ניתוח נושאים, סיווג ואינדקס אוטומטי

רווחים:

• יכולת לחלץ תמצית נושאים מתוכן בפועל ולמפות נושאים ראשוניים ומשניים מרשימת נושאים מאושרת
• היכולת לקבל את המחלקה העיקרית של הצעות סיווג כגון דיואי ולאמת את רמות המשנה עם הטבלה הרשמית.
• יכולת להבין את האופי השיפוטי והייצוגי של הסיווג ולבדוק הצעות מול מונחים מיושנים וחריגים.

קביעה על מה "על" משאב היא אחת המשימות השיפוטיות ביותר של ספרנות. זה נקרא ניתוח נושא: קריאת תוכן מסמך והתאמתו לכותרות הנושא הנכונות ולמספר הסיווג הנכון. אם משתמש יכול למצוא ספרים קשורים זה לצד זה על המדף או מקבל תוצאות מדויקות בחיפוש אחר נושא בקטלוג, יש מאחוריו ניתוח נושא טוב. ביחידה זו תלמדו כיצד להשתמש בבינה מלאכותית בהמלצת נושאים, סיווג ואינדקס אוטומטי; אבל תלמד מדוע האדם צריך לקבל את ההחלטה הסופית בנושא.

בואו נגדיר כמה מושגים. מערכת הסיווג היא מערכת המספרת מקורות לפי נושאם; הנפוצים ביותר הם הסיווג העשרוני של דיואי (DDC) וסיווג ספריית הקונגרס (LCC). לדוגמה, אצל דיואי, 500 מציין מדעי הטבע, 900 מציין היסטוריה וגיאוגרפיה. יצירת אינדקס היא המשימה של הקצאת מונחי מפתח למסמך שמאפשרים למצוא אותו. אינדקס אוטומטי הוא כאשר התוכנה מציעה עבודה זו. AI מייצר הצעות בכל שלוש המשימות, אבל למומחה יש את המילה האחרונה בכל אחת מהן.

צעד אחר צעד: ניתוח נושא עם בינה מלאכותית

1. תן את תמצית המסמך ל-AI. טקסט מלא, תקציר, תוכן עניינים או הקדמה. ניתוח הנושא מבוסס על הקשר; אם תתנו ל-AI רק את הכותרת, תקבלו המלצה שטחית ומטעה.

2. בקש סיכום תוכן מה-AI. ראשית, "על מה המסמך הזה בעיקר?" לִשְׁאוֹל. זה גם עוזר לך להבין במהירות וגם מראה אם ​​ה-AI תפס את הנושא בצורה נכונה.

3. התאם עם נושאים מבוקרים. תן ל-AI את רשימת הנושאים המאושרים שלך ואמור "הצע רק את הנושאים המתאימים ביותר מרשימה זו." אל תאפשר לו לייצר טרמינולוגיה חופשית.

4. הצע מספר סיווג. אתה יכול לשאול את הבינה המלאכותית "לאיזה מחלקה ראשית נכנס המסמך הזה בדווי?" אך הקפד לאמת את הספרות המדויקות של המספר באמצעות טבלת הסיווג הרשמית. AI יכול לייצר מספרים סבירים אך לא מדויקים.

5. לקבל את ההחלטה ולהצדיק אותה. עיין בהצעות של ה-AI, בחר אותן לאור המדיניות ובסיס המשתמשים של המוסד, ודחה אותן בעת ​​הצורך. החלטת הנושא והסיווג הסופיים נושאים את חתימתך.

טיפ: ניתן לתת למסמך מספר נושאים. מ-AI "מהו הנושא העיקרי של המסמך הזה, מהם הנושאים המשניים שלו?" תשאל בנפרד. בחירה נכונה של הנושא הראשי מבטיחה שהמשאב נכנס למקום הנכון על המדף; נושאים משניים נותנים נקודות גישה נוספות בקטלוג.

אופיו השיפוטי של הסיווג

הסיווג נראה נייטרלי, אבל הוא לא. האם לשים מסמך תחת "לימודי נשים" או "סוציולוגיה", או אפילו לפי איזה גיאוגרפיה תסווג אירוע היסטורי, הן החלטות הכרוכות בפרספקטיבה. מערכות סיווג נושאות הנחות של תקופות ותרבויות מסוימות; חלק מהמונחים מתיישנים או מוציאים מהכלל עם הזמן. בינה מלאכותית יורשת את ההטיות הללו מילה במילה מהנתונים עליהם היא מאומנת ואולי אף מחזקת אותן.

לכן, ניתוח נושא הוא עניין של שיפוט שלא ניתן להשאיר ל-AI. AI מציין אילו כותרים "סבירים"; אבל ההחלטה איזו כותרת מייצגת את המקור בצורה המדויקת וההוגנת ביותר שייכת למומחה שמכיר את ערכי המוסד ובסיס המשתמשים שלו.

זהירות: ודא כי נושא שהוצע על ידי AI אינו מציג מצג שווא או אינו כולל את המקור. השוו מונחים שנוצרו בינה מלאכותית עם אוצר המילים הנוכחי והמכיל של המוסד, במיוחד בנושאים רגישים כמו זהות, מוצא אתני, דת ומגדר.

שלושה מיני תיקים

מקרה 1 - הצעת נושא המונית. ספרייה תקצה נושאים לאוסף דיגיטלי של 800 מאמרים. המומחה נתן את סיכום כל מאמר ל-AI וביקש התאמה מרשימת הכותרות המאושרת. המלצות בינה מלאכותית תפסו בצורה נכונה ממוצע של 2 מתוך 3 כותרים כשירים לכל מאמר; המומחה הוסיף שלישית ונישל את ההצעות השגויות. העבודה הסתיימה בכ-40% מהר יותר מאשר אם נעשתה כולה בעבודת יד.

מקרה 2 - מספר סיווג שגוי. מומחה ביקש מספר דיואי מ-AI עבור ספר היסטוריה רפואית. YZ הציע "610 (רפואה)"; עם זאת, הספר עסק בעיקר בהיסטוריה של הרפואה והמקום הנכון היה "610.9 (תולדות הרפואה)". המומחה הביט בטבלה הרשמית של דיואי ותיקן אותה; בינה מלאכותית מצאה את המחלקה הראשית אך פספסה את הפסקת המשנה.

מקרה 3 - מונח מיושן נתפס. AI הציע מונח נושא מיושן ונחשב כעת להדרה לספר סוציולוגיה; כי המונח הישן הזה היה נפוץ בנתוני האימון. המומחה בחר את המונח הנכון מתוך אוצר המילים הנוכחי של המוסד. זו הייתה דוגמה קונקרטית לכך שבינה מלאכותית נושאת את ההטיה של העבר.

עומק ועקביות: כמה ספציפי זה צריך להיות?

החלטה נפוצה בניתוח נושא היא רמת הספציפיות של המונח להקצאה. אם תתנו למשאב כותרת כללית מדי ("תאריך"), המשתמש המחפש את הנושא יטביע במאות תוצאות לא רלוונטיות. אם תיתן כותרת צרה מדי, משתמש שמחפש מקור רחב יותר לא יוכל למצוא אותה. הכלל הוא לבחור את המונח שמכסה באופן הספציפי ביותר אך במלואו את המקור: אם מקור עוסק רק באדריכלות התקופה הסלג'וקית, "ארכיטקטורה סלג'וקית" ולא "ארכיטקטורה" היא הרמה הנכונה. AI מפספס לעתים קרובות את האיזון הזה; זה מייצר הצעות כלליות מדי או מפוזרות מדי. לכן, יש צורך לתת הוראות ברורות לבינה מלאכותית כמו "הצע את הנושא הספציפי ביותר שמכוסה במקור, ואל תוסיף נושאי משנה שהמקור לא נוגע בהם בפועל". בנוסף, תיוג עקבי של משאבים על אותו נושא לאורך זמן חשוב לשלמות הקטלוג לא פחות מהספציפיות; אמירת "אדריכלות סלג'וקית" יום אחד ו"בניינים מהתקופה הסלג'וקית" למחרת מחלק את המשתמש.

טיפ: בעת מתן כותרות מרובות למשאב, אל תערום שלא לצורך מונחים שהם קבוצות משנה אחת של השנייה. מתן גם "היסטוריה עות'מאנית" וגם "היסטוריה" הופך את האחרון למיותר; בחר את הספציפי ביותר וכולל רק כותרות שבאמת מוסיפות טווח הגעה שונה.

ארבע תבניות הניתנות להעתקה

1) חילוץ נושא:

כתוב את הנושא העיקרי של המסמך למטה במשפט אחד ואת הנושאים המשניים ב-3 פריטים. הוספת נושא שאינו בטקסט, על סמך הטקסט בלבד. מסמך/תקציר: [כאן]

2) התאמה מהכותרת שאושרה:

להלן תקציר מסמך ורשימת כותרות נושאים מאושרות. התאימו רק את 3-5 הכותרות מהרשימה המתאימות ביותר למסמך, החל מהמתאימה ביותר. כתוב נימוק של משפט אחד לכל בחירה. אם אין כותרת מתאימה ברשימה, ציין אותה. סיכום: [כאן] / רשימה: [כאן]

3) הצעת כיתת אמן לסיווג:

עבור המסמך הבא, הצע מחלקה מרכזית אפשרית (3 ספרות) בסיווג העשרוני של דיואי והסבר מדוע בחרת בה. סמן את הספרות התחתונות כ"יש לאמת מהטבלה הרשמית", אל תיתן מספרים מדויקים. מסמך: [כאן]

4) הטיה ובדיקת מטבע:

האם יש מונחים שעשויים להיות מיושנים, חריגים או חד-צדדיים בין ההצעות לנושאים שלהלן? אם כן, סמן אותו והסביר מדוע זה עלול להיות בעייתי. הצעות: [כאן]

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

תן את הנושאים של ספר זה: "מסחר באימפריה העות'מאנית".

פועל רק מהכותרת, ה-AI מרכיב מונחים כלליים מבלי לדעת את ההקשר ומתעלם מאוצר המילים הנשלט. תוצאה: כותרות לא עקביות, אולי לא נכונות.

הנחיה עוצמתית:

תפקידך: עוזר מנתח נושאים. להלן המבוא ותוכנו של הספר; סיפקתי גם רשימה של נושאים מאושרים. (1) סכמו את הנושא העיקרי של הספר במשפט אחד. (2) התאם רק את 3-5 הכותרות המתאימות ביותר מהרשימה עם הרציונל. (3) אל תרד מהרשימה, אל תמציא מונחים. טקסט: [כאן] /רשימה מאושרת: [כאן]

ההנחיה החזקה מגבילה את ה-AI לתוכן אמיתי ואוצר מילים מבוקר; שומר גם על דיוק וגם על עקביות.

תרשים משימות ניתוח נושא

קווסט

תפקיד של AI

החלטה של אדם

תקציר תוכן

טיוטה מהירה

בדיקת דיוק

הצעת כותרת

התאמה מהרשימה

בחירה סופית, הצדקה

מספר סיווג

הצעה לכיתה אמן

אימות חלוקה

בדיקת הטיה

סימון

החלטת טווח כולל

טעויות נפוצות

• רק מבקש נושא מהכותרת. ניתוח הנושא מבוסס על הקשר; הכותרת מטעה.
• קבלת מספר הסיווג מבלי לאמת אותו. למרות שבינה מלאכותית מוצאת את המחלקה הראשית, היא מחמיצה את הפריצה המשנה.
• דילוג על אוצר מילים מבוקר. הפסקות חופשה פוגעות בעקביות.
• התעלמות מדעות קדומות. בינה מלאכותית עשויה לשאת את התנאים המיושנים והחריגים של העבר.
• משאירים את ההחלטה לחלוטין ל-AI. ייצוג וצדק דורשים שיקול דעת; ההחלטה היא של האדם.

לסיכום

בניתוח וסיווג נושאים, AI הוא עוזר מהיר שמחלץ תקציר תוכן, מתאים לנושאים מהרשימה המאושרת ומציע כיתת אמן לסיווג. אבל ניתוח הנושא הוא בעצם עניין של שיפוט וייצוג: בידי המומחה להחליט איזו כותרת מתארת ​​בצורה המדויקת וההוגנת ביותר את המקור, את הספרות המדויקות של מספר הסיווג ואת מטבע המונחים. הפעל את ה-AI עם תוכן אמיתי ואוצר מילים מבוקר, אמת מספרי סיווג עם הטבלה הרשמית, והיה ערני להטיה.

משימת יישום

הכן מבוא למקור שברשותך ורשימה קצרה של נושאים מאושרים. קבל הצעות בינה מלאכותית עם תבניות "חילוץ נושאים" ו"התאמת נושאים מאושרת". לאחר מכן השוו את ההצעות מול טבלת הסיווג הרשמית ואוצר המילים הנוכחי של המוסד: כמה הצעות נכונות, כמה תיקנתם? בדוק המלצות למונחים מיושנים באמצעות התבנית "בדיקת הטיה ועדכון עדכניות".

רשימת בדיקה

• [ ] ביצעתי את ניתוח הנושא מהתוכן בפועל, לא מהכותרת.
• [ ] מיפיתי את הכותרות מתוך אוצר המילים הנשלט.
• [ ] אימתתי את הספרות התחתונות של מספר הסיווג עם הטבלה הרשמית.
• [ ] בדקתי הצעות מול תנאים מיושנים וחריגים.
• [ ] קיבלתי את ההחלטה הסופית בנושא וסיווג לפי שיקול דעתי.