Arquitectura de referencia · v0.1

PaaS para documentación histórica del siglo XVI

Del legajo físico a la edición digital metadatada, con lectura cercana y lejana. Los datos se comparten con soberanía a través de un Data Space basado en FIWARE, compatible con el espacio europeo de datos de patrimonio cultural.

FIWARE / Data Space componente del ecosistema FIWARE, IDSA o Gaia-X Estándar formato o modelo abierto OSS herramienta de código abierto Humano validación experta
01

Ingesta y digitalización

Del original a imagen servible

CapturaEscáner cenital o cámara, perfiles de color, cartas de referencia
TIFF / JPEG2000
Control de calidadResolución, nitidez, páginas ausentes, orden de folios
validador propio
Almacén de objetosMásters y derivados, por institución (multi-tenant)
S3 / MinIO
Servidor de imágenesZoom profundo y recortes por región
IIIF Image APICantaloupe
ManifiestosEstructura del legajo: folios, recto/verso, piezas
IIIF Presentation 3
imágenes + manifiesto IIIF
02

Reconocimiento del texto

Pipeline orquestado por lotes

Análisis de maquetaciónRegiones, líneas, marginalia, rúbricas, signos notariales
KrakenPAGE-XML / ALTO
HTRModelos por tipo de letra: procesal, cortesana, humanística, itálica
eScriptoriumKraken
Post-corrección asistidaLLM de visión propone y marca la confianza; nunca sobrescribe sin marcar
LLM
Revisión paleográficaValidación línea a línea sobre la imagen; muestreo por lote
paleógrafo
OrquestadorColas, reintentos, versionado de modelos y de salidas
Airflow / Prefect
Las correcciones validadas se convierten en datos de entrenamiento: cada fondo mejora el modelo de su tipo de letra (ground truth).
transcripción alineada con la imagen
03

Edición y codificación

Texto como documento académico

Transcripción paleográficaFiel al original: abreviaturas, grafías, tachados
TEI <choice>
Versión normalizadaDesarrollo de abreviaturas, ortografía y puntuación modernas
normalizador + LLM
Codificación TEIEstructura diplomática, fechas, partes, cláusulas
TEI-XML P5
Edición críticaNotas, aparato, decisiones editoriales firmadas
editor
documento TEI
04

Metadatos y enriquecimiento

Descripción, entidades y grafo

Descripción archivísticaFondo, serie, unidad documental; signatura y procedencia
ISAD(G)RiC-ODublin Core
Estructura y preservaciónEmpaquetado del objeto digital y su historial
METS / MODSPREMIS
Entidades nombradasPersonas, lugares, oficios, monedas, instituciones, fechas
NER histórico + LLM
EnlazadoDesambiguación contra autoridades y nomenclátores históricos
WikidataGeoNamesVIAF
Grafo de conocimientoEventos, actores, relaciones entre documentos
CIDOC-CRMtriplestore
ÍndicesTexto completo, facetas e índice semántico (vectores)
OpenSearch
corpus enriquecido
05

Lectura e investigación

Dos escalas sobre el mismo corpus

Lectura cercana un documento

Visor sincronizadoImagen y transcripción enlazadas línea a línea
MiradorTEI Publisher
Anotación colaborativaComentarios y etiquetas sobre regiones de imagen o texto
W3C Web Annotation
Comparación de versionesPaleográfica frente a normalizada; aparato crítico
TEI

Lectura lejana el corpus

Búsqueda y consultasFacetas, variantes gráficas, consultas al grafo
SPARQL
Análisis textualModelado de temas, fórmulas notariales, estilometría
notebooks
Redes, mapas y cronologíasQuién aparece con quién, dónde y cuándo
grafo + visualización
Extracción estructuradaPartes, objeto, importes y plazos de escrituras en tablas
LLM
publicación bajo políticas
06

Data Space

Compartir sin ceder el control

ConectorUn conector gestionado por institución, desplegado por la plataforma
FIWARE Data Space ConnectorDataspace Protocol
Identidad y confianzaCredenciales verificables de instituciones e investigadores
Keycloak / VCdid / OID4VC
Políticas de usoSolo consulta, sin reentrenamiento de IA, embargo, cita obligatoria
ODRLPDP / PEP
Catálogo federadoQué corpus, modelos HTR y servicios ofrece cada participante
DCAT-AP
Recolección OAI-PMHAgregadores y Europeana recolectan metadatos; solo lo que las políticas permiten, con registros borrados
OAI-PMH 2.0oai_dc · EDM
Pasarela EuropeanaExportación de metadatos y enlaces IIIF al espacio común europeo
EDM

Quién usa la plataforma

Archivos y bibliotecasSuben fondos, validan, publican y fijan las condiciones de uso
Grupos de investigaciónTranscriben con sus paleógrafos y analizan corpus propios y ajenos
Europeana y agregadoresReciben metadatos EDM y enlaces IIIF
Terceros autorizadosEditoriales, turismo, educación e industrias creativas, bajo licencia

Decisión clave: FIWARE como capa de compartición

El procesamiento documental no pasa por el Context Broker. FIWARE aporta el conector, la identidad y las políticas (capa 06) y, de forma secundaria, el estado del flujo en NGSI-LD.

El activo diferencial

Los modelos HTR afinados por tipo de letra y de documento, y el ground truth validado. Pueden ofrecerse también en el catálogo del Data Space con sus propias políticas.

IA con trazabilidad

Toda salida generada por LLM queda marcada con modelo, versión y nivel de confianza, y no pasa a la edición sin validación humana.