Κέρδη:
- Δυνατότητα διάκρισης μεταξύ προσεγγίσεων συστάσεων που βασίζονται σε περιεχόμενο και συνεργατικών προσεγγίσεων και αποτροπή ψεύτικων πηγών επαληθεύοντας κάθε πρόταση στην πραγματική συλλογή
- Δυνατότητα σπάζοντας τη φούσκα του φίλτρου με συνειδητή ποικιλομορφία και παρουσίαση προτάσεων με διαφανείς αιτιολογήσεις
- Προστασία του απορρήτου του ιστορικού ανάγνωσης και αναζήτησης των χρηστών και επεξεργασία αυτών των δεδομένων με ασφάλεια
Ένας αναγνώστης μπορεί να ρωτήσει "Τελείωσα αυτό το βιβλίο, τι να διαβάσω μετά;" », ένας καλός βιβλιοθηκάριος συνιστά πόρους κατάλληλους για το ενδιαφέρον, το επίπεδο και το σκοπό του/της. Στον ψηφιακό κόσμο, τα συστήματα συστάσεων το κάνουν αυτό σε κλίμακα: προτείνουν νέους πόρους εξετάζοντας το παρελθόν του ενδιαφέροντος ενός χρήστη ή τα χαρακτηριστικά ενός πόρου. Σε αυτήν την ενότητα, θα μάθετε πώς λειτουργούν τα συστήματα συστάσεων που βασίζονται στην τεχνητή νοημοσύνη, τι φέρνουν στη βιβλιοθήκη και πώς να διαχειρίζεστε κινδύνους όπως το απόρρητο, η προκατάληψη και η "φούσκα φίλτρου".
Ας ορίσουμε τις έννοιες. Η σύσταση βάσει περιεχομένου εξετάζει τα χαρακτηριστικά μιας πηγής (θέμα, συγγραφέας, είδος) και προτείνει παρόμοιες πηγές: "Αν σας άρεσε αυτό το ιστορικό βιβλίο, ίσως σας αρέσει και αυτό, το οποίο καλύπτει την ίδια περίοδο." Το συνεργατικό φιλτράρισμα λειτουργεί με βάση την αρχή "τους άρεσαν και σε άλλους χρήστες που άρεσαν πόρους όπως εσείς". Φούσκα φίλτρου είναι όταν ένα σύστημα συστάσεων κλειδώνει τον χρήστη σε συνεχώς παρόμοιο περιεχόμενο και τον κρατά μακριά από νέες, διαφορετικές προοπτικές. Μια καλή πρόταση βιβλιοθήκης προσελκύει το ενδιαφέρον και σπάει τη φούσκα.
Βήμα προς βήμα: μια υπεύθυνη συμβουλευτική προσέγγιση
1. Διευκρινίστε τον σκοπό. Σε τι στοχεύει η πρόταση; Θέλετε ο χρήστης να συνεχίσει να διαβάζει, να διευρύνει τους ορίζοντές του ή να βρει πόρους για μια συγκεκριμένη ερευνητική ερώτηση; Ο σκοπός καθορίζει το είδος της σύστασης.
2. Επαληθεύστε την πηγή και την αυθεντικότητα. Η τεχνητή νοημοσύνη μπορεί να δημιουργήσει ανύπαρκτα βιβλία όταν κάνει προτάσεις. Βεβαιωθείτε ότι κάθε προτεινόμενος πόρος υπάρχει πράγματι στη συλλογή ή σε έναν αξιόπιστο κατάλογο.
3. Διατήρηση της διαφορετικότητας. Συνιστώντας μόνο το "πιο παρόμοιο" δημιουργείται μια φυσαλίδα φίλτρου. Συμπεριλάβετε συνειδητά διαφορετικές οπτικές γωνίες, διαφορετικούς συγγραφείς και διαφορετικά επίπεδα. Το καθήκον της βιβλιοθήκης είναι να ανοίγει ορίζοντες και όχι να τους περιορίζει στην οικολογία.
4. Προστατέψτε το απόρρητο. Η εξατομικευμένη σύσταση χρησιμοποιεί το ιστορικό ανάγνωσης του χρήστη και είναι εξαιρετικά ακριβής. Μην παρέχετε αυτά τα δεδομένα σε γενικά εργαλεία τεχνητής νοημοσύνης. Επεξεργασία μόνο εντός των ασφαλών συστημάτων του ιδρύματος, με τη συγκατάθεση του χρήστη.
5. Να είστε διαφανείς. Εξηγήστε στο χρήστη γιατί έγινε η σύσταση: "Αυτός ο πόρος προτάθηκε επειδή σχετίζεται με το θέμα που σας ενδιαφέρει." Η διαφάνεια ενισχύει την εμπιστοσύνη και την πληροφοριακή παιδεία.
Συμβουλή: Προσθέστε συνειδητά έναν "ελαφρώς διαφορετικό" πόρο σε μια λίστα προτάσεων και δηλώστε: "Αυτές είναι κοντά στην περιοχή ενδιαφέροντός σας. Πρόσθεσα αυτήν ως ανανέωση." Αυτό σπάει τη φυσαλίδα φίλτρου και δείχνει την αξία ανακάλυψης της βιβλιοθήκης.
Ηθική διάσταση της πρότασης
Τα συστήματα συστάσεων φαίνονται αθώα, αλλά δημιουργούν ισχυρά εφέ. Ποιοι πόροι προτείνονται σε έναν χρήστη διαμορφώνουν τον κόσμο των πληροφοριών του/της. Εάν το σύστημα επισημαίνει μόνο πηγές που είναι δημοφιλείς ή μόνο από μια συγκεκριμένη σκοπιά, οι φωνές της μειοψηφίας, οι διαφορετικές απόψεις και οι λιγότερο γνωστές πολύτιμες πηγές θα είναι αόρατες. Η τεχνητή νοημοσύνη μπορεί να ενισχύσει αυτήν την τάση κληρονομώντας τη δημοτικότητα και τις προκαταλήψεις στα δεδομένα εκπαίδευσης.
Εδώ μπαίνει η αξία της βιβλιοθηκονομίας: η βιβλιοθήκη δεν είναι μια μηχανή εμπορικών συστάσεων. Αποστολή του είναι να εξασφαλίζει ίση και ποικιλόμορφη πρόσβαση στις πληροφορίες. Είναι ευθύνη του βιβλιοθηκονόμου να ευθυγραμμίσει το σύστημα συστάσεων με αυτήν την τιμή.
Προσοχή: Το ιστορικό ανάγνωσης και αναζήτησης του χρήστη είναι ένα από τα πιο ευαίσθητα δεδομένα απορρήτου. Αυτό που διαβάζει ένα άτομο μπορεί να αποκαλύψει πληροφορίες για την υγεία του/της, πολιτικές απόψεις, πεποιθήσεις ή προσωπική κρίση. Μην μεταφέρετε ποτέ αυτά τα δεδομένα με την ταυτότητά τους σε εξωτερικά συστήματα. Η ανωνυμοποίηση και η συγκατάθεση είναι απαραίτητες.
τρεις μίνι θήκες
Περίπτωση 1 — Η σύσταση βάσει περιεχομένου λειτούργησε. Μια σχολική βιβλιοθήκη χρησιμοποίησε ένα σύστημα βασισμένο σε περιεχόμενο για να προτείνει πόρους στους μαθητές που ήταν παρόμοιοι με το βιβλίο που διάβαζαν. Ένας μαθητής τελείωσε ένα μυθιστόρημα επιστημονικής φαντασίας. Το σύστημα συνέστησε τρία βιβλία που καλύπτουν το ίδιο θέμα αλλά από διαφορετικό συγγραφέα. Ο μαθητής δανείστηκε δύο. Η συνήθεια του διαβάσματος συνεχίστηκε. Ο βιβλιοθηκάριος είχε επιβεβαιώσει προηγουμένως ότι όλες οι προτάσεις υπήρχαν στην πραγματικότητα στη συλλογή.
Περίπτωση 2 — Έπιασε ψεύτικη πρόταση. Ένας βιβλιοθηκάριος ζήτησε από μια τεχνητή νοημοσύνη να συστήσει 8 βιβλία σε έναν χρήστη. Έλεγξε τη λίστα στον κατάλογο: 3 στα 8 βιβλία έλειπαν καθόλου. Το AI είχε δημιουργήσει εύλογους τίτλους. Το βήμα επαλήθευσης απέτρεψε τη σύσταση ανύπαρκτων βιβλίων στον χρήστη.
Περίπτωση 3 — Έσπασε το μπαλόνι φίλτρου. Ένας ερευνητής εργαζόταν συνεχώς με πηγές με την ίδια άποψη και το σύστημα πάντα πρότεινε παρόμοιες. Ο βιβλιοθηκάριος συμπεριέλαβε σκόπιμα δύο πηγές που παρουσίαζαν μια αντίθετη προσέγγιση στο θέμα και το κατέστησαν σαφές. Μόνο χάρη σε αυτές τις αντίθετες πηγές ο ερευνητής συνειδητοποίησε την ημιτελή πτυχή της μελέτης του.
Ψυχρή εκκίνηση και πρόβλημα νέου χρήστη
Μια πολύ γνωστή πρόκληση των συστημάτων συστάσεων είναι το πρόβλημα της ψυχρής εκκίνησης: το σύστημα δεν ξέρει τι να προτείνει σε έναν νέο χρήστη ή σε έναν πόρο που μόλις προστέθηκε στη συλλογή για τον οποίο δεν υπάρχουν ιστορικά δεδομένα. Σε αυτήν την περίπτωση, πολλά συστήματα στρέφονται στους πιο δημοφιλείς πόρους ως την ασφαλή επιλογή. Αυτό σημαίνει ότι οι ελάχιστα γνωστοί πολύτιμοι πόροι δεν συνιστώνται καθόλου και η δημοτικότητα τροφοδοτείται από μόνη της. Με όρους βιβλιοθηκονομίας, αυτό έρχεται σε σύγκρουση με την αξία της ίσης πρόσβασης. Η λύση είναι να κάνετε στον νέο χρήστη μια σύντομη, σαφή ερώτηση προτίμησης (ποια θέματα, ποιο επίπεδο, ποιος σκοπός) πριν κάνετε μια σύσταση και επισημάνετε τους νέους πόρους που προστέθηκαν με βάση τα χαρακτηριστικά του περιεχομένου τους. Σε αυτό το σημείο, αναλύοντας το θέμα και τα χαρακτηριστικά ενός πόρου, η τεχνητή νοημοσύνη μπορεί να συνδέσει ακόμη και ένα βιβλίο που δεν έχει δανειστεί ποτέ στον σχετικό χρήστη. αρκεί η πρόταση να προέρχεται από την πραγματική συλλογή και να επαληθευτεί. Έτσι, το σύστημα κάνει ορατά όχι μόνο τα «πολύ αγαπημένα» αλλά και τα «σχετικά και πολύτιμα».
Συμβουλή: Όταν ρυθμίζετε μια πρόταση για έναν νέο χρήστη, βασίστε την στις τρέχουσες ανάγκες του χρήστη και όχι στα ιστορικά δεδομένα του συστήματος. Μια καλή ερώτηση («αυτό είναι για έρευνα, για ευχαρίστηση, σε ποιο βαθμό;») παράγει συχνά μια πιο ακριβή σύσταση από τα δεδομένα συμπεριφοράς μηνών.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Σύσταση παρόμοιων πόρων βάσει περιεχομένου:
Παρακάτω είναι το θέμα/περίληψη ενός πόρου που άρεσε σε έναν χρήστη. Έχω δώσει επίσης μια λίστα με υπάρχοντες πόρους στη συλλογή μας. Απλώς από αυτήν τη λίστα, προτείνετε 5 πόρους παρόμοιους με το θέμα και γράψτε μια αιτιολόγηση μιας πρότασης για τον καθένα. Προτεινόμενες πηγές που δεν αναφέρονται. Αγαπημένη πηγή: [εδώ] / Λίστα συλλογών: [εδώ]
2) Πρόταση που προσθέτει ποικιλία:
Στη λίστα των προτάσεων παρακάτω, προσθέστε 2 πόρους που θα διευρύνουν τους ορίζοντες του χρήστη και θα προσφέρουν μια διαφορετική προοπτική ή υποθέμα (μόνο από τη λίστα συλλογής που παρείχα). Εξηγήστε γιατί είναι διαφορετικά και πολύτιμα. Λίστα: [εδώ] / Συλλογή: [εδώ]
3) Επεξήγηση του λόγου της σύστασης:
Για κάθε σύσταση παρακάτω, γράψτε μια σύντομη, διαφανή αιτιολόγηση που μπορεί να εμφανιστεί στον χρήστη: "Αυτός ο πόρος συνιστάται επειδή..." Χωρίς υπερβολές, χωρίς υπονοούμενα προσωπικών δεδομένων. Προτάσεις: [εδώ]
4) Προκαταρκτικός έλεγχος απορρήτου:
Η ακόλουθη καταχώριση πρότασης περιέχει πληροφορίες που προσδιορίζουν τον χρήστη ή ευαίσθητες πληροφορίες (υποδηλώνουν υγεία, πεποιθήσεις, πολιτικές απόψεις); Εάν ναι, σημειώστε το και προτείνετε πώς να το ανωνυμοποιήσετε. Εισαγωγή: [εδώ]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Προτείνετε 10 βιβλία σε αυτόν τον χρήστη να διαβάσει.
Το AI δημιουργεί προτάσεις από την παγκόσμια μνήμη του χωρίς να γνωρίζει τη συλλογή. Μπορεί να φτιάξει βιβλία που δεν υπάρχουν και δεν σέβεται τη διαφορετικότητα και την ιδιωτικότητα.
Ισχυρή προτροπή:
Ο ρόλος σας: συμβουλευτικός βοηθός αναγνωστών. Ακολουθεί το θέμα που άρεσε στον χρήστη και η λίστα με τις πραγματικές πηγές στη συλλογή μας. (1) Προτείνετε 5 πηγές σχετικές με το θέμα από τη λίστα. (2) Προσθέστε επίσης 2 πηγές με διαφορετικές προοπτικές που θα σας ανοίξουν τα μάτια. (3) Γράψτε μια διαφανή αιτιολόγηση για κάθε πρόταση. Μην βγαίνετε από τη λίστα, μην κατασκευάζετε πηγές και μην υπονοείτε προσωπικά δεδομένα. Θέμα: [εδώ] / Συλλογή: [εδώ]
Ισχυρή προτροπή. το περιορίζει στην πραγματική συλλογή, απαιτεί ποικιλομορφία και προσθέτει αιτιολόγηση και κανόνα απορρήτου.
Γράφημα σύγκρισης τύπων σύστασης
Τύπος πρότασης
δυνατό σημείο
κίνδυνος
Καθήκον βιβλιοθηκονόμου
με βάση το περιεχόμενο
Τραβάει καλά την προσοχή
φυσαλίδα φίλτρου
Προσθέστε ποικιλία
συνεργατική
ανακάλυψη έκπληξη
Απόρρητο, προκατάληψη δημοτικότητας
Ανωνυμία, ισορροπία
Λίστα παραγωγής AI
γρήγορα
κατασκευασμένη πηγή
επαληθεύστε την πραγματικότητα
Συνήθη λάθη
- Προσφορά προτάσεων χωρίς επαλήθευση. Το AI μπορεί να δημιουργήσει ανύπαρκτες πηγές.
- Απλώς προτείνω το "πιο παρόμοια". Η φούσκα φίλτρου περιορίζει τους ορίζοντες του χρήστη.
- Εξαγωγή ιστορικού ανάγνωσης σε εξωτερικό εργαλείο. Είναι τα πιο ευαίσθητα δεδομένα απορρήτου.
- Παρουσίαση της πρότασης χωρίς αιτιολόγηση. Η διαφάνεια υποστηρίζει την εμπιστοσύνη και τον αλφαβητισμό.
- Αγνοώντας την προκατάληψη της δημοτικότητας. Πολύτιμοι αλλά ελάχιστα γνωστοί πόροι χάνονται.
Συνοπτικά
Τα συστήματα συστάσεων είναι ισχυρά εργαλεία που διευκολύνουν την ανακάλυψη προσελκύοντας το ενδιαφέρον των χρηστών. Οι προσεγγίσεις που βασίζονται στο περιεχόμενο και οι συνεργατικές προσεγγίσεις ενέχουν διαφορετικά πλεονεκτήματα και κινδύνους. Η τεχνητή νοημοσύνη είναι γρήγορη στη δημιουργία προτάσεων, αλλά μπορεί να εφεύρει ανύπαρκτες πηγές, να φιλτράρει τις φυσαλίδες και να ενισχύει την προκατάληψη. Η δουλειά του βιβλιοθηκονόμου. Για να επαληθεύσουμε κάθε πρόταση στην πραγματική συλλογή, να σπάσουμε τη φούσκα με συνειδητή ποικιλομορφία, να προστατεύσουμε το απόρρητο των χρηστών και να διατηρήσουμε την αξία της ίσης και ποικιλόμορφης πρόσβασης στη βιβλιοθήκη παρουσιάζοντας προτάσεις με διαφανείς λόγους.
Εργασία εφαρμογής
Ετοιμάστε μια σύντομη λίστα συλλογών τεκμηρίων (10-15 πηγές). Δημιουργήστε μια πρόταση για έναν χρήστη με το πρότυπο "σύσταση παρόμοιων πόρων βάσει περιεχομένου" και επαληθεύστε ότι υπάρχουν όντως όλα στη λίστα. Στη συνέχεια, προσθέστε πηγές με διαφορετικές προοπτικές στη λίστα με το πρότυπο "Πρόταση που προσθέτει ποικιλομορφία". Τέλος, δημιουργήστε μια διαφανή επεξήγηση για κάθε πρόταση με το πρότυπο «Εξήγηση αιτιολογικής πρότασης» και σχεδιάστε πώς θα την παρουσιάσετε στον χρήστη.
λίστα ελέγχου
- [ ] Επιβεβαίωσα ότι κάθε πρόταση υπάρχει πράγματι στη συλλογή.
- [ ] Πρόσθεσα ποικιλία για να σπάσω τη φούσκα του φίλτρου.
- [ ] Διατήρησα ασφαλές το ιστορικό ανάγνωσης/αναζήτησης του χρήστη, δεν το έδωσα σε εξωτερικό εργαλείο.
- [ ] Έχω ετοιμάσει μια διαφανή αιτιολόγηση για κάθε πρόταση.
- [ ] Για να αποφύγω την προκατάληψη της δημοτικότητας, παρακολουθούσα λιγότερο γνωστές και πολύτιμες πηγές.