Гуманитарии в цифре

🙂 Запись «Цифровой среды» с Денисом Гергилёвым – уже в сети

В новом выпуске научного семинара «Цифровая среда» ИЦГИ СФУ доктор исторических наук, и.о. директора Института российский истории РАН Денис Гергилёв – о том, что происходит с историей как наукой сегодня, когда мы получаем огромные цифровые массивы данных, пользуемся ИИ, находим новые способы поиска и анализа информации.

Смотрим:

🔜 VK Видео
🔜 RuTube
🔜 YouTube – скоро

😉 Следить за выходом новых выпусков семинара можно здесь

«Сумма технологии»: дискуссионная гостиная уже через неделю

Уже совсем скоро – 8 октября – встречаемся онлайн в дискуссионной гостиной журнала «Цифровые гуманитарные исследования».

Обсудим, что первично – научный вопрос или техническая возможность? Занимались бы мы исторической семантикой, если бы не было методов векторного представления слов? Решали бы проблемы атрибуции без Stylo? Инструмент помогает исследовать – или незаметно начинает диктовать, что именно исследовать?

• Гости семинара – Ольга Алиева (НИУ ВШЭ) и Роман Кончаков (Президенсткая академия)

• Ведущий – главный редактор журнала «Цифровые гуманитарные исследования» Борис Орехов (НИУ ВШЭ, ИРЛИ РАН, МГУ)

Дискуссионная гостиная – это пространство для прямого и открытого разговора между авторами, членами редколлегии, рецензентами и всеми, кому интересны цифровые гуманитарные исследования. Здесь можно не только слушать, но и спорить, задавать вопросы, делиться опытом. Встречи проходят раз в месяц в онлайн-формате.

🕓 8 октября, 15:00 (мск)/ 19:00 (крск)

🔜 Подробности

🙂 Регистрируйтесь и присоединяйтесь к разговору о технологическом детерминизме в DH

История живет в цифровых архивах и данных, работает с алгоритмами и сталкивается с новыми вопросами. Что пора переосмыслить сегодняшним историкам — от исследовательских методов до подходов к преподаванию?

Уже в эту среду, 30 сентября, на очередном заседании научного семинара «Цифровая среда» ИЦГИ СФУ беседуем с Денисом Гергилёвым (ИРИ РАН) о цифровом повороте в исторической науке и образовании и других актуальных вызовах.

• Гость семинара — доктор исторических наук, и.о. директора Института российской истории РАН Денис Николаевич Гергилёв.

• Ведущий —  доцент кафедры исторической информатики МГУ, ведущий научный сотрудник лаборатории Digital Humanities СФУ Андрей Юрьевич Володин.

🕓30 сентября в 15:00 (мск)/19:00 (крск)
🖥 онлайн

🔜 Зарегистрироваться на семинар

О дивный плоский мир

Карта никогда не бывает нейтральным изображением реальности. Чтобы показать трехмерную Землю на плоскости, приходится что-то искажать – размеры, формы, расстояния, углы. И то, что именно мы выбираем сохранить и что пожертвовать, влияет на наше восприятие мира.

Стюарт Данн в статье «Projecting emotions: Mercator and Equal Earth» использует спор вокруг картографических проекций Меркатора и Equal Earth как повод поразмышлять о связи карт, данных, истории и человеческого восприятия.

Проекция фламандского картографа Меркатора появилась около 450 лет назад и стала чрезвычайно распространенной. По сей день она применяется для составления морских и аэронавигационных карт, топографических карт суши, является основой карт Google и «Яндекса». Ее преимущество в том, что она сохраняет углы и особенно удобна для навигации: направление между точками на карте соответствует нужным компасным направлениям. Но чем дальше от экватора, тем сильнее увеличиваются площади объектов. Поэтому, например, Гренландия на привычной карте выглядит сопоставимой с Африкой, которая на самом деле примерно в 14 раз больше. Проекцию неоднократно критиковали: мол, такая визуальная картина мира исторически поддерживает европоцентричное и колониальное представление о мире.

Equal Earth гораздо точнее передаёт соотношение площадей континентов. Казалось бы, вот она — «правильная карта мира». Но не всё так просто. У любой проекции есть свои компромиссы…Идеальной плоской карты круглой Земли просто не существует.

Данн обращает внимание на то, что карта не только показывает мир — она задаёт способ его видеть. Привычная визуализация становится настолько знакомой, что мы перестаём замечать её условность. А вместе с картой могут закрепляться определённые представления о размерах, расстояниях, значимости и даже положении разных частей мира.

Что именно мы хотим увидеть на карте? Навигацию? Реальные площади? Расстояния? Формы? Или, может быть, какие-то отношения между объектами?

Хороший повод задуматься не только о картографии. Мы постоянно имеем дело с визуализациями, графиками, рейтингами и другими способами представить реальность. Они кажутся объективными — но за каждым стоит чей-то выбор: что показать, что скрыть и что считать главным.

🔜 Статья Стюарта Данна «Projecting emotions: Mercator and Equal Earth»

Словарь цифрового гуманитария: методы анализа текста и корпусов

🙂 Как изучать не один текст, а тысячи? Как обнаруживать темы, сравнивать авторские стили и отслеживать изменения в больших массивах текстов?

Экспериментируем с новой рубрикой: попросили студентов коротко, но понятно рассказать о нескольких инструментах и направлениях цифровой гуманитаристики в карточках.

Листайте карточки → и сохраняйте, если хотите постепенно собрать собственный
#словарьцифровогогуманитария.

Какие термины вам хотелось бы разобрать следующими?

🙂 А что, если ИИ читает старопечатные тексты слишком старательно?

Знакомимся со статьей Марии Левченко “Evaluating LLMs for Historical Document OCR: A Methodological Framework for Digital Humanities”. Автор исследует распознавание русских текстов мультимодальными LLM и предлагает подход к устранению методологических пробелов.

На корпусе из 1 029 страниц 428 уникальных русских книг 1750-1800 годов, напечатанных гражданским шрифтом, протестировали 12 мультимодальных моделей.

LLM действительно оказались сильны в OCR. При распознавании целой страницы Gemini 2.5 Pro показала CER (Character Error Rate) 3.36%. Для сравнения: у Tesseract этот показатель составил 21.55%, у Transkribus/PyLaia и Surya – еще выше: 26.93% и 45.96%.

Интересно то, что порой LLM не просто распознают исторический текст, а уверенно «улучшают» его на свой лад: добавляют архаические графемы, которые на самом деле не соответствуют орфографии XVIII века, хотя и выглядят вполне правдоподобно. Например, модели нередко заменяют историческое ї на i. Автор называет это over-historicization (условно «переисторизация»).

В итоге автор предлагает расширить привычные OCR-метрики, добавив, в частности Historical Character Preservation Rate (HCPR) – чтобы выяснить, насколько хорошо модель сохраняет исторические графемы, и Archaic Insertion Rate (AIR) – насколько часто она добавляет архаические знаки, которых в оригинале нет.

Есть и ещё один важный результат. Автор сравнила распознавание отдельных срок, нескольких строк и целой страницы. Оказалось, что контекст заметно помогает: для Gemini 2.5 Pro CER снизился примерно с 9.35% для отдельных строк до 3.36% для целой страницы.

LLM действительно становятся очень мощными инструментами для работы с историческими источниками. Но, кажется, чем увереннее они «читают» старые тексты, тем важнее проверять, что именно они распознали – а что, возможно, додумали сами.

😉 Пора бояться? Что стоит за новой волной ажитации по поводу ИИ?

🥁 В набат бьют все. Математики предупреждают, что искусственный интеллект скоро их превзойдёт. Техноолигархи задумались, не притормозить ли развитие технологий, прежде чем они выйдут из-под контроля. Социологи обещают исчезновение целой группы профессий – за ненадобностью специалистов-людей. А вот политики – напротив, проявляют неожиданный оптимизм и спокойствие. В чём причина такого ажиотажа вокруг ИИ? Человечество, действительно, подошло к качественному прорыву, прыжку в неизведанное или это новый виток манипуляции с какими-то корыстными целями?

🙂 На горячую тему беседуют:
🔜 Андрей Володин, доцент кафедры исторической информатики исторического факультета МГУ имени М.В. Ломоносова, ведущий научный сотрудник лаборатории Digital Humanities СФУ,
🔜 Николай Андреев, заведующий лабораторией популяризации и пропаганды математики Математического института им. В.А. Стеклова РАН,
🔜 Фёдор Лукьянов, ведущий, главный редактор журнала «Россия в глобальной политике», профессор-исследователь НИУ ВШЭ.

🎧 Послушать подкаст можно на любой удобной платформе 🗣

Chronos: цифровой напарник историка

🙂 Chronos: The AI Co-Historian – новый специализированный ИИ-агент, созданный для помощи историкам в работе с архивными первоисточниками: рукописями, старыми картами, газетами и другими разнородными документами. Система помогает собирать исследовательские сценарии на естественном языке и делиться ими в виде расширений.

Кто его создал?

Chronos – открытый исследовательский проект междисциплинарной команды из Оксфордского университета (Torr Vision Group), Института телекоммуникаций Фраунгофера (Fraunhofer HHI), Берлинского технического университета и Института Алана Тьюринга. Среди авторов – Лоренц Хуфе, Никлас Гриссхабер, Филип Торр и другие исследователи.

Проект распространяется под лицензией MIT, а исходный код опубликован на GitHub.

Как это работает?

Ключевая особенность проекта – человекоцентричный подход: историк остается в контуре исследования и может проверять каждый шаг работы агента.

Система включает несколько компонентов:

Chronos-UI: интерфейс в виде расширения для VS Code. Можно просматривать сканы исторических документов, взаимодействовать с агентом и проверять полученные результаты.

Chronos-Agent: собственно ИИ-агент. Он комбинирует инструменты, навыки, память и визуально-языковую модель (VLM). Работает не только с текстом, но и непосредственно с изображениями исторических документов.

Chronos-Extensions: самое интересное с точки зрения совместной работы. Созданный исследователем workflow можно сохранить как расширение и передать коллегам: удачный исследовательский сценарий превращается в переиспользуемый инструмент.

Основная функция: Chronos-Extract

Первое и ключевое расширение – Chronos-Extract. Типичная для историка задача: у вас есть тысячи отсканированных страниц, и из них нужно собрать, например, имена, даты, места, профессии или другие конкретные сведения. Вместо того чтобы вручную просматривать каждую страницу, историк задает задачу на естественном языке.

А дальше агент анализирует изображения страниц, распознает и интерпретирует информацию, извлекает нужные переменные, структурирует результаты, формирует таблицы, которые можно использовать для дальнейшего анализа.

Систему протестировали на трех корпусах разных исторических источников (немецкие патентные реестры, французские торговые справочники, американские газеты), охватывающих три столетия. Оказалось, что Chronos прекрасно работает на структурированных исторических источниках, но пока не очень хорошо справляется с пространственно сложными документами – не находит части статей или неправильно определяет границы записей.

🔜 Читать статью «Chronos: The AI Co-Historian»

🔜Смотреть код на GitHub

😉 Слона-то Алгоритм-то я и не приметил...
Есть такой фразеологизм “an elephant in the room” – если вы говорите, что в комнате есть слон, то имеете в виду очевидную проблему или сложную ситуацию, о которой не хотят говорить.

🔜 ЮНЕСКО выпустила доклад “The algorithm in the room” [Алгоритм в комнате {аудитории}: видеть и преодолевать последствия ИИ для будущего образования] – призыв обсудить то, о чем не хочется говорить: как алгоритмы повсеместно проникли в учебные аудитории и что с этим делать?

🙂 Авторы предлагают усилить образование в эпоху тотальной алгоритмизации за три хода:
🔜 сначала внимательно познакомиться с возможностями и ограничениями алгоритмов,
🔜 чтобы начать по-настоящему управлять алгоритмами,
🔜 и в удачном случае переписать алгоритмы под реальные образовательные задачи!

🎁 The algorithm in the room: seeing and confronting the implications of AI for the future of education. Paris: UNESCO, 2026. 162 p.