Kasu:
- Võimalus eristada sisupõhiseid ja koostööpõhiseid soovituslikke lähenemisviise ning vältida võltsallikaid, kontrollides iga soovitust päriskogus
- Oskus teadliku mitmekesisusega murda filtrimulli ja esitada ettepanekuid läbipaistvate põhjendustega
- Kasutajate lugemis- ja otsinguajaloo privaatsuse kaitsmine ning nende andmete turvaline töötlemine
Lugeja võib küsida: "Ma lõpetasin selle raamatu, mida ma peaksin järgmiseks lugema?" “, soovitab hea raamatukoguhoidja oma huvidele, tasemele ja eesmärgile vastavaid ressursse. Digimaailmas teevad soovitussüsteemid seda mastaapselt: nad soovitavad uusi ressursse, vaadates kasutaja varasemaid huvisid või ressursi omadusi. Selles üksuses saate teada, kuidas tehisintellektil põhinevad soovitussüsteemid töötavad, mida need raamatukogule toovad ning kuidas juhtida selliseid riske nagu privaatsus, erapoolik ja "filtrimull".
Määratleme mõisted. Sisupõhises soovituses vaadeldakse allika omadusi (teema, autor, žanr) ja soovitatakse sarnaseid allikaid: "Kui teile meeldis see ajalooraamat, võib teile meeldida ka see, mis hõlmab sama perioodi." Koostöö filtreerimine töötab põhimõttel "need meeldisid ka teistele kasutajatele, kellele ressursid meeldisid nagu teile". Filtrimull on siis, kui soovitussüsteem lukustab kasutaja pidevalt sarnase sisu juurde ja hoiab teda eemal uutest, erinevatest vaatenurkadest. Hea raamatukogu soovitus äratab huvi ja murrab mulli.
Samm-sammult: vastutustundlik nõustamisviis
1. Selgitage eesmärk. Mis on ettepaneku eesmärk? Kas soovite, et kasutaja jätkaks lugemist, laiendaks oma silmaringi või leiaks ressursse konkreetse uurimisküsimuse jaoks? Eesmärk määrab soovituse tüübi.
2. Kontrollige allikat ja autentsust. AI võib ettepanekuid tehes koostada olematuid raamatuid. Veenduge, et iga soovitatud ressurss on kogus või usaldusväärses kataloogis tegelikult olemas.
3. Säilitage mitmekesisus. Ainult "kõige sarnasema" soovitamine tekitab filtrimulli. Kaasa teadlikult erinevaid vaatenurki, erinevaid autoreid ja erinevaid tasandeid. Raamatukogu ülesanne on avada silmaringi, mitte piirata neid ökoloogiaga.
4. Kaitske privaatsust. Isikupärastatud soovitus kasutab kasutaja lugemisajalugu ja on äärmiselt täpne. Ärge edastage neid andmeid üldistele AI-tööriistadele; Töötleda ainult asutuse turvalistes süsteemides, kasutaja nõusolekul.
5. Ole läbipaistev. Selgitage kasutajale, miks soovitus tehti: "Seda ressurssi soovitati, kuna see on seotud teid huvitava teemaga." Läbipaistvus tugevdab usaldust ja infopädevust.
Näpunäide: lisage teadlikult soovituste loendisse "veidi erinev" ressurss ja öelge: "Need on teie huviala lähedal; lisasin selle värskenduseks." See lõhub nii filtrimulli kui ka näitab teegi avastamisväärtust.
Ettepaneku eetiline mõõde
Soovitussüsteemid tunduvad süütud, kuid loovad võimsaid efekte. Millised ressursid on kasutajale soovitatavad, kujundavad tema infomaailma. Kui süsteem tõstab esile ainult populaarsed või ainult teatud vaatenurgast lähtuvad allikad, on vähemuste hääled, erinevad seisukohad ja vähem tuntud väärtuslikud allikad nähtamatud. AI võib seda suundumust tugevdada, pärides treeningandmete populaarsuse ja eelarvamused.
Siin tulebki esile raamatukogunduse väärtus: raamatukogu ei ole kommertssoovitusmootor; Selle missiooniks on tagada võrdne ja mitmekesine juurdepääs teabele. Soovitussüsteemi selle väärtusega vastavusse viimise eest vastutab raamatukoguhoidja.
Tähelepanu: kasutaja lugemis- ja otsinguajalugu on üks tundlikumaid privaatsusandmeid. See, mida inimene loeb, võib paljastada teavet tema tervise, poliitiliste vaadete, veendumuste või isikliku kriisi kohta. Ärge kunagi edastage neid andmeid koos identiteediga välistesse süsteemidesse; Anonüümseks muutmine ja nõusolek on hädavajalikud.
kolm minikarpi
Juhtum 1 – sisupõhine soovitus töötas. Kooliraamatukogu kasutas sisupõhist süsteemi, et soovitada õpilastele loetavale raamatule sarnaseid ressursse. Üks õpilane sai valmis ulmeromaani; Süsteem soovitas kolme raamatut, mis hõlmavad sama teemat, kuid erinevalt autorilt. Õpilane laenas kaks; Lugemisharjumus jätkus. Raamatukoguhoidja oli varem kinnitanud, et kõik ettepanekud on kogus tegelikult olemas.
Juhtum 2 – võltsitud soovitus tabati. Raamatukoguhoidja palus tehisintellektil soovitada kasutajale 8 raamatut. Ta kontrollis kataloogis olevat nimekirja: 8-st raamatust 3 oli üldse puudu; AI oli loonud usutavaid pealkirju. Kontrollimise samm takistas olematute raamatute soovitamist kasutajale.
Juhtum 3 – filtriballoon purunes. Teadlane töötas pidevalt sama vaatenurgaga allikatega ja süsteem soovitas alati sarnaseid. Raamatukoguhoidja lisas teadlikult kaks allikat, mis esitasid teemale vastandliku lähenemise ja tegid selle selgeks. Alles tänu neile vastandlikele allikatele mõistis teadlane oma uurimuse mittetäielikku aspekti.
Külmkäivitus ja probleem uue kasutajaga
Soovitussüsteemide tuntud väljakutse on külmkäivituse probleem: süsteem ei tea, mida soovitada uuele kasutajale või äsja kogusse lisatud ressursile, mille kohta puuduvad ajaloolised andmed. Sel juhul kasutavad paljud süsteemid turvalise võimalusena kõige populaarsemaid ressursse; See tähendab, et vähetuntud väärtuslikke ressursse ei soovitata üldse ja populaarsus toitub iseenesest. Raamatukogunduses on see vastuolus võrdse juurdepääsu väärtusega. Lahenduseks on esitada uuele kasutajale lühike selge eelistusküsimus (mis teemad, mis tase, mis eesmärk) enne soovituse tegemist ja äsja lisatud ressursside esiletõstmist nende sisuomaduste põhjal. Siinkohal saab AI ressursi teemat ja omadusi analüüsides siduda vastava kasutajaga isegi raamatu, mida pole kunagi laenatud; seni, kuni soovitus pärineb päriskogust ja on kinnitatud. Seega teeb süsteem nähtavaks mitte ainult "väga armastatu", vaid ka "asjakohase ja väärtusliku".
Näpunäide. Uuele kasutajale soovituse seadistamisel lähtuge pigem kasutaja hetkevajadustest kui süsteemi ajaloolistest andmetest. Üks hea küsimus ("kas see on uurimistööks, naudinguks, mil määral?") annab sageli täpsema soovituse kui kuudepikkused käitumisandmed.
Neli kopeeritavat malli
1) Sisupõhine sarnaste ressursside soovitus:
Allpool on kasutajale meeldinud ressursi teema/kokkuvõte. Olen andnud ka nimekirja meie kogus olemasolevatest ressurssidest. Lihtsalt sellest loendist soovitage 5 teemaga sarnast allikat ja kirjutage igaühe kohta ühelauseline põhjendus. Soovituslikud allikad pole loetletud. Lemmikallikas: [siin] / Kogude loend: [siin]
2) Soovitus, mis lisab vaheldust:
Lisage allolevasse soovituste loendisse 2 ressurssi, mis avardavad kasutaja silmaringi ja pakuvad teistsugust vaatenurka või alateema (ainult minu pakutud kogunimekirjast). Selgitage, miks need erinevad ja väärtuslikud on. Nimekiri: [siin] / Kollektsioon: [siin]
3) Soovituse põhjuse selgitus:
Kirjutage igale allpool olevale soovitusele lühike, läbipaistev põhjendus, mida saab kasutajale näidata: „Seda ressurssi soovitati, kuna...” Ei liialda ega viita isikuandmetele. Soovitused: [siin]
4) Privaatsuse eelkontroll:
Kas järgnev soovituskirje sisaldab kasutajat tuvastavat või tundlikku teavet (viide tervisele, veendumustele, poliitilistele vaadetele)? Kui jah, siis märkige see ära ja soovitage, kuidas see anonüümseks muuta. Sisend: [siin]
Nõrk viip / Tugev viip
Nõrk viip:
Soovitage sellel kasutajal lugemiseks 10 raamatut.
AI genereerib soovitusi oma globaalsest mälust, kogumit teadmata; Ta võib välja mõelda raamatuid, mida pole olemas ega austa mitmekesisust ja privaatsust.
Võimas viip:
Sinu roll: lugejanõustaja. Allpool on teema, mis kasutajale meeldis, ja meie kogus olevate tõeliste allikate loend. (1) Soovitage nimekirjast 5 teemaga seotud allikat. (2) Lisage ka 2 erineva vaatenurgaga allikat, mis avavad teie silmad. (3) Kirjutage igale ettepanekule läbipaistev põhjendus. Ärge jätke loendist välja, looge välja allikaid ega vihja isikuandmetele. Teema: [siin] / Kogu: [siin]
Võimas viip; see piirab selle tegeliku kogumisega, nõuab mitmekesisust ning lisab põhjenduse ja privaatsusreegli.
Soovituse tüüpide võrdlustabel
Soovituse tüüp
tugev külg
risk
Raamatukoguhoidja kohustus
sisupõhine
Püüab hästi tähelepanu
filtri mull
Lisage sorti
koostööaldis
üllatuslik avastus
Privaatsus, populaarsuse eelarvamus
Anonüümsus, tasakaal
AI tootmisloend
kiire
väljamõeldud allikas
kontrollida tegelikkust
Levinud vead
- Soovituste pakkumine ilma kinnitamiseta. AI võib moodustada olematuid allikaid.
- Lihtsalt soovitan "kõige sarnasem". Filtrimull ahendab kasutaja silmaringi.
- Lugemisajaloo eksportimine välisesse tööriista. Need on kõige tundlikumad privaatsusandmed.
- Ettepaneku esitamine ilma põhjenduseta. Läbipaistvus toetab usaldust ja kirjaoskust.
- Populaarsuse eelarvamuste ignoreerimine. Väärtuslikud, kuid vähetuntud ressursid lähevad kaduma.
Kokkuvõttes
Soovitussüsteemid on võimsad tööriistad, mis hõlbustavad avastamist, äratades kasutajate huvi; Sisupõhised ja koostööpõhised lähenemisviisid kannavad erinevaid tugevusi ja riske. AI genereerib soovitusi kiiresti, kuid suudab leiutada olematuid allikaid, filtreerides mullid ja tugevdades eelarvamusi. Raamatukoguhoidja töö; Kontrollida iga ettepanekut päriskogus, murda teadliku mitmekesisuse mull, kaitsta kasutajate privaatsust ning säilitada raamatukogule võrdse ja mitmekülgse juurdepääsu väärtus, esitades ettepanekuid läbipaistvate põhjustega.
Rakenduse ülesanne
Koostage lühike loetelu faktikogudest (10-15 allikat). Looge kasutajale soovitus malliga "Sisupõhise sarnase ressursi soovitus" ja kontrollige, kas need kõik loendis on tegelikult olemas. Seejärel lisage loendisse erineva vaatenurgaga allikad malliga „Soovitus, mis lisab mitmekesisust”. Lõpuks looge igale soovitusele läbipaistev selgitus malliga „Soovituse põhjenduse selgitus” ja kavandage, kuidas seda kasutajale esitada.
kontrollnimekiri
- [ ] Kontrollisin, et iga soovitus on kogus tegelikult olemas.
- [ ] Lisasin filtrimulli lõhkumiseks vaheldust.
- [ ] Hoidsin kasutaja lugemis-/otsinguajaloo turvaliselt, ei andnud seda välisele tööriistale.
- [ ] Olen koostanud igale ettepanekule läbipaistva põhjenduse.
- [ ] Populaarsuse kallutatuse vältimiseks hoidsin silma peal vähemtuntud ja väärtuslikel allikatel.