એકમો
1. ઇતિહાસ અને આર્કાઇવિંગમાં કૃત્રિમ બુદ્ધિનો પરિચય: ભૂમિકાઓ, સીમાઓ, માન્યતા અને નીતિશાસ્ત્ર 2. દસ્તાવેજ ડિજિટાઇઝેશન અને OCR: પ્રિન્ટેડ ટેક્સ્ટને મશીન ટેક્સ્ટમાં કન્વર્ટ કરવું 3. ટ્રાન્સક્રિપ્શન: ઓટ્ટોમન ટર્કિશ અને હસ્તપ્રતો 4. મેટાડેટા, સૂચિ અને વર્ગીકરણ 5. સ્ત્રોત સ્કેનિંગ, ડિસ્કવરી અને સારાંશ 6. ઐતિહાસિક અનુવાદ અને સરળીકરણ 7. સ્ત્રોત ચકાસણી, એનાક્રોનિઝમ અને આભાસ 8. સામગ્રી વિશ્લેષણ અને પેટર્ન શોધ 9. આર્કાઇવ ઍક્સેસ, વર્ણન અને વપરાશકર્તા સેવાઓ 10. જાળવણી, પુનઃસ્થાપન અને ડિજિટલ સંરક્ષણ 11. નૈતિકતા, કોપીરાઈટ, ગોપનીયતા અને સાંસ્કૃતિક સંવેદનશીલતા 12. એન્ડ-ટુ-એન્ડ પ્રોજેક્ટ: આર્ટિફિશિયલ ઇન્ટેલિજન્સ સાથે આર્કાઇવ કલેક્શનની પ્રક્રિયા કરવી
એકમ 7 / 12

સ્ત્રોત ચકાસણી, એનાક્રોનિઝમ અને આભાસ

નફો:

  • શા માટે આભાસ (બનાવટિત સ્ત્રોત, અવતરણ, ઘટના) અને અનાક્રોનિઝમ એ ઇતિહાસમાં સૌથી ખતરનાક ભૂલો છે તે સમજાવવાની ક્ષમતા
  • સૂચિમાં દરેક સંદર્ભને ચકાસવાની શિસ્ત લાગુ કરવાની ક્ષમતા, દસ્તાવેજ સાથેની સામગ્રીની તુલના કરવી અને નિર્ણાયક તથ્યોને ક્રોસ-પુષ્ટિ કરવી.
  • વાસ્તવિક સ્ત્રોતને બદલે ક્યાં જોવું તે આર્ટિફિશિયલ ઇન્ટેલિજન્સ પૂછીને સ્ત્રોતોમાં પૂર્વગ્રહ અને ખૂટતા અવાજો પર પ્રશ્ન કરવાની ક્ષમતા

આ મોડ્યુલના દરેક એકમમાં એક ચેતવણી પુનરાવર્તિત છે: AI નું આઉટપુટ એક દાવો છે, સત્ય નથી, જ્યાં સુધી ચકાસણી ન થાય ત્યાં સુધી. આ એકમ તે ચેતવણીને શિસ્તમાં ફેરવે છે. ઇતિહાસ અને આર્કાઇવિંગ સ્વાભાવિક રીતે પુરાવા-આધારિત ક્ષેત્રો છે; ઈતિહાસકારની સૌથી મૂળભૂત કૌશલ્ય એ સ્રોતની ટીકા છે (કોના દ્વારા, ક્યારે, કયા હેતુ માટે સ્રોત બનાવવામાં આવ્યો હતો અને તે કેટલો વિશ્વસનીય છે તે અંગે પ્રશ્ન કરવો). AI ના યુગમાં, આ કૌશલ્ય વધુ જટિલ બની ગયું છે કારણ કે સ્ત્રોત પોતે જ હવે બનાવટી હોઈ શકે છે.

અહીં આપણે ત્રણ જોખમોને ઊંડાણમાં આવરી લઈશું: આભાસ (એઆઈ દ્વારા બનાવટી માહિતી, સ્ત્રોતો અથવા અવતરણોનું નિર્માણ થાય છે), અનાક્રોનિઝમ (સામયિક તત્વો ખોટા સમયગાળામાં ખસેડવામાં આવે છે), અને સામાન્ય રીતે સ્ત્રોત ચકાસણીની શિસ્ત. અમે એઆઈને ભૂતકાળમાં અચોક્કસ અથવા પૂર્વગ્રહયુક્ત સ્ત્રોતોમાંથી શીખતા જોઈશું, જેથી તે પૂર્વગ્રહનું પુનઃઉત્પાદન કરી શકે.

આભાસ: સૌથી ખતરનાક ભૂલ

આભાસ એ છે જ્યારે AI આત્મવિશ્વાસપૂર્વક એવી વસ્તુ રજૂ કરે છે જે વાસ્તવમાં અસ્તિત્વમાં નથી. ઐતિહાસિક રીતે, તે સૌથી સામાન્ય રીતે નીચેના સ્વરૂપોમાં જોવા મળે છે:

  • બનાવટી સ્ત્રોત/સંદર્ભ: અસ્તિત્વમાં ન હોય તેવું આર્કાઇવ ફંડ, ફાઇલ નંબર, પુસ્તક અથવા લેખ.
  • મેડ-અપ ક્વોટ: એક શબ્દ જે વાસ્તવમાં કહેવામાં આવ્યો ન હતો, એક વાક્ય જે દસ્તાવેજમાં નથી.
  • મેડ-અપ ઇવેન્ટ/તારીખ/વ્યક્તિ: એક ઘટના જે બની નથી, ખોટી તારીખ, એક વ્યક્તિ જે અસ્તિત્વમાં નથી.
  • કાલ્પનિક જોડાણ: બે વાસ્તવિક ઘટનાઓ વચ્ચે અવિદ્યમાન કારણ-અસર સંબંધ.

આભાસને ખતરનાક બનાવે છે તે એ છે કે તે વિશ્વાસપાત્ર લાગે છે. બનાવેલા સંદર્ભમાં વાસ્તવિક સંદર્ભ જેવું જ ફોર્મેટ હોય છે: ફંડનું નામ, નંબર, તારીખ. તેથી "ફોર્મેટ બરાબર દેખાય છે" નો અર્થ ક્યારેય "સાચો" થતો નથી.

ધ્યાન આપો: YZ દ્વારા ઉત્પાદિત કોઈપણ સંસાધનનો ઉપયોગ ચકાસ્યા વિના અને સૂચિમાં અથવા વિશ્વસનીય સ્થાને મળી શકે છે. સંદર્ભ અસ્તિત્વમાં છે તે સાબિત કરવાનો એકમાત્ર રસ્તો એ છે કે મૂળ સ્ત્રોત ક્યાં સ્થિત છે તે જોવાનું છે (આર્કાઇવ સૂચિ, પુસ્તકાલય, પ્રકાશન). "એઆઈએ તે આપ્યું" એ પુરાવા નથી.

એનાક્રોનિઝમ: સમયગાળાના ચશ્મા

અનાક્રોનિઝમ ભૂતકાળને આજના ચશ્મા દ્વારા જોઈ રહ્યો છે. કારણ કે AI આજની ભાષામાં પ્રશિક્ષિત છે, તે આના માટે મજબૂત વલણ ધરાવે છે:

  • શબ્દ અનાક્રોનિઝમ: એવા શબ્દ, સંસ્થા અથવા ખ્યાલનો ઉપયોગ કરવો જે સમયગાળા સાથે સંબંધિત નથી.
  • કન્સેપ્ટ એનક્રોનિઝમ: વર્તમાનના વિચારને ભૂતકાળમાં રજૂ કરવો (દા.ત. આધુનિક વિચારધારા અથવા ઓળખ)
  • મૂલ્ય અનાક્રોનિઝમ: ફક્ત આજના ધોરણો દ્વારા ભૂતકાળની વર્તણૂકનું મૂલ્યાંકન કરવું.

ઇતિહાસકારનું કામ ભૂતકાળને તેના સંદર્ભમાં સમજવાનું છે. AI માં આ સંદર્ભ સંવેદનશીલતાનો અભાવ છે; તમારે તે જાતે પ્રદાન કરવું આવશ્યક છે.

આભાસ શા માટે વારંવાર થાય છે તે સમજવું તેની સામે રક્ષણ કરવાનું સરળ બનાવે છે. AI એ એક એવી સિસ્ટમ છે જે "આગામી સંભવિત શબ્દ" ઉત્પન્ન કરવા માટે કામ કરે છે; તેનો "સત્ય જાણવા" જેવો કોઈ હેતુ નથી. જ્યારે કોઈ પ્રશ્ન પૂછવામાં આવે છે, શું તે જવાબ જાણે છે કે નહીં, તે આંકડાકીય રીતે ખાતરીપૂર્વક લાગે તેવું ટેક્સ્ટ બનાવે છે. આર્કાઇવલ રેફરન્સનું ફોર્મેટ (ફંડનું નામ, નંબર, તારીખ) એ શીખેલ પેટર્ન છે; AI વાસ્તવિક સંદર્ભ વિના આ પેટર્ન ભરી શકે છે. તો "એઆઈ શા માટે બનાવે છે?" પ્રશ્નનો જવાબ સરળ છે: તેના માટે "જાણ્યા વિના" કરતાં વધુ સરળ છે. આ ઘાટને વાસ્તવિક સંસાધનોથી ભરવાની જવાબદારી તમારા પર આવે છે.

સ્ત્રોત ચકાસણી શિસ્ત: પગલું દ્વારા પગલું

1. સંસાધનનું અસ્તિત્વ ચકાસો. કેટલોગ/પ્રકાશનમાં AI દ્વારા આપવામાં આવેલ દરેક સંદર્ભ શોધો. જો તમે તેને શોધી શકતા નથી, તો તેનો ઉપયોગ કરશો નહીં.

2. સ્ત્રોત સાથે સામગ્રીની તુલના કરો. AI જે માહિતી દસ્તાવેજને આપે છે તે ખરેખર દસ્તાવેજમાં અસ્તિત્વ ધરાવે છે? શું અવતરણ બરાબર સમાન છે?

3. ક્રોસ-કન્ફર્મ. નિર્ણાયક હકીકત માટે, ઓછામાં ઓછા બે સ્વતંત્ર વિશ્વસનીય સ્ત્રોતો જુઓ.

4. સ્ત્રોત ટીકા લાગુ કરો. શું સ્ત્રોત પોતે જ વિશ્વસનીય છે? કોણે, ક્યારે અને કયા હેતુ માટે બનાવ્યું? શું તે પક્ષપાતી છે?

5. તેને એનાક્રોનિઝમ ફિલ્ટરમાંથી પસાર કરો. શું એવી કોઈ શરતો, વિભાવનાઓ અથવા મૂલ્ય ચુકાદાઓ છે જે આઉટપુટમાં સમયગાળાને બંધબેસતા નથી?

6. પ્રશ્ન પૂર્વગ્રહ. શું AI ઐતિહાસિક સ્ત્રોતોમાં પૂર્વગ્રહોનું પુનઃઉત્પાદન કરી શક્યું હોત (એક જૂથને અવગણીને, એક દૃષ્ટિકોણની તરફેણમાં)?

પ્રમાણીકરણ સ્તર

પ્રશ્ન

કોણ કરે છે

એન્ટિટી

શું આ સંસાધન ખરેખર અસ્તિત્વમાં છે?

તમે કેટલોગમાં છો.

સામગ્રી

શું આ ખરેખર દસ્તાવેજમાં કહે છે?

તમે દસ્તાવેજમાં

પુષ્ટિકરણ

શું અન્ય કોઈ સ્ત્રોત તેને સમર્થન આપે છે?

તમે, ક્રોસ

વિશ્વસનીયતા

શું સ્ત્રોત વિશ્વસનીય છે?

નિષ્ણાત ચુકાદો

સમયગાળો

શું ત્યાં કોઈ અનાક્રોનિઝમ છે?

નિષ્ણાત ચુકાદો

પૂર્વગ્રહ

કોનો અવાજ ખૂટે છે/વિકૃત છે?

નિષ્ણાત ચુકાદો

ત્રણ નાના કેસો

કેસ 1 - છ બનાવટી સંદર્ભો. એક સંશોધકે એઆઈને કોઈ વિષય પર સ્ત્રોતોની યાદી માટે પૂછ્યું. YZ એ સંપૂર્ણ ફોર્મેટિંગ સાથે 6 આર્કાઇવ સંદર્ભો પ્રદાન કર્યા. કેટલોગ શોધમાં, 6 માંથી 4 ગુમ હતા, તેમાંથી 2 ખોટા નંબર હતા. જો સંશોધકે ચકાસ્યું ન હોત, તો અવિદ્યમાન સ્ત્રોતોને ટાંકતો અભ્યાસ બહાર આવ્યો હોત. પાઠ: દરેક સંદર્ભ સૂચિમાં ચકાસાયેલ છે.

કેસ 2 - મેડ-અપ ક્વોટ. એક લેખક એક આકર્ષક અવતરણનો ઉપયોગ કરશે જે AI ઐતિહાસિક વ્યક્તિને આભારી છે. જ્યારે તેણે સ્ત્રોતની તપાસ કરી, ત્યારે તેણે જોયું કે તે વ્યક્તિએ આવી વાત કરી હતી તે સાબિત કરતો કોઈ દસ્તાવેજ નથી, અને નિવેદન એઆઈ દ્વારા "બનાવેલું" હતું. પાઠ: પ્રાથમિક અથવા વિશ્વસનીય સ્ત્રોતમાંથી ચકાસણી કર્યા વિના અવતરણનો ઉપયોગ કરી શકાતો નથી.

કેસ 3 - પૂર્વગ્રહનું પ્રજનન. એક વિદ્યાર્થી પાસે AI દ્વારા પ્રદેશનો ઇતિહાસ સમજાવવામાં આવ્યો હતો. આઉટપુટએ તે વિસ્તારના ચોક્કસ સમુદાયને સંપૂર્ણપણે અવગણ્યો હતો કારણ કે AI એ જે સ્ત્રોતો પાસેથી શીખ્યા હતા તેણે પણ તેમની અવગણના કરી હતી. વિદ્યાર્થીએ ક્રોસ-રેફરન્સ સાથે આ તફાવતને જોયો અને સુધાર્યો. પાઠ: AI સ્ત્રોતોમાં મૌન અને પૂર્વગ્રહનું પુનઃઉત્પાદન કરે છે; કોનો અવાજ ખૂટે છે તે પૂછવું જોઈએ.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) સંદર્ભ ચકાસણી સૂચિ:

નીચેના લખાણમાં તમામ સ્ત્રોત, સંદર્ભ, અવતરણ, તારીખ અને વ્યક્તિના નામ અલગ યાદીમાં દેખાય છે. દરેક માટે એક નોંધ ઉમેરો: "આ ટેક્સ્ટમાં દાવો કરવામાં આવ્યો છે, સ્વતંત્ર રીતે ચકાસાયેલ હોવો જોઈએ." જો તમે કંઈ પસંદ કરો છો, તો "ચકાસો"; ચકાસવા માટે ફક્ત એક સૂચિ બનાવો જેથી હું તેને કેટલોગ/સ્રોત પરથી ચકાસી શકું. ટેક્સ્ટ: [અહીં]

2) એનાક્રોનિઝમ સ્કેનિંગ:

નીચે [પીરિયડ] વિશેના લખાણની તપાસ કરો. શરતો, સંસ્થાઓ, વિભાવનાઓ અને મૂલ્યોને પ્રકાશિત કરો જે આ સમયગાળા સાથે સંબંધિત ન હોઈ શકે. દરેક માટે, સંક્ષિપ્તમાં લખો કે તમે શા માટે શંકાસ્પદ છો. અંતિમ નિર્ણય લેવો; શંકાઓની સૂચિ બનાવો જે નિષ્ણાત તપાસ કરશે. ટેક્સ્ટ: [અહીં]

3) સ્ત્રોત ટીકા ફ્રેમવર્ક:

નીચેના સ્ત્રોત વિશે એક સ્રોત વિવેચનનો મુસદ્દો તૈયાર કરવામાં આવ્યો છે: (1) તે કોણે બનાવ્યું હશે, (2) ક્યારે, (3) કયા હેતુ માટે, (4) તેના સંભવિત પૂર્વગ્રહો શું છે, (5) કયા મુદ્દાઓ પર વિશ્વાસ કરવો જોઈએ અને કઈ સાવચેતી રાખવી જોઈએ. અંતિમ ચુકાદો લાદવો; પ્રશ્નો અને સંભવિત જવાબ વિકલ્પો પ્રદાન કરો. સ્ત્રોત: [અહીં]

4) ખૂટે છે વોલ્યુમ/બાયસ નિયંત્રણ:

નીચેના ઐતિહાસિક સારાંશમાં કોનો અવાજ અને કયા જૂથનો અનુભવ ખૂટે છે અથવા એકતરફી હોઈ શકે છે? કયો પરિપ્રેક્ષ્ય પ્રબળ છે, જે અદ્રશ્ય છે? આને પ્રશ્નોની સૂચિ તરીકે બનાવો; હું તેને ક્રોસ-રેફરન્સ સાથે ભરીશ. સારાંશ: [અહીં]

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા:

મને આ વિષય પર વિશ્વસનીય ઐતિહાસિક સ્ત્રોતો અને અવતરણો આપો.

AI એવા સંદર્ભો ઉત્પન્ન કરવા માટે ખૂબ જોખમી છે જે ફોર્મમાં સાચા હોય પરંતુ જ્યારે "સ્રોત" અને "ઉદ્ધરણ" માટે પૂછવામાં આવે ત્યારે સામગ્રીમાં બનાવટી હોય. આ પ્રોમ્પ્ટ ભ્રમણા માટે સીધું આમંત્રણ છે.

મજબૂત:

આ વિષય પરના મારા સંશોધનમાં મારે કયા પ્રકારના સ્ત્રોતો (આર્કાઇવ ફંડનો પ્રકાર, પ્રકાશનનો પ્રકાર, સંસ્થા) જોવો જોઈએ તે સૂચવો. ચોક્કસ સંદર્ભ, ફાઇલ નંબર અથવા અવતરણ ફિટિંગ; માત્ર મને કહો કે ક્યાં જોવું. પછી હું કેટલોગમાંથી વાસ્તવિક સ્ત્રોતો શોધીશ.

તફાવત: AI ને "ક્યાં જોવું" માટે પૂછવામાં આવે છે, "વાસ્તવિક સંદર્ભ" માટે નહીં; આભાસનું જોખમ ધરમૂળથી ઓછું થાય છે અને ચકાસણી માનવ પર છોડી દેવામાં આવે છે.

સામાન્ય ભૂલો

  • સાચા સંદર્ભ પર આધાર રાખવો. બનાવેલ સંદર્ભ પણ દોષરહિત દેખાય છે; સૂચિમાં ચકાસાયેલ હોવું આવશ્યક છે.
  • AI થી સીધો ક્વોટ લેવો. પ્રાથમિક/વિશ્વસનીય સ્ત્રોતની પુષ્ટિ વિના અવતરણોનો ઉપયોગ કરી શકાતો નથી.
  • અનાક્રોનિઝમની અવગણના. આજની શરતો અને વિભાવનાઓ ચુપચાપ ભૂતકાળમાં ઝૂકી જાય છે.
  • પુનઃઉત્પાદન પૂર્વગ્રહ. AI સ્ત્રોતોમાંથી મૌન નકલ કરે છે; ગુમ થયેલ અવાજ વિશે પૂછવું જરૂરી છે.
  • એક જ સ્ત્રોત પર આધાર રાખવો. જટિલ તથ્યોની પુષ્ટિ ઓછામાં ઓછા બે સ્વતંત્ર સ્ત્રોતો દ્વારા થવી જોઈએ.

સારાંશમાં

સ્રોતની ચકાસણી એ ઇતિહાસ અને આર્કાઇવિંગના કેન્દ્રમાં છે, અને AIના યુગમાં તે વધુ જટિલ છે. આભાસ એવા સ્ત્રોતો, અવતરણો અને ઘટનાઓ ઉત્પન્ન કરે છે જેનું સ્વરૂપ સંપૂર્ણ છે પરંતુ જેની સામગ્રી કાલ્પનિક છે; અનાક્રોનિઝમ આજના લેન્સ દ્વારા ભૂતકાળને વિકૃત કરે છે; અને AI સ્ત્રોતોમાં પૂર્વગ્રહોનું પુનઃઉત્પાદન કરે છે. સંરક્ષણ એ એક શિસ્ત છે: કેટલોગમાં દરેક સંદર્ભને ચકાસો, દસ્તાવેજ સાથે સામગ્રીની તુલના કરો, જટિલ તથ્યોને ક્રોસ-ચેક કરો, સમયગાળા અને પૂર્વગ્રહ દ્વારા ફિલ્ટર કરો. AI ને "ક્યાં જોવું" માટે પૂછો, "વાસ્તવિક સ્ત્રોત" માટે નહીં. સત્યનો રક્ષક હંમેશા નિષ્ણાત હોય છે.

એપ્લિકેશન કાર્ય

AI ને તમે જે વિષય પર કામ કરી રહ્યા છો તેના પર સંસાધનોની સૂચિ તૈયાર કરવા દો (ઇરાદાપૂર્વક "નબળા પ્રોમ્પ્ટ" સાથે). પછી "સંદર્ભ માન્યતા સૂચિ" નમૂના સાથે આ આઉટપુટમાંથી તમામ સંદર્ભો બહાર કાઢો અને દરેકને કેટલોગમાં શોધો. કેટલા ખરેખર અસ્તિત્વમાં છે અને કેટલા બનેલા છે અથવા અચોક્કસ છે તેની ગણતરી કરો. "મજબૂત પ્રોમ્પ્ટ" ("મારે ક્યાં જોવું જોઈએ") સાથે સમાન વિષયનું પુનરાવર્તન કરો અને તફાવતનો અનુભવ કરો.

ચેકલિસ્ટ

  • [ ] મેં સૂચિ/વિશ્વસનીય સ્ત્રોતમાં દરેક સંદર્ભની ચકાસણી કરી છે.
  • [ ] મેં પ્રાથમિક/વિશ્વસનીય સ્ત્રોત સાથે દરેક અવતરણની ચકાસણી કરી છે.
  • [ ] મેં ઓછામાં ઓછા બે સ્વતંત્ર સ્ત્રોતો સાથે જટિલ તથ્યોને ક્રોસ-ચેક કર્યા છે.
  • [ ] મેં એનાક્રોનિઝમ માટે આઉટપુટ ફિલ્ટર કર્યું છે.
  • [ ] મેં ગુમ/વિકૃત અવાજો અને પક્ષપાત અંગે પ્રશ્ન કર્યો.