Ganancias:
- Capacidad para acortar el tiempo de catalogación mediante la producción de borradores de metadatos de acuerdo con estándares como MARC y Dublin Core a partir de información impresa real.
- Capacidad para verificar campos con alto riesgo de falsificación, como año de publicación, ISBN, nombre del autor, con la fuente original y mapear términos temáticos del vocabulario controlado.
- Capacidad para hacer que los formatos de autor y tema sean aprobados individualmente con control de autoridad y mantener la coherencia del catálogo.
La catalogación es el trabajo invisible pero más fundamental de la biblioteconomía. El descubrimiento de un recurso (libro, artículo, mapa, grabación sonora, archivo digital) es posible con los metadatos correctos. Metadatos significa “datos sobre datos”: información estructurada que describe el título, autor, año de publicación, tema, idioma y atributos físicos de un recurso. Si los metadatos son buenos, el usuario encuentra el recurso; Si es malo o incompleto, el recurso se pierde aunque exista. En esta unidad aprenderá cómo utilizar la inteligencia artificial en la generación de borradores de metadatos, pero también cómo garantizar el cumplimiento y la precisión de los estándares.
Primero definamos los dos conceptos. MARC (Catalogación legible por máquina) es un formato de registro que las bibliotecas han utilizado durante décadas y que coloca cada dato en campos numerados; Por ejemplo, el campo 245 contiene el título y el campo 100 contiene el autor principal. Dublin Core es un estándar de metadatos simplificado para recursos digitales, que consta de 15 campos básicos (título, creador, tema, fecha, género, etc.). Estos estándares garantizan que los registros de diferentes bibliotecas puedan comunicarse entre sí.
Paso a paso: generar borradores de metadatos con inteligencia artificial
1. Recopile la información de identidad de la fuente. La portada del libro, la portada, el contenido o el texto de un archivo digital. La IA sólo funciona a partir de la información que le das; Si proporciona información incompleta, se producirán metadatos incompletos o fabricados.
2. Especifique el estándar de destino. Déle a la IA un objetivo claro, como “por campos Dublin Core” o “por campos MARC 245, 100, 260, 650”. Si no especifica un estándar, produce un formato arbitrario.
3. Elaborar el borrador. AI redacta el título, la declaración de responsabilidad, la información de publicación y la propuesta de tema a partir de la información que usted proporciona.
4. Ejercer el control de la autoridad. Un registro autorizado es aquel que establece la forma única y estándar del nombre, institución o tema de un autor (por ejemplo, "Atatürk, Mustafa Kemal, 1881-1938"). La IA puede escribir un nombre de diferentes maneras; Verifica y corrige el formato de autoridad aprobado.
5. Verificar y confirmar. Compare cada campo con la fuente original. En particular, información precisa como el año de publicación, el ISBN y el nombre del autor son muy susceptibles de ser falsificadas por la IA.
Sugerencia: proporcione a la IA una foto o texto de la página de créditos real de la fuente; No digas "adivina el nombre del libro". Los metadatos predictivos socavan la confiabilidad del catálogo. La IA escribe con confianza al hacer predicciones y esto le engañará.
Vocabulario controlado y coherencia.
La coherencia lo es todo en la catalogación. Si el mismo tema está escrito con dos términos diferentes en dos registros diferentes, el usuario encontrará uno y perderá el otro. Es por eso que las bibliotecas utilizan un vocabulario controlado: una lista de términos estándar aprobada. Al sugerir términos de texto libre, AI puede elegir su equivalente coloquial en lugar del término oficial de esta lista. Por ejemplo, la IA podría escribir “ataque al corazón”; mientras que el término aprobado puede ser "infarto de miocardio".
La solución es darle a la IA el vocabulario controlado y decir "simplemente selecciona de esta lista". Entonces, en lugar de inventar términos libremente, la IA busca el más apropiado de la lista aprobada.
Precaución: si un término temático sugerido por AI no está en el vocabulario controlado, no agregue ese término al catálogo. La decisión de agregar nuevos términos corresponde al experto responsable de la gestión de autoridad; Agregar términos arbitrarios altera la coherencia del catálogo.
tres mini casos
Caso 1: Aceleración de la recaudación de donaciones. Una biblioteca pública recibió una donación de 1.200 libros. El especialista en catalogación hizo que la IA leyera la página impresa de cada libro y produjera un borrador del Dublin Core; El tiempo por grabación disminuyó de 9 minutos a 3,5 minutos. El experto dedicó el tiempo restante al control y verificación de las autoridades; El tiempo total se redujo aproximadamente en un 55%, pero ningún registro ingresó al sistema sin ser verificado.
Caso 2: Se detectó un ISBN falso. Un experto hizo que la IA produjera borradores de 30 libros. Durante la comprobación, descubrió que el ISBN de 4 registros era falso: AI había escrito un número de 13 dígitos que parecía razonable, aunque no conocía el número real del libro. El paso de verificación evitó que cuatro ISBN incorrectos permanecieran en el catálogo.
Caso 3: Se corrigió la inconsistencia de la autoridad. Una biblioteca encontró un autor como "J. Smith" en algunos registros, "John Smith" en otros, "Smith, John" en otros. La IA se comparó con el archivo de autoridad, reuniendo todos los registros en un único formato aprobado ("Smith, John, 1965-"); Si este trabajo se hiciera manualmente, tomaría días, pero con la sugerencia de la IA se redujo a unas pocas horas, pero cada partido fue aprobado por el experto.
Conversión retrospectiva y registros antiguos.
Muchas bibliotecas tienen registros incompletos u obsoletos que se ingresaron hace años con reglas diferentes. Pasarlos al estándar actual se llama conversión retrospectiva y es muy laborioso cuando se hace manualmente. La IA puede leer un registro antiguo y generar un borrador para moverlo a la estructura de campos actual: por ejemplo, puede analizar una cita de texto libre y distribuirla en los campos correctos. Sin embargo, aquí existen dos peligros. En primer lugar, la IA puede recuperar la información faltante para “compensarla”; en segundo lugar, puede perpetuar un error en el registro antiguo copiándolo a un formato nuevo en lugar de corregirlo. Por lo tanto, en la transformación retrospectiva, el resultado de la IA debe verificarse sistemáticamente, no mediante muestreo, sino por campos críticos (autor, año, números de identificación). Una buena práctica es mostrar los registros anteriores y posteriores a la conversión uno al lado del otro, haciendo visible cada cambio; así el experto puede ver de un vistazo qué se ha movido, qué ha cambiado y qué se puede haber fabricado.
Atención: los borradores de metadatos producidos por la IA no deben transferirse al sistema como un lote sin revisarlos uno por uno. Un error masivo corrompe cientos de registros a la vez y recuperarlos es mucho más problemático que producirlos. Es más seguro producir y verificar en lotes pequeños.
Cuatro plantillas copiables
1) Esquema del Dublin Core:
Su función: asistente de catalogación. Complete los campos Dublin Core con el siguiente texto firmado: Título, Creador, Asunto, Descripción, Editorial, Fecha, Género, Formato, Idioma. Utilice únicamente información que esté clara en el texto; Deje el campo que falta "[sin información]", no adivine. Texto impreso: [aquí]
2) Esquema del campo MARC:
Proponga esquemas para los siguientes campos MARC a partir de la información del libro a continuación: 245 (título/crédito), 100 (autor principal), 260/264 (publicación), 300 (descripción física), 650 (tema). Marque cualquier campo del que no esté seguro como "[necesita verificación]". Información: [aquí]
3) Coincidencia de temas a partir de vocabulario controlado:
A continuación se muestra un resumen de la fuente y una lista de términos de temas aprobados. Haga coincidir solo los 3 a 5 términos más adecuados de la lista con la fuente. Si no hay ningún término adecuado en la lista, escriba "no hay ningún término adecuado en la lista", no invente términos nuevos. Resumen: [aquí] / Lista de términos: [aquí]
4) Control del formulario de autoridad:
Haga coincidir los nombres de los autores a continuación con los formularios aprobados en la lista de autoridades que proporcioné. Para cada nombre: formato en registro -> formato aprobado. Si no hay ningún equivalente en la lista, escriba "sin registro de autoridad". Nombres: [aquí] / Lista de autoridades: [aquí]
Aviso débil / Aviso fuerte
Aviso débil:
Extraiga la información de catalogación del siguiente libro: "Inteligencia Artificial y Sociedad".
Sólo se da el título; La IA se ve obligada a inventar el autor, el año, la editorial y el ISBN. No existe un estándar objetivo. Resultado: un registro convincente pero probablemente falso.
Potente mensaje:
Su función: asistente de catalogación. A continuación se muestra el texto completo de la página impresa del libro. Complete los campos de Dublin Core a partir de aquí. Utilice únicamente información que esté claramente indicada en el texto; Deje el campo que no es de texto en blanco y escriba "[sin información]". No se inventan fechas, nombres ni ISBN. Texto impreso: [texto completo aquí]
El poderoso mensaje limita la IA a información real de la firma y la obliga a dejar espacios en blanco honestamente en lugar de inventarlos.
Campo de metadatos y tabla de validación.
área
Riesgo de fabricación
Cómo verificar
Título
bajo
Comparar con la página de impresión
Formato de autor/autoridad
medio
Buscar en archivo de autoridad
Año de publicación
alto
Confirmar con pie de imprenta/colofono
ISBN
muy alto
Control uno a uno con código de barras/fuente
Término del tema
alto
Emparejar en vocabulario controlado
Errores comunes
- Solo solicitando metadatos del título. La información incompleta impulsa a la IA a inventar cosas.
- No especificar el estándar objetivo. El formato arbitrario altera la armonía de los registros.
- Aceptando el ISBN y año sin verificarlo. Estas áreas conllevan el mayor riesgo de fabricación.
- Tomar el término sujeto fuera del vocabulario controlado. La coherencia y la disponibilidad están comprometidas.
- Eludiendo el control de la autoridad. El mismo autor publica en diferentes formatos, el usuario pierde la fuente.
En resumen
En la generación de metadatos, la IA es un poderoso asistente que extrae rápidamente información impresa y acorta significativamente el tiempo de catalogación. Pero el precio de la productividad es una validación estricta contra los riesgos de la fabricación: dejar claro el estándar objetivo (MARC, Dublin Core), ejecutar la IA solo con conocimiento real de las palabras clave, mapear términos temáticos de vocabularios controlados y validar formularios de autoridad. En lugar de llenar los vacíos, la IA honestamente debería dejarlo en blanco; Tú conservas la aprobación final.
Tarea de aplicación
Entregue el texto de la página impresa de un libro real que tenga a la IA con la plantilla "Borrador de Dublin Core" y obtenga un borrador. Luego, produzca el mismo libro con solo el título ("Mensaje débil") y compare los dos resultados: ¿qué campos se fabricaron? Luego, con la plantilla "Mapeo de temas a partir de vocabulario controlado", proporcione una breve lista de términos aprobados para hacer coincidir el tema y comprobar si la IA sale de la lista.
lista de verificación
- [] Le di la información de identidad real de la fuente a la IA, no la dejé en manos de adivinanzas.
- [] He especificado claramente el estándar de metadatos de destino (MARC/Dublin Core).
- [ ] He verificado el año de publicación y el ISBN textualmente con la fuente original.
- [] Mapeé los términos del tema del vocabulario controlado.
- [ ] He confirmado las formas de autoridad con el registro aprobado.