اوسینت جت · ردگیری تغییر در سند
مقایسه دو نسخه PDF؛ کدام تغییر معنای ادعا را عوض کرده است؟
در یک نسخه نوشته‌اند «مرکز در خرداد افتتاح خواهد شد» و در نسخه دیگر «مرکز در خرداد افتتاح شد». نرم‌افزار شاید این را فقط یک تغییر کوچک کنار ده‌ها جابه‌جایی فونت و فاصله حساب کند. اما برای کسی که می‌خواهد وضعیت واقعی مرکز را بررسی کند، همین فعل کوتاه مهم‌ترین بخش مقایسه است.
پیدا کردن تفاوت‌ها پایان کار نیست. باید تشخیص بدهیم کدام تفاوت، حرف سند را تغییر داده است. خروجی این روش، یادداشتی کوتاه با نشانی دو نسخه، محل عبارت، زمینه جمله و سؤال باقی‌مانده خواهد بود.
نام «قدیمی» و «جدید» را زود انتخاب نکنید
هر دو فایل را همان‌طور که دریافت کرده‌اید نگه دارید و یکی را روی دیگری ذخیره نکنید. تا وقتی ترتیب نسخه‌ها روشن نشده، نام‌هایی مثل نسخه A و B دقیق‌تر است. ممکن است فایل قدیمی امروز برایتان ارسال شود یا سایت دوباره نسخه‌ای قبلی را در دسترس بگذارد. زمان دانلود به‌تنهایی ترتیب ویرایش را نشان نمی‌دهد.
برای هر کپی، منبع دریافت یا نشانی عمومی، زمان دریافت، نام فایل، تاریخ یا شماره ویرایش روی سند و تعداد صفحات را بنویسید. مقایسه را روی نسخه کاری انجام دهید. هش فایل برای تشخیص همان بایت‌های حفظ‌شده مفید است، اما اختلاف هش الزاماً به معنی تغییر جمله‌ها نیست؛ تنظیمات خروجی یا اجزای داخلی PDF هم می‌توانند فایل را متفاوت کنند.
پرسش خود را محدود کنید: «آیا در نسخه بعدی، وعده افتتاح به ادعای شروع فعالیت تبدیل شده است؟» اکنون می‌دانید چرا باید فعل، تاریخ و قیدهای جمله را با دقت بخوانید و چرا تغییر رنگ تیتر اهمیت یکسانی ندارد.
دو بخش متناظر را پیدا کنید
شماره صفحه همیشه لنگر خوبی نیست. اگر نسخه B یک جلد اضافه دارد، صفحه چهارم A ممکن است با صفحه پنجم B متناظر باشد. عنوان بخش، عبارت متمایز یا نام جدول را پیدا کنید و یک نقشه کوچک از صفحه‌های متناظر بسازید. جابه‌جایی پاراگراف را نباید بی‌درنگ حذف متن و اضافه‌شدن متن تازه حساب کرد.
برای سند کوتاه، دو پنجره نمایش PDF و چند یادداشت کافی است. بزرگ‌نمایی را نزدیک به هم نگه دارید؛ یک بار صفحه کامل و سپس بند موردنظر را بخوانید. جست‌وجوی عبارت برای رسیدن به محل مفید است، اما خود عبارت را روی صفحه ببینید. شماره صفحه نمایشگر ممکن است با شماره چاپ‌شده پایین برگه فرق داشته باشد؛ در یادداشت روشن کنید کدام را استفاده کرده‌اید.
برای سند طولانی می‌توانید از ابزار مقایسه کمک بگیرید. در Compare Files در Acrobat Pro ترتیب دو فایل و محدوده صفحات را کنترل کنید. حالت مقایسه فقط متن، تفاوت‌های گرافیکی را کنار می‌گذارد؛ حالت اسناد اسکن‌شده به تصویر صفحه می‌پردازد. فیلترهای گزارش تعیین می‌کنند چه تغییرهایی دیده شوند و بعضی دسته‌ها به‌صورت پیش‌فرض خاموش‌اند. خروجی و تنظیمات استفاده‌شده را ذخیره کنید.
برای کاربر فنی، diffoscope نیز امکان بررسی تفاوت PDF و قالب‌های دیگر را دارد، اما خروجی آن ممکن است به جزئیات داخلی فایل بپردازد. ابزاری را انتخاب کنید که نتیجه‌اش را می‌فهمید. فایل غیرعمومی را بدون مجوز در سرویس آنلاین مقایسه بارگذاری نکنید. عبارت مهم را در هر دو فایل اصلی دوباره ببینید؛ خلاصه ابزار جای آن را نمی‌گیرد.
برای تفاوت، نوع و اثر بنویسید
| چیزی که تغییر کرده | برداشت اولیه | کنترل لازم |
|---|---|---|
| رفتن یک جمله به صفحه بعد | احتمال تغییر چیدمان | ثابت‌ماندن کلمات و ارتباط با عنوان و پاورقی |
| عوض‌شدن عدد | احتمال اصلاح یک داده | واحد، بازه زمانی و عنوان ستون |
| تبدیل «ممکن است» به «خواهد» | تغییر درجه قطعیت | قیدها و استثناهای جمله‌های اطراف |
| نبودن پاورقی در جای قبلی | احتمال تغییر دامنه ادعا | جست‌وجوی همان توضیح در بخش‌های دیگر |
| اختلاف زیاد حروف در متن اسکن | احتمال خطای تشخیص متن | مقایسه تصویر زیرین صفحات |
همه چیز را زیر عنوان مبهم «تغییر کرده» نگذارید. تفاوت ممکن است مربوط به مقدار، دامنه، قطعیت، منبع گفته یا صرفاً نمایش باشد. مثلاً «برآورد شرکت» و «گزارش نهاد ناظر» حتی با عدد یکسان، مرجع متفاوتی به ادعا می‌دهند.
جدول‌ها را جدا بررسی کنید. عنوان ردیف، سرستون، واحد و پاورقی را با هم بخوانید. استخراج متن می‌تواند ترتیب این اجزا را عوض کند و جدول دست‌نخورده را متفاوت نشان دهد. برعکس، فهرست کلمات ممکن است ثابت بماند، اما عدد به ردیف دیگری منتقل شده باشد. ارتباط عدد و برچسب را روی خود صفحه ببینید.
تمرین شش تغییر در یک گزارش فرضی
این مثال ساختگی است. نسخه A گزارش یک انبار فرضی به نام «اسکله شمالی» چهار صفحه دارد. نسخه B با اضافه‌شدن جلد، پنج‌صفحه‌ای شده است.
- تیتر روی جلد پایین‌تر رفته است؛ فعلاً تغییر نمایشی ثبت کنید.
- بخش فعالیت‌ها از صفحه دو به سه منتقل شده است؛ نقشه صفحات را اصلاح کنید، نه اینکه کل بخش را تازه بدانید.
- «در خرداد افتتاح خواهد شد» به «در خرداد افتتاح شد» تبدیل شده؛ وضعیت ادعاشده فرق کرده است.
- «ظرفیت ۲۰ تن در روز» حالا «۲۰ تن در هفته» است؛ رقم ثابت مانده، ولی نرخ یکسان نیست.
- پاورقی «فقط ظرفیت آزمایشی» زیر جدول متناظر دیده نمی‌شود؛ پیش از اعلام حذف، بقیه نسخه B را جست‌وجو کنید.
- OCR حرف انگلیسی O را در یک عنوان صفر خوانده است؛ اگر تصویر دو نسخه یکسان است، این تفاوت را خطای استخراج ثبت کنید.
نتیجه کاربردی این تمرین «شش اختلاف پیدا شد» نیست. ادعای افتتاح و توصیف ظرفیت فرق کرده‌اند؛ جابه‌جایی صفحه و خطای OCR به خودی خود تغییر محتوایی نیستند. اینکه انبار واقعاً افتتاح شده، هنوز به شاهدی بیرون از این دو فایل نیاز دارد.
یادداشتی بنویسید که نفر بعد بتواند بررسی کند
برای هر اختلاف مهم، این موارد را نگه دارید: منبع و صفحه A، منبع و صفحه B، عبارت کوتاه قبل و بعد، قیدهای اطراف، نوع تغییر، اثر آن بر سؤال تحقیق و کنترل باقی‌مانده. اگر برش تصویر لازم است، کمی از متن اطراف را نیز نشان دهید و فایل‌های کامل را جدا حفظ کنید.
یادداشت دقیق برای تمرین چنین است: «در B، مرکز فعال توصیف شده؛ A افتتاح را رویدادی در آینده می‌داند. دو فایل در این ادعا تفاوت دارند. زمان دریافت آن‌ها به‌تنهایی زمان ویرایش یا صحت ادعا را روشن نمی‌کند.» این جمله اختلاف قابل مشاهده را از برداشت پژوهشگر جدا نگه می‌دارد.
اگر عامل اصلی اختلاف، اسکن یا استخراج متن است، ابتدا روش کنترل OCR را اجرا کنید. اگر سؤال با همین مقایسه پاسخ گرفت، کار بیشتری لازم نیست. وقتی ادعای ویرایش‌شده با شواهد عمومی دیگر نمی‌خواند، همان تعارض مشخص را در گزارش تحقیق ثبت کنید یا برای بررسی دستی با دامنه مشخص بفرستید. نقش تحقیق گسترده‌تر اوسینت جت، مرتب‌کردن شواهد موافق و مخالف است؛ این مقایسه به معنی صدور گواهی اصالت برای هر PDF نیست.
انتشار: ۱۵ اکتبر ۲۰۲۶ · تحریریه اوسینت جت
ادامه مسیر اوسینت
سرنخ‌های خام را به یک تحقیق ساختارمند در اوسینت جت تبدیل کنید
برای نتیجه بهتر، فقط به یک سرنخ اکتفا نکنید. شماره تلفن، ایمیل، یوزرنیم، دامنه، نام شرکت، تصویر، شهر، لینک شبکه اجتماعی و توضیح زمینه پرونده را کنار هم قرار دهید تا موتور اطلاعاتی اوسینت جت تحلیل دقیق‌تری بسازد.