سود:
- امکان تولید پیش نویس ابرداده مطابق با استانداردهایی مانند ISAD(G) یا Dublin Core با هوش مصنوعی
- امکان جلوگیری از توهم و نگاشت اصطلاحات موضوعی به واژگان کنترل شده با اجازه خالی کردن
- امکان تشخیص اینکه کدام فیلدها، مانند تاریخ، نام شخص و کد مرجع، نیاز به تایید انسانی دارند و تنها باید توسط موسسه اختصاص داده شوند.
یک آرشیو یا کتابخانه، مهم نیست که چقدر غنی باشد، تا زمانی که به خوبی تعریف نشده باشد، یافت نمی شود. آنچه یک سند را «قابل یافتن» می کند، اطلاعات توصیفی درباره آن است: چه کسی آن را نوشته، چه زمانی، کجا، موضوع آن چیست، به چه مجموعه ای تعلق دارد. این اطلاعات فراداده نامیده می شود (فراداده - داده های توصیفی در مورد یک سند؛ "داده های مربوط به داده ها"). فهرست نویسی فرآیند شناسایی اسناد با این ابرداده و ذخیره آنها در یک سیستم قابل جستجو است. طبقه بندی عبارت است از سازماندهی اسناد بر اساس معیارهایی مانند موضوع، نوع یا مبدا.
تولید ابرداده بسیار وقت گیر است. وارد کردن تاریخ، موضوع، شخص و اطلاعات مکان به صورت جداگانه برای هزاران سند در مجموعه های بزرگ ممکن است سال ها طول بکشد. هوش مصنوعی یک تولید کننده پیش نویس قوی در این تجارت است. در این واحد، نحوه تولید ابرداده با هوش مصنوعی، فهرست نویسی مطابق با استانداردها (ISAD(G)، هسته دوبلین) و قدرت و مشکلات طبقه بندی خودکار را خواهیم دید.
استانداردهای آرشیوی: چرا به آنها نیاز است
فراداده به طور تصادفی وارد نمی شود. استانداردهای بین المللی وجود دارد که سوابق موسسات مختلف می توانند با یکدیگر صحبت کنند:
- ISAD(G) (شرح بایگانی استاندارد بین المللی عمومی): قوانینی برای توصیف مطالب بایگانی به صورت سلسله مراتبی (در سطح صندوق، سری، پرونده، سند). این شامل فیلدهایی مانند کد مرجع، عنوان، تاریخ، محدوده، سازنده است.
- Dublin Core: یک استاندارد مشترک متشکل از 15 زمینه اصلی برای توصیف منابع دیجیتال (عنوان، سازنده، موضوع، تاریخ، ژانر، قالب، منبع، زبان و غیره).
- Fonds: مجموعهای از رکوردها که به طور طبیعی در نتیجه فعالیتهای یک فرد، خانواده یا موسسه ایجاد میشود. این واحد اصلی سازماندهی بایگانی است.
- منشأ (منشا): اطلاعاتی در مورد اینکه یک سند از چه کسی می آید و از کدام دست عبور کرده است. در بایگانی اسناد و مدارک با توجه به مبدأ در کنار هم نگهداری می شوند.
مشخص کردن صریح استاندارد هدف هنگام داشتن ابرداده تولید هوش مصنوعی تضمین می کند که خروجی مستقیماً در شرکت قابل ورود است.
یکی دیگر از مفاهیم کلیدی، سابقه اقتدار است - رکوردی که یک فرم واحد، استاندارد و تایید شده از نام یک شخص، مکان یا موسسه را تعریف می کند. در اسناد تاریخی، یک شخص یا مکان ممکن است با املای متفاوت ظاهر شود. سابقه مرجع همه آنها را به یک قالب تایید شده متصل می کند تا در جستجو پراکنده نشوند. هوش مصنوعی اسامی را از یک سند پیشنهاد می کند. اما نگاشت این نام به فرم استاندارد در پرونده مرجع کار انسانی است. پیوند آنچه که هوش مصنوعی می گوید "احمد" به "احمد بیگ (1840-1912)" در سوابق معتبر مؤسسه، انسجام کاتالوگ را حفظ می کند.
گردش کار: گام به گام
1. منبع را آماده کنید. رونوشت یا تصویری از سند و هرگونه اطلاعات زمینه جمع آوری کنید.
2. استاندارد و مناطق را مشخص کنید. به هوش مصنوعی بگویید که کدام استاندارد (ISAD(G)، Dublin Core) و بر اساس کدام زمینه ها خروجی تولید می کند.
3. پیش نویس ابرداده ایجاد کنید. هوش مصنوعی فیلدهایی را پر می کند که می توان از سند استخراج کرد (تاریخ، شخص، مکان، موضوع، زبان، ژانر). قسمت هایی را که نمی تواند حذف کند خالی می گذارد.
4. نقشه به واژگان کنترل شده. نام موضوع و مکان در اکثر موسسات رایگان نیست، اما به یک لیست از پیش تعریف شده (واژگان کنترل شده / اصطلاحنامه) گره خورده است. عبارات موضوعی پیشنهاد شده توسط هوش مصنوعی را در این لیست ترسیم کنید.
5. تایید و تایید کنید. هر زمینه، به ویژه تاریخ، نام و موضوع، توسط انسان ها با اسناد و سوابق مرجع مقایسه می شود.
نکته: صراحتاً به هوش مصنوعی اجازه «خالی گذاشتن» بدهید. در غیر این صورت، تاریخ یا سازندهای را که در سند نیست، «حدس میزند» پر میکند و ابرداده جعلی را در کاتالوگ شما وارد میکند. دستورالعمل «اگر در سند نیست این قسمت را خالی بگذارید» قوی ترین سپر در برابر توهم است.
فیلدها و سطح اعتماد در یک جدول
فیلد فراداده
هوش مصنوعی چقدر قابل اعتماد است؟
تایید
زبان
بالا
نمونه
نوع سند
متوسط به بالا
کنترل کنید
نام افراد/مکان
متوسط (خطا در خواندن)
اجباری
تاریخ
کم متوسط (خطر ساخت)
اجباری
شرایط موضوعی
متوسط (تولید رایگان)
نقشه به چک لیست
دامنه/خلاصه
متوسط به بالا
مقایسه با منبع
کد مرجع
هیچ (موسسه می دهد)
پرتاب های انسانی
خلاصه: هوش مصنوعی در زمینه هایی مانند زبان و ژانر سریع و قابل اعتماد است. پیش نویس هایی را در زمینه هایی مانند تاریخ، نام و موضوع ایجاد می کند، اما تأیید انسانی لازم است. هوش مصنوعی هرگز زمینه های سازمانی مانند کد مرجع را تولید نمی کند.
سه کیف کوچک
مورد 1 - پیش نویس ابرداده برای 8000 عکس. آرشیو شهری 8000 عکس تاریخی را فهرست بندی می کرد. یادداشت های پشت هر عکس رونویسی شد و به هوش مصنوعی داده شد. تاریخ، مکان و طرح موضوع ایجاد شده توسط هوش مصنوعی. تیم انسانی آن را میدان به میدان تأیید کرد و آن را به لیست کنترل شده ترسیم کرد. کار تخمینی 10 ماهه به 3 ماه کاهش یافت. اما هر تاریخ و نام مکان به صورت بصری بررسی شد.
مورد 2 - تاریخچه ساخته شده. یک بایگانی کاتالوگ AI یک نامه بدون تاریخ داشت. YZ به محتوای نامه نگاه کرد و تاریخ "1912" را دقیقاً نوشت. با این حال، هیچ تاریخی در سند وجود نداشت. هوش مصنوعی پیش بینی کرد اگر بایگانی دستورالعمل "اگر در سند نبود خالی بماند" را اضافه نمی کرد، کاتالوگ با تاریخ ساختگی پر می شد. درس: اجازه خالی اجباری است.
مورد 3 - اصطلاحات موضوع آزاد باعث سردرگمی شد. هوش مصنوعی عبارات رایگان مشابه اما متفاوتی مانند «مهاجرت»، «مهاجرت»، «اسکان» را به اسناد مشابه اختصاص داد. وقتی به واژگان کنترلشده نگاشت نشد، همان موضوع با سه عبارت مختلف برچسبگذاری شد و در جستجو پراکنده شد. سازگاری با نگاشت اصطلاحات در یک فهرست مرجع واحد به دست آمد. درس: اصطلاحات موضوع منتشر نمی شود، آنها به لیست پیوند داده می شوند.
چهار قالب قابل کپی
1) طرح کلی Dublin Core:
پیش نویس فوق داده Dublin Core را از رونویسی سند زیر استخراج کنید. زمینه ها: عنوان، سازنده، موضوع، توضیحات، تاریخ، ژانر، زبان، محدوده (مکان/دوره). قوانین: (1) فقط از اطلاعات به وضوح در متن استفاده کنید. (2) فیلدی که در متن نیست را خالی بگذارید، حدس نزنید. (3) مقداری را که از آن مطمئن نیستید با [؟] علامت بزنید. رونویسی: [اینجا]
2) تعریف پیش نویس ISAD(G):
پیش نویس سند زیر را در فیلدهای ISAD(G) ایجاد کنید: عنوان، تاریخ(ها)، سطح توضیحات (سند/فایل)، محدوده و محتوا (خلاصه کوتاه)، سازنده، زبان. کد مرجع را خالی بگذارید (موسسه آن را ارائه می دهد). هیچ اطلاعاتی را که در متن نیست اضافه نکنید. قسمت ناموجود را خالی بگذارید. سند: [اینجا]
3) پیشنهاد اصطلاح موضوع (کنترل شده):
3-5 اصطلاح موضوعی متناسب با سند زیر پیشنهاد کنید. ابتدا به حقایق موجود در سند تکیه کنید. در زیر فهرست اصطلاحات کنترل شده موسسه ما آمده است. ابتدا آن را از این لیست انتخاب کنید، اگر در لیست نیست، پیشنهاد اصطلاح جدید خود را جداگانه علامت بزنید. فهرست: [شرایط]. سند: [اینجا]
4) بررسی قوام انبوه:
در زیر سوابق فراداده اسنادی از همان مجموعه آمده است. عدم تطابق پرچم: ضبط املای یک مکان/فرد متفاوت، قالبهای تاریخ متفاوت، اصطلاحات مختلف برای یک موضوع. تصحیح IMPOSITION; فقط فهرستی از تناقضات را تهیه کنید تا انسان آنها را مرور کند. سوابق: [اینجا]
اعلان ضعیف / اعلان قوی
ضعیف:
یک رکورد کاتالوگ کامل برای این سند ایجاد کنید.
دستورالعمل "کامل" هوش مصنوعی را وادار می کند تا هر فضا را پر کند، یعنی تاریخ و خالقانی را اختراع کند که وجود ندارند.
قوی:
هسته دوبلین برای این سند تهیه شده است. فقط از اطلاعاتی که به وضوح در رونویسی موجود است استفاده کنید. فیلد موجود را خالی بگذارید، حدس نزنید. اصطلاحات موضوع را از این لیست کنترل شده انتخاب کنید: [list]. تاریخ و نام افراد را با [؟] علامت بزنید تا بتوانم آن را با سند تأیید کنم. رونویسی: [اینجا]
تفاوت: مجوز "خالی گذاشتن" به جای نسخه "کامل"، پایبندی به فهرست کنترل شده و علائم تأیید، کاتالوگ را در برابر ساخت محافظت می کند.
اشتباهات رایج
- یعنی «کاملاً پر کن». این منجر به تناسب زمینه های غیر موجود می شود. باید اجازه "خالی بگذار" داده شود.
- انتشار اصطلاحات موضوعی عباراتی که با واژگان کنترل شده نگاشته نمی شوند، حواس جستجو را پرت می کنند.
- داشتن تاریخچه پیش بینی هوش مصنوعی وارد کردن تاریخ ساختگی در یک سند بدون تاریخ، کاتالوگ را آلوده می کند.
- داشتن کد مرجع تولید شده توسط هوش مصنوعی. این یک فضای شرکتی و منحصر به فرد است. مردم پرتاب می کنند.
- عدم تعیین استاندارد اگر استاندارد ذکر نشود، خروجی یک پیش نویس نامرتب خواهد بود که نمی توان آن را وارد موسسه کرد.
به طور خلاصه
فراداده و فهرست نویسی زیرساخت نامرئی است که بایگانی را به روی محقق باز می کند و تلاش زیادی را می طلبد. از رونویسی، هوش مصنوعی یک طرح کلی سریع برای زمینه هایی مانند تاریخ، شخص، مکان، موضوع و ژانر ایجاد می کند. می تواند بر اساس استانداردهایی مانند ISAD(G) یا Dublin Core کار کند. اما فشار برای «پر کردن کامل» هوش مصنوعی را وادار میکند تا همه چیز را اصلاح کند. مجوز «خالی گذاشتن»، نگاشت به واژگان کنترلشده، و تأیید انسانی تاریخ/نام، کاتالوگ را قابل اعتماد نگه میدارد. هوش مصنوعی پیش نویس را آماده می کند. مسئولیت صحت کاتالوگ بر عهده شماست.
وظیفه کاربردی
رونویسی سند و درخواست ابرداده از هوش مصنوعی با الگوی "Dublin Core"؛ بررسی کنید که فیلدهایی که وجود ندارند خالی بگذارد. سپس الگوی «پیشنهاد اصطلاح موضوع» را با چک لیست (یا نمونه) خود اجرا کنید. در نهایت، چند رکورد را با "بررسی سازگاری انبوه" آزمایش کنید. توجه داشته باشید که هوش مصنوعی سعی می کند چند فیلد را با پیش بینی پر کند و چه تعداد عبارت موضوعی باید در لیست نگاشت شود.
چک لیست
- [ ] من استاندارد هدف را به وضوح بیان کرده ام (ISAD(G)/Dublin Core).
- [ ] من اجازه "Leave Blank field blank" را دادم.
- [ ] من شرایط موضوع را به لیست کنترل شده نگاشت کردم.
- [ ] من تاریخ و نام افراد را با سابقه سند/مرجع تأیید کردم.
- [ ] من کد مرجع را به مؤسسه واگذار کردم، نه به هوش مصنوعی.