Distributed Proofreaders世界最大の電子図書館を支える共同校正プロジェクト

デジタル時代の今、私たちは指先一つで数多くの古典文学や歴史的文書にアクセスできます。その基盤を支えているのが、世界最大の無料電子書籍ライブラリ「プロジェクト・グーテンベルク（Project Gutenberg）」であり、そしてその高品質なテキスト作成を裏側で支えているのがDistributed Proofreaders（DP / PGDP）です。

Distributed Proofreadersは、世界中のボランティアが協力して電子テキストの校正を行うウェブベースの非営利プロジェクトです。機械的な文字認識では避けられない誤字脱字を、人間の手で一つひとつ修正することで、学術的にも価値のある正確なデジタルアーカイブを構築しています。

Key Facts

• 目的：プロジェクト・グーテンベルク向けの高品質な電子テキストの作成と校正。
• 実績：2025年12月時点で、累計50,000タイトルをデジタル化。
• 仕組み：OCRで読み取ったテキストを、複数のボランティアが分担して校正する分散処理方式。
• 運営：米国を拠点とする非営利団体「Distributed Proofreaders Foundation」が管理。
• 対象：米国著作権法に基づき、パブリックドメイン（著作権消滅）となった作品。

デジタル化の舞台裏：校正プロセスの仕組み

書籍をデジタル化する際、まずボランティアや専門プロジェクトによって書籍がスキャンされ、OCR（光学文字認識）という技術を用いて画像からテキストデータへ変換されます。しかし、OCRは完璧ではなく、特に古い書籍では誤認識が頻発します。

そこでDPが採用しているのが、分散コンピューティングの考え方を応用した「共同校正」です。ウェブ画面上に「元のページ画像」と「OCRで認識されたテキスト」を並べて表示し、世界中のボランティアが少しずつ修正を加えます。一人の判断ではなく、複数の人間が同じ箇所をチェックすることで、エラーを最小限に抑えた極めて精度の高いテキストが完成します。

最終的に、個別のページとして校正されたデータはポストプロセッサによって統合され、プロジェクト・グーテンベルクへと提供されます。また、運営を円滑にするために専用のフォーラムやWikiも活用されています。

プロジェクトの歩みと拡大

2000年にチャールズ・フランクスによって設立されたDPは、当初は独立したサイトでしたが、2002年にはプロジェクト・グーテンベルクの公式サイトとなりました。特に2002年11月には、IT系コミュニティサイト「Slashdot」で紹介されたことで、わずか一日で4,000人以上の新メンバーが加入し、開発速度と品質が飛躍的に向上しました。

2006年には、法的地位を明確にし、非営利団体として独立して運営するために「Distributed Proofreaders Foundation」が設立されました。その後、DPの貢献による作品は、2009年までにプロジェクト・グーテンベルク全体の半数を超えるまでになりました。

地域的な展開と派生プロジェクト

DPのモデルは世界に広がり、地域ごとのニーズに合わせたプロジェクトも誕生しています。

• DP Europe：2004年にセルビアのProject Rastkoを拠点に開始。Unicode UTF-8を採用し、ヘブライ語、アラビア語、ウルドゥー語など、欧州文化圏の多言語テキストを処理しました。
• DP Canada：2007年に始動。カナダの著作権法（米国より期間が短い場合がある）を活用し、カナダ版プロジェクト・グーテンベルクやアーカイブサイト「Faded Page」へ作品を提供しています。

デジタル化の金字塔：主要なマイルストーン

DPは25年以上の歴史の中で、着実にデジタル化の数を増やしてきました。以下にその主要な達成記録をまとめます。

Distributed Proofreaders デジタル化達成数推移

達成タイトル数	達成日	代表的な作品・内容
1冊目	2000年10月1日	ホメロス『オデュッセイア』
10,000冊	2007年3月9日	『ハイジ』やリンネ『植物種』など15作品を同時公開
20,000冊	2011年4月10日	多言語併記本（イタリア語、ドイツ語、ラテン語等）をグループ公開
30,000冊	2015年7月7日	『Graded Literature Readers: Fourth Book』
40,000冊	2020年10月10日	ヘンリー・メイヒュー『London Labour and the London Poor』（全4巻）
50,000冊	2025年12月7日	ウィリアム・サベージ『A Dictionary of the Art of Printing』

Frequently Asked Questions

Distributed Proofreadersは何のために活動しているのですか？

プロジェクト・グーテンベルクに提供する電子テキストの誤字を修正し、誰でも無料で利用できる高品質なデジタルライブラリを構築することを目的としています。

どのような本がデジタル化の対象になりますか？

主に米国著作権法においてパブリックドメイン（著作権が消滅した状態）であると認められた書籍が対象となります。

OCRで十分ではなく、なぜ人間の校正が必要なのですか？

OCR（光学文字認識）は便利ですが、特に古い書体や汚れのあるページでは誤認識が多く発生します。正確なテキストを維持するためには、人間が元の画像と照らし合わせて確認する作業が不可欠です。

誰でも参加できるプロジェクトですか？

はい。ウェブベースのインターフェースを通じて、世界中のボランティアが校正に参加できる仕組みになっています。登録は任意です。

英語以外の言語にも対応していますか？

はい。英語のほか、フランス語やドイツ語に対応しており、DP Europeなどの派生プロジェクトではさらに多様な言語の処理が行われてきました。