Dobici:
- Sposobnost razlikovanja pristupa preporukama temeljenih na sadržaju i suradničkih pristupa te sprječavanje lažnih izvora provjerom svake preporuke u stvarnoj zbirci
- Sposobnost razbijanja mjehurića filtera svjesnom raznolikošću i predstavljanja prijedloga s transparentnim obrazloženjima
- Zaštita privatnosti čitanja i povijesti pretraživanja korisnika i sigurna obrada ovih podataka
Čitatelj bi mogao pitati "Završio sam ovu knjigu, što bih trebao čitati sljedeće?" ', dobar knjižničar preporučuje izvore koji odgovaraju njegovom interesu, razini i svrsi. U digitalnom svijetu, sustavi preporuka to čine na razini: preporučuju nove resurse gledajući prijašnje interese korisnika ili karakteristike resursa. U ovoj ćete jedinici naučiti kako funkcioniraju sustavi preporuka temeljeni na umjetnoj inteligenciji, što oni donose knjižnici i kako upravljati rizicima kao što su privatnost, pristranost i "mjehurić filtera".
Definirajmo pojmove. Preporuka temeljena na sadržaju razmatra karakteristike izvora (temu, autora, žanr) i preporučuje slične izvore: "Ako vam se svidjela ova povijesna knjiga, mogla bi vam se svidjeti i ova koja pokriva isto razdoblje." Kolaborativno filtriranje funkcionira na principu "drugi korisnici koji su voljeli resurse poput vas također su voljeli ove". Mjehurić filtera je kada sustav preporuka zaključava korisnika u stalno sličan sadržaj i drži ga podalje od novih, drugačijih perspektiva. Dobra preporuka knjižnice privlači interes i razbija mjehurić.
Korak po korak: odgovoran pristup savjetovanju
1. Pojasnite svrhu. Što je cilj prijedloga? Želite li da korisnik nastavi čitati, proširi svoje horizonte ili pronađe resurse za određeno istraživačko pitanje? Svrha određuje vrstu preporuke.
2. Provjerite izvor i autentičnost. AI može izmisliti nepostojeće knjige kada daje prijedloge. Provjerite postoji li svaki predloženi izvor u zbirci ili u pouzdanom katalogu.
3. Održavajte raznolikost. Preporukom samo "najsličnijeg" stvara se oblačić filtra. Svjesno uključite različite perspektive, različite autore i različite razine. Zadaća knjižnice je otvarati horizonte, a ne ograničavati ih na ekologiju.
4. Zaštitite privatnost. Personalizirana preporuka koristi se korisnikovom poviješću čitanja i izuzetno je precizna. Nemojte davati ove podatke općim AI alatima; Obrađivati samo unutar sigurnih sustava ustanove, uz pristanak korisnika.
5. Budite transparentni. Objasnite korisniku zašto je preporuka napravljena: "Ovaj resurs je preporučen jer je povezan s temom koja vas zanima." Transparentnost jača povjerenje i informacijsku pismenost.
Savjet: svjesno dodajte "malo drugačiji" resurs na popis prijedloga i izjavite: "Ovo je blizu vašeg područja interesa; ovo sam dodao kao osvježenje." Ovo razbija mjehurić filtra i pokazuje vrijednost otkrića knjižnice.
Etička dimenzija prijedloga
Sustavi preporuka djeluju nevino, ali stvaraju snažne učinke. Koji se resursi preporučuju korisniku oblikuju njegov ili njezin svijet informacija. Ako sustav ističe samo izvore koji su popularni ili samo s određene točke gledišta, glasovi manjina, različita stajališta i manje poznati vrijedni izvori bit će nevidljivi. AI može pojačati ovaj trend nasljeđivanjem popularnosti i pristranosti u podacima o obuci.
Ovdje dolazi do izražaja vrijednost knjižničarstva: knjižnica nije motor za komercijalne preporuke; Njegova misija je osigurati jednak i raznolik pristup informacijama. Odgovornost je knjižničara uskladiti sustav preporuka s tom vrijednošću.
Pažnja: korisnikova povijest čitanja i pretraživanja jedan je od najosjetljivijih podataka o privatnosti. Ono što osoba čita može otkriti informacije o njezinu zdravlju, političkim stavovima, uvjerenjima ili osobnoj krizi. Nikada nemojte prenositi ove podatke s njihovim identitetom na vanjske sustave; Anonimizacija i pristanak su bitni.
tri mini kućišta
1. slučaj — Preporuka temeljena na sadržaju je uspjela. Školska knjižnica koristila je sustav temeljen na sadržaju kako bi učenicima preporučila izvore koji su slični knjizi koju su čitali. Jedan je učenik završio znanstvenofantastični roman; Sustav je preporučio tri knjige koje pokrivaju istu temu, ali od drugog autora. Student je posudio dva; Navika čitanja se nastavila. Knjižničarka je prethodno potvrdila da svi prijedlozi doista postoje u zbirci.
Slučaj 2 — Uhvaćen lažni prijedlog. Knjižničar je zamolio AI da korisniku preporuči 8 knjiga. Provjerio je popis u katalogu: 3 od 8 knjiga uopće nedostaju; AI je izmislio uvjerljive naslove. Korak provjere spriječio je preporučivanje nepostojećih knjiga korisniku.
Slučaj 3 — Balon filtera je puknuo. Istraživač je stalno radio s izvorima s istim gledištem, a sustav je uvijek predlagao slične. Knjižničarka je namjerno uključila dva izvora koji su predstavili suprotan pristup temi i to jasno naglasili. Tek zahvaljujući ovim suprotstavljenim izvorima, istraživač je shvatio nedovršenost svoje studije.
Hladni start i problem s novim korisnikom
Dobro poznati izazov sustava preporuka je problem hladnog pokretanja: sustav ne zna što preporučiti novom korisniku ili resursu koji je upravo dodan u zbirku za koju ne postoje povijesni podaci. U tom se slučaju mnogi sustavi okreću najpopularnijim resursima kao sigurnoj opciji; To znači da se malo poznati vrijedni resursi uopće ne preporučuju i da se popularnost hrani sama od sebe. U smislu knjižničarstva, to je u suprotnosti s vrijednošću jednakog pristupa. Rješenje je postaviti novom korisniku kratko, jasno pitanje o preferencijama (koje teme, koja razina, koja svrha) prije davanja preporuke i isticanja novododanih izvora na temelju njihovih karakteristika sadržaja. U ovom trenutku, analizom predmeta i značajki izvora, umjetna inteligencija može povezati čak i knjigu koja nikada nije bila posuđena s relevantnim korisnikom; sve dok prijedlog dolazi iz stvarne zbirke i ako je provjeren. Dakle, sustav čini vidljivim ne samo "vrlo voljene" već i "relevantne i vrijedne".
Savjet: kada postavljate preporuku za novog korisnika, temeljite je na trenutnim potrebama korisnika, a ne na povijesnim podacima sustava. Jedno dobro pitanje ("je li ovo za istraživanje, za užitak, u kojoj mjeri?") često daje točniju preporuku nego mjeseci podataka o ponašanju.
Četiri predloška za kopiranje
1) Preporuka sličnog izvora temeljena na sadržaju:
Ispod je predmet/sažetak izvora koji se svidio korisniku. Također sam dao popis postojećih izvora u našoj zbirci. Samo s ovog popisa predložite 5 izvora sličnih temi i za svaki napišite obrazloženje u jednoj rečenici. Predlaženje izvora koji nisu navedeni. Omiljeni izvor: [ovdje] / Popis zbirke: [ovdje]
2) Prijedlog koji unosi raznolikost:
Popisu prijedloga u nastavku dodajte 2 izvora koji će proširiti korisnikove horizonte i ponuditi drugačiju perspektivu ili podtemu (samo s popisa zbirke koji sam dao). Objasnite zašto su različiti i vrijedni. Popis: [ovdje] / Zbirka: [ovdje]
3) Obrazloženje razloga za preporuku:
Za svaku preporuku u nastavku napišite kratko, transparentno obrazloženje koje se može pokazati korisniku: "Ovaj resurs je preporučen jer..." Bez pretjerivanja, bez implikacije osobnih podataka. Prijedlozi: [ovdje]
4) Prethodna provjera privatnosti:
Sadrži li sljedeći unos prijedloga podatke koji identificiraju korisnika ili osjetljive podatke (insinuiranje zdravlja, uvjerenja, političkih stavova)? Ako je tako, označite ga i predložite kako ga anonimizirati. Unos: [ovdje]
Slab upit / Jak upit
Slab upit:
Preporučite ovom korisniku 10 knjiga za čitanje.
AI generira prijedloge iz svoje globalne memorije bez poznavanja zbirke; Može izmišljati knjige koje ne postoje i ne poštuje različitost i privatnost.
Snažan upit:
Vaša uloga: čitateljski savjetnik. Ispod je tema koja se svidjela korisniku i popis stvarnih izvora u našoj zbirci. (1) Predložite 5 izvora vezanih uz temu s popisa. (2) Također dodajte 2 izvora s različitim perspektivama koje će vam otvoriti oči. (3) Napišite transparentno obrazloženje za svaki prijedlog. Nemojte silaziti s popisa, izmišljati izvore ili implicirati osobne podatke. Predmet: [ovdje] / zbirka: [ovdje]
Snažan brz; ograničava ga na stvarnu zbirku, zahtijeva raznolikost i dodaje opravdanje i pravilo privatnosti.
Usporedna tablica vrste preporuke
Vrsta prijedloga
jaka točka
rizik
Dužnost knjižničara
temeljen na sadržaju
Dobro privlači pažnju
filterski mjehurić
Dodajte raznolikost
suradnički
iznenađujuće otkriće
Privatnost, sklonost popularnosti
Anonimnost, ravnoteža
AI proizvodni popis
brzo
izmišljen izvor
provjeriti stvarnost
Uobičajene greške
- Davanje prijedloga bez provjere. AI može izmisliti nepostojeće izvore.
- Samo preporučujem "najsličniji". Mjehurić filtera sužava korisnikove horizonte.
- Izvoz povijesti čitanja u vanjski alat. To je najosjetljiviji podatak privatnosti.
- Iznošenje prijedloga bez obrazloženja. Transparentnost podržava povjerenje i pismenost.
- Ignoriranje pristranosti popularnosti. Gube se vrijedni, ali malo poznati resursi.
Ukratko
Sustavi preporuka moćni su alati koji olakšavaju otkrivanje hvatanjem interesa korisnika; Pristupi temeljeni na sadržaju i suradnički pristupi nose različite prednosti i rizike. AI je brz u generiranju prijedloga, ali može izmisliti nepostojeće izvore, filtrirati mjehuriće i pojačati pristranost. Posao knjižničara; Provjeriti svaki prijedlog u stvarnoj zbirci, razbiti mjehurić svjesnom raznolikošću, zaštititi privatnost korisnika i održati vrijednost jednakog i raznolikog pristupa knjižnici iznošenjem prijedloga s transparentnim razlozima.
Zadatak aplikacije
Pripremite kratki popis zbirki činjenica (10-15 izvora). Generirajte preporuku za korisnika s predloškom "preporuka sličnih izvora temeljenih na sadržaju" i provjerite postoje li svi oni stvarno na popisu. Zatim dodajte izvore s različitim perspektivama na popis s predloškom "Prijedlog koji dodaje raznolikost". Na kraju, izradite transparentno objašnjenje za svaki prijedlog s predloškom "Objašnjenje obrazloženja prijedloga" i isplanirajte kako ćete ga prezentirati korisniku.
popis za provjeru
- [ ] Provjerio sam da svaki prijedlog stvarno postoji u zbirci.
- [ ] Dodao sam raznolikost kako bih razbio mjehurić filtera.
- [ ] Čuvao sam korisničku povijest čitanja/pretraživanja na sigurnom, nisam je dao vanjskom alatu.
- [ ] Za svaki prijedlog pripremio sam transparentno obrazloženje.
- [ ] Kako bih izbjegao pristranost prema popularnosti, pazio sam na manje poznate i vrijedne izvore.