TableVision usa sumas impresas para comprobar la estructura de tablas escaneadas
En palabras sencillas
Una tabla escaneada puede tener números legibles y aun así ser incorrecta si están bajo el condado o el candidato equivocados. TableVision es un flujo de trabajo que reconstruye y comprueba la disposición de tablas impresas escaneadas, en especial los resultados electorales históricos.
Agrupa las filas por condado, asigna las cifras a las celdas y comprueba si cada columna suma el total impreso antes de decidir si la publica, la señala o la retiene. En siete paneles limpios, usar las mismas lecturas de docTR con la disposición de TableVision puso más cifras en las celdas correctas que las tablas propias de docTR.
La investigación
Cuando los dígitos de una tabla escaneada son en su mayoría legibles, ¿cómo puede un lector saber si cada cifra sigue correspondiendo al condado y al candidato correctos?
En los resultados electorales históricos, una fila mal ubicada o una columna desplazada puede dejar las cifras legibles y, aun así, volver poco fiables los totales por condado.
TableVision reconstruye columnas por condado en tablas electorales escaneadas y usa los totales impresos y nuevas lecturas para decidir cuáles puede publicar.
En siete paneles limpios, asignar las mismas palabras de docTR con la disposición de columnas de TableVision colocó el 97,9% de las cifras en la celda correcta, frente al 83,7% en las tablas propias de docTR, y elevó las columnas de condado completamente correctas de 11 de 30 a 24.
Como las palabras reconocidas se mantuvieron fijas, la comparación apunta a la reconstrucción de la estructura como origen de la mejor ubicación. En tres páginas difíciles, una pasada guardada de TableVision ubicó correctamente el 99,2% de las cifras y su control publicó 51 columnas, todas exactas.
Estos resultados proceden de tablas electorales históricas concretas, no de una muestra aleatoria de documentos históricos. Una suma coincidente aún puede ocultar cifras mal ubicadas o errores que se compensan entre sí, y el lector del flujo de trabajo solo se evaluó en tres páginas difíciles.
Análisis
Detalles
- Autores del paper original
- Todd Y. Zhou, James M. Snyder
- Enviado a arXiv
- Licencia
- CC BY 4.0