Печалби:
- Възможност за разграничаване между базирани на съдържание и съвместни подходи за препоръки и предотвратяване на фалшиви източници чрез проверка на всяка препоръка в реалната колекция
- Способност за разбиване на филтърния балон със съзнателно разнообразие и представяне на предложения с прозрачни обосновки
- Защита на поверителността на потребителската история на четене и търсене и обработка на тези данни по сигурен начин
Читателят може да попита „Завърших тази книга, какво да прочета след това?“ “, добрият библиотекар препоръчва ресурси, подходящи за неговия или нейния интерес, ниво и цел. В дигиталния свят системите за препоръки правят това в мащаб: те препоръчват нови ресурси, като разглеждат предишния интерес на потребителя или характеристиките на даден ресурс. В тази част ще научите как работят системите за препоръки, базирани на изкуствен интелект, какво носят в библиотеката и как да управлявате рискове като неприкосновеност на личния живот, пристрастия и „филтър балон“.
Нека дефинираме понятията. Базираната на съдържание препоръка разглежда характеристиките на източника (тема, автор, жанр) и препоръчва подобни източници: „Ако сте харесали тази историческа книга, може да харесате и тази, която обхваща същия период.“ Съвместното филтриране работи на принципа „други потребители, които са харесали ресурси като вас, също са харесали тези“. Филтърен балон е, когато система за препоръки заключва потребителя в постоянно подобно съдържание и го държи далеч от нови, различни гледни точки. Добрата препоръка за библиотека едновременно привлича интереса и разбива балона.
Стъпка по стъпка: отговорен подход към съветите
1. Изяснете целта. What does the proposal aim for? Искате ли потребителят да продължи да чете, да разшири кръгозора си или да намери ресурси за конкретен изследователски въпрос? Целта определя вида на препоръката.
2. Проверете източника и автентичността. AI може да създава несъществуващи книги, когато прави предложения. Проверете дали всеки предложен ресурс действително съществува в колекцията или в надежден каталог.
3. Поддържайте разнообразие. Препоръчването само на „най-сходния“ създава филтърен балон. Съзнателно включвайте различни гледни точки, различни автори и различни нива. Задачата на библиотеката е да отваря хоризонти, а не да ги ограничава само до екологията.
4. Защитете поверителността. Персонализираната препоръка използва историята на четене на потребителя и е изключително точна. Не предоставяйте тези данни на общи AI инструменти; Обработвайте само в рамките на защитените системи на институцията, със съгласието на потребителя.
5. Бъдете прозрачни. Обяснете на потребителя защо е направена препоръката: „Този ресурс беше препоръчан, защото е свързан с темата, която ви интересува.“ Прозрачността укрепва доверието и информационната грамотност.
Съвет: Съзнателно добавете „малко по-различен“ ресурс към списък с предложения и заявете: „Те са близки до вашата област на интерес; Добавих този като опресняване.“ Това едновременно прекъсва филтърния балон и демонстрира стойността на откриването на библиотеката.
Етично измерение на предложението
Системите за препоръки изглеждат невинни, но създават мощни ефекти. Кои ресурси се препоръчват на потребителя, оформя неговия или нейния информационен свят. Ако системата подчертава само източници, които са популярни или само от определена гледна точка, гласовете на малцинствата, различните възгледи и по-малко известните ценни източници ще бъдат невидими. AI може да подсили тази тенденция, като наследи популярността и пристрастията в данните за обучение.
Това е мястото, където идва стойността на библиотечното дело: библиотеката не е двигател за търговски препоръки; Нейната мисия е да осигури равен и разнообразен достъп до информация. Отговорност на библиотекаря е да приведе системата за препоръки към тази стойност.
Внимание: Историята на четене и търсене на потребителя е една от най-чувствителните данни за поверителност. Това, което човек чете, може да разкрие информация за неговото или нейното здраве, политически възгледи, вярвания или лична криза. Никога не прехвърляйте тези данни с тяхната идентичност към външни системи; Анонимизирането и съгласието са от съществено значение.
три мини калъфа
Случай 1 — Препоръката, базирана на съдържание, проработи. Училищна библиотека използва система, базирана на съдържание, за да препоръча ресурси на учениците, които са подобни на книгата, която четат. Един ученик завърши научнофантастичен роман; Системата препоръчва три книги на една и съща тема, но от различен автор. Студентът взе назаем две; Навикът за четене продължи. Библиотекарят преди това потвърди, че всички предложения действително съществуват в колекцията.
Случай 2 — Уловено фалшиво предложение. Библиотекар помоли AI да препоръча 8 книги на потребител. Той провери списъка в каталога: 3 от 8 книги изобщо липсваха; AI беше измислил правдоподобни заглавия. Стъпката за проверка предотврати препоръчването на несъществуващи книги на потребителя.
Случай 3 — Спукан филтърен балон. Един изследовател непрекъснато работеше с източници с една и съща гледна точка и системата винаги предлагаше подобни. Библиотекарят съзнателно включи два източника, които представиха контрастен подход към темата и изясниха това. Само благодарение на тези противоположни източници изследователят осъзнава непълния аспект на своето изследване.
Студен старт и проблем с нов потребител
Добре известно предизвикателство на препоръчителните системи е проблемът със студеното стартиране: системата не знае какво да препоръча на нов потребител или ресурс, който току-що е добавен към колекцията, за която няма исторически данни. В този случай много системи се обръщат към най-популярните ресурси като безопасна опция; Това означава, че малко известни ценни ресурси изобщо не се препоръчват и популярността се храни сама. От гледна точка на библиотечното дело това противоречи на ценността на равния достъп. Решението е да зададете на новия потребител кратък, ясен въпрос за предпочитанията (кои теми, кое ниво, коя цел), преди да направите препоръка и да подчертаете новодобавените ресурси въз основа на характеристиките на тяхното съдържание. В този момент, като анализира темата и характеристиките на даден ресурс, AI може да свърже дори книга, която никога не е била заемана, със съответния потребител; стига предложението да идва от реалната колекция и да е проверено. Така системата прави видимо не само „много обичаното“, но и „подходящото и ценното“.
Съвет: Когато създавате препоръка за нов потребител, основавайте я на текущите нужди на потребителя, а не на историческите данни на системата. Един добър въпрос („това за изследване ли е, за удоволствие, до каква степен?“) често дава по-точна препоръка от месеци поведенчески данни.
Четири копируеми шаблона
1) Препоръка за подобен ресурс въз основа на съдържание:
По-долу е темата/обобщение на ресурс, който е харесал потребител. Дадох също списък на съществуващите ресурси в нашата колекция. Само от този списък предложете 5 ресурса, подобни на темата, и напишете обосновка с едно изречение за всеки. Предлагане на източници, които не са посочени. Любим източник: [тук] / Списък с колекции: [тук]
2) Предложение, което добавя разнообразие:
Към списъка с предложения по-долу добавете 2 ресурса, които ще разширят кръгозора на потребителя и ще предложат различна гледна точка или подтема (само от предоставения от мен списък с колекции). Обяснете защо са различни и ценни. Списък: [тук] / Колекция: [тук]
3) Обяснение на причината за препоръката:
За всяка препоръка по-долу напишете кратка, прозрачна обосновка, която може да бъде показана на потребителя: „Този ресурс беше препоръчан, защото...“ Без преувеличение, без внушение на лични данни. Предложения: [тук]
4) Предварителна проверка за поверителност:
Следният запис на предложение съдържа ли идентифицираща потребителя или чувствителна информация (намеци за здраве, вярвания, политически възгледи)? Ако е така, маркирайте го и предложете как да го анонимизирате. Вход: [тук]
Слаба подкана / Силна подкана
Слаба подкана:
Препоръчайте 10 книги за четене от този потребител.
AI генерира предложения от своята глобална памет, без да знае колекцията; Той може да измисля книги, които не съществуват и не зачита разнообразието и неприкосновеността на личния живот.
Мощна подкана:
Вашата роля: съветник на читателите. По-долу е темата, която потребителят е харесал, и списъкът с реални източници в нашата колекция. (1) Предложете 5 източника, свързани с темата от списъка. (2) Също така добавете 2 източника с различни гледни точки, които ще ви отворят очите. (3) Напишете прозрачна обосновка за всяко предложение. Не излизайте от списъка, не измисляйте източници и не намекайте лични данни. Тема: [тук] / Колекция: [тук]
Мощна подсказка; ограничава го до действителната колекция, изисква разнообразие и добавя обосновка и правило за поверителност.
Recommendation type comparison chart
Тип предложение
силна страна
риск
Задължение на библиотекаря
базирани на съдържание
Привлича добре вниманието
филтърно мехурче
Добавете разнообразие
съвместен
изненадващо откритие
Поверителност, пристрастие към популярността
Анонимност, баланс
AI производствен списък
бързо
измислен източник
проверете реалността
Често срещани грешки
- Предлагане на предложения без проверка. AI може да създава несъществуващи източници.
- Просто препоръчвам „най-подобен“. Филтърният балон стеснява кръгозора на потребителя.
- Експортиране на хронология на четене към външен инструмент. Това са най-чувствителните данни за поверителност.
- Представяне на предложението без обосновка. Прозрачността подкрепя доверието и грамотността.
- Игнориране на пристрастията към популярността. Губят се ценни, но малко известни ресурси.
В обобщение
Системите за препоръки са мощни инструменти, които улесняват откриването, като привличат интереса на потребителите; Базираните на съдържанието и съвместните подходи носят различни силни страни и рискове. AI е бърз в генерирането на предложения, но може да измисля несъществуващи източници, да филтрира балони и да засилва пристрастията. Работата на библиотекаря; Да провери всяко предложение в реалната колекция, да разбие балона със съзнателно разнообразие, да защити поверителността на потребителите и да поддържа стойността на равния и разнообразен достъп до библиотеката, като представи предложения с прозрачни причини.
Задача за приложение
Подгответе кратък списък с фактологически колекции (10-15 източника). Генерирайте препоръка за потребител с шаблона „базирана на съдържание препоръка за подобен ресурс“ и проверете дали всички те действително съществуват в списъка. След това добавете източници с различни гледни точки към списъка с шаблона „Предложение, което добавя разнообразие“. И накрая, създайте прозрачно обяснение за всяко предложение с шаблона „Обяснение на обосновката на предложението“ и планирайте как ще го представите на потребителя.
контролен списък
- [ ] Проверих, че всяко предложение действително съществува в колекцията.
- [ ] Добавих разнообразие, за да разчупя филтърния балон.
- [ ] Запазих потребителската история на четене/търсене в безопасност, не я дадох на външен инструмент.
- [ ] Подготвил съм прозрачна обосновка за всяко предложение.
- [ ] За да избегна пристрастия към популярността, държах под око по-малко известни и ценни източници.