Gevinster:
- Evne til at behandle en samling i et 7-trins workflow, fra etisk screening til udgivelse, med et menneskeligt kontrolpunkt på hvert trin
- Forstå, hvordan tidlige kontrolpunkter forhindrer en fejl (forkert dato/navn) i at sprede sig gennem hele kæden
- Evne til at anvende principperne om at bevare masterfilen, ikke gemme på verifikation og erklære brugen af AI i et holistisk projekt
Tidligere enheder har dækket individuelle færdigheder: digitalisering, transskription, metadata, scanning, oversættelse, verifikation, mønsteranalyse, genfinding, bevaring og etik. Denne sidste enhed kombinerer det hele. Et ægte arkivprojekt oplever disse trin ikke separat, men som en sammenhængende arbejdsgang. Her vil vi se, hvordan du kan behandle en samling fra start til slut med en AI-understøttet, men menneskestyret proces, trin for trin og med en kontrolkæde.
Målet er at positionere AI som en partner, der "accelererer hvert trin, men som ikke har noget endeligt at sige om noget trin." Når du er færdig med denne enhed, vil du stå tilbage med en holistisk metode, der forvandler en rodet bunke dokumenter til en forskningsklar, verificeret, etisk ren samling.
Scenarie: hvad vi har
Lad os sige, at du modtager en samling på 250 dokumenter: nogle trykte (trykt korrespondance, annoncer), nogle manuskripter (breve, notesbøger), fra forskellige datoer, nogle indeholder følsomme personlige data. Mål: at digitalisere, transskribere, katalogisere og gøre denne samling tilgængelig for forskere. Lad os nedbryde processen i syv trin.
Syv-trins arbejdsgang
Fase 1 — Vurdering og etisk screening. Lær samlingen at kende først. Hvilke dokumenter indeholder følsomme personoplysninger? Hvad er ophavsretsstatus? Er der kulturel følsomhed? Denne scanning bestemmer, hvilke dokumenter der kan gives til cloud-baserede AI-værktøjer, og hvilke der kun vil blive behandlet i et lukket/godkendt miljø. Hvis denne fase springes over, er hele projektet i etisk fare.
Fase 2 — Digitalisering. Scan dokumenter i høj opløsning (mindst 300-400 DPI, god kontrast). Hold de originale (master) filer uberørte; Al behandling vil foregå på kopierne.
Fase 3 — Tekstudtræk. Anvend OCR til papirdokumenter og HTR til manuskript. Få AI'en til at rydde op i det rå output med instruktionen "sikker korrekturlæsning" - kun optiske/genkendelsesfejl, ingen indholdskommentarer, ulæselige steder [?]. Alternativ læsning og palæografkontrol til det osmanniske/manuskript.
Fase 4 — Metadata og katalogisering. Få udarbejdet standard (Dublin Core/ISAD(G)) metadata for hvert dokument; Med tilladelse fra "lad ikke-eksisterende felt stå tomt". Kort emneord til den kontrollerede liste. Bekræft datoer og navne med dokumentation.
Fase 5 — Berigelse og mønsterdannelse. Udtræk enheder (person/sted/organisation), normaliser, fremstille relations- og tidslinjekonturer. Bekræft hvert mønster i dokumentet; Der er ingen konstruerede sammenhænge og ingen kronologi.
Trin 6 — Adgang til værktøjer. Fremstille en oversigt over hjælp til indsamling; Baser kun historieafsnittet på bekræftede noter. Markér tydeligt adgangsbegrænsninger (privatliv/copyright).
Fase 7 — Verifikation, erklæring og offentliggørelse. Bekræft kritiske felter (dato, navn, citat, reference) en sidste gang. Erklær brug af AI. Eksperten giver endelig godkendelse; Samlingen åbnes for forskning.
Tip: Sæt et "menneskeligt kontrolpunkt" på hvert trin: En ekspert validerer AI's output, før han går videre til næste trin. Uden disse kontrolpunkter vil en fejl i det første trin (en fejllæst dato) forplante sig gennem hele kæden og til sidst lække ind i kataloget, mønsteret og guiden.
Kontrol kæde bord
Scene
AI's job
menneskeligt kontrolpunkt
1. Etisk screening
Mærkning af følsomme data
Beslutning om installation
2. Digitalisering
(Billedforbedring)
Kvalitet, mesterbeskyttelse
3. Tekstudtræk
OCR/HTR + sikker korrektion
Navn/dato/læsebekræftelse
4. Metadata
standardudkast
Feltbekræftelse, terminsmatch
5. Mønster
enhed, relation, tidslinje
Validering i dokument
6. Adgangsværktøj
At finde støtteudkast
Historik og begrænsningsgodkendelse
7. Slip
—
Endelig godkendelse, erklæring
tre minisager
Tilfælde 1 — Kædefejl fanget. I et projekt, i fase 3, lød datoen for et dokument "1868" i stedet for "1888". Hvis trin 3 kontrolpunktet ikke havde fanget denne fejl, ville datoen være blevet spredt ud over kataloget (4), tidslinjen (5) og guiden (6). Takket være checkpointet blev fejlen rettet ét sted. Lektion: tidlig kontrol forhindrer fejlen i at forplante sig op ad kæden.
Case 2 — Etisk screening reddede projektet. 18 af de 250 dokumenter indeholdt følsomme oplysninger om levende personer. Etisk screening i fase 1 markerede disse; disse 18 dokumenter blev behandlet i et lukket miljø, resten med standardværktøjer. Det ville have været et alvorligt brud, hvis scanningen blev sprunget over, og det hele blev uploadet til skyen. Lektion: Etikscreening er det første skridt, ikke en rettelse tilføjet senere.
Case 3 — Tid og kræfter. Ved at bruge den traditionelle metode ville det tage cirka 8-10 måneder at behandle en samling på 250 dokumenter fuldt ud. Med den AI-understøttede, checkpoint workflow blev processen reduceret til cirka 3 måneder. Men besparelserne kom ikke fra "AI gjorde alt", men fra "AI gjorde det mekaniske arbejde, fokuseret på menneskelig verifikation." Tiden afsat til verifikation er ikke faldet; Tiden afsat til mekanisk arbejde er faldet.
Fire kopierbare skabeloner
1) Projektets oprindelige plan:
Jeg har en samling af [antal] dokumenter: [blanding af tryk/manuskript], [punktum], hvoraf nogle kan indeholde følsomme data. Opret en 7-trins arbejdsgangsplan for at digitalisere og katalogisere denne samling: specificer AI'ens opgave og HUMAN-kontrolpunktet på hvert trin. Sæt etisk screening først.
2) Tjekliste for faseovergang:
Jeg afsluttede scenen [scenenavn]. Lav en tjekliste over kritiske punkter, jeg skal verificere, før jeg går videre til næste fase: hvilke fakta (dato/navn/reference) skal verificeres, hvilke fejl kan spredes op i kæden? Jeg har den endelige godkendelse; Du giver mig tjeklisten.
3) End-to-end kvalitetskontrol:
Nedenfor er alle lagene i et behandlet dokument: transskription, metadata, udtrukne aktiver. FIGURBEGRÆNSNINGER mellem lag: passer en dato i transskriptionen til metadataene, findes entiteterne faktisk i teksten? Indførelse af korrektion; Generer en liste over uoverensstemmelser. Lag: [her]
4) Projektafslutning og erklæring:
I dette indsamlingsprojekt brugte jeg AI i følgende faser: [liste]. Til projektdokumentation: (1) hvilken AI-støtte blev brugt på hvilket trin, (2) hvordan blev den menneskelige verifikation udført, (3) hvilke grænser/begrænsninger er der - skriv en ærlig afsluttende note og et udkast til AI-brugserklæring, der inkluderer disse.
Svag prompt / Stærk prompt
Svag:
Bearbejd denne samling grundigt med AI og gør den klar til forskning.
En enkelt "gør hvad som helst"-instruktion omgår etisk screening, kontrolpunkter og verifikation; fejl forplanter sig langs kæden.
Stærk:
Konfigurer en 7-trins arbejdsgang for denne samling, med et menneskeligt kontrolpunkt på hvert trin. Lad 1. trin være etik/privatlivsscreening. Output produceret af AI på hvert trin vil blive verificeret, før du går videre til næste trin; marker kritiske fakta (dato/navn/reference). På intet tidspunkt har AI det sidste ord.
Forskellen: Etapevis struktur, etisk prioritet, checkpoints og "folk har det sidste ord"-princippet gør hele projektet sikkert og forsvarligt.
Almindelige fejl
- Forlader etisk screening til slutningen. Privatliv/copyright-scanning er det første skridt; Hvis det tilføjes senere, er overtrædelsen allerede sket.
- Omgå kontrolpunkter. En fejl, der ikke er bekræftet, spreder sig gennem hele kæden.
- Beskytter ikke masterfilen. Hvis originalen ikke opbevares uberørt, bliver returnering umulig.
- Gemmer på verifikation. AI forkorter mekanisk arbejde; Hvis verifikationstiden forkortes, falder kvaliteten.
- Erklærer ikke brugen af AI. Gennemsigtighed er en del af samlingens videnskabelige troværdighed.
Sammenfattende
Et ende-til-ende arkivprojekt forbinder individuelle færdigheder i en kontrolkæde: etisk scanning, digitalisering, tekstudtræk, metadata, mønster, genfindingsværktøj og udgivelse. På hvert trin fremskynder AI det mekaniske arbejde; På hvert trin har et menneskeligt kontrolpunkt det sidste ord. Etisk screening er første trin, masterfilen er beskyttet, fejl fanges tidligt, så de ikke spredes op i kæden, og brugen af AI erklæres ærligt. Besparelserne kommer ikke fra AI'en, der gør alt, men fra mennesket frigjort fra mekanisk arbejde og fokuseret på verifikation. AI accelererer; Mennesket sikrer historiens nøjagtighed og integritet.
Ansøgningsopgave
Vælg en lille samling (10-20 dokumenter; dit eget materiale eller et prøvesæt). Opret en 7-trins arbejdsgang med skabelonen "projektstartplan". Kør mindst to dokumenter gennem dette flow: etisk scanning, tekstudtræk, metadata og et mønsterlag. Bekræft hvert trin med en "stageovergangstjekliste". Dokumenter endelig din brug af AI med skabelonen "projektafslutning og -erklæring". Bemærk hvilke fejl der blev fanget ved tidlige kontrolpunkter.
tjekliste
- [ ] Jeg foretog screeningen for etik/privatliv i første fase.
- [ ] Jeg holdt masterfilerne urørte.
- [ ] Jeg satte et menneskeligt kontrolpunkt på hvert trin.
- [ ] Jeg bekræftede kritiske fakta, før de blev spredt op i kæden.
- [ ] Jeg erklærede brugen af kunstig intelligens ved projektets afslutning.
Modul eksamen
1. Hvad er den mest passende positionering for kunstig intelligens i historie og arkivering?
- A) AI er et resumé-, redigerings- og tegneværktøj; Kommentar, kildekritik og endeligt ansvar tilhører eksperten ✔
- B) Kunstig intelligens kan afgøre dokumentets ægthed og betydning på egen hånd, ligesom en historiker
- C) Kunstig intelligens virker kun til oversættelse af tekst, det har intet at gøre med andre arkivopgaver
- D) Da kunstig intelligens altid er mere upartisk end mennesker, bør historisk fortolkning overlades til det.
Beskrivelse: Kunstig intelligens; Det er en assistent, der redigerer, scanner, oversætter og producerer udkast til tekst. Kildekritik, fortolkning, årsag-virkning fastlæggelse og endelig afgørelse tilhører eksperten; Et ubekræftet output kan føre til en opdigtet kilde, en falsk dato eller en anakronisme.
2. Hvad er hallucinationen frembragt af kunstig intelligens i historisk forskning?
- A) Kunstig intelligens behandler et dokument meget langsomt
- B) Kunstig intelligens fremstiller en ikke-eksisterende kilde, citat eller begivenhed som ægte ✔
- C) Et dokument er fysisk beskadiget
- D) Et arkivkatalog er ikke ajourført
Forklaring: Hallucination er, når kunstig intelligens med tillid fremstiller information, kilder, citater eller begivenheder, der faktisk ikke eksisterer. Selvom dens form fremstår perfekt, er dens indhold ikke ægte; Derfor skal hvert citat i hvert referencekatalog verificeres ved den originale kilde.
3. Hvad er den bedste tilgang til at få et OCR-output korrigeret med kunstig intelligens?
- A) At bede teksten om at være flydende og smuk og logisk at udfylde de manglende dele.
- B) Tillad det at rette alle tal og datoer baseret på kontekst
- C) At bede ham om kun at rette optiske genkendelsesfejl, efterlade ulæselige områder [?] og ikke ændre tal/datoer ✔
- D) At bede eleven om at udfylde de ulæselige ord med det mest sandsynlige gæt.
Forklaring: Den gyldne regel i OCR-korrektion er kun at korrigere åbenlyse optiske genkendelsesfejl (såsom rn til m, l til 1); ikke at fortolke eller færdiggøre tekstens indhold. Ulæselige områder er markeret med [?]; Numrene og datoerne ændres ikke, de er verificeret med billedet.
4. Hvad skal man spørge om fra kunstig intelligens, når det kommer til at læse et ord, hvis vokal ikke er skrevet i en osmannisk tekst?
- A) Giv en enkelt, præcis aflæsning, og fremskynd dermed arbejdet
- B) At vælge det ord, der vil gøre betydningen mest flydende, og udfylde de tomme felter
- C) At færdiggøre de ulæselige dele ud fra sin egen generelle viden.
- D) At tilbyde mulige læsealternativer og markere tvetydige områder i stedet for at påtvinge en endelig læsning ✔
Forklaring: På osmannisk tyrkisk skrives korte vokaler for det meste ikke; En enkelt vokal/bogstavsforskel (abul og kabul, wali og vali) ændrer fuldstændig betydningen. Derfor bør man i stedet for at pålægge en endelig læsning spørge om mulige alternativer, ulæselige områder bør bevares, og den endelige beslutning bør overlades til palæografen.
5. Hvad er den mest effektive måde at forhindre hallucination på, når AI producerer et udkast til metadata (katalogpost)?
- A) Giv eksplicit tilladelse til at lade dette felt stå tomt, hvis det ikke er inkluderet i dokumentet ✔
- B) Anmodning om, at hvert felt udfyldes og ikke efterlades ufuldstændigt.
- C) Anslå en dato baseret på indholdet af udaterede dokumenter
- D) Tillad kunstig intelligens at generere referencekoden
Beskrivelse: Udfyldningstryk tvinger AI til at lave dokumentet ved at gætte datoen eller skaberen, der ikke er i dokumentet. Det stærkeste værn mod dette er eksplicit at give tilladelse til at lade feltet stå tomt, hvis det ikke er i dokumentet; Derudover er emnetermer knyttet til kontrolleret ordforråd.
6. Hvordan skal et dokumentresumé fremstillet af kunstig intelligens placeres i historisk forskning?
- A) Som pålidelige beviser, der kan citeres direkte
- B) Som et opdagelseskort, der leder dig til det faktiske dokument; Beviser er taget fra det originale dokument ✔
- C) Som en tilstrækkelig ressource, der kan erstatte selve dokumentet
- D) Som en tekst, der kan bruges i undersøgelsen uden nogensinde at vende tilbage til dokumentet
Beskrivelse: Resuméet er et opdagelseskort, ikke et bevis. Der er noget som dette i dette dokument, det siger gå og se; Der står ikke præcist, hvad der står i dokumentet. Hvis en begivenhed, et citat eller data skal indgå i undersøgelsen, skal det være taget ordret fra det originale dokument.
7. Hvad er den rigtige måde at undgå anakronismer, når man oversætter et historisk dokument til offentliggørelse?
- A) Udskiftning af alle periodevilkår med dagens nærmeste tilsvarende
- B) At formidle teksten så flydende og moderne som muligt
- C) Lad periodetitlerne og institutionsnavnene være unikke og tilføj en forklaring ✔
- D) Tilpasning af egennavne til deres nuværende brug
Forklaring: Anakronisme er den forkerte overførsel af elementer fra en periode til en anden periode. Ændring af periodetitler, institutionsnavne og personnavne til nutidens vilkår transporterer læseren til en verden, der ikke hører til perioden. Den korrekte måde er at beholde periodetermen og tilføje forklaring ved siden af.
8. Hvordan sikrer man sig, at en arkivreference (fondsnavn, filnummer) givet af kunstig intelligens er ægte?
- A) Stol på referencen, fordi dens format virker korrekt
- B) Ved at spørge AI igen, om referencen er korrekt
- C) Acceptere referencen som sand, fordi den er overbevisende og detaljeret
- D) Ved personligt at finde og verificere referencen i arkivkataloget eller pålidelig kilde ✔
Beskrivelse: Kunstig intelligens kan producere referencer, der er perfekte i form, men som faktisk ikke eksisterer; En fiktiv reference er i samme form som en rigtig reference. Den eneste måde at bevise, at en reference findes på, er at finde den, hvor den originale kilde er placeret (arkivkatalog, bibliotek).
9. Hvordan skal et mønster fundet ved udførelse af mønsteranalyse (NER, netværk, tidslinje) med kunstig intelligens evalueres?
- A) Som en hypotese, der skal verificeres i dokumentet; udgangspunkt, ikke resultat ✔
- B) Som en endelig konstatering, der ikke kræver verifikation
- C) Det er et ubestridt objektivt faktum, fordi det er numerisk.
- D) Som et resultat, der kan sættes i direkte undersøgelse, fordi det fandt kunstig intelligens
Forklaring: Ethvert mønster er en hypotese, ikke bevis. Enheder bør knyttes til kilden, forskellige stavemåder (af samme person/sted) bør normaliseres med menneskelig godkendelse, tal bør stilles spørgsmålstegn ved manglende data og stikprøvebias, og udaterede hændelser bør ikke kronologiseres.
10. Hvorfor kræver det biografiske/institutionshistoriske afsnit i en søgehjælp særlig opmærksomhed?
- A) Dette afsnit er uvigtigt og kan offentliggøres uden bekræftelse
- B) Da kunstig intelligens kan tilføje opdigtede begivenheder, falske datoer og titler i dette afsnit, bør det kun stole på verificerede kilder ✔
- C) Kunstig intelligens kan bruges sikkert, fordi den ikke laver nogen fejl i historieskrivningen.
- D) Kun forskere udfylder dette afsnit, arkivaren er ikke interesseret
Beskrivelse: Historieafsnittet er det sted, hvor hallucination oftest kommer snigende: AI'en kan indsætte ikke-eksisterende begivenheder, falske datoer og opdigtede titler, mens du skriver en flydende tekst fra generel information om en person eller institution. Dette afsnit bør kun være baseret på verificerede kilder.
11. Hvordan skal kunstig intelligens besvare en forskers faktaspørgsmål i en reference (hørings)tjeneste?
- A) Svaret på spørgsmålet bør gives direkte og som et klart faktum.
- B) Skal fremvise en troværdig dato eller navn og formidle det til forskeren.
- C) I stedet for at give fakta direkte, bør den lede forskeren til den relevante samling og kilde ✔
- D) Det skal give et fuldstændigt svar, så forskeren ikke behøver at gå til kilden.
Forklaring: I referencetjenesten skal kunstig intelligens ikke give et direkte faktasvar, men lede forskeren til kilden. Fordi det direkte faktuelle svar givet af kunstig intelligens kan være opdigtet, og forskeren kan forveksle det med kilden. I stedet for at sige "Svaret er dette", skal der stå "Se på disse dokumenter i denne samling".
12. Hvilke operationer er acceptable og stødende ved behandling af et beskadiget dokumentbillede med kunstig intelligens?
- A) Alle former for operationer er gratis, inklusive udfyldning af de manglende dele.
- B) Der må ikke foretages nogen handling, billedet må aldrig røres
- C) At udfylde de manglende sektioner er den mest værdifulde handling, fordi den fuldender dokumentet.
- D) Læsbarhedsmanipulationer såsom kontrast/støj er acceptable; Det er ubelejligt at udfylde de manglende dele med gæt ✔
Forklaring: Processer, der forbedrer læsbarheden (kontrast, lys, støjreduktion) er acceptable, fordi de ikke ændrer indholdet; Men at udfylde manglende/ulæselige dele med gætværk er risikoen for at producere det, der ikke er i dokumentet, det vil sige historisk forfalskning. Originalen bevares, transaktioner registreres.
13. Hvad skal der gøres, før man behandler et arkivdokument, der indeholder følsomme personoplysninger?
- A) Privacy scanning og anonymisering om nødvendigt eller ved hjælp af et lukket/godkendt værktøj ✔
- B) Upload af dokumentet direkte til et offentligt køretøj uden overhovedet at tænke over det
- C) Ignorerer bekymringer om privatlivets fred for effektivitet
- D) Overvindelse af adgangsrestriktioner af effektivitetshensyn
Offentliggørelse: Upload af dokumenter, der indeholder følsomme data, der identificerer levende personer (sundhed, religion, etnicitet, adresse) til offentlige, skybaserede værktøjer kan være en alvorlig krænkelse af privatlivets fred. Persondatascreening bør foretages først, anonymisering eller et lukket/godkendt værktøj bør om nødvendigt anvendes.
14. Hvad er hovedformålet med et menneskeligt kontrolpunkt i et ende-til-ende arkivprojekt?
- A) Bremse arbejdet med kunstig intelligens og forsinke projektet
- B) For at forhindre en fejl (forkert dato/navn) i et trin i at blive lænket til alle efterfølgende trin ✔
- C) At øge menneskelig arbejdskraft og helt opgive automatisering
- D) Sikre, at kunstig intelligens har det sidste ord
Beskrivelse: Et menneskeligt kontrolpunkt på hvert trin sikrer, at AI'ens output er verificeret, før det går videre til næste trin. Uden dette ville en fejl i det første trin (en forkert læst dato) spredes op i kæden gennem kataloget, mønsteret og guiden. Tidlig kontrol sikrer, at fejlen bliver rettet ét sted.
15. Hvad kræver gennemsigtighed og autenticitet i brugen af kunstig intelligens inden for humaniora og samfundsvidenskab?
- A) At holde brugen af kunstig intelligens hemmelig, og sikre, at ingen ved det
- B) At præsentere enhver tekst produceret af kunstig intelligens som sin egen originale idé
- C) At ærligt erklære brugen af kunstig intelligens og ikke at præsentere dets produktion som sit eget originale værk ✔
- D) Kun at dele resultaterne uden at forklare metoderne
Beskrivelse: Gennemsigtighed omfatter registrering af, at en transskription, metadata eller oversættelse er fremstillet ved hjælp af kunstig intelligens; Originalitet kræver ikke at præsentere en kommentar produceret af kunstig intelligens som ens egen originale idé. Dette er vigtigt for efterfølgende forskeres verifikation og for den akademiske integritet.