總有一天，消費大眾及學者們，能透過網路來查詢以前的新聞，甚至追溯到十八世紀。出版業試圖把最古老的典藏資料數位化，例如能立即找出一篇十九世紀的新聞報導。也許現在仍在發展初期，但隨著技術的進步，這一天愈來愈近了。
多年來，把幾十年、甚至上百年的古老資料，存入一個單一的、索引的、電子的典藏庫，是許多刊物發行人與圖書館員的夢想。但即使技術可行，把數十年典藏的微縮影片數位化，使能查詢、閱讀，問題仍然存在：這是個有利可圖的生意嗎？
這不便宜
芝加哥論壇報就採高檔的製作，花了幾百萬美元，要把從1847以後的全部新聞報導數位化。把以前的剪報與縮影片轉換成電子位元，是與馬利蘭州Bethesda城的progressive
Technology Federal Systems公司聯合進行的。
論壇報正進行將1900年至1984年的剪報數位化的工作（1985年後就有電子資料庫了），至於往前推到1849年，則把報紙的第一頁數位化，並且從第一版文稿中擷取文字，重新輸入來建立電子索引。另外打字輸入的，有死訊訃聞，不在第一版的重要文稿，以及從第一版延續到以後各版的報導。
據論壇報主任圖書館員John Jansson說，這項計畫需三年完成，完成後這些電子資料將成為可觀的收入，很快的彌補數位化的花費，因為這是第一個能獨立查詢、完整的新聞典藏，包含一個半世紀的資料，必然是各圖書館訂閱的對象，也被一般大眾、學者、歷史學者、學生、老師、宗譜熱衷者所喜愛。
（其他報紙也有類似但小規模的做法，像巴提摩爾太陽報，就將自己記者採訪的76萬則新聞報導數位化，但現在因為成本過高而暫停。論壇報此舉，是到目前為止最大的製作。目標是把一千五百萬則新聞數位化。）
比較便宜的做法
在喬治亞州Morris傳播旗下的Augusta記事報，就採取較論壇報便宜的作法，現在正試作，如果成功，就會用到Morris旗下的全部報紙。那時（可能是年底），就會有網上報紙往回追溯到1786年，也就是這家報紙創刊的第二年。
（第一年有幾次水災與火災，報紙沒能存起來。）
記事報圖書館主任Rhonda Holman說，他們無意對老的資料花上幾百萬美元去處理，僅用20萬元的預算就把工作完成，但與論壇報不同的是，這些古老的報紙不會像數位化的那麼清晰（他不會花那麼多的時間與金錢）。
記事報不止是數位化老舊的報紙，而且用了不少新技術，像使用Excalibur及Hobson’s
Technologies的技術，來掃描微縮底片，轉成數位化。報紙的微縮底片送到馬利蘭州的Hobson公司後，作數位掃描，然後再以OCR技術轉成文字，再用這些文字作成索引。
整個流程OCR（光學字母辨識）最為麻煩，雖然技術不停進展，但辨識錯誤率仍高，特別是老舊的報紙本身的清晰度不夠好，錯誤更多。Excalibur可將普通的拼字錯誤自動更正，像出現兩個字母r，這個軟體檢查上下文，認為兩個r在一起沒有意義，可能是一個h，所以就自動把兩個r改成h。
雖然OCR及檢查更正軟體不能找出全部錯誤，但仍能製作出可信的索引。（更使其完全正確需要人力輸入，這就是花費最多的地方。）所以，讀者查詢這個不十分完美的索引，輸入Civil
War，就應該得到許多篇含Civil War的文稿，但會因為OCR失誤而漏掉幾篇。
記事報讀者實際看到的，是自1855年起報紙的原樣，可能呈PDF或GIF格式（尚未決定）。在畫面顯示的，是數位化的報紙原樣複製品，利用OCR轉成文字，僅供製作索引用。
Hollman解釋，這個系統也能處理連頁文稿。例如讀者在第一版讀到文稿「續第八版」的時候，點一下畫面左欄「第八版」的指標，就會跳到第八版去。
成本即將下降
這種低成本數位化老舊的典藏資料，對小型出版機構應該可行。到現在為止，這仍是大型出版社的遊戲，只有像芝加哥論壇報那樣的大型報社，才有能力如此花耗。
Bell & Howell Information and Learning有個大型計畫，將大量的微縮影片出版物數位化，雖然現在未將報紙納入，但以後應該會納入。這個計畫是去年宣佈的，預備用幾年的時間，把55億頁的老舊出版物數位化。Bell & Howell發言人說，把報紙納入其計畫，仍在研議中。即使他們開始處理報紙，大型報紙恐怕已經自己先數位化完成了，但中小型報紙則尚未著手進行，或根本不會去做。數位化老舊資料，將成為Bell
& Howell的服務，會與資料擁有人分享數位化以後的可能收入，所以報紙恐怕不可能把數位化的資料放到自己的網站。
所以，已經有足夠的理由，來自己把最老的典藏資料數位化，然後自己直接掌控其營運。
新技術要來了
許多公司，都在發展更合乎成本效益的技術，來把以前的資料數位化，其中之一，即是PaperOfRecord.com，它是一家加拿大渥太華叫Cold North Wind的公司的專案。
這家公司的創辦人Bob Huggins，原是加拿大Globe and Mail報的發行主任，說他的公司開始把北美四十萬報紙的庫藏資料，數位化成PDF格式，資料量可能大到20到30TB（Terra Bytes，1TB等於10億Bytes）。
Huggin說，他的公司把這件事視為長遠投資，在數位化成PDF的同時，立即可掃尋文稿的內容，不需要用OCR辨識製作出不完整的索引。這裏面的技巧，Huggin說是直接在掃描後的PDF中查詢文字製作索引，就能避免製作不完整的索引了。當然這是個高目標，但Adobe發展PDF，有甚多的合作伙伴，也許在未來幾年裏能達到這技術水平。數位化紙張文件，是個大生意，有不少人做這件事，也有意願與報紙或期刊合作。
老資料值錢嗎？
我在以前的專欄裏，談過報紙的典藏資料應該免費還是要付錢，這也是報界自己正在辯論的題目，對以前的舊資枓是供免費查詢、還是每下載一篇收一次費（或別的收費辦法）。大家都同意的是，這些資料對消費大眾有很大價值，像學生、學者、宗譜收集者、歷史學家、常坐圖書館的人，都會有興趣。（這些資料對圖書館收取的訂閱費，就很可觀。）
Hollman說，記事報還沒有決定對這些古老資料採用什麼樣的營業模式，但不出以下兩種。
1. 收取使用資料庫的訂閱費（如24小時內任意使用收5美元）。以文稿為單位計費行不通，因為一篇文稿可能在好幾版跳來跳去，製造收費問題。
2. 對報紙訂戶免費，非訂戶收費。這樣可吸引新的報紙訂戶、留住老的訂戶。
Huggins同意第2種模式，正如同推廣其他付費服務一樣，可以吸收新顧客，也可以抓住老顧客。
舊資料不會使人一夜致富，但應該是一個好的利潤中心。多數報紙的數位資料，僅追溯到幾年，所以多被工商業及研究人員所用，也就是現在從資料營收的來源。但如果往前追溯幾十年，用的人必然眾多。
Hollman說，他們這家美國南方最早的報紙，接到不少讀者詢問，想知道南北戰爭時代的資料。這個完整的資料庫，回溯到1780年代，會讓歷史愛好者、宗譜探索者找到資料而名聲大振。
Morris傳播線上服務主任Michael Romaner也說，他們有很好的理由來數位化其歷史資料。Morris旗下的報紙多是中小型，並沒有太多有價值的典藏資料，所以也沒有從中獲利。而記事報已經將最近幾年的新聞報導上網，免費供讀者查詢。Romaner預期其歷史資料數位化。一旦完成，就可能開始收費，或者爭取訂戶免費，非訂戶收費的模式。
Romaner對他們「深入歷史」的付出說：「我喜歡做特定的工作來支援印刷版報紙，因為印刷版的營運，支援了網上營運。」
|
