, cho người đọc chữ kiểm, đếm số chữ sai trên tổng số chữ. Con số này cho biết công cụ giúp tiết kiệm bao nhiêu công, và loại trang nào nên chép tay ngay từ đầu.
Chữ chưa có mã Unicode
Nhiều chữ Nôm đã được mã hoá trong các khối mở rộng chữ Hán của Unicode, nhưng vẫn có chữ chưa có mã hoặc phông chữ chưa hiển thị. Phông Nom Na Tong do Quỹ Bảo tồn Di sản chữ Nôm (VNPF) phát triển là phông tham chiếu được dùng nhiều. Với chữ chưa có mã, ghi bằng ký hiệu tạm có quy ước, kèm ảnh cắt của chữ đó, và lập bảng chữ chưa mã hoá của dự án.
Ai làm gì trong quy trình kiểm
Chất lượng văn bản Hán Nôm số phụ thuộc vào việc phân vai rõ ràng:
| Bước | Người làm | Sản phẩm | Cách kiểm |
|---|---|---|---|
| Chụp và siêu dữ liệu | Người số hoá | Ảnh đủ tờ, bảng siêu dữ liệu | Đếm tờ, đối chiếu số tờ ở bản tâm |
| Nhận dạng chữ | Máy, người số hoá chạy | Bản nháp chữ Hán Nôm theo dòng | Không kiểm ở bước này, chỉ ghi công cụ và phiên bản |
| Sửa chữ | Người đọc chữ Hán Nôm | Văn bản chữ Hán Nôm đã sửa | Đối chiếu từng dòng với ảnh, đánh dấu chữ ngờ |
| Phiên âm | Người đọc chữ | Bản phiên âm Quốc ngữ theo dòng | Người thứ hai đọc kiểm một phần hoặc toàn bộ |
| Chú thích, dịch nghĩa | Chuyên gia nội dung | Chú thích, bản dịch | Bình duyệt như bài khoa học |
Phân biệt rõ chữ đã kiểm và chữ ngờ là điều quan trọng nhất. Một văn bản số có chữ sai mà trông như đã chuẩn còn nguy hiểm hơn văn bản chưa có, vì người sau sẽ trích dẫn nhầm. Đánh dấu chữ khó đọc, chữ ngờ, chữ bổ khuyết bằng quy ước thống nhất, ví dụ các thẻ unclear và supplied nếu dùng TEI.
Lưu song song ảnh, chữ và phiên âm
Đơn vị nối
Chọn đơn vị nối ba lớp: tờ, cột chữ, hay câu. Với văn bản khắc in theo cột, nối theo cột giúp người đọc nhấn vào một dòng phiên âm và thấy ngay cột chữ tương ứng trên ảnh. Ghi toạ độ vùng chữ trên ảnh nếu công cụ cho phép, để sau này hiển thị khoanh vùng.
Định dạng
Ảnh lưu bản gốc và bản dùng. Chữ Hán Nôm và phiên âm lưu dạng văn bản thuần UTF-8 hoặc XML theo TEI, mỗi dòng có mã liên kết tới tờ và cột. Tránh lưu chỉ trong tệp Word hay PDF, vì khó tách lớp và khó dùng lại cho tra cứu.
Siêu dữ liệu văn bản học
Ngoài thông tin chung, ghi: kiểu văn bản (khắc in, chép tay), ký hiệu kho, niên đại ghi trên văn bản và niên đại ước định, nơi khắc in, người chép nếu biết, số tờ, khổ, tình trạng. Nêu rõ thông tin nào đọc được từ văn bản, thông tin nào do người biên mục suy ra.
Một tình huống: số hoá bộ gia phả chữ Hán của một dòng họ
Bối cảnh
Một nhóm nghiên cứu sử địa phương được một dòng họ cho phép số hoá bộ gia phả chép tay gồm vài quyển, kèm một số sắc phong và văn tự. Tư liệu giữ ở nhà thờ họ, chỉ mở ra trong vài ngày, và dòng họ muốn có bản đọc được bằng chữ Quốc ngữ cho con cháu.
Cách làm
Ngày đầu, nhóm chụp toàn bộ theo thứ tự, mỗi quyển một mã, ghi tình trạng từng tờ. Về cơ quan, nhóm chạy thử nhận dạng trên vài trang; với chữ chép tay của gia phả, kết quả nhiều chỗ sai nên nhóm quyết định chép tay chữ Hán trực tiếp, chỉ dùng máy cho các trang chữ chân phương. Hai người đọc chữ chia nhau phiên âm, đổi bài cho nhau kiểm một phần.
Sản phẩm
Dòng họ nhận bộ ảnh, bản phiên âm và bản dịch có chú thích tên người, địa danh. Nhóm nghiên cứu giữ bộ ảnh gốc, tệp chữ theo dòng nối với ảnh, và bảng nhân vật dùng được cho phân tích mạng lưới về sau. Phần công bố công khai chỉ gồm những gì dòng họ đồng ý.
Tham khảo kho số đã có trước khi tự làm
Trước khi số hoá một văn bản, kiểm xem đã có bản số ở nơi khác chưa, để dùng làm bản đối chiếu hoặc tránh làm trùng:
- Thư viện số Hán Nôm do Thư viện Quốc gia Việt Nam phối hợp với Quỹ Bảo tồn Di sản chữ Nôm xây dựng từ nhiều năm trước.
- Kho tư liệu và thư mục của Viện Nghiên cứu Hán Nôm.
- Bộ sưu tập Hán Nôm ở một số thư viện nước ngoài đã được số hoá và đưa lên mạng.
- Công cụ tra chữ Nôm và phông chữ của cộng đồng bảo tồn chữ Nôm.
Khi dùng ảnh hay văn bản từ kho khác, ghi đủ nguồn, ký hiệu, điều kiện sử dụng. Nếu bạn phát hiện bản của mình là dị bản khác với bản đã số hoá, đó là đóng góp đáng ghi nhận trong phần mô tả.
Câu hỏi thường gặp
Có công cụ nhận dạng chữ Nôm tự động không?
Có một số hệ thống do các nhóm nghiên cứu phát triển, như công cụ của phòng thí nghiệm CLC thuộc Trường Đại học Khoa học Tự nhiên TP.HCM. Kết quả nên coi là bản nháp cho người đọc chữ kiểm, nhất là với chữ viết tay.
Chữ Nôm chưa có trong Unicode thì ghi thế nào?
Dùng ký hiệu tạm theo quy ước của dự án, kèm ảnh cắt của chữ và mô tả cấu tạo. Lập bảng chữ chưa mã hoá để thống nhất, và cập nhật khi chữ được mã hoá hoặc có phông hiển thị.
Phiên âm Hán Nôm có cần người thứ hai kiểm không?
Nên có. Đọc chữ Hán Nôm có nhiều chỗ phải chọn cách đọc, nhất là chữ Nôm và chữ thảo. Người thứ hai kiểm ít nhất một mẫu giúp phát hiện lỗi hệ thống và chữ đọc vội.
Nên lưu văn bản Hán Nôm số ở định dạng nào?
Văn bản thuần UTF-8 hoặc XML theo TEI, có mã nối tới ảnh từng tờ, cột. Tệp Word hay PDF tiện đọc nhưng khó tách lớp chữ, phiên âm, ảnh để dùng lại cho tra cứu và nghiên cứu.
Có nên chụp cả bản tâm của sách khắc in không?
Có. Bản tâm thường ghi tên sách, quyển, số tờ, đôi khi tên nơi khắc. Đây là thông tin để sắp tờ đúng thứ tự và nhận diện bản in.
Số hoá tư liệu Hán Nôm của dòng họ cần lưu ý gì?
Xin phép người giữ, thoả thuận rõ việc công bố, gửi lại dòng họ một bộ ảnh. Ghi siêu dữ liệu về nơi giữ và người cho phép, vì tư liệu tư nhân có thể chuyển chủ hoặc thất lạc sau này.
