Gewinne:
- Fähigkeit, Metadatenentwürfe gemäß Standards wie ISAD(G) oder Dublin Core mit künstlicher Intelligenz zu erstellen
- Fähigkeit, Halluzinationen zu verhindern und Fachbegriffe mit der Erlaubnis zum Leerlassen einem kontrollierten Vokabular zuzuordnen
- Möglichkeit zu unterscheiden, welche Felder wie Datum, Personenname und Referenzcode eine menschliche Genehmigung erfordern und welche nur von der Institution zugewiesen werden sollten
Ein Archiv oder eine Bibliothek, egal wie umfangreich sie ist, kann nur gefunden werden, wenn sie genau definiert ist. Was ein Dokument „auffindbar“ macht, sind die beschreibenden Informationen darüber: Wer hat es geschrieben, wann, wo, was ist sein Thema, zu welcher Sammlung es gehört. Diese Informationen werden Metadaten genannt (Metadaten – beschreibende Daten über ein Dokument; „Daten über Daten“). Beim Katalogisieren werden Dokumente anhand dieser Metadaten identifiziert und in einem durchsuchbaren System gespeichert. Bei der Klassifizierung geht es darum, Dokumente nach Kriterien wie Thema, Typ oder Herkunft zu ordnen.
Die Generierung von Metadaten ist äußerst zeitaufwändig; Die individuelle Eingabe von Datums-, Betreff-, Personen- und Ortsinformationen für Tausende von Dokumenten in großen Sammlungen kann Jahre dauern. KI ist in diesem Geschäft ein starker Zuggenerator. In dieser Einheit werden wir sehen, wie man Metadaten mit KI generiert, gemäß Standards (ISAD(G), Dublin Core) katalogisiert und sowohl die Leistungsfähigkeit als auch die Fallstricke der automatischen Klassifizierung erfährt.
Archivstandards: Warum sie benötigt werden
Metadaten werden nicht zufällig eingegeben; Es gibt internationale Standards, damit Aufzeichnungen verschiedener Institutionen miteinander kommunizieren können:
- ISAD(G) (General International Standard Archival Description): Regeln zur hierarchischen Beschreibung von Archivgut (auf Bestands-, Serien-, Datei-, Dokumentenebene). Es enthält Felder wie Referenzcode, Titel, Datum, Umfang, Ersteller.
- Dublin Core: Ein gemeinsamer Standard bestehend aus 15 Kernfeldern zur Beschreibung digitaler Ressourcen (Titel, Ersteller, Betreff, Datum, Genre, Format, Quelle, Sprache usw.).
- Fonds: Eine Reihe von Aufzeichnungen, die auf natürliche Weise als Ergebnis der Aktivitäten einer einzelnen Person, Familie oder Institution entstanden sind. Es ist die grundlegende Organisationseinheit der Archivierung.
- Provenienz (Herkunft): Informationen darüber, von wem ein Dokument stammt und durch welche Hand es gelangt ist. Bei der Archivierung werden Dokumente entsprechend ihrer Herkunft zusammengehalten.
Durch die explizite Angabe des Zielstandards bei der Erstellung von Metadaten durch die KI wird sichergestellt, dass die Ausgabe direkt in das Unternehmen eingegeben werden kann.
Ein weiteres Schlüsselkonzept ist der Normdatensatz – ein Datensatz, der eine einzelne, standardmäßige, genehmigte Form des Namens einer Person, eines Ortes oder einer Institution definiert. In historischen Dokumenten kann die gleiche Person oder derselbe Ort mit unterschiedlicher Schreibweise erscheinen; Der Normdatensatz bindet sie alle in einem einzigen genehmigten Format zusammen, sodass sie bei der Suche nicht verstreut werden. KI schlägt Namen aus einem Dokument vor; Die Zuordnung dieses Namens zum Standardformular im Normdatensatz ist jedoch menschliche Arbeit. Durch die Verknüpfung dessen, was die KI im Autoritätsregister der Institution mit „Ahmed“ und „Ahmed Bey (1840-1912)“ sagt, bleibt die Konsistenz des Katalogs erhalten.
Arbeitsablauf: Schritt für Schritt
1. Bereiten Sie die Quelle vor. Sammeln Sie eine Abschrift oder ein Bild des Dokuments sowie etwaige Kontextinformationen.
2. Identifizieren Sie den Standard und die Bereiche. Sagen Sie der KI, welchen Standard (ISAD(G), Dublin Core) und nach welchen Feldern sie ausgeben soll.
3. Entwurfsmetadaten generieren. KI füllt Felder aus, die aus dem Dokument extrahiert werden können (Datum, Person, Ort, Thema, Sprache, Genre); Die Bereiche, die nicht entfernt werden können, bleiben leer.
4. Zuordnung zum kontrollierten Vokabular. Sach- und Ortsnamen sind in den meisten Institutionen nicht frei, sondern an eine vordefinierte Liste (kontrollierter Wortschatz/Thesaurus) gebunden. Ordnen Sie die von der KI vorgeschlagenen Fachbegriffe dieser Liste zu.
5. Überprüfen und bestätigen. Jedes Feld, insbesondere Datum, Name und Betreff, wird von Menschen mit Dokumenten und Aufzeichnungen von Autoritäten abgeglichen.
Tipp: Erteilen Sie der KI ausdrücklich die Erlaubnis, „leer zu lassen“. Andernfalls wird ein Datum oder ein Ersteller „erraten“, der nicht im Dokument enthalten ist, und gefälschte Metadaten in Ihren Katalog eingefügt. Die Anweisung „Dieses Feld leer lassen, wenn es nicht im Dokument steht“ ist der stärkste Schutz gegen Halluzinationen.
Felder und Vertrauensstufe in einer Tabelle
Metadatenfeld
Wie zuverlässig ist KI?
Überprüfung
Sprache
hoch
Probe
Dokumenttyp
mittelhoch
Kontrolle
Personen-/Ortsnamen
Mittel (Lesefehler)
obligatorisch
Datum
Niedrig-mittel (Fabrikationsrisiko)
obligatorisch
Fachbegriffe
Mittel (freie Generierung)
Zur Checkliste zuordnen
Umfang/Zusammenfassung
mittelhoch
Mit Quelle vergleichen
Referenzcode
Keine (Institution gibt)
menschliche Würfe
Zusammenfassung: KI ist in Bereichen wie Sprache und Genre schnell und zuverlässig; generiert Entwürfe in Feldern wie Datum, Name und Betreff, es ist jedoch eine menschliche Zustimmung erforderlich; KI erzeugt niemals institutionelle Felder wie Referenzcode.
drei Mini-Koffer
Fall 1 – Entwurf von Metadaten für 8.000 Fotos. Ein Stadtarchiv katalogisierte 8.000 historische Fotografien. Die Notizen auf der Rückseite jedes Fotos wurden transkribiert und der KI übergeben; KI-generiertes Datum, Ort und Themenübersicht. Das menschliche Team überprüfte es Feld für Feld und ordnete es der kontrollierten Liste zu. Ein geschätzter 10-Monats-Job wurde auf 3 Monate verkürzt; aber jedes Datum und jeder Ortsname wurde visuell überprüft.
Fall 2 – Erfundene Geschichte. Ein Archivar ließ einen undatierten Brief katalogisieren. YZ schaute sich den Inhalt des Briefes an und schrieb genau das Datum „1912“. Das Dokument enthielt jedoch kein Datum; KI vorhergesagt. Hätte der Archivar nicht den Hinweis „Leer lassen, wenn nicht im Dokument“ hinzugefügt, wäre der Katalog mit einem erfundenen Datum gefüllt worden. Lektion: Eine leere Erlaubnis ist obligatorisch.
Fall 3 – Freie Fachbegriffe sorgten für Verwirrung. AI ordnete ähnlichen Dokumenten ähnliche, aber unterschiedliche freie Begriffe wie „Einwanderung“, „Einwanderung“, „Siedlung“ zu. Wenn es nicht dem kontrollierten Vokabular zugeordnet war, wurde dasselbe Thema mit drei verschiedenen Begriffen markiert und in der Suche verstreut. Die Konsistenz wurde durch die Zuordnung der Begriffe zu einer einzigen Normliste erreicht. Lektion: Themenbegriffe werden nicht freigegeben, sie sind mit der Liste verknüpft.
Vier kopierbare Vorlagen
1) Dublin Core-Übersicht:
Extrahieren Sie den Dublin Core-Metadatenentwurf aus der Dokumenttranskription unten. Felder: Titel, Ersteller, Betreff, Beschreibung, Datum, Genre, Sprache, Geltungsbereich (Ort/Zeitraum). Regeln: (1) Verwenden Sie Informationen im Text nur KLAR. (2) Lassen Sie das Feld, das nicht im Text enthalten ist, LEER, raten Sie nicht. (3) Markieren Sie den Wert, bei dem Sie sich nicht sicher sind, mit [?]. Transkription: [hier]
2) ISAD(G)-Definitionsentwurf:
Erstellen Sie einen Entwurf für das folgende Dokument in den ISAD(G)-Feldern: Titel, Datum(e), Beschreibungsebene (Dokument/Datei), Umfang und Inhalt (kurze Zusammenfassung), Ersteller, Sprache. Lassen Sie den Referenzcode LEER (die Institution stellt ihn bereit). Fügen Sie keine Informationen hinzu, die nicht im Text enthalten sind. Lassen Sie das nicht vorhandene Feld leer. Dokument: [hier]
3) Themenvorschlag (gesteuert):
Schlagen Sie 3-5 Themenbegriffe vor, die zum folgenden Dokument passen. Verlassen Sie sich zunächst auf die Fakten im Dokument. Nachfolgend finden Sie die kontrollierte Terminologieliste unserer Institution. Wählen Sie es ZUERST aus dieser Liste aus. Wenn es nicht in der Liste enthalten ist, markieren Sie Ihren neuen Termvorschlag separat. Liste: [Begriffe]. Dokument: [hier]
4) Massenkonsistenzprüfung:
Nachfolgend finden Sie Metadatensätze für Dokumente aus derselben Sammlung. Inkonsistenzen kennzeichnen: Datensätze mit unterschiedlicher Schreibweise des gleichen Ortes/der gleichen Person, unterschiedlichen Datumsformaten, unterschiedlichen Begriffen für das gleiche Thema. Korrektur IMPOSITION; Erstellen Sie einfach eine Liste der Inkonsistenzen, die der Mensch überprüfen kann. Aufzeichnungen: [hier]
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwach:
Erstellen Sie einen vollständigen Katalogdatensatz für dieses Dokument.
Die „vollständige“ Anweisung drängt die KI dazu, jeden Raum auszufüllen, also Geschichte und Schöpfer zu erfinden, die es nicht gibt.
Stark:
Für dieses Dokument wird der Dublin Core entworfen. Verwenden Sie nur Informationen, die eindeutig in der Transkription enthalten sind. Lassen Sie das nicht vorhandene Feld leer, raten Sie nicht. Wählen Sie Themenbegriffe aus dieser kontrollierten Liste aus: [Liste]. Markieren Sie das Datum und die Personennamen mit [?], damit ich es anhand des Dokuments überprüfen kann. Transkription: [hier]
Unterschied: Erlaubnis „Leer lassen“ statt „vollständige“ Ausgabe, kontrollierte Listeneinhaltung und Verifizierungszeichen schützen den Katalog vor Fälschung.
Häufige Fehler
- Es bedeutet „vollständig ausfüllen“. Dies führt dazu, dass nicht vorhandene Felder angepasst werden. Die Berechtigung „Leer lassen“ sollte erteilt werden.
- Fachbegriffe freigeben. Begriffe, die nicht dem kontrollierten Vokabular entsprechen, lenken die Suche ab.
- KI lässt den Verlauf vorhersagen. Die Eintragung eines fiktiven Datums in ein undatiertes Dokument verunreinigt den Katalog.
- Lassen Sie den Referenzcode von KI generieren. Dies ist ein einzigartiger Unternehmensraum. Leute werfen.
- Keine Angabe des Standards. Wenn der Standard nicht erwähnt wird, wird das Ergebnis ein unordentlicher Entwurf sein, der nicht in die Institution eingegeben werden kann.
Zusammenfassend
Metadaten und Katalogisierung sind die unsichtbare Infrastruktur, die dem Forscher das Archiv öffnet, und erfordern viel Aufwand. Aus der Transkription erstellt die KI schnell einen Überblick über Felder wie Datum, Person, Ort, Thema und Genre; Es kann nach Standards wie ISAD(G) oder Dublin Core arbeiten. Aber der Druck, „komplett auszufüllen“, zwingt die KI, Dinge zu erfinden; Die Berechtigung „Leer lassen“, die Zuordnung zu kontrolliertem Vokabular und die menschliche Bestätigung von Daten/Namen sorgen dafür, dass der Katalog vertrauenswürdig ist. KI bereitet den Entwurf vor; Sie sind für die Richtigkeit des Katalogs verantwortlich.
Anwendungsaufgabe
Nehmen Sie eine Dokumenttranskription vor und fordern Sie Metadaten von der KI mit der Vorlage „Dublin Core Draft“ an; Stellen Sie sicher, dass leere Felder zurückbleiben, die nicht vorhanden sind. Führen Sie dann die Vorlage „Themenbegriffsvorschlag“ mit Ihrer eigenen (oder Beispiel-)Checkliste aus. Testen Sie abschließend einige Datensätze mit einer „Massenkonsistenzprüfung“. Beachten Sie, wie viele Felder die KI mit Vorhersagen zu füllen versucht und wie viele Fachbegriffe der Liste zugeordnet werden müssen.
Checkliste
- [ ] Ich habe den Zielstandard (ISAD(G)/Dublin Core) klar angegeben.
- [ ] Ich habe die Berechtigung „Leeres Feld leer lassen“ erteilt.
- [ ] Ich habe die Themenbegriffe der kontrollierten Liste zugeordnet.
- [ ] Ich habe das Datum und die Personennamen anhand des Dokuments/Behördendatensatzes überprüft.
- [ ] Ich habe den Referenzcode der Institution überlassen, nicht AI.