سود:
- امکان پردازش مجموعه در یک گردش کار 7 مرحله ای، از غربالگری اخلاقی تا انتشار، با یک ایست بازرسی انسانی در هر مرحله
- بدانید که چگونه پست های بازرسی اولیه از انتشار یک خطا (تاریخ/نام اشتباه) در زنجیره جلوگیری می کنند
- امکان اعمال اصول حفظ فایل اصلی، عدم صرفه جویی در تایید و اعلام استفاده از هوش مصنوعی در یک پروژه جامع
واحدهای قبلی مهارتهای فردی را پوشش میدادند: دیجیتالی کردن، رونویسی، فراداده، اسکن، ترجمه، تأیید، تجزیه و تحلیل الگو، بازیابی، حفظ و اخلاق. این واحد نهایی همه را ترکیب می کند. یک پروژه آرشیو واقعی این مراحل را نه به صورت جداگانه بلکه به عنوان یک گردش کار به هم پیوسته تجربه می کند. در اینجا، خواهیم دید که چگونه میتوانید یک مجموعه را از ابتدا تا انتها با یک فرآیند مبتنی بر هوش مصنوعی اما تحت کنترل انسان، مرحله به مرحله و با یک زنجیره کنترل پردازش کنید.
هدف این است که هوش مصنوعی را به عنوان شریکی قرار دهیم که «هر قدم را تسریع میکند اما در هیچ مرحلهای حرف نهایی را نمیزند». هنگامی که این واحد را به پایان می رسانید، با روشی کل نگر مواجه خواهید شد که انبوهی از اسناد درهم و برهم را به مجموعه ای آماده برای تحقیق، تأیید شده و از نظر اخلاقی پاک تبدیل می کند.
سناریو: آنچه ما داریم
فرض کنید مجموعهای از 250 سند دریافت میکنید: برخی چاپ شده (مکاتبات چاپی، تبلیغات)، برخی دستنوشتهها (نامهها، دفترچهها)، از تاریخهای مختلف، برخی حاوی اطلاعات شخصی حساس. هدف: دیجیتالی کردن، رونویسی، فهرست نویسی و در دسترس قرار دادن این مجموعه در اختیار محققان. بیایید فرآیند را در هفت مرحله تجزیه کنیم.
گردش کار هفت مرحله ای
مرحله 1 - ارزیابی و غربالگری اخلاقی. ابتدا مجموعه را بشناسید. کدام اسناد حاوی اطلاعات شخصی حساس هستند؟ وضعیت کپی رایت چگونه است؟ آیا حساسیت فرهنگی وجود دارد؟ این اسکن تعیین میکند که کدام اسناد میتوانند به ابزارهای هوش مصنوعی مبتنی بر ابر داده شوند و کدامها فقط در یک محیط بسته/تأیید شده پردازش میشوند. اگر این مرحله نادیده گرفته شود، کل پروژه در معرض خطر اخلاقی است.
مرحله 2 - دیجیتال سازی اسناد را با وضوح بالا اسکن کنید (حداقل 300-400 DPI، کنتراست خوب). فایل های اصلی (مستر) را دست نخورده نگه دارید. تمام پردازش ها روی نسخه ها انجام می شود.
مرحله 3 - استخراج متن. OCR را برای اسناد چاپی و HTR را برای نسخههای خطی اعمال کنید. از هوش مصنوعی بخواهید خروجی خام را با دستورالعمل «تصحیح ایمن» پاک کند - فقط خطاهای اپتیکال/تشخیص، بدون نظر محتوا، مکانهای غیرقابل خواندن [?]. خواندن جایگزین و کنترل دیرینه نگار برای عثمانی/نسخه خطی.
مرحله 4 - فراداده و فهرست نویسی. متاداده استاندارد (Dublin Core/ISAD(G)) برای هر سند تهیه شود. با اجازه از "فیلد ناموجود را خالی بگذارید". شرایط موضوع را به لیست کنترل شده نگاشت کنید. تاریخ ها و نام ها را با اسناد تأیید کنید.
مرحله 5 - غنی سازی و الگوسازی. استخراج موجودیت ها (شخص / مکان / سازمان)، عادی سازی، ایجاد روابط و خطوط زمانی. بررسی هر الگو در سند؛ هیچ ارتباط ساختگی و هیچ زمانی وجود ندارد.
مرحله 6 - دسترسی به ابزار. تهیه طرح کلی کمک های جستجو برای جمع آوری؛ بخش تاریخ را فقط بر اساس یادداشت های تأیید شده قرار دهید. محدودیت های دسترسی (حریم خصوصی/حق نسخه برداری) را به وضوح علامت گذاری کنید.
مرحله 7 - تأیید، اعلام و انتشار. فیلدهای مهم (تاریخ، نام، نقل قول، مرجع) را برای آخرین بار بررسی کنید. استفاده از هوش مصنوعی را اعلام کنید. کارشناس تایید نهایی را می دهد. مجموعه برای تحقیق باز شده است.
نکته: در هر مرحله یک "پوینت بازرسی انسانی" قرار دهید: یک متخصص پیش از رفتن به مرحله بعدی، خروجی هوش مصنوعی را تأیید می کند. بدون این نقاط بازرسی، یک خطا در مرحله اول (تاریخ اشتباه خوانده شده) در سراسر زنجیره منتشر می شود و در نهایت به کاتالوگ، الگو و راهنما نشت می کند.
میز زنجیری کنترل
مرحله
کار هوش مصنوعی
ایست بازرسی انسانی
1. غربالگری اخلاقی
علامت گذاری داده های حساس
تصمیم نصب
2. دیجیتال سازی
(تقویت تصویر)
کیفیت، حفاظت اصلی
3. استخراج متن
OCR/HTR + تصحیح ایمن
تأیید نام / تاریخ / خواندن
4. فراداده
پیش نویس استاندارد
تایید فیلد، تطبیق ترم
5. الگو
موجودیت، رابطه، جدول زمانی
اعتبار سنجی در سند
6. ابزار دسترسی
یافتن پیش نویس کمک
تاریخچه و تایید محدودیت
7. رها کنید
-
تایید نهایی، اعلامیه
سه کیف کوچک
مورد 1 - خطای زنجیره ای کشف شد. در یک پروژه، در فاز 3، تاریخ یک سند به جای «1888» «1868» نوشته شده است. اگر نقطه بازرسی مرحله 3 این خطا را تشخیص نمی داد، تاریخ در کاتالوگ (4)، جدول زمانی (5) و راهنما (6) پخش می شد. با تشکر از ایست بازرسی، اشکال در یک مکان رفع شد. درس: بررسی زودهنگام از انتشار خطا در زنجیره جلوگیری می کند.
مورد 2 - غربالگری اخلاقی پروژه را نجات داد. 18 سند از 250 سند حاوی داده های حساس افراد زنده بود. غربالگری اخلاقی در فاز 1 این موارد را مشخص کرد. این 18 سند در یک محیط بسته پردازش شدند، بقیه با ابزارهای استاندارد. اگر اسکن نادیده گرفته می شد و همه آن در فضای ابری آپلود می شد، یک نقض جدی بود. درس: غربالگری اخلاق اولین قدم است، نه راه حلی که بعداً اضافه شود.
مورد 3 - زمان و تلاش. با استفاده از روش سنتی، پردازش کامل مجموعه ای از 250 سند تقریباً 8 تا 10 ماه طول می کشد. با پشتیبانی از AI، گردش کار ایست بازرسی، این روند به حدود 3 ماه کاهش یافت. اما این صرفه جویی از «هوش مصنوعی همه چیز را انجام داد» نبود، بلکه از «هوش مصنوعی کار مکانیکی انجام داد، متمرکز بر تأیید انسانی». زمان اختصاص داده شده به تأیید کاهش نیافته است. زمان اختصاص داده شده به کارهای مکانیکی کاهش یافته است.
چهار قالب قابل کپی
1) طرح اولیه پروژه:
من مجموعه ای از اسناد [تعداد] دارم: [ترکیب چاپ/دستنوشته]، [دوره]، که برخی از آنها ممکن است حاوی داده های حساس باشد. یک برنامه گردش کار 7 مرحله ای برای دیجیتالی کردن و فهرست بندی این مجموعه ایجاد کنید: وظیفه هوش مصنوعی و ایست بازرسی HUMAN را در هر مرحله مشخص کنید. غربالگری اخلاق را در درجه اول قرار دهید.
2) چک لیست انتقال مرحله:
مرحله [نام صحنه] را تمام کردم. چک لیستی از نکات مهمی که باید قبل از رفتن به مرحله بعدی تأیید کنم تهیه کنید: چه حقایقی (تاریخ/نام/مرجع) باید تأیید شوند، چه خطاهایی می توانند در زنجیره منتشر شوند؟ من تایید نهایی را دارم. شما چک لیست را به من بدهید.
3) کنترل کیفیت نهایی:
در زیر تمام لایههای یک سند پردازش شده آمده است: رونویسی، ابرداده، داراییهای استخراجشده. عدم مفاهیم شکل بین لایه ها: آیا تاریخ در رونویسی با ابرداده مطابقت دارد، آیا موجودیت ها واقعاً در متن وجود دارند؟ تحمیل اصلاح؛ لیستی از تناقضات ایجاد کنید. لایه ها: [اینجا]
4) بسته شدن و اعلام پروژه:
در این پروژه مجموعه از هوش مصنوعی در مراحل زیر استفاده کردم: [list]. برای مستندات پروژه: (1) در چه مرحلهای از چه پشتیبانی هوش مصنوعی استفاده شده است، (2) تأیید انسانی چگونه انجام شده است، (3) چه محدودیتها/محدودیتهایی وجود دارد - یک یادداشت پایانی صادقانه و پیشنویس بیانیه استفاده از هوش مصنوعی بنویسید که شامل این موارد باشد.
اعلان ضعیف / اعلان قوی
ضعیف:
این مجموعه را به طور کامل با هوش مصنوعی پردازش کنید و آن را برای تحقیق آماده کنید.
یک دستورالعمل "انجام هر کاری" غربالگری اخلاقی، پست های بازرسی و راستی آزمایی را دور می زند. خطاها در طول زنجیره منتشر می شوند.
قوی:
یک گردش کار 7 مرحله ای برای این مجموعه تنظیم کنید که در هر مرحله یک ایست بازرسی انسانی وجود دارد. بگذارید مرحله اول، غربالگری اخلاق/حریم خصوصی باشد. خروجی تولید شده توسط هوش مصنوعی در هر مرحله قبل از انتقال به مرحله بعدی تأیید می شود. حقایق مهم را علامت گذاری کنید (تاریخ / نام / مرجع). در هیچ مرحله ای هوش مصنوعی حرف آخر را نمی زند.
تفاوت: ساختار مرحلهای، اولویت اخلاقی، پستهای بازرسی و اصل «مردم حرف آخر را میزنند» کل پروژه را ایمن و قابل دفاع میسازد.
اشتباهات رایج
- غربالگری اخلاقی را به پایان بسپاریم. حریم خصوصی / اسکن حق چاپ اولین قدم است. اگر بعدا اضافه شود، تخلف قبلاً رخ داده است.
- دور زدن پست های بازرسی خطایی که تأیید نشده است در سراسر زنجیره پخش می شود.
- عدم محافظت از فایل اصلی اگر نسخه اصلی دست نخورده نگهداری نشود، بازگشت غیرممکن می شود.
- صرفه جویی در تأیید هوش مصنوعی کار مکانیکی را کوتاه می کند. اگر زمان تأیید کوتاه شود، کیفیت کاهش می یابد.
- عدم اعلام استفاده از هوش مصنوعی شفافیت بخشی از اعتبار علمی مجموعه است.
به طور خلاصه
یک پروژه بایگانی پایان به انتها، مهارت های فردی را به زنجیره ای از کنترل متصل می کند: اسکن اخلاقی، دیجیتالی کردن، استخراج متن، ابرداده، الگو، ابزار بازیابی، و انتشار. در هر مرحله، هوش مصنوعی کار مکانیکی را سرعت می بخشد. در هر مرحله، یک ایست بازرسی انسانی حرف آخر را می زند. غربالگری اخلاقی اولین مرحله است، فایل اصلی محافظت میشود، خطاها زود تشخیص داده میشوند تا زنجیره را گسترش ندهند، و استفاده از هوش مصنوعی صادقانه اعلام شده است. پس انداز نه از هوش مصنوعی که همه کارها را انجام می دهد، بلکه از انسان رهایی از کارهای مکانیکی و تمرکز بر تأیید است. هوش مصنوعی شتاب می گیرد؛ انسان صحت و درستی تاریخ را تضمین می کند.
وظیفه کاربردی
یک مجموعه کوچک (10-20 سند؛ مطالب خود یا یک مجموعه نمونه) را انتخاب کنید. با الگوی "طرح راه اندازی پروژه" یک گردش کار 7 مرحله ای ایجاد کنید. حداقل دو سند را از طریق این جریان اجرا کنید: اسکن اخلاقی، استخراج متن، ابرداده و یک لایه الگو. هر مرحله را با یک "چک لیست انتقال مرحله" تأیید کنید. در نهایت، استفاده خود از هوش مصنوعی را با الگوی «بستن پروژه و بیانیه» مستند کنید. توجه داشته باشید که کدام خطاها در ایست های بازرسی اولیه شناسایی شده اند.
چک لیست
- [ ] من غربالگری اخلاق/حریم خصوصی را در مرحله اول انجام دادم.
- [ ] فایل های اصلی را دست نخورده نگه داشتم.
- [ ] من در هر مرحله یک ایست بازرسی انسانی قرار دادم.
- [ ] من حقایق حیاتی را قبل از اینکه در زنجیره منتشر شوند تأیید کردم.
- [ ] من استفاده از هوش مصنوعی را در بسته شدن پروژه اعلام کردم.
امتحان ماژول
1. مناسب ترین موقعیت برای هوش مصنوعی در تاریخ و آرشیو چیست؟
- الف) هوش مصنوعی یک ابزار خلاصه، ویرایش و پیش نویس است. نظر، انتقاد منبع و مسئولیت نهایی بر عهده کارشناس ✔
- ب) هوش مصنوعی می تواند مانند یک مورخ به تنهایی در مورد صحت و معنای سند تصمیم گیری کند
- ج) هوش مصنوعی فقط برای ترجمه متن کار می کند، ربطی به کارهای آرشیو دیگر ندارد
- د) از آنجایی که هوش مصنوعی همیشه بی طرف تر از انسان است، تفسیر تاریخی را باید به آن واگذار کرد.
توضیحات: هوش مصنوعی; این دستیار ویرایش، اسکن، ترجمه و تولید پیش نویس متن است. نقد منبع، تفسیر، استقرار علت- معلول و تصمیم نهایی متعلق به کارشناس است. یک خروجی تأیید نشده ممکن است منجر به یک منبع ساختگی، یک تاریخ نادرست یا یک نابهنگام شود.
2. توهم تولید شده توسط هوش مصنوعی در تحقیقات تاریخی چیست؟
- الف) هوش مصنوعی یک سند را بسیار کند پردازش می کند
- ب) هوش مصنوعی منبع، نقل قول یا رویدادی که وجود ندارد را واقعی می سازد ✔
- ج) سند از نظر جسمی آسیب دیده باشد
- د) کاتالوگ آرشیو به روز نیست
توضیح: توهم زمانی است که هوش مصنوعی با اطمینان اطلاعات، منابع، نقل قول ها یا رویدادهایی را جعل می کند که در واقع وجود ندارند. اگرچه شکل آن کامل به نظر می رسد، محتوای آن واقعی نیست. بنابراین، در هر کاتالوگ مرجع، هر استنادی باید در منبع اصلی تأیید شود.
3. بهترین روش برای تصحیح خروجی OCR توسط هوش مصنوعی چیست؟
- الف) درخواست روان و زیبا بودن متن و تکمیل منطقی قسمت های از دست رفته.
- ب) امکان تصحیح تمام اعداد و تاریخ ها بر اساس زمینه
- ج) از او بخواهید فقط خطاهای تشخیص نوری را تصحیح کند، مناطق غیرقابل خواندن [؟] را رها کند و اعداد/تاریخ را تغییر ندهد ✔
- د) از دانش آموز بخواهد کلمات ناخوانا را با محتمل ترین حدس پر کند.
توضیح: قانون طلایی در تصحیح OCR این است که فقط خطاهای آشکار تشخیص نوری (مانند rn به m، l به 1) را تصحیح کنید. عدم تفسیر یا تکمیل محتوای متن. نواحی ناخوانا با [؟] مشخص شده اند. اعداد و تاریخ ها تغییر نمی کنند، آنها با تصویر تأیید می شوند.
4. هنگام خواندن کلمه ای که مصوت آن در متن عثمانی نوشته نشده است، چه چیزی باید از هوش مصنوعی پرسید؟
- الف) یک مطالعه دقیق و دقیق انجام دهید و در نتیجه سرعت کار را افزایش دهید
- ب) انتخاب کلمه ای که معنی را روان تر می کند و جاهای خالی را پر می کند
- ج) تکمیل قسمت های ناخوانا از دانش عمومی خودش.
- د) ارائه گزینه های ممکن برای خواندن و علامت گذاری مناطق مبهم به جای تحمیل خواندن قطعی ✔
توضیح: در ترکی عثمانی حروف صدادار کوتاه بیشتر نوشته نمی شود. یک تفاوت مصوت/حرف (ابول و کابل، ولی و ولی) به طور کامل معنی را تغییر می دهد. بنابراین، به جای تحمیل قرائت قطعی، باید جایگزین های احتمالی را پرسید، مناطق ناخوانا را حفظ کرد و تصمیم نهایی را به دیرینه نگار سپرد.
5. موثرترین راه برای جلوگیری از توهم در هنگام تولید پیش نویس ابرداده (رکورد کاتالوگ) توسط هوش مصنوعی چیست؟
- الف) صراحتاً مجوز خالی گذاشتن آن فیلد را در صورتی که در سند موجود نیست اعطا کنید ✔
- ب) درخواست این که هر فیلد پر شود و ناقص باقی نماند.
- ج) برآورد تاریخ بر اساس محتوای اسناد بدون تاریخ
- د) اجازه دادن به هوش مصنوعی برای تولید کد مرجع
توضیحات: فشار پر کردن، هوش مصنوعی را مجبور میکند تا با حدس زدن تاریخ یا سازندهای که در سند نیست، سند را بسازد. قویترین سپر در برابر این، دادن صریحاً اجازه خالی گذاشتن فیلد در صورتی است که در سند وجود ندارد. علاوه بر این، اصطلاحات موضوع به واژگان کنترل شده نگاشت می شوند.
6. خلاصه سند تولید شده توسط هوش مصنوعی چگونه باید در تحقیقات تاریخی قرار گیرد؟
- الف) به عنوان مدرک قابل استناد مستقیم
- ب) به عنوان یک نقشه کشف که شما را به سند واقعی هدایت می کند. مدارک برگرفته از سند اصلی ✔
- ج) به عنوان یک منبع کافی که می تواند جایگزین خود سند شود
- د) به عنوان متنی که می توان بدون بازگشت به سند در مطالعه از آن استفاده کرد
توضیحات: خلاصه یک نقشه کشف است، نه یک اثبات. در این سند چیزی شبیه به این وجود دارد، می گوید برو و نگاه کن. دقیقاً آنچه را که در سند می گوید نمی گوید. اگر قرار است رویداد، نقل قول یا داده ای در مطالعه گنجانده شود، باید کلمه به کلمه از سند اصلی گرفته شود.
7. راه مناسب برای جلوگیری از نابهنگامی در هنگام ترجمه یک سند تاریخی برای انتشار چیست؟
- الف) جایگزینی تمام اصطلاحات دوره با نزدیکترین معادل امروزی
- ب) تا حد امکان متن را روان و مدرن منتقل کند
- ج) عناوین دوره ها و نام مؤسسات را منحصر به فرد بگذارید و توضیحی اضافه کنید ✔
- د) تطبیق نامهای مناسب با کاربرد فعلی آنها
توضیح: آناکرونیسم انتقال اشتباه عناصر از یک دوره به دوره دیگر است. تغییر عناوین دوره ها، نام مؤسسات و نام های شخصی به اصطلاحات امروزی، خواننده را به دنیایی می برد که به آن دوره تعلق ندارد. راه صحیح این است که عبارت دوره را نگه دارید و در کنار آن توضیح اضافه کنید.
8. چگونه می توان از واقعی بودن مرجع آرشیو (نام صندوق، شماره پرونده) ارائه شده توسط هوش مصنوعی مطمئن شد؟
- الف) اعتماد به مرجع زیرا فرمت آن صحیح به نظر می رسد
- ب) با پرسیدن مجدد از هوش مصنوعی که آیا مرجع صحیح است یا خیر
- ج) قبول رجوع به دلیل قانع کننده و تفصیلی
- د) با یافتن و تایید شخصی مرجع در کاتالوگ آرشیو یا منبع معتبر ✔
توضیحات: هوش مصنوعی می تواند منابعی تولید کند که از نظر شکل کامل هستند اما در واقع وجود ندارند. یک مرجع ساختگی به همان شکل مرجع واقعی است. تنها راه برای اثبات وجود یک مرجع، یافتن آن در جایی است که منبع اصلی در آن قرار دارد (کاتالوگ آرشیو، کتابخانه).
9. الگویی که هنگام انجام تحلیل الگو (NER، شبکه، جدول زمانی) با هوش مصنوعی پیدا می شود چگونه باید ارزیابی شود؟
- الف) به عنوان فرضیه ای که نیاز به تأیید در سند دارد. نقطه شروع، نه نتیجه ✔
- ب) به عنوان یک یافته قطعی که نیاز به تأیید ندارد
- ج) یک واقعیت عینی بلامنازع است زیرا عددی است.
- د) در نتیجه می توان آن را مورد مطالعه مستقیم قرار داد زیرا هوش مصنوعی را پیدا کرد
توضیح: هر الگوی یک فرضیه است نه مدرک. نهادها باید به منبع پیوند داده شوند، املای مختلف (از یک فرد/مکان) باید با تأیید انسان عادی شود، اعداد باید به دلیل دادههای از دست رفته و سوگیری نمونهگیری مورد سؤال قرار گیرند، و رویدادهای بدون تاریخ نباید به ترتیب زمانی مشخص شوند.
10. چرا بخش بیوگرافی/تاریخ نهادی در کتاب کمکیاب نیاز به توجه ویژه دارد؟
- الف) این بخش بی اهمیت است و می تواند بدون تأیید منتشر شود
- ب) از آنجایی که هوش مصنوعی میتواند رویدادهای ساختگی، تاریخها و عناوین نادرست را در این بخش اضافه کند، فقط باید به منابع تایید شده تکیه کند.
- ج) هوش مصنوعی را می توان با خیال راحت استفاده کرد زیرا در نوشتن تاریخ هیچ اشتباهی نمی کند.
- د) فقط محققان این بخش را پر می کنند، بایگانی علاقه ای ندارد
توضیحات: بخش تاریخ جایی است که توهم اغلب در آن رخ می دهد: هوش مصنوعی می تواند در هنگام نوشتن متنی روان از اطلاعات کلی در مورد یک شخص یا موسسه، رویدادهای غیرموجود، تاریخ های نادرست و عناوین ساختگی را وارد کند. این بخش فقط باید بر اساس منابع تایید شده باشد.
11. هوش مصنوعی چگونه باید به پرسش واقعیت محقق در یک سرویس مرجع (مشاوره) پاسخ دهد؟
- الف) پاسخ به سؤال باید مستقیماً و به عنوان یک واقعیت قطعی داده شود.
- ب) باید تاریخ یا نام قابل باوری تهیه و به محقق برساند.
- ج) به جای ارائه مستقیم حقایق، محقق را به مجموعه و منبع مربوطه هدایت کند✔
- د) باید پاسخ کاملی ارائه کند تا محقق نیازی به مراجعه به منبع نداشته باشد.
توضیح: در سرویس مرجع، هوش مصنوعی نباید مستقیماً پاسخ واقعیت بدهد، بلکه باید محقق را به منبع هدایت کند. زیرا پاسخ واقعی مستقیم هوش مصنوعی ممکن است ساختگی باشد و محقق آن را با منبع اشتباه بگیرد. به جای گفتن «جواب این است» باید بگوید «به این اسناد در این مجموعه نگاه کنید».
12. هنگام پردازش تصویر سند آسیب دیده با هوش مصنوعی کدام عملیات قابل قبول و ایراد است؟
- الف) انواع عملیات از جمله پر کردن قسمت های از دست رفته رایگان است.
- ب) هیچ اقدامی نباید انجام شود، تصویر هرگز نباید لمس شود
- ج) پرکردن قسمت های غایب ارزشمندترین اقدام است زیرا سند را کامل می کند.
- د) دستکاری خوانایی مانند کنتراست/نویز قابل قبول است. پر کردن قسمت های از دست رفته با حدس زدن ناخوشایند است ✔
توضیح: فرآیندهایی که خوانایی را بهبود می بخشند (کنتراست، نور، کاهش نویز) قابل قبول هستند زیرا محتوا را تغییر نمی دهند. با این حال، پر کردن قسمتهای گمشده/غیرقابل خواندن با حدس و گمان خطر تولید چیزی است که در سند نیست، یعنی جعل تاریخی. اصل حفظ می شود، معاملات ثبت می شود.
13. قبل از پردازش یک سند بایگانی حاوی داده های شخصی حساس چه باید کرد؟
- الف) اسکن حریم خصوصی و ناشناس سازی در صورت لزوم یا با استفاده از ابزار بسته/تأیید شده ✔
- ب) بارگذاری مستقیم سند در یک وسیله نقلیه عمومی بدون اینکه حتی به آن فکر کنید
- ج) نادیده گرفتن نگرانی های حفظ حریم خصوصی برای کارایی
- د) غلبه بر محدودیت های دسترسی به دلایل کارایی
افشا: آپلود اسناد حاوی داده های حساس شناسایی افراد زنده (سلامت، مذهب، قومیت، آدرس) در ابزارهای عمومی و مبتنی بر ابر می تواند نقض جدی حریم خصوصی باشد. ابتدا باید غربالگری حریم خصوصی انجام شود، در صورت لزوم باید از ناشناس سازی یا ابزار بسته/تأیید شده استفاده شود.
14. هدف اصلی یک ایست بازرسی انسانی در پروژه بایگانی سرتاسر چیست؟
- الف) کند کردن کار هوش مصنوعی و به تاخیر انداختن پروژه
- ب) برای جلوگیری از زنجیر شدن خطا (تاریخ/نام نادرست) در یک مرحله به تمام مراحل بعدی ✔
- ج) افزایش نیروی انسانی و کنار گذاشتن کامل اتوماسیون
- د) اطمینان از اینکه هوش مصنوعی حرف آخر را می زند
توضیحات: یک نقطه بازرسی انسانی در هر مرحله تضمین می کند که خروجی هوش مصنوعی قبل از رفتن به مرحله بعدی تأیید شده است. بدون این، یک خطا در مرحله اول (تاریخ اشتباه خوانده شده) زنجیره را از طریق کاتالوگ، الگو و راهنما منتشر می کند. بررسی اولیه اطمینان حاصل می کند که خطا در یک مکان تصحیح شده است.
15. شفافیت و اصالت در استفاده از هوش مصنوعی در علوم انسانی و اجتماعی چه نیازی دارد؟
- الف) مخفی نگه داشتن استفاده از هوش مصنوعی، اطمینان از اینکه هیچ کس نمی داند
- ب) هر متن تولید شده توسط هوش مصنوعی را به عنوان ایده اصلی خود ارائه کند
- ج) استفاده از هوش مصنوعی را صادقانه اعلام کند و خروجی آن را به عنوان کار اصلی خود معرفی نکند.
- د) تنها نتایج را بدون توضیح روش به اشتراک بگذارید
توضیحات: شفافیت شامل ثبت این است که رونویسی، ابرداده یا ترجمه با کمک هوش مصنوعی تولید شده است. اصالت مستلزم ارائه نظری است که توسط هوش مصنوعی به عنوان ایده اصلی خود شخص ارائه نشده است. این برای تأیید توسط محققان بعدی و برای یکپارچگی علمی ضروری است.