Guadagni:
- Capacità di produrre bozze di metadati in conformità con standard come ISAD(G) o Dublin Core con intelligenza artificiale
- Capacità di prevenire allucinazioni e mappare i termini dell'oggetto nel vocabolario controllato con il permesso di lasciare spazi vuoti
- Capacità di distinguere quali campi, come data, nome della persona e codice di riferimento, richiedono l'approvazione umana e quali dovrebbero essere assegnati solo dall'istituzione
Un archivio o una biblioteca, per quanto ricca, non può essere trovata se non è ben definita. Ciò che rende un documento “trovabile” sono le informazioni descrittive su di esso: chi lo ha scritto, quando, dove, di cosa tratta, a quale collezione appartiene. Queste informazioni sono chiamate metadati (metadati: dati descrittivi su un documento; "dati sui dati"). La catalogazione è il processo di identificazione dei documenti con questi metadati e di loro salvataggio in un sistema ricercabile. La classificazione consiste nell'organizzare i documenti in base a criteri quali soggetto, tipo o origine.
La generazione di metadati richiede estremamente tempo; L'inserimento individuale di dati su data, oggetto, persona e luogo per migliaia di documenti in grandi collezioni può richiedere anni. L’intelligenza artificiale è un forte generatore di bozze in questo settore. In questa unità vedremo come generare metadati con l'intelligenza artificiale, catalogarli secondo gli standard (ISAD(G), Dublin Core) e sia il potere che le insidie della classificazione automatica.
Standard archivistici: perché sono necessari
I metadati non vengono inseriti in modo casuale; Esistono standard internazionali affinché documenti di diverse istituzioni possano dialogare tra loro:
- ISAD(G) (General International Standard Archival Description): regole per descrivere gerarchicamente il materiale archivistico (a livello di fondo, serie, fascicolo, documento). Contiene campi come codice di riferimento, titolo, data, ambito, creatore.
- Dublin Core: uno standard comune costituito da 15 campi principali per descrivere le risorse digitali (titolo, creatore, soggetto, data, genere, formato, fonte, lingua, ecc.).
- Fondo: insieme di documenti formati naturalmente a seguito dell'attività di una singola persona, famiglia o istituzione. È l'unità organizzativa di base dell'archiviazione.
- Provenienza (origine): informazioni sulla provenienza di un documento e su quale mano è passato. Nell'archiviazione i documenti vengono tenuti insieme in base alla loro origine.
Specificare esplicitamente lo standard target quando si fa in modo che l’intelligenza artificiale produca metadati garantisce che l’output sia direttamente inseribile nell’impresa.
Un altro concetto chiave è il record di autorità, un record che definisce una forma unica, standard e approvata del nome di una persona, luogo o istituzione. Nei documenti storici la stessa persona o luogo può comparire con grafie diverse; L'authority record li lega tutti in un unico formato approvato in modo che non si disperdano nella ricerca. L'intelligenza artificiale suggerisce nomi da un documento; ma associare questo nome alla forma standard dell'authority record è un lavoro umano. Il collegamento di ciò che l'AI dice "Ahmed" a "Ahmed Bey (1840-1912)" nell'authority record dell'istituzione preserva la coerenza del catalogo.
Flusso di lavoro: passo dopo passo
1. Preparare la fonte. Raccogli una trascrizione o un'immagine del documento e qualsiasi informazione di contesto.
2. Identificare lo standard e le aree. Dire all'IA quale standard (ISAD(G), Dublin Core) e in base a quali campi produrrà output.
3. Genera bozza di metadati. L'AI compila i campi che possono essere estratti dal documento (data, persona, luogo, oggetto, lingua, genere); Lascia vuote le aree che non è possibile rimuovere.
4. Mappa sul vocabolario controllato. Nella maggior parte delle istituzioni i nomi di soggetto e luogo non sono liberi, ma sono legati a un elenco predefinito (vocabolario controllato/thesaurus). Mappa i termini dell'oggetto suggeriti dall'IA a questo elenco.
5. Verificare e confermare. Ogni campo, in particolare data, nome e oggetto, viene confrontato dagli esseri umani con documenti e registrazioni di autorità.
Suggerimento: dare esplicitamente all'IA il permesso di "lasciare vuoto". Altrimenti, "indovinerà" di inserire una data o un creatore che non è presente nel documento e inserirà metadati falsi nel tuo catalogo. L'istruzione "Lascia vuoto questo campo se non è nel documento" è lo scudo più forte contro le allucinazioni.
Campi e livello di attendibilità in una tabella
Campo metadati
Quanto è affidabile l'intelligenza artificiale?
verifica
lingua
alto
campione
Tipo di documento
medio-alto
controllo
Nomi di persone/luoghi
Medio (errore di lettura)
obbligatorio
data
Basso-medio (rischio di fabbricazione)
obbligatorio
Termini dell'oggetto
Medio (generazione gratuita)
Mappa per lista di controllo
Ambito/riepilogo
medio-alto
Confronta con la fonte
Codice di riferimento
Nessuno (l'istituzione dà)
tiri umani
Riepilogo: l’intelligenza artificiale è veloce e affidabile in aree come la lingua e il genere; genera bozze in campi come data, nome e oggetto, ma è richiesta l'approvazione umana; L’intelligenza artificiale non produce mai campi istituzionali come il codice di riferimento.
tre mini custodie
Caso 1: bozza di metadati per 8.000 foto. Un archivio cittadino catalogava 8.000 fotografie storiche. Le note sul retro di ciascuna foto sono state trascritte e consegnate all'IA; Data, luogo e descrizione dell'argomento generati dall'intelligenza artificiale. Il team umano lo ha verificato campo per campo e lo ha mappato nell'elenco controllato. Un lavoro stimato di 10 mesi è stato ridotto a 3 mesi; ma ogni data e nome di luogo è stato controllato visivamente.
Caso 2 – Storia inventata. Un archivista ha fatto catalogare ad AI una lettera senza data. YZ guardò il contenuto della lettera e scrisse esattamente la data "1912". Tuttavia, nel documento non c'era alcuna data; L'intelligenza artificiale ha previsto. Se l'archivista non avesse aggiunto l'indicazione "lasciare vuoto se non nel documento", il catalogo sarebbe stato compilato con una data inventata. Lezione: il permesso vuoto è obbligatorio.
Caso 3 – I termini a soggetto libero hanno creato confusione. AI ha assegnato termini liberi simili ma diversi come "immigrazione", "immigrazione", "insediamento" a documenti simili. Quando non era mappato nel vocabolario controllato, lo stesso argomento veniva taggato con tre termini diversi e sparpagliato nella ricerca. La coerenza è stata ottenuta mappando i termini in un unico elenco di autorità. Lezione: i termini degli argomenti non vengono rilasciati, sono collegati all'elenco.
Quattro modelli copiabili
1) Schema del Dublin Core:
Estrai la bozza dei metadati Dublin Core dalla trascrizione del documento di seguito. Campi: Titolo, Autore, Oggetto, Descrizione, Data, Genere, Lingua, Ambito (località/periodo). Regole: (1) Utilizzare solo le informazioni CHIARAMENTE nel testo. (2) Lasciare il campo che non è nel testo VUOTO, non indovinare. (3) Contrassegnare il valore di cui non si è sicuri con [?]. Trascrizione: [qui]
2) Progetto di definizione ISAD(G):
Genera una bozza per il seguente documento nei campi ISAD(G): Titolo, Data/e, Livello di descrizione (documento/file), Ambito e contenuto (breve riepilogo), Autore, Lingua. Lasciare VUOTO il codice di riferimento (lo fornirà l'Ente). Non aggiungere informazioni che non siano presenti nel testo; Lascia vuoto il campo inesistente. Documento: [qui]
3) Suggerimento dei termini dell'argomento (controllato):
Suggerisci 3-5 termini dell'argomento appropriati al documento riportato di seguito. Innanzitutto, fai affidamento sui fatti contenuti nel documento. Di seguito è riportato l'elenco della terminologia controllata della nostra istituzione; PRIMA, sceglilo da questo elenco, se non è nell'elenco, contrassegna separatamente il tuo nuovo suggerimento di termine. Elenco: [termini]. Documento: [qui]
4) Controllo della consistenza in blocco:
Di seguito sono riportati i record di metadati per i documenti della stessa raccolta. Segnala incoerenze: record con ortografia diversa dello stesso luogo/persona, formati di data diversi, termini diversi per lo stesso argomento. IMPOSIZIONE di correzione; Basta produrre un elenco di incoerenze affinché l'essere umano possa esaminarle. Documenti: [qui]
Prompt debole / Prompt forte
Debole:
Crea un record di catalogo completo per questo documento.
L’istruzione “completa” spinge l’IA a riempire ogni spazio, cioè a inventare storie e creatori che non esistono.
Forte:
Per questo documento viene redatto il Dublin Core. Utilizzare solo le informazioni CHIARAMENTE incluse nella trascrizione; lascia vuoto il campo inesistente, non indovinare. Seleziona i termini dell'argomento da questo elenco controllato: [elenco]. Segna la data e i nomi delle persone con [?] così posso verificarli con il documento. Trascrizione: [qui]
Differenza: il permesso di "lasciare vuoto" anziché l'edizione "completa", l'adesione controllata all'elenco e i marchi di verifica proteggono il catalogo dalla fabbricazione.
Errori comuni
- Significa "riempirlo completamente". Ciò porta ad adattare campi inesistenti; Dovrebbe essere concessa l'autorizzazione "lascia vuoto".
- Rilascio dei termini dell'oggetto. I termini che non corrispondono al vocabolario controllato distraggono la ricerca.
- Avere l’intelligenza artificiale in grado di prevedere la storia. Inserire una data fittizia in un documento senza data inquina il catalogo.
- Avere il codice di riferimento generato dall'AI. Questo è uno spazio aziendale unico; la gente lancia.
- Non specificando lo standard. Se lo standard non viene menzionato, il risultato sarà una bozza disordinata che non potrà essere inserita nell’istituzione.
In sintesi
I metadati e la catalogazione sono l'infrastruttura invisibile che apre l'archivio al ricercatore, e richiede molto impegno. Dalla trascrizione, l'intelligenza artificiale produce una rapida descrizione di campi quali data, persona, luogo, soggetto e genere; Può funzionare secondo standard come ISAD(G) o Dublin Core. Ma la pressione di “riempire completamente” spinge l’IA a inventare cose; L'autorizzazione a "lasciare vuoto", la mappatura al vocabolario controllato e la conferma umana di date/nomi mantengono il catalogo affidabile. L'AI prepara la bozza; Sei responsabile dell'accuratezza del catalogo.
Compito dell'applicazione
Effettua una trascrizione del documento e richiedi i metadati all’AI con il modello “Dublin Core draft”; Controlla che lasci campi vuoti che non esistono. Quindi esegui il modello "suggerimento dei termini dell'argomento" con la tua lista di controllo (o un esempio). Infine, testa alcuni record con un "controllo di coerenza in blocco". Nota quanti campi l'intelligenza artificiale tenta di popolare con la previsione e quanti termini dell'oggetto devono essere mappati nell'elenco.
lista di controllo
- [ ] Ho indicato chiaramente lo standard target (ISAD(G)/Dublin Core).
- [] Ho concesso l'autorizzazione "Lascia vuoto il campo vuoto".
- [ ] Ho mappato i termini dell'argomento nell'elenco controllato.
- [ ] Ho verificato la data e i nomi delle persone con il documento/registro dell'autorità.
- [ ] Ho lasciato il codice di riferimento all'istituto, non ad AI.