Voitot:
- Kyky erottaa sisältöön perustuvat ja yhteistyöhön perustuvat suosituslähestymistavat ja estää väärennetyt lähteet tarkistamalla jokainen suositus todellisesta kokoelmasta
- Kyky murtaa suodatinkupla tietoisella monimuotoisuudella ja esittää ehdotuksia läpinäkyvin perusteluin
- Käyttäjien luku- ja hakuhistorian yksityisyyden suojaaminen ja näiden tietojen turvallinen käsittely
Lukija saattaa kysyä "Sain tämän kirjan loppuun, mitä minun pitäisi lukea seuraavaksi?" ', hyvä kirjastonhoitaja suosittelee kiinnostuksensa, tasonsa ja tarkoitukseensa sopivia resursseja. Digitaalisessa maailmassa suositusjärjestelmät tekevät tämän mittakaavassa: ne suosittelevat uusia resursseja tarkastelemalla käyttäjän aiempia kiinnostuksen kohteita tai resurssin ominaisuuksia. Tässä osiossa opit kuinka tekoälyyn perustuvat suositusjärjestelmät toimivat, mitä ne tuovat kirjastoon ja miten hallita riskejä, kuten yksityisyyttä, harhaa ja "suodatinkuplaa".
Määritellään käsitteet. Sisältöpohjaisessa suosituksessa tarkastellaan lähteen ominaisuuksia (aihe, kirjoittaja, genre) ja suositellaan vastaavia lähteitä: "Jos pidit tästä historiakirjasta, saatat pitää myös tästä, joka kattaa saman ajanjakson." Yhteiskäyttöinen suodatus toimii periaatteella "muut käyttäjät, jotka pitivät resursseista kuten sinä, pitivät myös näistä". Suodatinkupla on, kun suositusjärjestelmä lukitsee käyttäjän jatkuvasti samanlaiseen sisältöön ja pitää hänet poissa uusista, erilaisista näkökulmista. Hyvä kirjastosuositus sekä herättää kiinnostuksen että rikkoo kuplan.
Askel askeleelta: vastuullinen neuvontatapa
1. Selvennä tarkoitus. Mihin ehdotuksella pyritään? Haluatko, että käyttäjä jatkaa lukemista, laajentaa näköalojaan tai löytää resursseja tiettyyn tutkimuskysymykseen? Tarkoitus määrittää suosituksen tyypin.
2. Tarkista lähde ja aitous. Tekoäly voi tehdä ehdotuksia tehdessään olemattomia kirjoja. Varmista, että jokainen ehdotettu resurssi on todella olemassa kokoelmassa tai luotettavassa luettelossa.
3. Säilytä monimuotoisuus. Vain "samankaltaisimman" suositteleminen luo suodatinkuplan. Sisällytä tietoisesti erilaisia näkökulmia, eri kirjoittajia ja eri tasoja. Kirjaston tehtävänä on avata horisontteja, ei rajoittaa niitä ekologiaan.
4. Suojaa yksityisyyttä. Henkilökohtainen suositus käyttää käyttäjän lukuhistoriaa ja on erittäin tarkka. Älä anna näitä tietoja yleisille tekoälytyökaluille; Käsitellä vain oppilaitoksen suojatuissa järjestelmissä käyttäjän suostumuksella.
5. Ole läpinäkyvä. Selitä käyttäjälle, miksi suositus annettiin: "Tätä resurssia suositeltiin, koska se liittyy sinua kiinnostavaan aiheeseen." Avoimuus vahvistaa luottamusta ja tietolukutaitoa.
Vinkki: Lisää tietoisesti "hieman erilainen" resurssi ehdotusluetteloon ja sano: "Nämä ovat lähellä kiinnostuksen kohteitasi; lisäsin tämän virkistyksenä." Tämä sekä rikkoo suodatinkuplan että osoittaa kirjaston löytämisarvon.
Ehdotuksen eettinen ulottuvuus
Suositusjärjestelmät näyttävät viattomilta, mutta luovat voimakkaita vaikutuksia. Käyttäjälle suositeltavat resurssit muokkaavat hänen tietomaailmaansa. Jos järjestelmä korostaa vain suosittuja lähteitä tai vain tietystä näkökulmasta, vähemmistöjen äänet, erilaiset näkemykset ja vähemmän tunnetut arvokkaat lähteet jäävät näkymättömiksi. Tekoäly voi vahvistaa tätä suuntausta perimällä harjoitustietojen suosion ja harhaanjohtamisen.
This is where the value of librarianship comes in: the library is not a commercial recommendation engine; Sen tehtävänä on varmistaa tasapuolinen ja monipuolinen tiedonsaanti. Kirjastonhoitajan vastuulla on mukauttaa suositusjärjestelmä tähän arvoon.
Huomio: Käyttäjän luku- ja hakuhistoria on yksi herkimmistä tietosuojatiedoista. Se, mitä ihminen lukee, voi paljastaa tietoa hänen terveydestään, poliittisista näkemyksistään, uskomuksistaan tai henkilökohtaisesta kriisistään. Älä koskaan siirrä näitä tietoja henkilöllisyyksineen ulkoisiin järjestelmiin; Anonymisointi ja suostumus ovat tärkeitä.
kolme minilaukkua
Tapaus 1 – Sisältöpohjainen suositus toimi. A school library used a content-based system to recommend resources to students that were similar to the book they were reading. Yksi oppilas sai valmiiksi tieteiskirjallisuuden; Järjestelmä suositteli kolmea kirjaa, jotka kattavat saman teeman mutta eri kirjoittajalta. Opiskelija lainasi kaksi; Luketottumus jatkui. Kirjastonhoitaja oli aiemmin vahvistanut, että kaikki ehdotukset todella olivat kokoelmassa.
Tapaus 2 – Väärä ehdotus kiinni. Kirjastonhoitaja pyysi tekoälyä suosittelemaan 8 kirjaa käyttäjälle. Hän tarkisti luettelon luettelosta: 3 kirjasta 8 puuttui ollenkaan; Tekoäly oli tehnyt uskottavia otsikoita. Vahvistusvaihe esti olemattomien kirjojen suosittelemisen käyttäjälle.
Tapaus 3 – Suodatinpallo repeytyi. Tutkija työskenteli jatkuvasti saman näkökulman lähteiden kanssa, ja järjestelmä ehdotti aina samanlaisia. Kirjastonhoitaja sisällytti tarkoituksella kaksi lähdettä, jotka esittivät vastakkaisen lähestymistavan aiheeseen ja tekivät tämän selväksi. Vain näiden vastakkaisten lähteiden ansiosta tutkija tajusi tutkimuksensa epätäydellisen puolen.
Kylmäkäynnistys ja uuden käyttäjän ongelma
Suositusjärjestelmien tunnettu haaste on kylmäkäynnistysongelma: järjestelmä ei tiedä mitä suositella uudelle käyttäjälle tai juuri kokoelmaan lisätylle resurssille, josta ei ole historiatietoa. Tässä tapauksessa monet järjestelmät käyttävät suosituimpia resursseja turvallisena vaihtoehtona; Tämä tarkoittaa, että vähän tunnettuja arvokkaita resursseja ei suositella ollenkaan ja suosio ruokkii itsestään. Kirjastotyössä tämä on ristiriidassa yhtäläisen pääsyn arvon kanssa. Ratkaisu on kysyä uudelle käyttäjälle lyhyt, selkeä mieltymyskysymys (mitkä aiheet, mikä taso, mikä tarkoitus) ennen suosituksen antamista ja uusien lisättyjen resurssien korostamista niiden sisällön ominaisuuksien perusteella. Tässä vaiheessa resurssin aihetta ja ominaisuuksia analysoimalla tekoäly voi linkittää asianomaiselle käyttäjälle jopa kirjan, jota ei ole koskaan lainattu; niin kauan kuin ehdotus tulee oikeasta kokoelmasta ja se on vahvistettu. Siten järjestelmä tekee näkyväksi paitsi "erittäin rakastetun" myös "olennaisen ja arvokkaan".
Vinkki: Kun määrität suositusta uudelle käyttäjälle, perusta se käyttäjän tämänhetkisiin tarpeisiin järjestelmän historiatietojen sijaan. Yksi hyvä kysymys ("onko tämä tutkimusta, mielihyvää, missä määrin?") tuottaa usein tarkemman suosituksen kuin kuukausien käyttäytymistiedot.
Neljä kopioitavaa mallia
1) Sisältöpohjainen samankaltainen resurssisuositus:
Alla on aihe/yhteenveto resurssista, josta käyttäjä piti. Olen myös antanut luettelon kokoelmassamme olevista resursseista. Ehdota vain tästä luettelosta 5 aiheeseen liittyvää lähdettä ja kirjoita kullekin yhden lauseen perustelu. Ehdotettuja lähteitä ei ole listattu. Lempilähde: [täällä] / Kokoelmaluettelo: [täällä]
2) Ehdotus, joka lisää vaihtelua:
Lisää alla olevaan ehdotusluetteloon 2 resurssia, jotka laajentavat käyttäjän näköaloja ja tarjoavat erilaisen näkökulman tai ala-aiheen (vain toimittamastani kokoelmaluettelosta). Selitä, miksi ne ovat erilaisia ja arvokkaita. Lista: [täällä] / Kokoelma: [täällä]
3) Selitys suosituksen syystä:
Kirjoita jokaiselle alla olevalle suositukselle lyhyt, läpinäkyvä perustelu, joka voidaan näyttää käyttäjälle: "Tätä resurssia suositeltiin, koska..." Ei liioittelua, ei mitään henkilökohtaisia tietoja. Ehdotuksia: [täällä]
4) Yksityisyyden ennakkotarkastus:
Sisältääkö seuraava ehdotusmerkintä käyttäjää tunnistavia tai arkaluonteisia tietoja (vihailee terveyttä, uskomuksia, poliittisia näkemyksiä)? Jos on, merkitse se ja ehdota, kuinka se anonymisoidaan. Syöte: [täällä]
Heikko kehote / Vahva kehote
Heikko kehote:
Suosittele 10 kirjaa tälle käyttäjälle luettavaksi.
Tekoäly luo ehdotuksia globaalista muististaan tietämättä kokoelmaa; Hän voi keksiä kirjoja, joita ei ole olemassa ja jotka eivät kunnioita monimuotoisuutta ja yksityisyyttä.
Tehokas kehotus:
Tehtäväsi: lukijaneuvoja. Alla on aihe, josta käyttäjä piti, ja luettelo kokoelmamme oikeista lähteistä. (1) Ehdota 5 aiheeseen liittyvää lähdettä luettelosta. (2) Lisää myös 2 lähdettä eri näkökulmista, jotka avaavat silmäsi. (3) Kirjoita jokaiselle ehdotukselle läpinäkyvä perustelu. Älä poistu luettelosta, tee lähteitä tai vihjaa henkilötietoja. Aihe: [täällä] / Kokoelma: [täällä]
Tehokas kehote; se rajoittaa sen varsinaiseen kokoelmaan, vaatii monimuotoisuutta ja lisää perusteluja ja tietosuojasäännön.
Suositustyyppien vertailukaavio
Ehdotuksen tyyppi
vahva kohta
riskiä
Kirjastonhoitajan velvollisuus
sisältöön perustuva
Vangitsee huomion hyvin
suodatinkupla
Lisää lajiketta
yhteistyökykyinen
yllättävä löytö
Yksityisyys, suosioharha
Nimettömyys, tasapaino
AI-tuotantoluettelo
nopeasti
keksitty lähde
verify reality
Yleisiä virheitä
- Tarjoaa ehdotuksia ilman vahvistusta. AI voi muodostaa olemattomia lähteitä.
- Suosittelen vain "samankaltaisinta". Suodatinkupla kaventaa käyttäjän näköaloja.
- Lukuhistorian vieminen ulkoiseen työkaluun. Se on arkaluontoisin yksityisyyden tieto.
- Ehdotuksen esittäminen ilman perusteluja. Avoimuus tukee luottamusta ja lukutaitoa.
- Suosioharhan huomioiminen. Arvokkaat mutta vähän tunnetut resurssit menetetään.
Yhteenvetona
Suositusjärjestelmät ovat tehokkaita työkaluja, jotka helpottavat löytämistä vangitsemalla käyttäjien kiinnostuksen; Sisältöpohjaiset ja yhteistyöhön perustuvat lähestymistavat sisältävät erilaisia vahvuuksia ja riskejä. Tekoäly on nopea luomaan ehdotuksia, mutta se voi keksiä olemattomia lähteitä, suodattaa kuplia ja vahvistaa harhaa. Kirjastonhoitajan työ; Todentaa jokainen ehdotus todellisessa kokoelmassa, murtaa tietoisen monimuotoisuuden kupla, suojella käyttäjien yksityisyyttä ja säilyttää kirjaston tasavertaisen ja monipuolisen pääsyn arvo esittämällä ehdotuksia läpinäkyvin perustein.
Sovellustehtävä
Laadi lyhyt luettelo asiakokoelmista (10-15 lähdettä). Luo suositus käyttäjälle "sisältöön perustuvan samankaltaisen resurssin suositus" -mallin avulla ja varmista, että ne kaikki todella ovat luettelossa. Lisää sitten luetteloon lähteitä eri näkökulmista "Monimuotoisuutta lisäävä ehdotus" -mallin avulla. Luo lopuksi jokaiselle ehdotukselle läpinäkyvä selitys "Ehdotuksen perustelujen selitys" -mallin avulla ja suunnittele, kuinka esität sen käyttäjälle.
tarkistuslista
- [ ] Vahvistin, että jokainen ehdotus on todella olemassa kokoelmassa.
- [ ] Lisäsin vaihtelua suodatinkuplan rikkomiseksi.
- [ ] Pidin käyttäjän luku-/hakuhistorian turvassa, en antanut sitä ulkoiselle työkalulle.
- [ ] Olen laatinut jokaiselle ehdotukselle avoimen perustelun.
- [ ] Välttääkseni suosioharhaa seurasin vähemmän tunnettuja ja arvokkaita lähteitä.