Διαχείριση μεγάλου όγκου χειρογράφων σε εκδόσεις μεσαιωνικών κειμένων: ψηφιακά εργαλεία και μεθοδολογία χρήσης τους

Abstract

John Chrysostom was one of the most influential ecclesiastical orators of Byzantium. His opera are preserved in a large number of manuscripts, amounting to approximately 20,000 copies. Previous research has shown that a significant portion of his exegetical homilies exhibits the phenomenon of double tradition, that is, the distinction between revised and unrevised manuscript recensions. However, due to the extensive volume of John Chrysostom's manuscript tradition, a systematic study of these sources has not yet been conducted, either to determine the full extent of the double tradition or, more importantly, to classify the surviving manuscripts into corresponding families based on their level of revision. This dissertation proposes the use of state-of-the-art digital tools to automate traditional philological tasks, especially in the investigation and processing of a large manuscript tradition (big data). A sample of homilies by John Chrysostom is employed as a proof of concept. The textual data are examined in two experimental phases. In the first phase, the technology of Handwritten Text Recognition (HTR) for extracting text from digitized man-uscripts is methodologically evaluated. The results of this phase lead to proposed best practices for the training and application of HTR models using the Transkribus platform. Additionally, an original transcription model for Byzantine manuscripts, developed within the framework of this dissertation, is published for the benefit of the scholarly community. In the second experimental phase, the possibility of automating the comparison of sources is investigated. Following an assessment of the available technological tools, the use of Machine Learning for textual data mining is proposed. Clustering experiments conducted with the Orange data mining library produce distinct dendrograms of manuscript groupings, enabling the differentiation of sources according to their level of revision (double tradition). Finally, based on the outcomes of both phases, the dissertation evaluates not only the reliability of the results but also the broader necessity of employing Artificial Intelligence and digital tools in traditional philological research.

Ο Ιωάννης Χρυσόστομος υπήρξε ένας από τους επιδραστικότερους εκκλησιαστικούς ρήτορες του Βυζαντίου. Τα κείμενά του σώζονται σε πολυπληθή χειρόγραφα που αριθμούν συνολικά περί τις 20.000 αντίγραφα. Οι ερευνητές έχουν ήδη διαπιστώσει πως σε μεγάλο μέρος των εξηγητικών του ομιλιών εντοπίζεται το φαινόμενο της διπλής παράδοσης, δηλαδή η διάκριση των πηγών σε αναθεωρημένα και μη χειρόγραφα. Ωστόσο, λόγω του μεγάλου όγκου της χρυσοστομικής χειρόγραφης παράδοσης, μέχρι και στις μέρες μας δεν κατέστη δυνατή μια συστηματική μελέτη αυτών των πηγών, προκειμένου να διαπιστωθεί η έκταση του φαινομένου της διπλής παράδοσης και, κυρίως, προκειμένου να ομαδοποιηθούν τα σωζόμενα χειρόγραφα στις αντίστοιχες οικογένειες με βάση το επίπεδο αναθεώρησής τους. Στη διατριβή αυτή, προτείνεται η αξιοποίηση ψηφιακών εργαλείων αιχμής για την αυτοματοποίηση παραδοσιακών φιλολογικών εργασιών, ιδίως κατά τη διερεύνηση και επεξεργασία μιας μεγάλης χειρόγραφης παράδοσης (big data). Δείγμα από ομιλίες του Ιωάννη Χρυσοστόμου αξιοποιείται ως δοκιμαστική εφαρμογή. Τα κειμενικά δεδομένα εξετάζονται σε δύο πειραματικές φάσεις. Σε πρώτο στάδιο, ε-ελέγχεται μεθοδολογικά η τεχνολογία της αυτόματης ανάκτησης κειμένου από ψηφιοποιημένα χειρόγραφα (Handwritten Text Recognition – HTR). Από τα πειράματα αυτής της δοκιμαστικής φάσης, προτείνεται η βέλτιστη μέθοδος εκπαίδευσης και εφαρμογής μοντέλων HTR μέσω της πλατφόρμας Transkribus. Συμπληρωματικά, ένα πρωτότυπο μοντέλο μεταγραφής βυζαντινών χειρογράφων, που εκπαιδεύτηκε στο πλαίσιο της παρούσας διατριβής, δημοσιεύεται προς όφελος της επιστημονικής κοινότητας. Στη δεύτερη πειραματική φάση, ελέγχεται η περίπτωση της αυτοματοποίησης της αντιπαραβολής των πηγών. Κατόπιν συνεξέτασης των διαθέσιμων τεχνολογικών εργαλείων, προτείνεται η αξιοποίηση της Μηχανικής Μάθησης για την εξόρυξη κειμενικών δεδομένων (data mining). Από τα πειράματα συσταδοποίησης μέσω της βιβλιοθήκης Orange data mining προκύπτουν επιμέρους κλαδογράμματα ομαδοποίησης των γραφών, που επιτρέπουν τη διάκριση των πηγών βάσει του επιπέδου αναθεώρησής τους (διπλή παράδοση). Τέλος, με αφορμή αμφότερα τα αποτελέσματα των δύο φάσεων, αποτιμώνται η αξιοπιστία των εν λόγω αποτελεσμάτων, αλλά και η αναγκαιότητα χρήσης της Τεχνητής Νοημοσύνης –και των ψηφιακών εργαλείων εν γένει– στην παραδοσιακή φιλολογική έρευνα.