FM Ari Vesalainen puolustaa väitöskirjaansa “Model Behavior, Evaluation, and Scholarly Risk in Historical Text Recognition Systems” torstaina 22.10.2026 klo 13 Helsingin yliopiston Metsätalo-rakennuksen huoneessa B317 (sali 6, Unioninkatu 40, 3. kerros). Vastaväittäjänä toimii professori Antoine Doucet (Université de La Rochelle, Ranska) ja kustoksena professori Laura Ruotsalainen (Helsingin yliopisto). Väitöstilaisuus pidetään englanniksi.
Ari Vesalaisen väitöskirjatyö on osa Helsingin yliopiston tietojenkäsittelytieteen osaston Spatiotemporal Data Analysis -ryhmässä ja digitaalisten ihmistieteiden osaston Computational History -ryhmässä tehtävää tutkimusta. Väitöskirjan ohjaajina ovat toimineet professori Laura Ruotsalainen ja professori Mikko Tolonen (Helsingin yliopisto).
Mallien toiminta, arviointi ja tutkimuksellinen riski historiallisten tekstien tunnistusjärjestelmissä
Historiallisia asiakirjoja digitoidaan nykyään valtavia määriä ja niitä voidaan hyödyntää tutkimuksessa entistä tehokkaammin erilaisten tekstintunnistusmenetelmien avulla. Painettujen ja käsinkirjoitettujen aineistojen automaattinen tunnistaminen ei kuitenkaan ole virheetöntä. Virheitä voi syntyä monessa vaiheessa, ja ne voivat vaikuttaa siihen, millaisena alkuperäinen historiallinen lähde välittyy tutkijalle.
Tässä väitöskirjassa tarkastellaan historiallisten asiakirjojen tekstintunnistusta kokonaisuutena. Keskeinen ajatus on, että järjestelmää ei pitäisi arvioida vain sen perusteella, kuinka monta merkkiä tai sanaa se tunnistaa oikein. Yhtä tärkeää on ymmärtää, missä vaiheessa virheet syntyvät, millaisia ne ovat ja miten ne vaikuttavat myöhempään tutkimuskäyttöön.
Väitöskirja perustuu kolmeen tutkimukseen, joissa tarkastellaan sekä painettuja että käsinkirjoitettuja historiallisia aineistoja. Työssä kehitetään menetelmiä asiakirjojen rakenteen arviointiin, rakennetaan laaja käsinkirjoitettujen muuttaneiden luetteloiden automaattinen käsittelyketju sekä verrataan erilaisten tekstintunnistusmallien tuottamia virheitä. Tulokset osoittavat, että kaksi mallia voi saavuttaa lähes saman yleisen tunnistustarkkuuden, mutta silti tehdä hyvin erilaisia virheitä. Tällä voi olla suuri merkitys esimerkiksi silloin, kun tavoitteena on alkuperäisen tekstin mahdollisimman tarkka säilyttäminen.
Väitöskirjassa esitetään ajatus siitä, että tekstintunnistuksen luotettavuutta tulisi arvioida suhteessa siihen, mihin tunnistettua aineistoa käytetään. Kaikki virheet eivät ole tutkimuksen kannalta yhtä vakavia. Esimerkiksi suurten aineistojen alustavassa tutkimuksessa pieni epätarkkuus voi olla hyväksyttävää, kun taas kriittisen edition laatimisessa jo yksittäiset muutokset voivat olla merkittäviä.
Työ korostaa, että historiallisten aineistojen automaattisessa käsittelyssä on tärkeää tarkastella koko prosessia eikä vain lopullista tunnistustulosta. Näin voidaan paremmin arvioida, mikä tieto säilyy, mikä muuttuu ja mikä mahdollisesti katoaa matkalla alkuperäisestä asiakirjasta tutkimusaineistoksi.
Väitöskirjan saatavuus
Väitöskirjan elektroninen versio tulee olemaan saatavilla Helsingin yliopiston avoimessa julkaisuarkistossa Heldassa osoitteessa
Painettuja väitöskirjoja voi tiedustella väittelijältä itseltään: