Del PDF al Markdown: cómo digitalizar apuntes

Tenés años de apuntes en papel o PDFs escaneados que no podés editar ni buscar. Sabés que en alguna de esas hojas está la demostración que necesitás, pero no la encontrás. Convertir ese material a Markdown con LaTeX no es trivial — en matemáticas, el mayor obstáculo es preservar las fórmulas — pero con el workflow correcto es completamente manejable.

Por qué vale la pena digitalizar

El argumento más obvio es la búsqueda. Cuando tus apuntes son texto plano, encontrar "continuidad uniforme" en 500 páginas de notas es inmediato. Pero hay ventajas menos evidentes:

• Editabilidad: podés corregir errores, agregar notas al margen o expandir una demostración sin reescribir toda la hoja.
• Colaboración: Markdown es texto plano, lo que significa que podés compartirlo, versionarlo con git y trabajarlo en equipo sin problemas de compatibilidad.
• Renderizado: con un editor que soporte LaTeX, tus fórmulas se ven correctamente tipografiadas en lugar de ser código crudo.
• Integración con IA: los modelos de lenguaje pueden leer y razonar sobre texto plano directamente. Un PDF escaneado es una imagen; un archivo Markdown es conocimiento procesable.

El pipeline completo

El proceso de digitalización tiene tres etapas principales, y cada una tiene sus propias herramientas y consideraciones:

1. Captura o escaneo

Si el material es físico (hojas, cuadernos), el primer paso es escanearlo. Para apuntes matemáticos la calidad de captura importa mucho más que para texto normal: una fórmula mal fotografiada puede ser imposible de reconocer por un sistema OCR.

Algunas reglas simples: usá buena iluminación sin sombras, apoyá la hoja en una superficie plana, escaneá en al menos 300 DPI (600 DPI si las fórmulas son pequeñas) y preferí blanco y negro con buen contraste a color con iluminación irregular. Las apps de escaneo como Adobe Scan o Microsoft Lens hacen corrección de perspectiva automática, lo que ayuda bastante.

2. OCR y extracción de texto

OCR (reconocimiento óptico de caracteres) convierte la imagen en texto. Para texto plano, las herramientas actuales funcionan muy bien. Para matemáticas es diferente: el reconocimiento de fórmulas manuscritas o impresas es un problema mucho más difícil.

Las opciones actuales van desde Mathpix — especializada en OCR matemático, con soporte para LaTeX directo — hasta las capacidades de visión de los modelos de lenguaje modernos, que pueden "leer" una imagen de fórmula y transcribirla a LaTeX con sorprendente precisión.

Para PDFs digitales (no escaneados), las herramientas de extracción de texto son más confiables, pero las fórmulas suelen perderse o convertirse en caracteres ilegibles. En ese caso, combinar la extracción de texto con corrección manual o asistida por IA da mejores resultados.

3. Corrección y formateo en Markdown

El OCR nunca es perfecto. El resultado va a tener errores — letras confundidas, fórmulas parcialmente mal transcritas, párrafos fusionados. Esta etapa de corrección es inevitable, pero puede acelerarse mucho con ayuda de IA.

La estrategia más eficiente es: extraer el texto con OCR, pegarlo en un editor con vista previa de LaTeX en tiempo real, y corregir recorriendo el documento de principio a fin. Con la preview activa, los errores en fórmulas se ven de inmediato porque el renderizado falla o da un resultado incorrecto.

El desafío de la notación matemática

La notación matemática tiene algunas características que la hacen especialmente difícil para el OCR:

• Jerarquía visual: los superíndices, subíndices, fracciones y raíces se expresan mediante posición relativa, no por caracteres especiales. Capturar esa jerarquía en texto lineal requiere la sintaxis LaTeX correcta.
• Ambigüedad de símbolos: la letra l minúscula, el número 1 y la barra | se parecen mucho en muchas tipografías. En matemáticas esa confusión cambia completamente el significado.
• Convenciones de notación: cada profesor, cada libro y cada tradición matemática usa notaciones distintas para el mismo concepto. El OCR no "entiende" el contexto — solo reconoce símbolos.

IA asistida vs. conversión manual

Con los modelos de visión actuales, pasarle una imagen de fórmula y pedir el LaTeX equivalente funciona sorprendentemente bien para expresiones estándar. Para fórmulas más complejas o manuscritas, la tasa de error sube, pero sigue siendo un buen punto de partida que acelera la corrección manual.

La conversión 100% manual tiene una ventaja que no hay que subestimar: al transcribir una demostración a mano, la estás leyendo con atención. Muchos errores conceptuales que tenías en los apuntes originales aparecen en el proceso. Si el objetivo no es solo digitalizar sino también revisar el material, el proceso manual tiene valor pedagógico real.

El ingestor de MatHub

MatHub incluye un ingestor que automatiza buena parte de este proceso. Podés subir un PDF directamente — ya sea un documento digitalizado o un archivo nativo — y el sistema extrae el contenido, intenta preservar la estructura del documento y genera una nota en Markdown dentro de tu repositorio.

Para fórmulas, el ingestor usa visión asistida por IA para transcribir las expresiones matemáticas a LaTeX. El resultado no es siempre perfecto, pero te da un borrador editable con la mayor parte del trabajo hecho. Desde ahí podés revisar sección por sección, corregir lo que necesite corrección y guardar la versión final en tu repo.

El mayor valor está en el tiempo que ahorrás en la extracción del texto plano y la estructura básica del documento — las partes que el OCR maneja bien — para que vos puedas concentrarte en revisar la notación matemática, que es donde se necesita atención humana.