わたしが出会った問題な英語

modem world

紙に書かれた文書を計算機で扱えるようにするために、 人が目で見て手で打ちこむこともあるが、 原稿が活字や計算機出力の場合は、 機械(スキャナ)で画像として読みこんで計算機に文字として解釈させる 「光学的文字読み取り」(OCR)のほうが能率があがることが多い。

しかし、たとえ性能のよいOCRでも、 よく似た字体の文字どうしのまちがいは避けられない。 数字の「0」とローマ字の「O」、 数字の「1」と小文字の「l」(エル)と大文字の「I」(アイ)などはよく知られている。

さらに、文字幅が一定でないフォントの場合は、 1文字が2文字、逆に2文字が1文字にまちがわれることがある。 OCRをやってみてたびたび出会ったのは、「rn」と「m」がまぎれることだ。

OCRの結果について複数の解釈が可能なとき、 読み取られるべきものがどの言語のテキストかわかっていれば、 その言語の単語のつづりの表と照合して、ありそうなものを選ぶことができる。 OCRソフトウェアにはそういう機能のついたものが多い。

わたしが「rn」が「m」に化けたことに気づいた最初の例は、「modem」だった。 OCRの処理結果には疑問の印はついていなかった。 結果を目で追っても異常に気づかず、声を出して読んでみて、 この文脈でモデムが出てくるはずがないことに気づいた。 しかし、なんのまちがいか、原本を見なおすまで見当がつかなかった。 1990年代のことであり、 OCRソフトウェア付属の単語表の語数はあまり多くなかったはずだが、 「modem」は使用頻度の高い単語とみなされていたようだ。 実際、OCRソフトウェアを使うような人の生活での出現頻度は高かったと思う。 しかしOCRの対象となるテキストでの出現頻度が高いとは限らないのだった。


2011-09-09
増田 耕一 (MASUDA Kooiti)
[「わたしが出会った問題な英語」「多言語雑談」の目次へ]