Gevinster:
- At kunne forstå, hvordan semantisk søgning finder relevante ressourcer, som søgeordssøgning savner, med dens nærhed i betydning, og at kunne bruge begge metoder sammen på plads.
- Evne til kritisk at vurdere AI-understøttede resuméer af opdagelsessystemer i henhold til, om de er kildebaserede eller ej, og bekræfte dem med kilden.
- Evne til at afklare brugerens vage spørgsmål og skelne 'tilsyneladende relevante' resultater med hensyn til pålidelighed
En bruger søger i kataloget efter "søvnproblemer hos børn", men den mest relaterede ressource er titlen "Pædiatriske søvnforstyrrelser." Klassisk søgning viser muligvis slet ikke denne kilde, fordi den matcher ordene nøjagtigt. Det er her, semantisk søgning kommer i spil: Det er en form for søgning, der matcher ordenes betydning, ikke deres stavemåde. I denne enhed lærer du, hvordan kunstig intelligens-baserede semantiske søge- og opdagelsessystemer fungerer, hvad de bringer til bibliotekaren, og hvilke faldgruber de har.
Lad os definere det grundlæggende koncept. Kernen i semantisk søgning er indlejring: teknikken til at transformere betydningen af en tekst til en vektor af tal (en type betydningskoordinat). Tekster, der er tæt på betydningen, er tæt på hinanden i dette talrum. Selvom "søvnproblem" og "søvnforstyrrelse" er forskellige ord, er de placeret tæt på hinanden, og en søgning efter det ene vil også finde det andet. Dette er styrken ved at fange relevante ressourcer, som søgeordssøgning savner.
Trin for trin: forståelse og brug af semantisk søgning
1. Forstå brugerens sande hensigt. Semantisk søgning forsøger at fange, hvad brugeren mener. Din opgave som bibliotekar er at afklare brugerens vage spørgsmål og give det korrekte input til søgesystemet.
2. Brug nøgleord og semantisk søgning sammen. Semantisk søgning finder ressourcer med relaterede men forskellige ord; En søgeordssøgning er mere pålidelig, når man leder efter et nøjagtigt udtryk, navn eller kode (et forfatternavn, et lovnummer). Den gode bibliotekar bruger begge dele.
3. Vurder resultaterne kritisk. Semantisk søgning returnerer resultater, der "ser relevante"; Men at virke relevant betyder ikke at være nøjagtig eller troværdig. Du vurderer resultaternes kilde og aktualitet.
4. Lær brugerens søgestrategi. Discovery-systemer er kraftfulde, men brugere søger ofte med enkelte ord. En opgave for bibliotekaren er at lære brugeren at søge bedre.
Tip: Semantisk søgning kan være svagere end søgeords-/domænesøgning, når man leder efter meget præcis information (et specifikt ISBN, en fuld titel, alle værker af en forfatter); fordi det forvirrer andre resultater, der er "tæt på betydning". Brug domænebaseret søgning til præcis information og semantisk søgning til opdagelse og emnebrowsing.
Opdagelsessystemer og AI-drevne resuméer
Moderne opdagelsessystemer giver ikke længere kun lister over resultater; Nogle giver et direkte sammenfattende svar på et spørgsmål med AI. Dette er en stærk, men risikabel tendens. Det er nyttigt, hvis systemet producerer resuméer baseret på faktiske kilder i samlingen og kildehenvisninger. Men hvis systemet genererer et svar fra sin egen generelle hukommelse uden at citere kilden, indebærer dette risiko for hallucinationer og kan misinformere brugeren.
Bibliotekarens rolle er at fortælle brugeren, om sådanne resuméer er kildebaserede eller ej. Beskeden "Sammendraget givet af systemet er en start; gå til den originale kilde og bekræft der" er grundlaget for informationskompetence.
Forsigtig: Selvom en AI-drevet opdagelsesoversigt citerer en kilde, skal du ikke antage, at den citerede kilde faktisk understøtter disse oplysninger. Nogle gange viser systemet den korrekte kilde, men returnerer den forkerte oversigt. For kritiske anvendelser skal du åbne og kontrollere den relevante sektion af ressourcen sammen med brugeren.
tre minisager
Tilfælde 1 — Undgået kilde fundet. En forsker ledte efter ressourcer på "den urbane varmeø", men titlen på den bedste undersøgelse i samlingen var "termisk komfort i byer." Søgeordssøgning gik glip af dette; semantisk søgning returnerede den blandt de fem bedste resultater, takket være dens semantiske nærhed. Forskeren nåede frem til en kilde, han ellers ikke ville have set.
Sag 2 – Vildledende "interesse". En bruger søgte efter "økonomiske årsager til den franske revolution". Semantisk søgning rangerede også flere kilder generelt om emnet "revolution og økonomi", men uden relation til den franske revolution. Bibliotekaren indså, at disse "tilsyneladende relevante" resultater faktisk ikke svarede til emnet og dirigerede brugeren til de korrekte ressourcer.
Tilfælde 3 — Sammenfattende verifikation. Et opdagelsessystem gav et AI-resumé til et spørgsmål og citerede to kilder. Bibliotekaren åbnede kilderne: den ene støttede resuméet, den anden sagde det modsatte af, hvad resuméet sagde. Systemet fejlfortolkede ressourcen. Bibliotekaren viste protektor den korrekte kilde og det faktiske fund.
Rangordning, synlighed og retfærdighed
Hvilken ressource der kommer op i toppen og hvilken i bunden som følge af en søgning er ikke en uskyldig teknikalitet; Langt de fleste brugere ser kun på de første par resultater. Derfor afgør rangeringen, hvilken information der rent faktisk ses. AI-baseret rangering beregner dens "relevans"-metrik baseret på mønstre, den har lært, og disse mønstre kan have tendens til at fremhæve kilder, der er populære, meget citerede eller på bestemte sprog. Som følge heraf kan værdifulde, men lidet kendte ressourcer på nye eller andre sprog forblive usynlige. Bibliotekarens opgave er at vide, at orden ikke er en neutral kendsgerning, og at lære brugeren at se ud over de oprindelige resultater, prøve forskellige søgeord og stille spørgsmålstegn ved rækkefølgen af resultater. "Top tre kilder" bør aldrig sidestilles med "top tre kilder", især for et forskningsspørgsmål. Opdagelse kræver, at man graver dybere ned i listen.
Tip: Når du lærer en bruger at søge, skal du vise dem, hvordan man søger efter det samme emne ved hjælp af to til tre forskellige sæt termer. Forskellige termer giver forskellige resultatrangeringer; Dette bryder den blinde plet skabt af en enkelt søgning og åbner op for en rigere pulje af ressourcer.
Fire kopierbare skabeloner
1) Udvidelse af søgeudtryk:
Berig søgeemnet nedenfor til semantisk og søgeordssøgning. Angiv synonymer, relaterede termer og mulige formelle/tekniske ækvivalenter. Foreslå kun udtryk, der virkelig er relevante for emnet. Emne: [her]
2) Afklaring af brugerspørgsmålet:
Foreslå 3 afklarende spørgsmål, jeg bør stille for at afklare følgende vage brugerspørgsmål (såsom omfang, periode, genre, sprog). Antag ikke brugerhensigt, præsentere muligheder. Spørgsmål: [her]
3) Evaluering af resultatrelevans:
Nedenfor er et søgeemne og resultattitlerne/resuméerne returneret. Vurder, hvor relevant hvert resultat er for emnet som "høj/middel/lav", og giv en begrundelse i én sætning. Stol bare på den givne tekst. Emne: [her] / Resultater: [her]
4) Resumé-kildekonsistenskontrol:
Nedenfor er et resumé og kildeteksten, som det hævdes at være baseret på. Er enhver påstand i resuméet faktisk til stede i kildeteksten? Marker punkt for punkt "understøttet / ikke understøttet / delvist". Resumé: [her] / Kilde: [her]
Svag prompt / Stærk prompt
Svag prompt:
List mig over de bedste ressourcer om dette emne.
AI’en ved ikke fra hvilken samling, efter hvilke kriterier, der skal vælges blandt faktisk eksisterende ressourcer; kan fremstille en sammensat "best of"-liste ud fra sin generelle hukommelse.
Kraftig prompt:
Din rolle: spejderassistent. Nedenfor er søgeemnet og 15 faktiske resultater (titel + abstrakt) returneret fra spejdersystemet. Angiv disse 15 resultater efter deres relevans for emnet, og giv en begrundelse i én sætning for hver. Tilføjelse af en ny kilde til listen, gør den op. Emne: [her] / Resultater: [her]
Den kraftfulde prompt begrænser AI til det virkelige resultatsæt og får det til at evaluere; Det forhindrer fremstilling og genfinding fra den generelle hukommelse.
Søgetype sammenligningsdiagram
Status
bedste metode
Hvorfor
Præcis titel/ISBN/forfatter
Felt/søgeord
En-til-en-matchning er pålidelig
Emneudforskning, forskellige udtryk
Semantisk søgning
Fanger nærhed af betydning
En aktuel begivenhed/navneord
søgeord + dato
Nøjagtighed og aktualitet
Beslægtet men anden navnekilde
Semantisk søgning
finder synonym
Almindelige fejl
- Brug af semantisk søgning efter præcis information. Domænesøgning efter ISBN eller fuld titel er mere pålidelig.
- Forudsat at "det der virker relevant" er sandt. Nærhed af betydning er ikke en garanti for pålidelighed eller nøjagtighed.
- Giver AI-resuméet uden at se på kilden. Resuméet kan have misforstået kilden.
- Uden at afklare brugerens vage spørgsmål. Forkert input giver forkert resultat.
- Bruger kun én metode. Det er bedst at bruge semantisk og søgeordssøgning sammen.
Sammenfattende
Semantiske søge- og opdagelsessystemer finder relevante ressourcer, som søgeordssøgning går glip af, ved at matche betydningen, ikke ordet, og styrke opdagelsen. AI-drevne resuméer giver bekvemmelighed, men medfører risiko for hallucinationer og fejlfortolkning af kilden. Bibliotekarens job; Brug af semantisk søgning og søgeordssøgning sammen, kritisk evaluering af, hvad "synes relevant", verificere AI-resuméer med kilden og lære brugeren en kildebaseret, bekræftende søgevane.
Ansøgningsopgave
Vælg et emne og foretag både søgeord og semantiske søgninger (hvis relevant); sammenligne to sæt resultater: Hvilke yderligere ressourcer fandt den semantiske søgning, hvilke ikke-relaterede resultater blandede den sammen? Generer et AI-drevet resumé (eller tag et eksempelresumé), og kontroller, om påstandene i resuméet rent faktisk forekommer i kilden med skabelonen "Sammendragskildekonsistenstjek".
tjekliste
- [ ] Jeg brugte domæne/søgeord til præcis information og semantisk søgning efter opdagelse.
- [ ] Jeg præciserede brugerens vage spørgsmål.
- [ ] Jeg vurderede resultater, der "så ud til at være relevante" for pålidelighed.
- [ ] Jeg bekræftede AI-resuméerne med den originale kilde.
- [ ] Jeg forklarede brugerens kildebaserede søgevane.