Nyereség:
- Képes megkülönböztetni a tartalom alapú és az együttműködésen alapuló ajánlási megközelítéseket, és megakadályozni a hamis forrásokat azáltal, hogy ellenőriz minden ajánlást a valódi gyűjteményben
- Képes tudatos sokszínűséggel megtörni a szűrőbuborékot, és átlátható indoklással előadni a javaslatokat
- A felhasználói olvasási és keresési előzmények adatainak védelme, valamint ezen adatok biztonságos feldolgozása
Az olvasó megkérdezheti: "Befejeztem ezt a könyvet, mit olvassak ezután?" ", egy jó könyvtáros az érdeklődésének, szintjének és céljának megfelelő forrásokat ajánl. A digitális világban az ajánlórendszerek ezt nagy léptékben teszik meg: új erőforrásokat ajánlanak a felhasználó múltbeli érdeklődésének vagy az erőforrás jellemzőinek figyelembevételével. Ebben a részben megtudhatja, hogyan működnek a mesterséges intelligencián alapuló ajánlórendszerek, mit hoznak a könyvtárba, és hogyan kezelheti az olyan kockázatokat, mint a magánélet, az elfogultság és a "szűrőbuborék".
Határozzuk meg a fogalmakat. A tartalmi alapú ajánlás a forrás jellemzőit (téma, szerző, műfaj) vizsgálja, és hasonló forrásokat ajánl: "Ha tetszett ez a történelemkönyv, akkor ez is tetszeni fog, amely ugyanezt az időszakot öleli fel." Az együttműködésen alapuló szűrés azon az elven működik, hogy „a többi felhasználónak is tetszett, akinek tetszett az erőforrás, mint te”. Szűrőbuborékról beszélünk, amikor egy ajánlórendszer állandóan hasonló tartalmakba zárja be a felhasználót, és távol tartja az új, eltérő nézőpontoktól. Egy jó könyvtári ajánlás felkelti az érdeklődést és megtöri a buborékot.
Lépésről lépésre: felelősségteljes tanácsadási megközelítés
1. Tisztázza a célt. Mire irányul a javaslat? Szeretné, hogy a felhasználó tovább olvasson, szélesítse látókörét, vagy forrásokat találjon egy adott kutatási kérdéshez? A cél határozza meg az ajánlás típusát.
2. Ellenőrizze a forrást és a hitelességet. A mesterséges intelligencia nem létező könyveket tud alkotni, amikor javaslatokat tesz. Ellenőrizze, hogy minden javasolt erőforrás valóban létezik-e a gyűjteményben vagy egy megbízható katalógusban.
3. Fenntartani a sokszínűséget. Ha csak a "leghasonlóbbat" ajánlja, akkor szűrőbuborék jön létre. Tudatosan foglaljon bele különböző nézőpontokat, különböző szerzőket és különböző szinteket. A könyvtár feladata a horizontok megnyitása, nem pedig az ökológiára szorítása.
4. Védje a magánéletet. A személyre szabott ajánlás a felhasználó olvasási előzményeit használja, és rendkívül pontos. Ne adja meg ezeket az adatokat általános mesterséges intelligencia-eszközöknek; Feldolgozás csak az intézmény biztonságos rendszerein belül, a felhasználó hozzájárulásával.
5. Legyen átlátszó. Magyarázza el a felhasználónak, hogy miért készült az ajánlás: "Ezt a forrást azért ajánlottuk, mert kapcsolódik az Önt érdeklő témához." Az átláthatóság erősíti a bizalmat és az információs műveltséget.
Tipp: Tudatosan adjon hozzá egy „kicsit eltérő” forrást a javaslatok listájához, és mondja ki: „Ezek közel állnak az érdeklődési köréhez; ezt felfrissítésképpen adtam hozzá.” Ez egyrészt megtöri a szűrőbuborékot, másrészt megmutatja a könyvtár felfedezési értékét.
A javaslat etikai dimenziója
Az ajánlórendszerek ártatlannak tűnnek, de erőteljes hatásokat hoznak létre. Az, hogy a felhasználónak mely erőforrásokat ajánljuk, formálja információs világát. Ha a rendszer csak a népszerű forrásokat emeli ki, vagy csak egy bizonyos szempontból, akkor a kisebbségi hangok, az eltérő nézetek és a kevésbé ismert értékes források láthatatlanok lesznek. A mesterséges intelligencia megerősítheti ezt a tendenciát azáltal, hogy örökli a képzési adatok népszerűségét és torzításait.
Itt jön be a könyvtári munka értéke: a könyvtár nem kereskedelmi ajánlómotor; Küldetése az információkhoz való egyenlő és sokszínű hozzáférés biztosítása. A könyvtáros felelőssége, hogy az ajánlási rendszert ehhez az értékhez igazítsa.
Figyelem: A felhasználó olvasási és keresési előzményei az egyik legérzékenyebb adatvédelmi adat. Amit egy személy olvas, az információkat tárhat fel egészségi állapotáról, politikai nézeteiről, meggyőződéséről vagy személyes válságáról. Soha ne vigye át ezeket az adatokat az azonosságukkal együtt külső rendszerekbe; Az anonimizálás és a beleegyezés elengedhetetlen.
három mini tok
1. eset – A tartalomalapú ajánlás működött. Egy iskolai könyvtár tartalomalapú rendszert használt, hogy olyan forrásokat ajánljon a diákoknak, amelyek hasonlóak az általuk olvasott könyvhöz. Egy diák befejezett egy tudományos-fantasztikus regényt; A rendszer három könyvet javasolt, amelyek ugyanazt a témát dolgozzák fel, de más szerzőtől. A diák kettőt kölcsönzött; Az olvasási szokás folytatódott. A könyvtáros korábban megerősítette, hogy az összes javaslat valóban létezik a gyűjteményben.
2. eset – Hamis javaslatot kaptak. Egy könyvtáros megkért egy mesterséges intelligenciát, hogy ajánljon 8 könyvet egy felhasználónak. Ellenőrizte a katalógusban szereplő listát: 8 könyvből 3 hiányzott egyáltalán; Az AI hihető szalagcímeket készített. Az ellenőrzési lépés megakadályozta, hogy nem létező könyveket ajánljanak a felhasználónak.
3. eset – A szűrőballon elszakadt. Egy kutató folyamatosan dolgozott azonos nézőpontú forrásokkal, és a rendszer mindig hasonlókat javasolt. A könyvtáros szándékosan két olyan forrást vett fel, amelyek a téma ellentétes megközelítését mutatták be, és ezt egyértelművé tette. Csak ezeknek az ellentétes forrásoknak köszönhető, hogy a kutató felismerte tanulmányának hiányos aspektusát.
Hidegindítás és új felhasználói probléma
Az ajánlórendszerek közismert kihívása a hidegindítási probléma: a rendszer nem tudja, mit ajánljon egy új felhasználónak, vagy egy olyan erőforrásnak, amely most került fel a gyűjteménybe, amelyről nincs előzményadat. Ebben az esetben sok rendszer a legnépszerűbb erőforrásokat használja biztonságos megoldásként; Ez azt jelenti, hogy a kevéssé ismert értékes források egyáltalán nem ajánlottak, és a népszerűség magától táplálkozik. Könyvtári szempontból ez ütközik az egyenlő hozzáférés értékével. A megoldás az, hogy az új felhasználónak feltesz egy rövid, egyértelmű preferenciakérdést (mely témakörben, melyik szinten, milyen céllal), mielőtt javaslatot tesz és kiemeli az újonnan hozzáadott forrásokat tartalmi jellemzőik alapján. Ezen a ponton egy erőforrás tárgyának és jellemzőinek elemzésével a mesterséges intelligencia még egy soha nem kölcsönzött könyvet is képes az érintett felhasználóhoz kapcsolni; mindaddig, amíg a javaslat a valódi gyűjteményből származik és ellenőrizve van. Így a rendszer nemcsak a "nagyon szeretett", hanem a "releváns és értékes" is láthatóvá teszi.
Tipp: Amikor új felhasználónak állít be ajánlást, a rendszer előzményadatai helyett a felhasználó aktuális szükségleteire alapozza azt. Egy jó kérdés („ez kutatásra, élvezetre, milyen mértékben?”) gyakran pontosabb ajánlást ad, mint a több hónapos viselkedési adatok.
Négy másolható sablon
1) Tartalom alapú hasonló forrásajánlás:
Az alábbiakban egy olyan forrás tárgya/összefoglalója látható, amely a felhasználónak tetszett. A gyűjteményünkben meglévő források listáját is megadtam. Csak ebből a listából javasoljon 5, a tárgyhoz hasonló forrást, és mindegyikhez írjon egy mondatos indoklást. A javasolt források nincsenek felsorolva. Kedvenc forrás: [itt] / Gyűjteménylista: [itt]
2) Javaslat, amely változatossá teszi:
Az alábbi javaslatok listájához adjon hozzá 2 forrást, amelyek kibővítik a felhasználó látókörét, és más nézőpontot vagy altémát kínálnak (csak az általam biztosított gyűjtőlistából). Magyarázza el, miért különböznek és értékesek. Lista: [itt] / Gyűjtemény: [itt]
3) Az ajánlás okának magyarázata:
Az alábbi ajánlásokhoz írjon egy rövid, átlátható indoklást, amelyet a felhasználónak is meg lehet mutatni: „Ezt az erőforrást azért ajánlottuk, mert...” Semmi túlzás, nincs személyes adatra vonatkozó utalás. Javaslatok: [itt]
4) Adatvédelmi előzetes ellenőrzés:
Tartalmaz-e a következő javaslattétel felhasználóazonosító vagy érzékeny információkat (egészségügyi, meggyőződési, politikai nézetekre utaló)? Ha igen, jelölje meg, és javasolja, hogyan anonimizálja. Bemenet: [itt]
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
10 könyv ajánlása ennek a felhasználónak.
Az AI javaslatokat generál globális memóriájából anélkül, hogy ismerné a gyűjteményt; Olyan könyveket tud kitalálni, amelyek nem léteznek, és nem tartják tiszteletben a sokféleséget és a magánéletet.
Erőteljes felszólítás:
Az Ön szerepe: olvasói tanácsadó. Alább látható a felhasználó által kedvelt téma, valamint a gyűjteményünkben található valós források listája. (1) Javasoljon 5, a témához kapcsolódó forrást a listából! (2) Adjon hozzá 2 különböző perspektívájú forrást is, amelyek felnyitják a szemét. (3) Írjon átlátható indoklást minden javaslathoz! Ne lépjen ki a listáról, ne állítson össze forrásokat, és ne utaljon rá személyes adatokra. Tárgy: [itt] / Gyűjtemény: [itt]
Erőteljes felszólítás; a tényleges gyűjteményre korlátozza, sokszínűséget követel, és indoklást és adatvédelmi szabályt ad hozzá.
Ajánlástípus összehasonlító táblázat
Javaslat típusa
erős pontja
kockázatot
A könyvtáros kötelessége
tartalom alapú
Jól leköti a figyelmet
szűrőbuborék
Adj változatosságot
együttműködő
meglepetésszerű felfedezés
Magánélet, népszerűségi elfogultság
Anonimitás, egyensúly
AI gyártási lista
gyors
kitalált forrás
ellenőrizni a valóságot
Gyakori hibák
- Javaslatok felajánlása ellenőrzés nélkül. A mesterséges intelligencia nem létező forrásokat tud létrehozni.
- Csak a "leghasonlóbbat" ajánlom. A szűrőbuborék szűkíti a felhasználó látókörét.
- Olvasási előzmények exportálása külső eszközbe. Ez a magánélet legérzékenyebb adata.
- A javaslat bemutatása indoklás nélkül. Az átláthatóság támogatja a bizalmat és a műveltséget.
- A népszerűségi torzítás figyelmen kívül hagyása. Értékes, de kevéssé ismert erőforrások vesznek el.
Összefoglalva
Az ajánlórendszerek hatékony eszközök, amelyek megkönnyítik a felfedezést a felhasználói érdeklődés felkeltésével; A tartalom alapú és az együttműködésen alapuló megközelítések különböző erősségeket és kockázatokat hordoznak magukban. A mesterséges intelligencia gyorsan generál javaslatokat, de nem létező forrásokat is feltalál, kiszűri a buborékokat és megerősíti az elfogultságot. A könyvtáros munkája; A valódi gyűjteményben található minden javaslat ellenőrzése, a tudatos sokszínűség buborékának megtörése, a felhasználók magánéletének védelme, valamint a könyvtár egyenlő és sokrétű hozzáférésének értékének megőrzése átlátható indoklással ellátott javaslatokkal.
Pályázati feladat
Készítse el a ténygyűjtemények rövid listáját (10-15 forrás). Hozzon létre egy ajánlást egy felhasználó számára a „tartalomalapú hasonló erőforrás-ajánlás” sablonnal, és ellenőrizze, hogy mindegyik valóban szerepel-e a listában. Ezután vegyen fel különböző nézőpontú forrásokat a listához a „Sokszínűséget növelő javaslat” sablonnal. Végül minden javaslathoz készítsen átlátható magyarázatot a „Javaslat indoklása” sablonnal, és tervezze meg, hogyan fogja azt bemutatni a felhasználónak.
ellenőrző lista
- [ ] Ellenőriztem, hogy minden javaslat valóban létezik-e a gyűjteményben.
- [ ] Változatossá tettem, hogy eltörjem a szűrőbuborékot.
- [ ] A felhasználó olvasási/keresési előzményeit biztonságban tartottam, nem adtam át külső eszköznek.
- [ ] Minden javaslathoz átlátható indoklást készítettem.
- [ ] A népszerűségi torzítás elkerülése érdekében folyamatosan figyeltem a kevésbé ismert és értékes forrásokat.