معالجة الملفات الممسوحة أثناء الترحيل بدل إعادة رفعها بلا فهرسة

ستحتاج ما يلي إن كان لديك أرشيف ممسوح موجود أصلًا: آلاف ملفات PDF وTIFF في مجلدات شبكية أو في نظام أرشفة قديم، مُسحت على مدى سنوات بأجهزة وإعدادات مختلفة، وكثير منها بلا فهرسة تُذكر. لا يتناول خطوات رقمنة الورق من البداية، بل ما تفعله بالصور التي رُقمنت بالفعل عندما تنقلها إلى نظام إدارة وثائق (DMS) جديد.

لماذا تُعد الممسوحات مشكلة صامتة في الترحيل

في تقرير الترحيل تبدو الممسوحات مثل أي ملف آخر: اسم، وحجم، وتاريخ، ونُقل بنجاح. المشكلة لا تظهر إلا بعد أشهر، عندما يبحث موظف عن عقد يعرف أنه موجود فلا يجده، لأن العقد صورة داخل ملف اسمه «scan_0412.pdf» في مجلد «مسح مارس». الملف نُقل، لكن الوثيقة لم تصل إلى أحد.

ثلاث خصائص تجعل الممسوحات القديمة أصعب من غيرها:

• لا نص: ملف PDF الناتج عن ماسح قديم غالبًا صورة فقط. البحث داخل النص لا يجد فيه شيئًا حتى يمر على التعرف الضوئي على الحروف (OCR).
• لا حقول: الأسماء التي يولّدها الماسح (رقم تسلسلي أو تاريخ ووقت) لا تحمل معنى، وقد لا يوجد سجل فهرسة مقابل.
• ملف واحد لعدة وثائق: من يمسح دفعة من الأوراق بضغطة واحدة ينتج ملفًا من ستين صفحة يحتوي عشرين خطابًا مختلفًا. فهرسة هذا الملف كوثيقة واحدة تجعل كل الخطابات بلا هوية.

الاكتشاف الآلي: اعرف حجم المشكلة قبل تسعيرها

لا تسأل الإدارات «كم لديكم من الممسوحات؟»؛ الإجابة ستكون تقديرية. اطلب من فريق التقنية أو المورد فحصًا آليًا على الجرد يصنف كل ملف PDF أو صورة:

• هل للملف طبقة نصية؟ ملفات PDF المولَّدة من برامج المكتب تحتوي نصًا، والممسوحة غالبًا لا. بعض الممسوحات عليها طبقة OCR قديمة ضعيفة؛ عاملها كأنها بلا نص حتى تُختبر.
• عدد الصفحات: ملف من صفحة أو صفحتين غالبًا وثيقة واحدة. ملف من عشرات الصفحات في مجلد مسح يومي غالبًا دفعة تحتاج فصلًا.
• الدقة والحجم لكل صفحة: مؤشر أولي على الجودة. صفحات صغيرة الحجم جدًا قد تعني دقة منخفضة لا تصلح للتعرف على النص.
• الصيغة: PDF، وTIFF متعدد الصفحات، وJPEG من تصوير الجوال. كل صيغة تحتاج معالجة مختلفة قبل الاستيراد.
• الموقع والاسم: هل يوجد سجل فهرسة مرتبط في النظام القديم؟ هل يحمل الاسم أو المسار أي معلومة قابلة للاستخراج؟

ناتج هذا الفحص جدول واحد: كم ملفًا بلا نص، وكم منها متعدد الوثائق، وكم منها مفهرس في المصدر. هذه الأرقام هي أساس تقدير الجهد، لأن معالجة ملف ممسوح غير مفهرس أكبر بكثير من نقل ملف Word.

الصيغ المختلطة: ماذا تحفظ وماذا تحوّل

الأرشيف الممسوح الذي تراكم عبر سنوات نادرًا ما يكون بصيغة واحدة. ستجد ملفات TIFF متعددة الصفحات من ماسحات قديمة، وصور JPEG التقطها موظفون بالجوال لوثائق في الموقع، وملفات PDF بعضها صورة فقط وبعضها عليه نص. قرر قاعدة واحدة قبل الاستيراد:

• الصيغة المعتمدة للاستخدام: غالبًا PDF قابل للبحث (صورة الصفحة مع طبقة نصية خلفها)، لأنه يُفتح في أي جهاز ويحافظ على شكل الوثيقة ويسمح بالبحث.
• الاحتفاظ بالأصل: هل يُحفظ ملف TIFF أو الصورة الأصلية بجانب الناتج، أم يُكتفى بالناتج؟ الاحتفاظ بالأصل يضاعف التخزين، لكنه يحمي من خسارة جودة إن كانت عملية التحويل تضغط الصور. قرر حسب قيمة المجموعة لا لكل الأرشيف دفعة واحدة.
• صور الجوال: صفحات مائلة أو مقصوصة أو بظلال. تحتاج تصحيح ميل واقتصاص قبل التعرف على النص، وقد يكون بعضها غير صالح إلا كصورة مرجعية.
• الصفحات الملونة والرمادية: المخططات والأختام الملونة تفقد معناها إن حُوّلت إلى أبيض وأسود لتصغير الحجم. استثنِها من أي ضغط عام.

اختيار الصيغ الناتجة عن الرقمنة وأثرها على البحث والحفظ موضوع قائم بذاته، لكن ما يهم في الترحيل أن تكون القاعدة مكتوبة ومطبقة على كل الدفعات بالطريقة نفسها.

مسار فرز الممسوحات

بعد الاكتشاف، يمر كل ملف ممسوح بمسار قرار واحد. الهدف ألا يُعالَج كل ملف بأعلى تكلفة، ولا يُترك أي ملف بلا قرار:

مسار الفرز: يبدأ بفحص وجود النص، ثم الجودة، ثم فصل الملفات المجمعة، ثم اختيار مستوى الفهرسة بحسب القيمة، ثم التعرف على النص واستخراج الحقول، وينتهي بمراجعة عينة تقرر اعتماد المجموعة أو إعادة العمل عليها. الملفات منخفضة الجودة تسلك فرعًا بديلًا يُقرر فيه إعادة المسح أو القبول بعلامة.

مستويات الفهرسة: ليس كل ممسوح يستحق الجهد نفسه

أكبر خطأ في معالجة الممسوحات أن يُطلب «فهرسة كاملة لكل شيء». هذا يضاعف التكلفة والمدة، وغالبًا لا يُنجز. الأجدى أن تقسم الممسوحات إلى مستويات بحسب استخدامها الفعلي:

القرار بين المستويات يتخذه صاحب الإدارة مع مدير الأرشيف، لا فريق الترحيل. والمبدأ أن الملف في المستوى الأدنى ليس مهملًا؛ هو قابل للبحث داخل نصه، ويمكن رفعه إلى مستوى أعلى في أي وقت حين يُفتح ويُستخدم.

فصل الملفات المجمعة

ملف واحد يحتوي عشرات الوثائق هو أصعب حالة في الممسوحات القديمة، لأن الحدود بين الوثائق غير مسجلة في أي مكان. هناك ثلاث طرق للفصل، تختلف في الدقة والجهد:

1. الفصل البصري اليدوي: موظف يتصفح الملف ويحدد بداية كل وثيقة. دقيق لكنه أبطأ الطرق، ويناسب الملفات عالية القيمة.
2. الفصل بالقواعد: صفحة فارغة بين الوثائق، أو ترويسة ثابتة في أول صفحة كل خطاب، أو رقم صادر في موقع محدد. يعمل جيدًا حين يكون نمط المسح القديم متسقًا.
3. الفصل بمساعدة التعرف على النص والتصنيف: تغيّر نوع المحتوى أو الترويسة بين صفحتين يُقترح حدًا لوثيقة جديدة، ويؤكده موظف.

للمسح الجديد بعد الانتقال، فكّر في منع المشكلة من أصلها: صفحات فاصلة أو مسح كل وثيقة منفصلة، أو باركود على صفحة الغلاف إن احتجته. متى يستحق الباركود الإعداد، ناقشه في الباركود في المسح والفهرسة. ويدعم وثيقة قراءة الباركود في المسح والفهرسة، فتُفصل الدفعة وتُربط كل وثيقة بحقولها من صفحة الغلاف؛ اطلب رؤيته على دفعة من أوراقك في العرض التوضيحي.

المراجعة البشرية: كم، ومن، ومتى تتوقف

OCR والتصنيف التلقائي يقللان العمل اليدوي ولا يلغيانه، خاصة على ممسوحات قديمة بجودة متفاوتة وخطوط عربية مختلفة وأختام وتواقيع فوق النص. خطط للمراجعة كجزء من الترحيل، لا كنشاط يُضاف إن بقي وقت. متى تحتاج مراجعة شاملة ومتى تكفي العينة موضوع مفصل في متى تحتاج مراجعة بشرية لنتائج OCR.

ما يتيحه وثيقة للممسوحات المنقولة

يطبق وثيقة OCR للعربية والإنجليزية يحوّل الصور والمستندات الممسوحة إلى نص قابل للبحث، وتتجاوز دقته في العربية 98% على المستندات الواضحة وفق بيانات وثيقة، وتنخفض مع الصفحات الباهتة أو المائلة، ولذلك يبقى اختبار عينة من أرشيفك هو المرجع، ويتيح البحث النصي داخل محتوى PDF والممسوحات، والتصنيف والوسوم التلقائية عند الرفع مع اقتراح التصنيف، واستخراج البيانات الرئيسية من المستندات مثل أطراف العقد وقيمته وتاريخ انتهائه، والبحث الدلالي الذي يفهم المعنى لا الكلمة الحرفية فقط. وهذه كلها تعمل على الممسوحات القديمة بعد استيرادها، فيصبح المستوى الأدنى من الفهرسة (OCR مع المسار الأصلي) قابلًا للاستخدام فعلًا لا مجرد تخزين. ويتيح أيضًا ربط الماسح الضوئي مباشرة بالنظام للمسح اليومي بعد الانتقال.

أما الأصول الورقية التي تحتاج إعادة مسح لضعف جودتها، فيعيد مسحها فريقك أو مزود مسح متخصص، ثم تُستورد الصور الجديدة لتمر بالتعرف الضوئي والفهرسة وتحل محل النسخة الضعيفة. وحجم المراجعة البشرية، وطريقة فصل الملفات المجمعة، وتوزيع المستويات يُحدَّد نطاقها في العرض الفني بعد الاكتشاف الآلي. لتقييم دقة التعرف على وثائقك تحديدًا قبل الالتزام، اختبر عينة كما في اختبار OCR العربي بعينة من وثائق مؤسستك، ولمعالجة ملفات PDF الضعيفة قبل اعتماد نتائج البحث راجع معالجة ملفات PDF منخفضة الجودة. وللتعريف بالتقنية نفسها: ما هو OCR وكيف يحول الصور إلى بيانات قابلة للبحث.

أخطاء شائعة عند ترحيل الممسوحات

• الاعتماد على طبقة OCR قديمة: ملفات عليها نص مستخرج قبل سنوات بأداة ضعيفة في العربية. البحث يعمل عليها ظاهريًا ولا يجد شيئًا. أعد التعرف على عينة وقارن.
• تسعير الترحيل بعدد الملفات: ملف ممسوح من ستين صفحة يحتاج فصلًا وفهرسة لعشرين وثيقة. التقدير الصحيح بعدد الصفحات والوثائق بعد الفصل، لا بعدد الملفات.
• إتلاف الأصول الورقية بعد الترحيل: الترحيل ليس قرار إتلاف. راجع المدد النظامية لحفظ كل نوع قبل أي إتلاف، وتأكد أن النسخة الرقمية مقروءة ومكتملة.
• ترك المستوى الأدنى بلا علامة: إن لم يعرف المستخدم أن ملفًا ما فُهرس بالحد الأدنى، سيظن أن غياب الحقول خطأ. علامة المستوى تجعل التوقعات واضحة.

من أين تبدأ

اطلب فحصًا آليًا لطبقة النص وعدد الصفحات على مجلد ممسوح واحد تعرفه جيدًا. النتيجة تعطيك نسبة الملفات بلا نص ونسبة الملفات المجمعة، وهما الرقمان اللذان يغيران تقدير الترحيل أكثر من أي شيء آخر. أرسلهما مع وصف المستويات التي تحتاجها عبر صفحة ترحيل الأرشيف الممسوح والأنظمة القديمة، لتحصل على خطة معالجة تفصل بين ما يُفهرس بالكامل وما يكفيه البحث داخل النص.