Voitot:
- Kyky tuottaa metatietoluonnoksia standardien, kuten ISAD(G) tai Dublin Coren, mukaisesti tekoälyllä
- Kyky estää hallusinaatioita ja kartoittaa aihetermit valvottuun sanavarastoon jätettävän tyhjäksi luvalla
- Kyky erottaa mitkä kentät, kuten päivämäärä, henkilön nimi ja viitekoodi, vaativat ihmisen hyväksynnän ja mitkä vain oppilaitoksen tulisi määrittää
Arkistoa tai kirjastoa, olipa se kuinka rikas tahansa, ei löydy, ellei sitä ole tarkasti määritelty. Asiakirjasta "löydettävän" tekee sen kuvaava tieto: kuka sen on kirjoittanut, milloin, missä, mikä sen aihe on, mihin kokoelmaan se kuuluu. Näitä tietoja kutsutaan metatiedoksi (metadata – kuvaavat tiedot asiakirjasta; "data datasta"). Luettelointi on prosessi, jossa asiakirjat tunnistetaan näillä metatiedoilla ja tallennetaan hakukelpoiseen järjestelmään. Luokittelu tarkoittaa asiakirjojen järjestämistä sellaisten kriteerien mukaan kuin aihe, tyyppi tai alkuperä.
Metatietojen luominen on erittäin aikaa vievää; Päivämäärän, aiheen, henkilön ja paikkatietojen syöttäminen yksittäin tuhansista asiakirjoista suurissa kokoelmissa voi kestää vuosia. Tekoäly on vahva vetogeneraattori tällä alalla. Tässä osiossa näemme, kuinka luodaan metadataa tekoälyllä, luetteloimalla standardien mukaisesti (ISAD(G), Dublin Core) ja sekä automaattisen luokituksen tehoa että sudenkuoppia.
Arkistointistandardit: miksi niitä tarvitaan
Metatietoja ei syötetä satunnaisesti; On olemassa kansainvälisiä standardeja, jotta eri laitosten tallenteet voivat puhua keskenään:
- ISAD(G) (General International Standard Archival Description): Säännöt arkistomateriaalin hierarkkiseen kuvaamiseen (rahasto-, sarja-, tiedosto-, asiakirjatasolla). Se sisältää kenttiä, kuten viitekoodi, otsikko, päivämäärä, laajuus, luoja.
- Dublin Core: Yhteinen standardi, joka koostuu 15 ydinkentästä digitaalisten resurssien kuvaamiseksi (nimi, tekijä, aihe, päivämäärä, genre, muoto, lähde, kieli jne.).
- Rahastot: Tietueiden sarja, joka on luonnollisesti muodostunut yksittäisen henkilön, perheen tai laitoksen toiminnan tuloksena. Se on arkistoinnin perusjärjestysyksikkö.
- Lähde (alkuperä): Tietoa siitä, keneltä asiakirja on peräisin ja minkä käden kautta se on kulkenut. Arkistoinnin yhteydessä asiakirjat säilytetään yhdessä niiden alkuperän mukaan.
Kohdestandardin nimenomainen määrittäminen, kun tekoäly tuottaa metatietoja, varmistaa, että tulos on suoraan syötettävissä yritykseen.
Toinen keskeinen käsite on auktoriteettitietue – tietue, joka määrittelee yhden, vakiomuotoisen, hyväksytyn muodon henkilön, paikan tai laitoksen nimestä. Historiallisissa asiakirjoissa sama henkilö tai paikka voi esiintyä eri kirjoitusasuilla; Auktoriteettitietue sitoo ne kaikki yhteen hyväksyttyyn muotoon, jotta ne eivät hajoa haussa. AI ehdottaa nimiä asiakirjasta; mutta tämän nimen yhdistäminen auktoriteettitietueen vakiomuotoon on ihmisen työtä. Tekoälyn "Ahmed" ja "Ahmed Bey (1840-1912)" linkittäminen laitoksen auktoriteettitietueessa säilyttää luettelon johdonmukaisuuden.
Työnkulku: askel askeleelta
1. Valmistele lähde. Kerää asiakirjasta transkriptio tai kuva ja kaikki kontekstitiedot.
2. Tunnista standardi ja alueet. Kerro tekoälylle, mikä standardi (ISAD(G), Dublin Core) ja minkä kenttien mukaan se tuottaa tulosta.
3. Luo metatietojen luonnos. AI täyttää kentät, jotka voidaan poimia asiakirjasta (päivämäärä, henkilö, paikka, aihe, kieli, genre); Se jättää tyhjiksi alueet, joita se ei voi poistaa.
4. Kartta ohjattuun sanastoon. Aihe- ja paikannimet eivät ole vapaita useimmissa oppilaitoksissa, vaan ne on sidottu ennalta määritettyyn luetteloon (hallittu sanasto / tesaurus). Yhdistä tekoälyn ehdottamat aihetermit tähän luetteloon.
5. Tarkista ja vahvista. Ihminen vertaa jokaista kenttää, erityisesti päivämäärää, nimeä ja aihetta, asiakirjoihin ja valtakirjaan.
Vinkki: Anna tekoälylle nimenomaisesti lupa "jätä tyhjäksi". Muussa tapauksessa se "arvaa" päivämäärän tai tekijän, jota ei ole asiakirjassa, ja lisää väärennetyt metatiedot luetteloosi. Ohje "Jätä tämä kenttä tyhjäksi, jos sitä ei ole asiakirjassa" on vahvin suoja hallusinaatioita vastaan.
Kentät ja luottamustaso taulukossa
Metatietokenttä
Kuinka luotettava AI on?
vahvistusta
kieli
korkea
näyte
Asiakirjan tyyppi
keskikorkea
ohjata
Henkilö-/paikannimet
Keskitaso (lukuvirhe)
pakollinen
päivämäärä
Matala keskitaso (valmistusriski)
pakollinen
Aiheehdot
Keskikokoinen (ilmainen luonti)
Kartta tarkistuslistaan
Laajuus/yhteenveto
keskikorkea
Vertaa lähteeseen
Viitekoodi
Ei mitään (laitos antaa)
ihmisen heittoja
Yhteenveto: AI on nopea ja luotettava esimerkiksi kielen ja genren osalta; luo luonnoksia kenttiin, kuten päivämäärä, nimi ja aihe, mutta vaaditaan ihmisen hyväksyntä; Tekoäly ei koskaan tuota institutionaalisia kenttiä, kuten viitekoodia.
kolme minilaukkua
Tapaus 1 – Luonnos metadatasta 8 000 valokuvalle. Kaupungin arkisto luetteloi 8 000 historiallista valokuvaa. Jokaisen valokuvan takana olevat muistiinpanot kirjoitettiin ja annettiin tekoälylle; Tekoälyn luoma päivämäärä, sijainti ja aihepiirros. Työryhmä vahvisti sen kenttä kentältä ja kartoitti sen valvottuun luetteloon. Arvioitu 10 kuukauden työ lyhennettiin 3 kuukauteen; mutta jokainen päivämäärä ja paikannimi tarkastettiin silmämääräisesti.
Tapaus 2 – keksitty historia. Eräällä arkistonhoitajalla oli tekoälyluettelo päivätty kirje. YZ katsoi kirjeen sisältöä ja kirjoitti päivämäärän "1912" tarkasti. Asiakirjassa ei kuitenkaan ollut päivämäärää; AI ennusti. Jos arkistonhoitaja ei olisi lisännyt ohjetta "jätä tyhjäksi, jos ei asiakirjassa", luettelo olisi täytetty tehdyllä päivämäärällä. Oppitunti: tyhjä lupa on pakollinen.
Tapaus 3 – Vapaat aihetermit aiheuttivat hämmennystä. Tekoäly osoitti samanlaisia, mutta erilaisia vapaita termejä, kuten "maahanmuutto", "maahanmuutto", "asuminen" samankaltaisille asiakirjoille. Kun sitä ei kartoitettu ohjattuun sanastoon, sama aihe merkittiin kolmella eri termillä ja hajaantui hakuun. Johdonmukaisuus saavutettiin yhdistämällä termit yhdeksi viranomaisluetteloksi. Oppitunti: aihetermejä ei julkaista, ne on linkitetty luetteloon.
Neljä kopioitavaa mallia
1) Dublin Coren pääpiirteet:
Pura Dublin Coren metatietoluonnos alla olevasta asiakirjan transkriptiosta. Kentät: Otsikko, Tekijä, Aihe, Kuvaus, Päivämäärä, Genre, Kieli, Laajuus (sijainti/kausi). Säännöt: (1) Käytä tekstissä vain selkeitä tietoja. (2) Jätä kenttä, joka ei ole tekstissä TYHJÄ, älä arvaa. (3) Merkitse arvo, josta et ole varma [?]. Transkriptio: [täällä]
2) ISAD(G) määritelmäluonnos:
Luo luonnos seuraavalle asiakirjalle ISAD(G)-kentissä: Otsikko, Päivämäärä(t), Kuvaustaso (asiakirja/tiedosto), Laajuus ja sisältö (lyhyt yhteenveto), Luoja, Kieli. Jätä viitekoodi TYHJÄ (laitos antaa sen). Älä lisää tietoja, joita ei ole tekstissä; Jätä olematon kenttä tyhjäksi. Dokumentti: [täällä]
3) Aihetermiehdotus (hallittu):
Ehdota 3-5 aihetermiä, jotka sopivat alla olevaan asiakirjaan. Luota ensin asiakirjassa oleviin tosiasioihin. Alla on laitoksemme valvottu terminologialuettelo; ENSIN, valitse se tästä luettelosta, jos sitä ei ole luettelossa, merkitse uusi termiehdotuksesi erikseen. Luettelo: [termit]. Dokumentti: [täällä]
4) Joukkojohdonmukaisuuden tarkistus:
Alla on metatietotietueet saman kokoelman asiakirjoista. Lippujen epäjohdonmukaisuudet: tietueet kirjoittavat saman paikan/henkilön eri tavalla, eri päivämäärämuodot, eri termit samalle aiheelle. Korjaus ASETUS; Tuo vain luettelo epäjohdonmukaisuuksista ihmisen tarkistettavaksi. Levyt: [täällä]
Heikko kehote / Vahva kehote
Heikko:
Luo tälle asiakirjalle täydellinen luettelotietue.
"Täydellinen" ohje pakottaa tekoälyn täyttämään jokaisen tilan, eli keksimään historiaa ja luojia, joita ei ole olemassa.
Vahva:
Dublin Core on laadittu tätä asiakirjaa varten. Käytä vain selkeesti transkriptioon sisältyviä tietoja; jätä olematon kenttä tyhjäksi, älä arvaa.Valitse aihetermit tästä valvotusta luettelosta: [luettelo]. Merkitse päivämäärä ja henkilöiden nimet [?]-merkillä, jotta voin varmistaa sen asiakirjalla. Transkriptio: [täällä]
Ero: "jätä tyhjäksi" lupa "täydellisen" painoksen sijaan, valvottu luettelon noudattaminen ja varmistusmerkit suojaavat luetteloa valmistusta vastaan.
Yleisiä virheitä
- Se tarkoittaa "täytä se kokonaan". Tämä johtaa olemattomien kenttien sovittamiseen; "jätä tyhjäksi" lupa tulee antaa.
- Aiheehtojen julkaisu. Termit, jotka eivät liity ohjattuun sanastoon, häiritsevät hakua.
- AI ennustaa historiaa. Fiktiivisen päivämäärän syöttäminen päivämäärättömään asiakirjaan saastuttaa luettelon.
- Tekoälyn luoma viitekoodi. Tämä on yritys, ainutlaatuinen tila; ihmiset heittävät.
- Standardia ei täsmennetä. Jos standardia ei mainita, tulos on sotkuinen luonnos, jota ei voida syöttää laitokseen.
Yhteenvetona
Metadata ja luettelointi ovat näkymätön infrastruktuuri, joka avaa arkiston tutkijalle, ja se vaatii paljon vaivaa. Tekoäly tuottaa transkriptiosta nopean ääriviivat sellaisille aloille kuin päivämäärä, henkilö, paikka, aihe ja genre; Se voi toimia standardien, kuten ISAD(G) tai Dublin Coren, mukaisesti. Mutta paine "täyttää kokonaan" pakottaa tekoälyn keksimään asioita; "Jätä tyhjäksi" -lupa, kartoitus ohjattuun sanastoon ja ihmisten vahvistus päivämäärille/nimille pitävät luettelon luotettavana. AI valmistelee luonnoksen; Olet vastuussa luettelon oikeellisuudesta.
Sovellustehtävä
Ota asiakirjan transkriptio ja pyydä metatietoja tekoälystä "Dublin Core draft" -mallin avulla; Tarkista, että se jättää tyhjiä kenttiä, joita ei ole olemassa. Suorita sitten "aihetermiehdotus" -malli omalla (tai esimerkki) tarkistuslistallasi. Lopuksi testaa muutama tietue "joukkoyhdenmukaisuuden tarkistuksella". Huomaa, kuinka monta kenttää tekoäly yrittää täyttää ennusteella ja kuinka monta aihetermiä on kartoitettava luetteloon.
tarkistuslista
- [ ] Olen ilmoittanut selkeästi kohdestandardin (ISAD(G)/Dublin Core).
- [ ] Annoin "Jätä tyhjä kenttä tyhjäksi" -luvan.
- [ ] kartoitin aihetermit kontrolloituun luetteloon.
- [ ] Vahvistin päivämäärän ja henkilöiden nimet asiakirjasta/viranomaisen tiedosta.
- [ ] Jätin viitekoodin oppilaitokselle, en tekoälylle.