المكاسب:
- القدرة على إنتاج مسودات البيانات الوصفية وفقًا لمعايير مثل ISAD(G) أو Dublin Core باستخدام الذكاء الاصطناعي
- القدرة على منع الهلوسة وتعيين مصطلحات الموضوع للمفردات الخاضعة للرقابة بإذن ترك فارغ
- القدرة على التمييز بين الحقول، مثل التاريخ واسم الشخص والرمز المرجعي، التي تتطلب موافقة بشرية والتي يجب تخصيصها من قبل المؤسسة فقط
لا يمكن العثور على أرشيف أو مكتبة، مهما كانت ثرية، إلا إذا تم تعريفها بشكل جيد. ما يجعل الوثيقة "قابلة للبحث" هي المعلومات الوصفية عنها: من كتبها، ومتى، وأين، وما هو موضوعها، وإلى أي مجموعة تنتمي. تُسمى هذه المعلومات بالبيانات الوصفية (بيانات التعريف — بيانات وصفية حول مستند ما؛ "بيانات حول البيانات"). الفهرسة هي عملية تحديد المستندات التي تحتوي على هذه البيانات الوصفية وحفظها في نظام قابل للبحث. التصنيف هو تنظيم المستندات وفقًا لمعايير مثل الموضوع أو النوع أو الأصل.
يستغرق إنشاء البيانات التعريفية وقتًا طويلاً للغاية؛ قد يستغرق إدخال معلومات التاريخ والموضوع والشخص والمكان بشكل فردي لآلاف المستندات في مجموعات كبيرة سنوات. الذكاء الاصطناعي هو مولد مسودة قوي في هذا العمل. في هذه الوحدة، سنرى كيفية إنشاء البيانات الوصفية باستخدام الذكاء الاصطناعي، وفهرستها وفقًا للمعايير (ISAD(G)، Dublin Core)، بالإضافة إلى قوة ومزالق التصنيف التلقائي.
معايير الأرشفة: لماذا هناك حاجة إليها
لا يتم إدخال البيانات الوصفية بشكل عشوائي؛ هناك معايير دولية حتى تتمكن السجلات من المؤسسات المختلفة من التواصل مع بعضها البعض:
- ISAD(G) (الوصف الأرشيفي القياسي الدولي العام): قواعد لوصف المواد الأرشيفية بشكل هرمي (على مستوى الصندوق، السلسلة، الملف، الوثيقة). يحتوي على حقول مثل الرمز المرجعي والعنوان والتاريخ والنطاق والمنشئ.
- Dublin Core: معيار مشترك يتكون من 15 مجالًا أساسيًا لوصف الموارد الرقمية (العنوان والمنشئ والموضوع والتاريخ والنوع والتنسيق والمصدر واللغة وما إلى ذلك).
- الصناديق: مجموعة من السجلات التي تكونت بشكل طبيعي نتيجة لنشاط شخص واحد أو عائلة أو مؤسسة. وهي الوحدة التنظيمية الأساسية للأرشفة.
- المصدر (الأصل): معلومات حول الجهة التي جاءت منها الوثيقة والجهة التي مرت بها. في الأرشفة، يتم الاحتفاظ بالوثائق معًا وفقًا لأصلها.
إن التحديد الصريح للمعيار المستهدف عند الحصول على بيانات تعريفية لإنتاج الذكاء الاصطناعي يضمن أن المخرجات قابلة للإدخال مباشرة في المؤسسة.
المفهوم الرئيسي الآخر هو السجل الاستنادي - وهو السجل الذي يحدد نموذجًا واحدًا ومعياريًا ومعتمدًا لاسم الشخص أو المكان أو المؤسسة. في الوثائق التاريخية، قد يظهر نفس الشخص أو المكان بتهجئة مختلفة؛ يقوم السجل الاستنادي بربطها جميعًا في نسق واحد معتمد حتى لا تتشتت في البحث. يقترح الذكاء الاصطناعي أسماء من مستند؛ لكن تعيين هذا الاسم بالشكل القياسي في التسجيلة الاستنادية هو عمل بشري. إن ربط ما تقوله منظمة العفو الدولية "أحمد" بـ "أحمد باي (1840-1912)" في سجل سلطة المؤسسة يحافظ على اتساق الكتالوج.
سير العمل: خطوة بخطوة
1. تحضير المصدر. اجمع نسخة أو صورة من المستند وأي معلومات سياقية.
2. تحديد المعيار والمجالات. أخبر الذكاء الاصطناعي بالمعيار (ISAD(G)، Dublin Core) ووفقًا للحقول التي سينتج عنها الإخراج.
3. إنشاء مسودة البيانات الوصفية. يملأ الذكاء الاصطناعي الحقول التي يمكن استخراجها من الوثيقة (التاريخ، الشخص، المكان، الموضوع، اللغة، النوع)؛ ويترك المناطق التي لا يمكن إزالتها فارغة.
4. خريطة للمفردات الخاضعة للرقابة. أسماء الموضوعات والأماكن ليست مجانية في معظم المؤسسات، ولكنها مرتبطة بقائمة محددة مسبقًا (المفردات / المرادفات الخاضعة للرقابة). قم بتعيين مصطلحات الموضوع التي اقترحها الذكاء الاصطناعي إلى هذه القائمة.
5. التحقق والتأكيد. كل مجال، وخاصة التاريخ والاسم والموضوع، يتم مقارنته من قبل البشر بالوثائق والسجلات الرسمية.
نصيحة: امنح الذكاء الاصطناعي إذنًا صريحًا بـ "تركه فارغًا". بخلاف ذلك، فإنه "سيخمن" ملء التاريخ أو المنشئ غير الموجود في المستند وإدراج بيانات تعريف مزيفة في الكتالوج الخاص بك. التعليمات "اترك هذا الحقل فارغًا إذا لم يكن موجودًا في المستند" هي أقوى درع ضد الهلوسة.
الحقول ومستوى الثقة في الجدول
حقل البيانات الوصفية
ما مدى موثوقية الذكاء الاصطناعي؟
التحقق
لغة
عالية
عينة
نوع الوثيقة
متوسطة عالية
التحكم
أسماء الأشخاص/الأماكن
متوسط (خطأ في القراءة)
إلزامي
تاريخ
منخفض-متوسط (خطر التصنيع)
إلزامي
شروط الموضوع
متوسطة (توليد مجاني)
خريطة لقائمة المراجعة
النطاق/الملخص
متوسطة عالية
قارن مع المصدر
الرمز المرجعي
لا شيء (المؤسسة تعطي)
رميات بشرية
ملخص: الذكاء الاصطناعي سريع وموثوق في مجالات مثل اللغة والنوع؛ ينشئ مسودات في مجالات مثل التاريخ والاسم والموضوع، ولكن موافقة الإنسان مطلوبة؛ لا ينتج الذكاء الاصطناعي أبدًا مجالات مؤسسية مثل الكود المرجعي.
ثلاث حالات صغيرة
الحالة 1 - مسودة البيانات الوصفية لـ 8000 صورة. كان أرشيف المدينة يقوم بفهرسة 8000 صورة تاريخية. تم نسخ الملاحظات الموجودة على ظهر كل صورة وتقديمها إلى الذكاء الاصطناعي؛ تاريخ إنشاء منظمة العفو الدولية والموقع ومخطط الموضوع. قام الفريق البشري بالتحقق منها حقلاً تلو الآخر وربطها بالقائمة الخاضعة للرقابة. تم تخفيض الوظيفة المقدرة بـ 10 أشهر إلى 3 أشهر؛ ولكن تم فحص كل تاريخ واسم مكان بصريًا.
الحالة الثانية – التاريخ المخترع. كان لدى أحد موظفي المحفوظات كتالوج الذكاء الاصطناعي لرسالة غير مؤرخة. نظر YZ إلى محتوى الرسالة وكتب التاريخ "1912" بدقة. ومع ذلك، لم يكن هناك تاريخ في الوثيقة؛ توقعت منظمة العفو الدولية. إذا لم يقم أمين المحفوظات بإضافة التعليمات "اتركها فارغة إذا لم تكن موجودة في المستند"، فسيتم ملء الكتالوج بتاريخ تعويضي. الدرس: الإذن الفارغ إلزامي.
الحالة 3 - تسببت مصطلحات الموضوع المجاني في حدوث ارتباك. وقد خصصت منظمة العفو الدولية مصطلحات حرة متشابهة ولكنها مختلفة مثل "الهجرة"، و"الهجرة"، و"الاستيطان" إلى وثائق مماثلة. عندما لم يتم تعيينه إلى المفردات الخاضعة للرقابة، تم وضع علامة على نفس الموضوع بثلاثة مصطلحات مختلفة ومتناثرة في البحث. تم تحقيق الاتساق من خلال تعيين المصطلحات في قائمة مرجعية واحدة. الدرس: لم يتم إصدار مصطلحات الموضوع، بل تم ربطها بالقائمة.
أربعة قوالب قابلة للنسخ
1) مخطط دبلن الأساسي:
قم باستخراج مسودة بيانات تعريف Dublin Core من نسخ المستند أدناه. الحقول: العنوان، المنشئ، الموضوع، الوصف، التاريخ، النوع، اللغة، النطاق (الموقع/الفترة). القواعد: (1) استخدم المعلومات الواردة في النص بشكل واضح فقط. (2) اترك الحقل غير الموجود في النص فارغًا، لا تخمن. (3) ضع علامة على القيمة التي لست متأكدًا منها بـ [؟]. النسخ: [هنا]
2) مشروع تعريف إيساد (ز):
قم بإنشاء مسودة للوثيقة التالية في حقول ISAD(G): العنوان، التاريخ (التواريخ)، مستوى الوصف (المستند/الملف)، النطاق والمحتوى (ملخص قصير)، المنشئ، اللغة. اترك الرمز المرجعي فارغًا (ستقوم المؤسسة بتوفيره). لا تقم بإضافة أي معلومات غير موجودة في النص؛ اترك الحقل غير الموجود فارغًا. الوثيقة: [هنا]
3) اقتراح مصطلح الموضوع (السيطرة):
اقترح 3-5 مصطلحات موضوعية مناسبة للوثيقة أدناه. أولاً، اعتمد على الحقائق الواردة في المستند. فيما يلي قائمة المصطلحات الخاضعة للرقابة في مؤسستنا؛ أولاً، اختر المصطلح من هذه القائمة، وإذا لم يكن موجودًا في القائمة، قم بوضع علامة على اقتراح المصطلح الجديد الخاص بك بشكل منفصل. القائمة: [المصطلحات]. الوثيقة: [هنا]
4) فحص الاتساق بالجملة:
فيما يلي سجلات البيانات الوصفية للمستندات من نفس المجموعة. قم بوضع علامة على التناقضات: يتم تسجيل تهجئة نفس المكان/الشخص بشكل مختلف، وتنسيقات تاريخ مختلفة، ومصطلحات مختلفة لنفس الموضوع. فرض التصحيح؛ ما عليك سوى إنتاج قائمة بالتناقضات ليقوم الإنسان بمراجعتها. السجلات: [هنا]
موجه ضعيف / موجه قوي
ضعيف:
قم بإنشاء سجل كتالوج كامل لهذه الوثيقة.
إن التعليمات "الكاملة" تدفع الذكاء الاصطناعي لملء كل مساحة، أي لاختراع التاريخ والمبدعين الذين لا وجود لهم.
قوي:
تمت صياغة دبلن الأساسية لهذه الوثيقة. استخدم فقط المعلومات المضمنة بوضوح في النسخ؛ اترك الحقل غير الموجود فارغًا، لا تخمن. حدد مصطلحات الموضوع من هذه القائمة الخاضعة للتحكم: [قائمة]. حدد التاريخ وأسماء الأشخاص بعلامة [؟] حتى أتمكن من التحقق من ذلك باستخدام المستند. النسخ: [هنا]
الفرق: إذن "اتركه فارغًا" بدلاً من الإصدار "الكامل"، والالتزام بالقائمة الخاضعة للرقابة وعلامات التحقق تحمي الكتالوج من التلفيق.
الأخطاء الشائعة
- يعني "املأها بالكامل". وهذا يؤدي إلى تركيب حقول غير موجودة؛ يجب إعطاء إذن "اتركه فارغًا".
- الافراج عن شروط الموضوع. المصطلحات التي لا تتوافق مع المفردات الخاضعة للرقابة سوف تشتت البحث.
- وجود الذكاء الاصطناعي يتنبأ بالتاريخ. يؤدي إدخال تاريخ وهمي في مستند غير مؤرخ إلى تلويث الكتالوج.
- الحصول على الكود المرجعي الذي تم إنشاؤه بواسطة الذكاء الاصطناعي. هذه مساحة خاصة بالشركات وفريدة من نوعها؛ رمي الناس.
- عدم تحديد المعيار. إذا لم يتم ذكر المعيار، فسيكون الناتج عبارة عن مسودة فوضوية لا يمكن إدخالها إلى المؤسسة.
في ملخص
تعد البيانات الوصفية والفهرسة بمثابة البنية التحتية غير المرئية التي تفتح الأرشيف أمام الباحث، وتتطلب الكثير من الجهد. من النسخ، ينتج الذكاء الاصطناعي مخططًا سريعًا لحقول مثل التاريخ والشخص والمكان والموضوع والنوع؛ يمكن أن تعمل وفقًا لمعايير مثل ISAD(G) أو Dublin Core. لكن الضغط من أجل "ملء الفراغ بالكامل" يدفع الذكاء الاصطناعي إلى اختلاق الأمور؛ إن إذن "اتركه فارغًا"، وتعيين المفردات الخاضعة للتحكم، والتأكيد البشري للتواريخ/الأسماء، يجعل الكتالوج جديرًا بالثقة. يقوم الذكاء الاصطناعي بإعداد المسودة؛ أنت مسؤول عن دقة الكتالوج.
مهمة التطبيق
قم بنسخ المستند واطلب البيانات الوصفية من الذكاء الاصطناعي باستخدام قالب "Dublin Core Draft"؛ تأكد من أنه يترك حقولاً فارغة غير موجودة. ثم قم بتشغيل قالب "اقتراح مصطلح الموضوع" باستخدام قائمة التحقق الخاصة بك (أو العينة). وأخيرًا، اختبر بعض السجلات من خلال "فحص الاتساق المجمع". لاحظ عدد الحقول التي يحاول الذكاء الاصطناعي ملؤها بالتنبؤ وعدد مصطلحات الموضوع التي يجب تعيينها إلى القائمة.
قائمة مرجعية
- [ ] لقد حددت بوضوح المعيار المستهدف (ISAD(G)/Dublin Core).
- [ ] لقد منحت الإذن "اترك الحقل فارغًا".
- [ ] قمت بتعيين مصطلحات الموضوع إلى القائمة الخاضعة للرقابة.
- [ ] لقد قمت بالتحقق من التاريخ وأسماء الأشخاص باستخدام سجل المستند/الاستناد.
- [ ] لقد تركت الرمز المرجعي للمؤسسة، وليس لمنظمة العفو الدولية.