ক্যাটালগিং এবং মেটাডেটা জেনারেশনে কৃত্রিম বুদ্ধিমত্তা

লাভ:

• বাস্তব ছাপ তথ্য থেকে MARC এবং ডাবলিন কোরের মতো মান অনুযায়ী খসড়া মেটাডেটা তৈরি করে ক্যাটালগিং সময় ছোট করার ক্ষমতা
• নিয়ন্ত্রিত শব্দভান্ডার থেকে মূল উত্স এবং মানচিত্রের বিষয় পদ সহ প্রকাশনা বছর, আইএসবিএন, লেখকের নাম এর মতো বানোয়াট হওয়ার উচ্চ ঝুঁকি সহ ক্ষেত্রগুলি যাচাই করার ক্ষমতা
• কর্তৃপক্ষ নিয়ন্ত্রণের সাথে লেখক এবং বিষয় বিন্যাস একক-অনুমোদিত করার ক্ষমতা এবং ক্যাটালগ সামঞ্জস্য বজায় রাখা

ক্যাটালগ করা গ্রন্থাগারের অদৃশ্য কিন্তু সবচেয়ে মৌলিক কাজ। সঠিক মেটাডেটা দিয়ে রিসোর্স (বই, আর্টিকেল, ম্যাপ, সাউন্ড রেকর্ডিং, ডিজিটাল ফাইল) আবিষ্কার করা সম্ভব। মেটাডেটা মানে "ডেটা সম্পর্কে ডেটা": কাঠামোগত তথ্য যা একটি সম্পদের শিরোনাম, লেখক, প্রকাশনার বছর, বিষয়, ভাষা এবং শারীরিক বৈশিষ্ট্য বর্ণনা করে। মেটাডেটা ভালো হলে, ব্যবহারকারী সম্পদ খুঁজে পায়; যদি এটি খারাপ বা অসম্পূর্ণ হয়, তবে এটি বিদ্যমান থাকলেও সম্পদ হারিয়ে যায়। এই ইউনিটে আপনি শিখবেন কীভাবে খসড়া মেটাডেটা তৈরিতে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করতে হয়, কিন্তু কীভাবে মান সম্মতি এবং নির্ভুলতা নিশ্চিত করা যায়।

আসুন প্রথমে দুটি ধারণাকে সংজ্ঞায়িত করি। MARC (মেশিন-রিডেবল ক্যাটালগিং) একটি রেকর্ড ফরম্যাট যা লাইব্রেরিগুলি কয়েক দশক ধরে ব্যবহার করে আসছে যা প্রতিটি তথ্যকে সংখ্যাযুক্ত ক্ষেত্রে রাখে; উদাহরণস্বরূপ, ক্ষেত্র 245 শিরোনাম ধারণ করে এবং ক্ষেত্র 100 প্রধান লেখক ধারণ করে। ডাবলিন কোর হল ডিজিটাল রিসোর্সের জন্য একটি সরলীকৃত মেটাডেটা স্ট্যান্ডার্ড, যার মধ্যে 15টি মৌলিক ক্ষেত্র রয়েছে (শিরোনাম, স্রষ্টা, বিষয়, তারিখ, জেনার, ইত্যাদি)। এই মানগুলি নিশ্চিত করে যে বিভিন্ন লাইব্রেরির রেকর্ডগুলি একে অপরের সাথে কথা বলতে পারে।

ধাপে ধাপে: কৃত্রিম বুদ্ধিমত্তা সহ খসড়া মেটাডেটা তৈরি করা

1. উৎসের পরিচয় তথ্য সংগ্রহ করুন। বইয়ের প্রচ্ছদ, শিরোনাম পৃষ্ঠা, বিষয়বস্তু বা ডিজিটাল ফাইলের পাঠ্য। AI শুধুমাত্র আপনার দেওয়া তথ্য থেকে কাজ করে; আপনি অসম্পূর্ণ তথ্য প্রদান করলে, এটি অসম্পূর্ণ বা বানোয়াট মেটাডেটা তৈরি করে।

2. লক্ষ্য মান নির্দিষ্ট করুন। AI কে একটি স্পষ্ট লক্ষ্য দিন, যেমন "ডাবলিন কোর ফিল্ড দ্বারা" বা "MARC 245, 100, 260, 650 ফিল্ড দ্বারা।" আপনি যদি একটি মান নির্দিষ্ট না করেন তবে এটি একটি নির্বিচারে বিন্যাস তৈরি করে।

3. খসড়া তৈরি করুন। AI আপনার দেওয়া তথ্য থেকে শিরোনাম, দায়িত্ব বিবৃতি, প্রকাশনার তথ্য এবং বিষয়ের প্রস্তাবের খসড়া তৈরি করে।

4. কর্তৃপক্ষ নিয়ন্ত্রণ ব্যায়াম. একটি প্রামাণিক রেকর্ড এমন একটি যা একজন লেখকের নাম, প্রতিষ্ঠান বা বিষয়ের একক, আদর্শ রূপ প্রতিষ্ঠা করে (যেমন, "আতাতুর্ক, মুস্তাফা কামাল, 1881-1938")। AI বিভিন্ন উপায়ে একটি নাম লিখতে পারে; আপনি অনুমোদিত কর্তৃপক্ষ বিন্যাস চেক এবং সংশোধন করুন.

5. যাচাই করুন এবং নিশ্চিত করুন। মূল উৎসের সাথে প্রতিটি ক্ষেত্র তুলনা করুন। বিশেষ করে, সুনির্দিষ্ট তথ্য যেমন প্রকাশনা বছর, ISBN এবং লেখকের নাম AI দ্বারা জাল হওয়ার জন্য খুব সংবেদনশীল।

ইঙ্গিত: AI কে উৎসের প্রকৃত ক্রেডিট পৃষ্ঠার একটি ফটো বা পাঠ্য দিন; "বইটির নাম অনুমান করুন" বলবেন না। ভবিষ্যদ্বাণীমূলক মেটাডেটা ক্যাটালগের নির্ভরযোগ্যতাকে দুর্বল করে। ভবিষ্যদ্বাণী করার সময় AI আত্মবিশ্বাসের সাথে লেখে, এবং এটি আপনাকে বিভ্রান্ত করবে।

নিয়ন্ত্রিত শব্দভান্ডার এবং ধারাবাহিকতা

ধারাবাহিকতা ক্যাটালগ সবকিছু. যদি একই বিষয় দুটি ভিন্ন রেকর্ডে দুটি ভিন্ন পদ দিয়ে লেখা হয়, ব্যবহারকারী একটি খুঁজে পাবে এবং অন্যটি মিস করবে। এই কারণেই লাইব্রেরিগুলি একটি নিয়ন্ত্রিত শব্দভাণ্ডার ব্যবহার করে — একটি অনুমোদিত, শর্তাবলীর আদর্শ তালিকা। বিনামূল্যে পাঠ্য থেকে শর্তাবলী প্রস্তাব করার সময়, AI এই তালিকার অফিসিয়াল শব্দের পরিবর্তে তার কথ্য সমতুল্য চয়ন করতে পারে। উদাহরণস্বরূপ, AI লিখতে পারে "হার্ট অ্যাটাক"; যেখানে অনুমোদিত শব্দ হতে পারে "মায়োকার্ডিয়াল ইনফার্কশন"।

সমাধান হল AI কে নিয়ন্ত্রিত শব্দভান্ডার দেওয়া এবং "শুধু এই তালিকা থেকে নির্বাচন করুন"। তাই অবাধে পদগুলি তৈরি করার পরিবর্তে, AI অনুমোদিত তালিকা থেকে সবচেয়ে উপযুক্তটির সাথে মেলে।

সতর্কতা: AI দ্বারা প্রস্তাবিত কোনো বিষয়ের শব্দ নিয়ন্ত্রিত শব্দভাণ্ডারে না থাকলে, ক্যাটালগে সেই শব্দটি যোগ করবেন না। নতুন শর্তাবলী যোগ করার সিদ্ধান্ত কর্তৃপক্ষ পরিচালনার জন্য দায়ী বিশেষজ্ঞের উপর নির্ভর করে; নির্বিচারে পদ যোগ করা ক্যাটালগের ধারাবাহিকতাকে ব্যাহত করে।

তিনটি মিনি কেস

কেস 1 — অনুদান সংগ্রহ ত্বরান্বিত হয়েছে। একটি পাবলিক লাইব্রেরি 1,200টি বই অনুদান পেয়েছে। ক্যাটালগিং বিশেষজ্ঞ এআইকে প্রতিটি বইয়ের ছাপ পৃষ্ঠা পড়তে এবং ডাবলিন কোরের একটি খসড়া তৈরি করতে বলেছিলেন; রেকর্ডিং প্রতি সময় 9 মিনিট থেকে 3.5 মিনিটে কমেছে। বিশেষজ্ঞ কর্তৃপক্ষ চেকিং এবং যাচাইকরণের জন্য অবশিষ্ট সময় নিয়োজিত করেছেন; মোট সময় আনুমানিক 55% কমানো হয়েছিল, কিন্তু যাচাই না করে কোনো রেকর্ডই সিস্টেমে প্রবেশ করেনি।

কেস 2 — জাল আইএসবিএন ধরা পড়েছে। একজন বিশেষজ্ঞের কাছে 30টি বইয়ের খসড়া তৈরি করা হয়েছিল। চেক করার সময়, তিনি দেখতে পান যে 4টি রেকর্ডে ISBN নকল ছিল: AI একটি 13-সংখ্যার নম্বর লিখেছিল যা যুক্তিসঙ্গত বলে মনে হয়েছিল, যদিও তিনি বইটির আসল নম্বরটি জানেন না। যাচাইকরণের পদক্ষেপটি চারটি ভুল ISBN কে ক্যাটালগে স্থায়ী হতে বাধা দিয়েছে।

কেস 3 — কর্তৃপক্ষের অসঙ্গতি সংশোধন করা হয়েছে। একটি লাইব্রেরি কিছু রেকর্ডে "জে. স্মিথ", অন্যগুলিতে "জন স্মিথ", অন্যগুলিতে "স্মিথ, জন" হিসাবে একজন লেখককে খুঁজে পেয়েছিল। AI কর্তৃপক্ষের ফাইলের সাথে মিলে গেছে, সমস্ত রেকর্ডকে একটি একক অনুমোদিত বিন্যাসে নিয়ে এসেছে ("Smith, John, 1965-"); এই কাজটি ম্যানুয়ালি করা হলে কয়েকদিন লেগে যেত, কিন্তু AI পরামর্শে তা কয়েক ঘণ্টায় নামিয়ে আনা হলেও প্রতিটি ম্যাচই বিশেষজ্ঞের দ্বারা অনুমোদিত হয়েছে।

পূর্ববর্তী রূপান্তর এবং পুরানো রেকর্ড

অনেক গ্রন্থাগারে অসম্পূর্ণ বা পুরানো রেকর্ড রয়েছে যা বিভিন্ন নিয়মের সাথে কয়েক বছর আগে প্রবেশ করা হয়েছিল। এগুলিকে বর্তমান স্ট্যান্ডার্ডে স্থানান্তর করাকে বলা হয় পূর্ববর্তী রূপান্তর এবং ম্যানুয়ালি করা হলে এটি খুব শ্রমসাধ্য। এআই একটি পুরানো রেকর্ড পড়তে পারে এবং এটিকে বর্তমান ক্ষেত্রের কাঠামোতে স্থানান্তর করার জন্য একটি খসড়া তৈরি করতে পারে: উদাহরণস্বরূপ, এটি একটি ফ্রি-টেক্সট উদ্ধৃতি পার্স করতে পারে এবং সঠিক ক্ষেত্রগুলিতে বিতরণ করতে পারে। যাইহোক, এখানে দুটি বিপদ আছে। প্রথমত, AI অনুপস্থিত তথ্য "মেক আপ" করতে পারে; দ্বিতীয়ত, এটি সংশোধন করার পরিবর্তে এটি একটি নতুন বিন্যাসে অনুলিপি করে পুরানো রেকর্ডে একটি ত্রুটি স্থায়ী করতে পারে। অতএব, পূর্ববর্তী রূপান্তরে, AI-এর আউটপুটকে নিয়মতান্ত্রিকভাবে পরীক্ষা করা উচিত, নমুনা দ্বারা নয়, কিন্তু সমালোচনামূলক ক্ষেত্রগুলি (লেখক, বছর, সংখ্যা চিহ্নিতকরণ) দ্বারা। একটি ভাল অভ্যাস হল প্রি- এবং পোস্ট-রূপান্তর রেকর্ডগুলি পাশাপাশি প্রদর্শন করা, প্রতিটি পরিবর্তন দৃশ্যমান করে; তাই বিশেষজ্ঞ এক নজরে দেখতে পারেন কী সরানো হয়েছে, কী পরিবর্তন হয়েছে এবং কী বানোয়াট হতে পারে।

মনোযোগ: এআই দ্বারা উত্পাদিত খসড়া মেটাডেটা একে একে পর্যালোচনা না করে ব্যাচ হিসাবে সিস্টেমে স্থানান্তর করা উচিত নয়। একটি গণ ত্রুটি একযোগে শত শত রেকর্ডকে দূষিত করে, এবং পুনরুদ্ধার করা উৎপাদনের চেয়ে অনেক বেশি ঝামেলার। ছোট ব্যাচে উৎপাদন এবং যাচাই করা সবচেয়ে নিরাপদ।

চারটি অনুলিপিযোগ্য টেমপ্লেট

1) ডাবলিন কোর রূপরেখা:

আপনার ভূমিকা: সহকারী ক্যাটালগার। নিম্নলিখিত বাইলাইন পাঠ্য থেকে ডাবলিন কোর ক্ষেত্রগুলি পূরণ করুন: শিরোনাম, নির্মাতা, বিষয়, বর্ণনা, প্রকাশক, তারিখ, ধরণ, বিন্যাস, ভাষা। কেবলমাত্র সেই তথ্য ব্যবহার করুন যা পাঠ্যটিতে স্পষ্ট; অনুপস্থিত ক্ষেত্রটি ছেড়ে দিন "[কোন তথ্য নেই]", অনুমান করবেন না। ছাপ লেখা: [এখানে]

2) MARC ক্ষেত্রের রূপরেখা:

নীচের বইয়ের তথ্য থেকে নিম্নলিখিত MARC ক্ষেত্রের রূপরেখা প্রস্তাব করুন: 245 (শিরোনাম/ক্রেডিট), 100 (প্রধান লেখক), 260/264 (প্রকাশনা), 300 (শারীরিক বিবরণ), 650 (বিষয়)। "[যাচাই প্রয়োজন]" হিসাবে আপনি অনিশ্চিত যে কোনো ক্ষেত্র চিহ্নিত করুন। তথ্য: [এখানে]

3) নিয়ন্ত্রিত শব্দভান্ডার থেকে বিষয়ের মিল:

নীচে উত্সের একটি সারাংশ এবং অনুমোদিত বিষয় পদগুলির একটি তালিকা রয়েছে৷ তালিকা থেকে উৎসে শুধুমাত্র 3-5টি সবচেয়ে উপযুক্ত পদের সাথে মিল করুন। তালিকায় কোনো উপযুক্ত পদ না থাকলে, "তালিকায় কোনো উপযুক্ত পদ নেই" লিখুন, নতুন পদ তৈরি করবেন না। সারাংশ: [এখানে] / টার্ম তালিকা: [এখানে]

4) কর্তৃপক্ষ ফর্ম নিয়ন্ত্রণ:

আমি প্রদত্ত কর্তৃপক্ষের তালিকায় অনুমোদিত ফর্মগুলির সাথে নীচের লেখকের নামগুলি মিলান৷ প্রতিটি নামের জন্য: রেকর্ডে বিন্যাস -> অনুমোদিত বিন্যাস। তালিকায় কোন সমতুল্য না থাকলে, "নো অথরিটি রেকর্ড" লিখুন। নাম: [এখানে] / কর্তৃপক্ষের তালিকা: [এখানে]

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

নিম্নলিখিত বইয়ের জন্য ক্যাটালগিং তথ্য বের করুন: "কৃত্রিম বুদ্ধিমত্তা এবং সমাজ"।

শুধুমাত্র শিরোনাম দেওয়া হয়; এআই লেখক, বছর, প্রকাশক এবং আইএসবিএন তৈরি করতে বাধ্য হয়। কোন লক্ষ্য মান নেই. ফলাফল: একটি বিশ্বাসযোগ্য কিন্তু সম্ভবত মিথ্যা রেকর্ড।

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: সহকারী ক্যাটালগার। নীচে বইটির ছাপ পৃষ্ঠার সম্পূর্ণ পাঠ্য রয়েছে। এটি থেকে ডাবলিন কোর ক্ষেত্রগুলি পূরণ করুন। কেবলমাত্র সেই তথ্য ব্যবহার করুন যা পাঠ্যে স্পষ্টভাবে বলা আছে; নন-টেক্সট ক্ষেত্রটি ফাঁকা রাখুন এবং "[কোন তথ্য নেই]" লিখুন। কোন তারিখ, নাম বা ISBN তৈরি করা হয় না. ছাপ লেখা: [সম্পূর্ণ লেখা এখানে]

শক্তিশালী প্রম্পট এআইকে প্রকৃত বাইলাইন তথ্যের মধ্যে সীমাবদ্ধ করে এবং সেগুলি তৈরি করার পরিবর্তে সততার সাথে ফাঁকা রাখতে বাধ্য করে।

মেটাডেটা ক্ষেত্র এবং বৈধতা টেবিল

এলাকা

বানোয়াট ঝুঁকি

কিভাবে যাচাই করবেন

শিরোনাম

কম

ছাপ পৃষ্ঠার সাথে তুলনা করুন

লেখক/কর্তৃপক্ষ বিন্যাস

মাঝারি

কর্তৃপক্ষ ফাইল অনুসন্ধান করুন

প্রকাশের বছর

উচ্চ

ছাপ/কোলোফোন দিয়ে নিশ্চিত করুন

আইএসবিএন

খুব উচ্চ

বারকোড/উৎস সহ এক থেকে এক নিয়ন্ত্রণ

বিষয় পদ

উচ্চ

নিয়ন্ত্রিত শব্দভান্ডারে মেলে

সাধারণ ভুল

• শুধু শিরোনাম থেকে মেটাডেটা অনুরোধ করা হচ্ছে. অসম্পূর্ণ তথ্য AI কে জিনিসগুলি তৈরি করতে চালিত করে।
• লক্ষ্য মান উল্লেখ না. নির্বিচারে বিন্যাস রেকর্ডের সামঞ্জস্যকে ব্যাহত করে।
• যাচাই না করেই আইএসবিএন এবং সাল গ্রহণ করা। এই এলাকাগুলো বানোয়াট হওয়ার সর্বোচ্চ ঝুঁকি বহন করে।
• নিয়ন্ত্রিত শব্দভান্ডারের বাইরে থেকে বিষয় শব্দটি নেওয়া। সামঞ্জস্য এবং প্রাপ্যতা আপস করা হয়.
• কর্তৃপক্ষের নিয়ন্ত্রণকে বাইপাস করে। একই লেখক বিভিন্ন বিন্যাসে ছড়িয়ে পড়ে, ব্যবহারকারী উৎস মিস করে।

সংক্ষেপে

মেটাডেটা জেনারেশনে, AI একটি শক্তিশালী সহকারী যা দ্রুত ছাপ সংক্রান্ত তথ্য বের করে এবং ক্যাটালগিং সময়কে উল্লেখযোগ্যভাবে ছোট করে। কিন্তু উৎপাদনশীলতার মূল্য হল বানোয়াট ঝুঁকির বিরুদ্ধে কঠোর বৈধতা: টার্গেট স্ট্যান্ডার্ড (MARC, ডাবলিন কোর) পরিষ্কার করুন, AI চালান শুধুমাত্র বাস্তব বাইওয়ার্ড জ্ঞান দিয়ে, নিয়ন্ত্রিত শব্দভান্ডার থেকে ম্যাপ বিষয়ের শর্তাবলী, এবং কর্তৃপক্ষের ফর্মগুলিকে যাচাই করুন। শূন্যস্থান তৈরি করার পরিবর্তে, AI এর সৎভাবে এটি ফাঁকা রাখা উচিত; আপনি চূড়ান্ত অনুমোদন রাখুন.

আবেদন টাস্ক

"ডাবলিন কোর ড্রাফ্ট" টেমপ্লেট সহ আপনার কাছে থাকা একটি আসল বইয়ের ছাপ পৃষ্ঠার পাঠ্যটি এআইকে দিন এবং একটি খসড়া পান। তাহলে একই বইটি শুধু শিরোনাম ("দুর্বল প্রম্পট") দিয়ে তৈরি করুন এবং দুটি আউটপুট তুলনা করুন: কোন ক্ষেত্রগুলি তৈরি করা হয়েছিল? তারপর, "নিয়ন্ত্রিত শব্দভান্ডার থেকে বিষয় ম্যাপিং" টেমপ্লেটের সাথে, বিষয়ের সাথে মিল পেতে অনুমোদিত পদগুলির একটি সংক্ষিপ্ত তালিকা দিন এবং AI তালিকার বাইরে চলে গেছে কিনা তা পরীক্ষা করুন৷

চেকলিস্ট

• [ ] আমি AI কে উৎসের আসল পরিচয় তথ্য দিয়েছিলাম, আমি এটি অনুমান করতে ছাড়িনি।
• [ ] আমি স্পষ্টভাবে লক্ষ্য মেটাডেটা মান (MARC/ডাবলিন কোর) নির্দিষ্ট করেছি।
• [ ] আমি মূল উৎস সহ প্রকাশনা বছর এবং ISBN মৌখিকভাবে যাচাই করেছি।
• [ ] আমি নিয়ন্ত্রিত শব্দভান্ডার থেকে বিষয়ের পদগুলি ম্যাপ করেছি৷
• [ ] আমি অনুমোদিত রেকর্ড সহ কর্তৃপক্ষের ফর্মগুলি নিশ্চিত করেছি৷