ಲಾಭಗಳು:
- ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ISAD(G) ಅಥವಾ ಡಬ್ಲಿನ್ ಕೋರ್ನಂತಹ ಮಾನದಂಡಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಮೆಟಾಡೇಟಾ ಡ್ರಾಫ್ಟ್ಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಭ್ರಮೆಯನ್ನು ತಡೆಗಟ್ಟುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ರಜೆ-ಖಾಲಿ ಅನುಮತಿಯೊಂದಿಗೆ ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶಕ್ಕೆ ವಿಷಯದ ನಿಯಮಗಳನ್ನು ನಕ್ಷೆ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ
- ದಿನಾಂಕ, ವ್ಯಕ್ತಿಯ ಹೆಸರು ಮತ್ತು ಉಲ್ಲೇಖ ಕೋಡ್ನಂತಹ ಯಾವ ಕ್ಷೇತ್ರಗಳಿಗೆ ಮಾನವ ಅನುಮೋದನೆ ಅಗತ್ಯವಿದೆ ಮತ್ತು ಅದನ್ನು ಸಂಸ್ಥೆಯು ಮಾತ್ರ ನಿಯೋಜಿಸಬೇಕು ಎಂಬುದನ್ನು ಪ್ರತ್ಯೇಕಿಸುವ ಸಾಮರ್ಥ್ಯ
ಆರ್ಕೈವ್ ಅಥವಾ ಲೈಬ್ರರಿ, ಅದು ಎಷ್ಟೇ ಶ್ರೀಮಂತವಾಗಿದ್ದರೂ, ಅದನ್ನು ಉತ್ತಮವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸದ ಹೊರತು ಕಂಡುಹಿಡಿಯಲಾಗುವುದಿಲ್ಲ. ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು "ಕಂಡುಹಿಡಿಯಲು" ಮಾಡುವುದು ಅದರ ಬಗ್ಗೆ ವಿವರಣಾತ್ಮಕ ಮಾಹಿತಿಯಾಗಿದೆ: ಯಾರು ಅದನ್ನು ಬರೆದಿದ್ದಾರೆ, ಯಾವಾಗ, ಎಲ್ಲಿ, ಅದರ ವಿಷಯ ಯಾವುದು, ಅದು ಯಾವ ಸಂಗ್ರಹಕ್ಕೆ ಸೇರಿದೆ. ಈ ಮಾಹಿತಿಯನ್ನು ಮೆಟಾಡೇಟಾ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ (ಮೆಟಾಡೇಟಾ - ಡಾಕ್ಯುಮೆಂಟ್ ಬಗ್ಗೆ ವಿವರಣಾತ್ಮಕ ಡೇಟಾ; "ಡೇಟಾ ಬಗ್ಗೆ ಡೇಟಾ"). ಕ್ಯಾಟಲಾಗ್ ಮಾಡುವುದು ಈ ಮೆಟಾಡೇಟಾದೊಂದಿಗೆ ದಾಖಲೆಗಳನ್ನು ಗುರುತಿಸುವ ಮತ್ತು ಹುಡುಕಬಹುದಾದ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಉಳಿಸುವ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ. ವಿಷಯ, ಪ್ರಕಾರ ಅಥವಾ ಮೂಲದಂತಹ ಮಾನದಂಡಗಳ ಪ್ರಕಾರ ದಾಖಲೆಗಳನ್ನು ಸಂಘಟಿಸುವುದು ವರ್ಗೀಕರಣವಾಗಿದೆ.
ಮೆಟಾಡೇಟಾವನ್ನು ರಚಿಸುವುದು ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ; ದೊಡ್ಡ ಸಂಗ್ರಹಗಳಲ್ಲಿ ಸಾವಿರಾರು ದಾಖಲೆಗಳಿಗೆ ಪ್ರತ್ಯೇಕವಾಗಿ ದಿನಾಂಕ, ವಿಷಯ, ವ್ಯಕ್ತಿ ಮತ್ತು ಸ್ಥಳದ ಮಾಹಿತಿಯನ್ನು ನಮೂದಿಸಲು ವರ್ಷಗಳು ತೆಗೆದುಕೊಳ್ಳಬಹುದು. AI ಈ ವ್ಯವಹಾರದಲ್ಲಿ ಬಲವಾದ ಡ್ರಾಫ್ಟ್ ಜನರೇಟರ್ ಆಗಿದೆ. ಈ ಘಟಕದಲ್ಲಿ, ನಾವು AI ಯೊಂದಿಗೆ ಮೆಟಾಡೇಟಾವನ್ನು ಹೇಗೆ ರಚಿಸುವುದು, ಮಾನದಂಡಗಳಿಗೆ (ISAD(G), ಡಬ್ಲಿನ್ ಕೋರ್) ಅನುಗುಣವಾಗಿ ಕ್ಯಾಟಲಾಗ್ ಮಾಡುವುದು ಮತ್ತು ಸ್ವಯಂಚಾಲಿತ ವರ್ಗೀಕರಣದ ಶಕ್ತಿ ಮತ್ತು ಅಪಾಯಗಳೆರಡನ್ನೂ ನೋಡುತ್ತೇವೆ.
ಆರ್ಕೈವಲ್ ಮಾನದಂಡಗಳು: ಅವು ಏಕೆ ಬೇಕು
ಮೆಟಾಡೇಟಾವನ್ನು ಯಾದೃಚ್ಛಿಕವಾಗಿ ನಮೂದಿಸಲಾಗಿಲ್ಲ; ವಿವಿಧ ಸಂಸ್ಥೆಗಳ ದಾಖಲೆಗಳು ಪರಸ್ಪರ ಮಾತನಾಡಲು ಅಂತರರಾಷ್ಟ್ರೀಯ ಮಾನದಂಡಗಳಿವೆ:
- ISAD(G) (ಜನರಲ್ ಇಂಟರ್ನ್ಯಾಷನಲ್ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಆರ್ಕೈವಲ್ ವಿವರಣೆ): ಆರ್ಕೈವಲ್ ವಸ್ತುಗಳನ್ನು ಕ್ರಮಾನುಗತವಾಗಿ ವಿವರಿಸುವ ನಿಯಮಗಳು (ನಿಧಿ, ಸರಣಿ, ಫೈಲ್, ಡಾಕ್ಯುಮೆಂಟ್ ಮಟ್ಟದಲ್ಲಿ). ಇದು ಉಲ್ಲೇಖ ಕೋಡ್, ಶೀರ್ಷಿಕೆ, ದಿನಾಂಕ, ವ್ಯಾಪ್ತಿ, ರಚನೆಕಾರರಂತಹ ಕ್ಷೇತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿದೆ.
- ಡಬ್ಲಿನ್ ಕೋರ್: ಡಿಜಿಟಲ್ ಸಂಪನ್ಮೂಲಗಳನ್ನು (ಶೀರ್ಷಿಕೆ, ಸೃಷ್ಟಿಕರ್ತ, ವಿಷಯ, ದಿನಾಂಕ, ಪ್ರಕಾರ, ಸ್ವರೂಪ, ಮೂಲ, ಭಾಷೆ, ಇತ್ಯಾದಿ) ವಿವರಿಸಲು 15 ಕೋರ್ ಕ್ಷೇತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಸಾಮಾನ್ಯ ಮಾನದಂಡವಾಗಿದೆ.
- ಇಷ್ಟಗಳು: ಒಬ್ಬ ವ್ಯಕ್ತಿ, ಕುಟುಂಬ ಅಥವಾ ಸಂಸ್ಥೆಯ ಚಟುವಟಿಕೆಗಳ ಪರಿಣಾಮವಾಗಿ ಸ್ವಾಭಾವಿಕವಾಗಿ ರೂಪುಗೊಂಡ ದಾಖಲೆಗಳ ಒಂದು ಸೆಟ್. ಇದು ಆರ್ಕೈವಿಂಗ್ನ ಮೂಲ ಸಂಘಟನಾ ಘಟಕವಾಗಿದೆ.
- ಮೂಲ (ಮೂಲ): ಡಾಕ್ಯುಮೆಂಟ್ ಯಾರಿಂದ ಬಂದಿದೆ ಮತ್ತು ಅದು ಯಾವ ಕೈಯಿಂದ ಹಾದುಹೋಗಿದೆ ಎಂಬುದರ ಕುರಿತು ಮಾಹಿತಿ. ಆರ್ಕೈವಿಂಗ್ನಲ್ಲಿ, ದಾಖಲೆಗಳನ್ನು ಅವುಗಳ ಮೂಲಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಒಟ್ಟಿಗೆ ಇರಿಸಲಾಗುತ್ತದೆ.
AI ಉತ್ಪಾದಿಸುವ ಮೆಟಾಡೇಟಾವನ್ನು ಹೊಂದಿರುವಾಗ ಗುರಿ ಮಾನದಂಡವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ನಿರ್ದಿಷ್ಟಪಡಿಸುವುದು ಔಟ್ಪುಟ್ ಅನ್ನು ನೇರವಾಗಿ ಎಂಟರ್ಪ್ರೈಸ್ಗೆ ಇನ್ಪುಟ್ ಮಾಡಬಹುದಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ.
ಮತ್ತೊಂದು ಪ್ರಮುಖ ಪರಿಕಲ್ಪನೆಯು ಅಧಿಕಾರ ದಾಖಲೆಯಾಗಿದೆ-ಒಬ್ಬ ವ್ಯಕ್ತಿ, ಸ್ಥಳ ಅಥವಾ ಸಂಸ್ಥೆಯ ಹೆಸರಿನ ಏಕ, ಪ್ರಮಾಣಿತ, ಅನುಮೋದಿತ ರೂಪವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವ ದಾಖಲೆಯಾಗಿದೆ. ಐತಿಹಾಸಿಕ ದಾಖಲೆಗಳಲ್ಲಿ, ಒಂದೇ ವ್ಯಕ್ತಿ ಅಥವಾ ಸ್ಥಳವು ವಿಭಿನ್ನ ಕಾಗುಣಿತಗಳೊಂದಿಗೆ ಕಾಣಿಸಿಕೊಳ್ಳಬಹುದು; ಪ್ರಾಧಿಕಾರದ ದಾಖಲೆಯು ಅವೆಲ್ಲವನ್ನೂ ಒಂದೇ ಅನುಮೋದಿತ ಸ್ವರೂಪಕ್ಕೆ ಬಂಧಿಸುತ್ತದೆ ಆದ್ದರಿಂದ ಅವರು ಹುಡುಕಾಟದಲ್ಲಿ ಚದುರಿಹೋಗುವುದಿಲ್ಲ. AI ಡಾಕ್ಯುಮೆಂಟ್ನಿಂದ ಹೆಸರುಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ; ಆದರೆ ಈ ಹೆಸರನ್ನು ಪ್ರಾಧಿಕಾರದ ದಾಖಲೆಯಲ್ಲಿ ಪ್ರಮಾಣಿತ ರೂಪಕ್ಕೆ ಮ್ಯಾಪಿಂಗ್ ಮಾಡುವುದು ಮಾನವ ಕೆಲಸವಾಗಿದೆ. ಸಂಸ್ಥೆಯ ಅಧಿಕಾರ ದಾಖಲೆಯಲ್ಲಿ "ಅಹ್ಮದ್" ಎಂದು AI ಹೇಳುವುದನ್ನು "ಅಹ್ಮದ್ ಬೇ (1840-1912)" ಗೆ ಲಿಂಕ್ ಮಾಡುವುದು ಕ್ಯಾಟಲಾಗ್ನ ಸ್ಥಿರತೆಯನ್ನು ಕಾಪಾಡುತ್ತದೆ.
ಕೆಲಸದ ಹರಿವು: ಹಂತ ಹಂತವಾಗಿ
1. ಮೂಲವನ್ನು ತಯಾರಿಸಿ. ಡಾಕ್ಯುಮೆಂಟ್ನ ಪ್ರತಿಲೇಖನ ಅಥವಾ ಚಿತ್ರವನ್ನು ಮತ್ತು ಯಾವುದೇ ಸಂದರ್ಭದ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಿ.
2. ಮಾನದಂಡ ಮತ್ತು ಪ್ರದೇಶಗಳನ್ನು ಗುರುತಿಸಿ. ಯಾವ ಸ್ಟ್ಯಾಂಡರ್ಡ್ (ISAD(G), ಡಬ್ಲಿನ್ ಕೋರ್) ಮತ್ತು ಯಾವ ಕ್ಷೇತ್ರಗಳ ಪ್ರಕಾರ ಅದು ಔಟ್ಪುಟ್ ಉತ್ಪಾದಿಸುತ್ತದೆ ಎಂದು AI ಗೆ ತಿಳಿಸಿ.
3. ಡ್ರಾಫ್ಟ್ ಮೆಟಾಡೇಟಾವನ್ನು ರಚಿಸಿ. AI ಡಾಕ್ಯುಮೆಂಟ್ನಿಂದ ಹೊರತೆಗೆಯಬಹುದಾದ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ತುಂಬುತ್ತದೆ (ದಿನಾಂಕ, ವ್ಯಕ್ತಿ, ಸ್ಥಳ, ವಿಷಯ, ಭಾಷೆ, ಪ್ರಕಾರ); ಇದು ತೆಗೆದುಹಾಕಲಾಗದ ಪ್ರದೇಶಗಳನ್ನು ಖಾಲಿ ಬಿಡುತ್ತದೆ.
4. ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶಕ್ಕೆ ನಕ್ಷೆ. ಹೆಚ್ಚಿನ ಸಂಸ್ಥೆಗಳಲ್ಲಿ ವಿಷಯ ಮತ್ತು ಸ್ಥಳದ ಹೆಸರುಗಳು ಮುಕ್ತವಾಗಿಲ್ಲ, ಆದರೆ ಪೂರ್ವನಿರ್ಧರಿತ ಪಟ್ಟಿಗೆ (ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶ / ಥೆಸಾರಸ್) ಸಂಬಂಧಿಸಿರುತ್ತವೆ. ಈ ಪಟ್ಟಿಗೆ AI ಸೂಚಿಸಿದ ವಿಷಯದ ನಿಯಮಗಳನ್ನು ನಕ್ಷೆ ಮಾಡಿ.
5. ಪರಿಶೀಲಿಸಿ ಮತ್ತು ದೃಢೀಕರಿಸಿ. ಪ್ರತಿಯೊಂದು ಕ್ಷೇತ್ರವನ್ನು, ವಿಶೇಷವಾಗಿ ದಿನಾಂಕ, ಹೆಸರು ಮತ್ತು ವಿಷಯ, ಮಾನವರು ದಾಖಲೆಗಳು ಮತ್ತು ಅಧಿಕಾರದ ದಾಖಲೆಗಳೊಂದಿಗೆ ಹೋಲಿಸುತ್ತಾರೆ.
ಸಲಹೆ: "ಖಾಲಿ ಬಿಡಲು" AI ಅನುಮತಿಯನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ನೀಡಿ. ಇಲ್ಲದಿದ್ದರೆ, ಅದು ಡಾಕ್ಯುಮೆಂಟ್ನಲ್ಲಿಲ್ಲದ ದಿನಾಂಕ ಅಥವಾ ರಚನೆಕಾರರನ್ನು "ಊಹಿಸುತ್ತದೆ" ಮತ್ತು ನಿಮ್ಮ ಕ್ಯಾಟಲಾಗ್ಗೆ ನಕಲಿ ಮೆಟಾಡೇಟಾವನ್ನು ಸೇರಿಸುತ್ತದೆ. "ಡಾಕ್ಯುಮೆಂಟ್ನಲ್ಲಿ ಇಲ್ಲದಿದ್ದರೆ ಈ ಕ್ಷೇತ್ರವನ್ನು ಖಾಲಿ ಬಿಡಿ" ಎಂಬ ಸೂಚನೆಯು ಭ್ರಮೆಯ ವಿರುದ್ಧ ಪ್ರಬಲವಾದ ಗುರಾಣಿಯಾಗಿದೆ.
ಕೋಷ್ಟಕದಲ್ಲಿ ಕ್ಷೇತ್ರಗಳು ಮತ್ತು ನಂಬಿಕೆಯ ಮಟ್ಟ
ಮೆಟಾಡೇಟಾ ಕ್ಷೇತ್ರ
AI ಎಷ್ಟು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದೆ?
ಪರಿಶೀಲನೆ
ಭಾಷೆ
ಹೆಚ್ಚು
ಮಾದರಿ
ಡಾಕ್ಯುಮೆಂಟ್ ಪ್ರಕಾರ
ಮಧ್ಯಮ-ಎತ್ತರದ
ನಿಯಂತ್ರಣ
ವ್ಯಕ್ತಿ/ಸ್ಥಳದ ಹೆಸರುಗಳು
ಮಧ್ಯಮ (ಓದುವ ದೋಷ)
ಕಡ್ಡಾಯ
ದಿನಾಂಕ
ಕಡಿಮೆ-ಮಧ್ಯಮ (ತಯಾರಿಕೆಯ ಅಪಾಯ)
ಕಡ್ಡಾಯ
ವಿಷಯದ ನಿಯಮಗಳು
ಮಧ್ಯಮ (ಉಚಿತ ಉತ್ಪಾದನೆ)
ಪರಿಶೀಲನಾಪಟ್ಟಿಗೆ ನಕ್ಷೆ
ವ್ಯಾಪ್ತಿ/ಸಾರಾಂಶ
ಮಧ್ಯಮ-ಎತ್ತರದ
ಮೂಲದೊಂದಿಗೆ ಹೋಲಿಕೆ ಮಾಡಿ
ಉಲ್ಲೇಖ ಕೋಡ್
ಯಾವುದೂ ಇಲ್ಲ (ಸಂಸ್ಥೆಯು ನೀಡುತ್ತದೆ)
ಮಾನವ ಎಸೆತಗಳು
ಸಾರಾಂಶ: ಭಾಷೆ ಮತ್ತು ಪ್ರಕಾರದಂತಹ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ AI ವೇಗವಾಗಿದೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದೆ; ದಿನಾಂಕ, ಹೆಸರು ಮತ್ತು ವಿಷಯದಂತಹ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಕರಡುಗಳನ್ನು ರಚಿಸುತ್ತದೆ, ಆದರೆ ಮಾನವ ಅನುಮೋದನೆಯ ಅಗತ್ಯವಿದೆ; ರೆಫರೆನ್ಸ್ ಕೋಡ್ನಂತಹ ಸಾಂಸ್ಥಿಕ ಕ್ಷೇತ್ರಗಳನ್ನು AI ಎಂದಿಗೂ ಉತ್ಪಾದಿಸುವುದಿಲ್ಲ.
ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - 8,000 ಫೋಟೋಗಳಿಗಾಗಿ ಡ್ರಾಫ್ಟ್ ಮೆಟಾಡೇಟಾ. ನಗರದ ಆರ್ಕೈವ್ 8,000 ಐತಿಹಾಸಿಕ ಛಾಯಾಚಿತ್ರಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡುತ್ತಿದೆ. ಪ್ರತಿ ಫೋಟೋದ ಹಿಂಭಾಗದಲ್ಲಿರುವ ಟಿಪ್ಪಣಿಗಳನ್ನು ನಕಲು ಮಾಡಲಾಗಿದೆ ಮತ್ತು AI ಗೆ ನೀಡಲಾಗಿದೆ; AI ರಚಿತ ದಿನಾಂಕ, ಸ್ಥಳ ಮತ್ತು ವಿಷಯದ ರೂಪರೇಖೆ. ಮಾನವ ತಂಡವು ಕ್ಷೇತ್ರವಾರು ಅದನ್ನು ಪರಿಶೀಲಿಸಿತು ಮತ್ತು ಅದನ್ನು ನಿಯಂತ್ರಿತ ಪಟ್ಟಿಗೆ ಮ್ಯಾಪ್ ಮಾಡಿದೆ. ಅಂದಾಜು 10 ತಿಂಗಳ ಕೆಲಸವನ್ನು 3 ತಿಂಗಳಿಗೆ ಇಳಿಸಲಾಗಿದೆ; ಆದರೆ ಪ್ರತಿ ದಿನಾಂಕ ಮತ್ತು ಸ್ಥಳದ ಹೆಸರನ್ನು ದೃಷ್ಟಿಗೋಚರವಾಗಿ ಪರಿಶೀಲಿಸಲಾಗಿದೆ.
ಪ್ರಕರಣ 2 - ಮೇಡ್-ಅಪ್ ಇತಿಹಾಸ. ಆರ್ಕೈವಿಸ್ಟ್ AI ಕ್ಯಾಟಲಾಗ್ ಅನ್ನು ದಿನಾಂಕವಿಲ್ಲದ ಪತ್ರವನ್ನು ಹೊಂದಿದ್ದರು. YZ ಪತ್ರದ ವಿಷಯವನ್ನು ನೋಡಿದರು ಮತ್ತು "1912" ದಿನಾಂಕವನ್ನು ನಿಖರವಾಗಿ ಬರೆದರು. ಆದಾಗ್ಯೂ, ದಾಖಲೆಯಲ್ಲಿ ಯಾವುದೇ ದಿನಾಂಕ ಇರಲಿಲ್ಲ; AI ಭವಿಷ್ಯ ನುಡಿದಿದೆ. ಆರ್ಕೈವಿಸ್ಟ್ "ಡಾಕ್ಯುಮೆಂಟ್ನಲ್ಲಿ ಇಲ್ಲದಿದ್ದರೆ ಖಾಲಿ ಬಿಡಿ" ಎಂಬ ಸೂಚನೆಯನ್ನು ಸೇರಿಸದಿದ್ದರೆ, ಕ್ಯಾಟಲಾಗ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸಿದ ದಿನಾಂಕದಿಂದ ತುಂಬಿಸಲಾಗುತ್ತದೆ. ಪಾಠ: ಖಾಲಿ ಅನುಮತಿ ಕಡ್ಡಾಯವಾಗಿದೆ.
ಪ್ರಕರಣ 3 - ಉಚಿತ ವಿಷಯದ ನಿಯಮಗಳು ಗೊಂದಲವನ್ನು ಸೃಷ್ಟಿಸಿವೆ. AI ಒಂದೇ ರೀತಿಯ ದಾಖಲೆಗಳಿಗೆ "ವಲಸೆ", "ವಲಸೆ", "ಸೆಟಲ್ಮೆಂಟ್" ನಂತಹ ಒಂದೇ ರೀತಿಯ ಆದರೆ ವಿಭಿನ್ನ ಉಚಿತ ಪದಗಳನ್ನು ನಿಯೋಜಿಸಿದೆ. ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶಕ್ಕೆ ಮ್ಯಾಪ್ ಮಾಡದಿದ್ದಾಗ, ಒಂದೇ ವಿಷಯವನ್ನು ಮೂರು ವಿಭಿನ್ನ ಪದಗಳೊಂದಿಗೆ ಟ್ಯಾಗ್ ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಹುಡುಕಾಟದಲ್ಲಿ ಅಲ್ಲಲ್ಲಿ ಹರಡಿತು. ನಿಯಮಗಳನ್ನು ಒಂದೇ ಪ್ರಾಧಿಕಾರದ ಪಟ್ಟಿಗೆ ಮ್ಯಾಪ್ ಮಾಡುವ ಮೂಲಕ ಸ್ಥಿರತೆಯನ್ನು ಸಾಧಿಸಲಾಗಿದೆ. ಪಾಠ: ವಿಷಯದ ನಿಯಮಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡಲಾಗಿಲ್ಲ, ಅವುಗಳನ್ನು ಪಟ್ಟಿಗೆ ಲಿಂಕ್ ಮಾಡಲಾಗಿದೆ.
ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ಗಳು
1) ಡಬ್ಲಿನ್ ಕೋರ್ ಔಟ್ಲೈನ್:
ಕೆಳಗಿನ ಡಾಕ್ಯುಮೆಂಟ್ ಪ್ರತಿಲೇಖನದಿಂದ ಡಬ್ಲಿನ್ ಕೋರ್ ಮೆಟಾಡೇಟಾ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಹೊರತೆಗೆಯಿರಿ. ಕ್ಷೇತ್ರಗಳು: ಶೀರ್ಷಿಕೆ, ರಚನೆಕಾರ, ವಿಷಯ, ವಿವರಣೆ, ದಿನಾಂಕ, ಪ್ರಕಾರ, ಭಾಷೆ, ವ್ಯಾಪ್ತಿ (ಸ್ಥಳ/ಅವಧಿ). ನಿಯಮಗಳು: (1) ಪಠ್ಯದಲ್ಲಿ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಸ್ಪಷ್ಟವಾಗಿ ಬಳಸಿ. (2) ಪಠ್ಯದಲ್ಲಿ ಇಲ್ಲದ ಕ್ಷೇತ್ರವನ್ನು ಖಾಲಿ ಬಿಡಿ, ಊಹಿಸಬೇಡಿ. (3) ನೀವು ಖಚಿತವಾಗಿರದ ಮೌಲ್ಯವನ್ನು [?] ನೊಂದಿಗೆ ಗುರುತಿಸಿ. ಪ್ರತಿಲೇಖನ: [ಇಲ್ಲಿ]
2) ISAD(G) ಕರಡು ವ್ಯಾಖ್ಯಾನ:
ISAD(G) ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಕೆಳಗಿನ ಡಾಕ್ಯುಮೆಂಟ್ಗಾಗಿ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ರಚಿಸಿ: ಶೀರ್ಷಿಕೆ, ದಿನಾಂಕ(ಗಳು), ವಿವರಣೆ ಮಟ್ಟ (ಡಾಕ್ಯುಮೆಂಟ್/ಫೈಲ್), ವ್ಯಾಪ್ತಿ ಮತ್ತು ವಿಷಯ (ಸಣ್ಣ ಸಾರಾಂಶ), ರಚನೆಕಾರ, ಭಾಷೆ. ಉಲ್ಲೇಖ ಕೋಡ್ ಅನ್ನು ಖಾಲಿ ಬಿಡಿ (ಸಂಸ್ಥೆಯು ಅದನ್ನು ಒದಗಿಸುತ್ತದೆ). ಪಠ್ಯದಲ್ಲಿಲ್ಲದ ಯಾವುದೇ ಮಾಹಿತಿಯನ್ನು ಸೇರಿಸಬೇಡಿ; ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಕ್ಷೇತ್ರವನ್ನು ಖಾಲಿ ಬಿಡಿ. ದಾಖಲೆ: [ಇಲ್ಲಿ]
3) ವಿಷಯ ಪದದ ಸಲಹೆ (ನಿಯಂತ್ರಿಸಲಾಗಿದೆ):
ಕೆಳಗಿನ ಡಾಕ್ಯುಮೆಂಟ್ಗೆ ಸೂಕ್ತವಾದ 3-5 ವಿಷಯದ ನಿಯಮಗಳನ್ನು ಸೂಚಿಸಿ. ಮೊದಲಿಗೆ, ಡಾಕ್ಯುಮೆಂಟ್ನಲ್ಲಿರುವ ಸತ್ಯಗಳನ್ನು ಅವಲಂಬಿಸಿ. ನಮ್ಮ ಸಂಸ್ಥೆಯ ನಿಯಂತ್ರಿತ ಪರಿಭಾಷೆಯ ಪಟ್ಟಿಯನ್ನು ಕೆಳಗೆ ನೀಡಲಾಗಿದೆ; ಮೊದಲು, ಈ ಪಟ್ಟಿಯಿಂದ ಅದನ್ನು ಆರಿಸಿ, ಅದು ಪಟ್ಟಿಯಲ್ಲಿ ಇಲ್ಲದಿದ್ದರೆ, ನಿಮ್ಮ ಹೊಸ ಪದದ ಸಲಹೆಯನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಗುರುತಿಸಿ. ಪಟ್ಟಿ: [ನಿಯಮಗಳು]. ದಾಖಲೆ: [ಇಲ್ಲಿ]
4) ಬೃಹತ್ ಸ್ಥಿರತೆ ಪರಿಶೀಲನೆ:
ಅದೇ ಸಂಗ್ರಹಣೆಯಿಂದ ಡಾಕ್ಯುಮೆಂಟ್ಗಳಿಗಾಗಿ ಮೆಟಾಡೇಟಾ ದಾಖಲೆಗಳನ್ನು ಕೆಳಗೆ ನೀಡಲಾಗಿದೆ. ಫ್ಲ್ಯಾಗ್ ಅಸಂಗತತೆಗಳು: ಒಂದೇ ಸ್ಥಳ/ವ್ಯಕ್ತಿ ವಿಭಿನ್ನವಾಗಿ ಕಾಗುಣಿತ ದಾಖಲೆಗಳು, ವಿಭಿನ್ನ ದಿನಾಂಕ ಸ್ವರೂಪಗಳು, ಒಂದೇ ವಿಷಯಕ್ಕೆ ವಿಭಿನ್ನ ಪದಗಳು. ತಿದ್ದುಪಡಿ ಇಂಪೋಸಿಷನ್; ಮನುಷ್ಯ ಪರಿಶೀಲಿಸಲು ಅಸಂಗತತೆಗಳ ಪಟ್ಟಿಯನ್ನು ತಯಾರಿಸಿ. ದಾಖಲೆಗಳು: [ಇಲ್ಲಿ]
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ:
ಈ ಡಾಕ್ಯುಮೆಂಟ್ಗಾಗಿ ಸಂಪೂರ್ಣ ಕ್ಯಾಟಲಾಗ್ ದಾಖಲೆಯನ್ನು ರಚಿಸಿ.
"ಸಂಪೂರ್ಣ" ಸೂಚನೆಯು ಪ್ರತಿ ಜಾಗವನ್ನು ತುಂಬಲು AI ಅನ್ನು ತಳ್ಳುತ್ತದೆ, ಅಂದರೆ, ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಇತಿಹಾಸ ಮತ್ತು ರಚನೆಕಾರರನ್ನು ಆವಿಷ್ಕರಿಸಲು.
ಪ್ರಬಲ:
ಈ ಡಾಕ್ಯುಮೆಂಟ್ಗಾಗಿ ಡಬ್ಲಿನ್ ಕೋರ್ ಅನ್ನು ರಚಿಸಲಾಗಿದೆ. ಪ್ರತಿಲೇಖನದಲ್ಲಿ ಸ್ಪಷ್ಟವಾಗಿ ಒಳಗೊಂಡಿರುವ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಬಳಸಿ; ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಕ್ಷೇತ್ರವನ್ನು ಖಾಲಿ ಬಿಡಿ, ಊಹಿಸಬೇಡಿ. ಈ ನಿಯಂತ್ರಿತ ಪಟ್ಟಿಯಿಂದ ವಿಷಯದ ನಿಯಮಗಳನ್ನು ಆಯ್ಕೆಮಾಡಿ: [ಪಟ್ಟಿ]. ದಿನಾಂಕ ಮತ್ತು ವ್ಯಕ್ತಿಯ ಹೆಸರುಗಳನ್ನು [?] ನೊಂದಿಗೆ ಗುರುತಿಸಿ ಆದ್ದರಿಂದ ನಾನು ಅದನ್ನು ಡಾಕ್ಯುಮೆಂಟ್ನೊಂದಿಗೆ ಪರಿಶೀಲಿಸಬಹುದು. ಪ್ರತಿಲೇಖನ: [ಇಲ್ಲಿ]
ವ್ಯತ್ಯಾಸ: "ಸಂಪೂರ್ಣ" ಆವೃತ್ತಿಯ ಬದಲಿಗೆ "ಖಾಲಿ ಬಿಡಿ" ಅನುಮತಿ, ನಿಯಂತ್ರಿತ ಪಟ್ಟಿ ಅನುಸರಣೆ ಮತ್ತು ಪರಿಶೀಲನಾ ಗುರುತುಗಳು ಕ್ಯಾಟಲಾಗ್ ಅನ್ನು ಫ್ಯಾಬ್ರಿಕೇಶನ್ನಿಂದ ರಕ್ಷಿಸುತ್ತವೆ.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಇದರ ಅರ್ಥ "ಅದನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ತುಂಬು". ಇದು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಕ್ಷೇತ್ರಗಳನ್ನು ಅಳವಡಿಸಲು ಕಾರಣವಾಗುತ್ತದೆ; "ಖಾಲಿ ಬಿಡಿ" ಅನುಮತಿ ನೀಡಬೇಕು.
- ವಿಷಯದ ನಿಯಮಗಳನ್ನು ಬಿಡುಗಡೆ ಮಾಡುವುದು. ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶಕ್ಕೆ ಮ್ಯಾಪ್ ಮಾಡದ ನಿಯಮಗಳು ಹುಡುಕಾಟವನ್ನು ವಿಚಲಿತಗೊಳಿಸುತ್ತವೆ.
- AI ಭವಿಷ್ಯ ಇತಿಹಾಸವನ್ನು ಹೊಂದಿರುವುದು. ದಿನಾಂಕವಿಲ್ಲದ ಡಾಕ್ಯುಮೆಂಟ್ನಲ್ಲಿ ಕಾಲ್ಪನಿಕ ದಿನಾಂಕವನ್ನು ನಮೂದಿಸುವುದು ಕ್ಯಾಟಲಾಗ್ ಅನ್ನು ಮಾಲಿನ್ಯಗೊಳಿಸುತ್ತದೆ.
- AI ನಿಂದ ರಚಿಸಲಾದ ಉಲ್ಲೇಖ ಕೋಡ್ ಅನ್ನು ಹೊಂದಿರುವುದು. ಇದು ಸಾಂಸ್ಥಿಕ, ಅನನ್ಯ ಸ್ಥಳವಾಗಿದೆ; ಜನರು ಎಸೆಯುತ್ತಾರೆ.
- ಮಾನದಂಡವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುತ್ತಿಲ್ಲ. ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಅನ್ನು ನಮೂದಿಸದಿದ್ದರೆ, ಔಟ್ಪುಟ್ ಒಂದು ಗೊಂದಲಮಯ ಡ್ರಾಫ್ಟ್ ಆಗಿರುತ್ತದೆ, ಅದು ಸಂಸ್ಥೆಯೊಳಗೆ ಪ್ರವೇಶಿಸಲಾಗುವುದಿಲ್ಲ.
ಸಾರಾಂಶದಲ್ಲಿ
ಮೆಟಾಡೇಟಾ ಮತ್ತು ಕ್ಯಾಟಲಾಗ್ ಮಾಡುವುದು ಅದೃಶ್ಯ ಮೂಲಸೌಕರ್ಯವಾಗಿದ್ದು ಅದು ಸಂಶೋಧಕರಿಗೆ ಆರ್ಕೈವ್ ಅನ್ನು ತೆರೆಯುತ್ತದೆ ಮತ್ತು ಇದಕ್ಕೆ ಸಾಕಷ್ಟು ಶ್ರಮ ಬೇಕಾಗುತ್ತದೆ. ಪ್ರತಿಲೇಖನದಿಂದ, ದಿನಾಂಕ, ವ್ಯಕ್ತಿ, ಸ್ಥಳ, ವಿಷಯ ಮತ್ತು ಪ್ರಕಾರದಂತಹ ಕ್ಷೇತ್ರಗಳಿಗೆ AI ತ್ವರಿತ ರೂಪರೇಖೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಇದು ISAD(G) ಅಥವಾ ಡಬ್ಲಿನ್ ಕೋರ್ನಂತಹ ಮಾನದಂಡಗಳ ಪ್ರಕಾರ ಕೆಲಸ ಮಾಡಬಹುದು. ಆದರೆ "ಸಂಪೂರ್ಣವಾಗಿ ತುಂಬಲು" ಒತ್ತಡವು ವಿಷಯಗಳನ್ನು ಮಾಡಲು AI ಅನ್ನು ತಳ್ಳುತ್ತದೆ; "ಖಾಲಿ ಬಿಡಿ" ಅನುಮತಿ, ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶಕ್ಕೆ ಮ್ಯಾಪಿಂಗ್, ಮತ್ತು ದಿನಾಂಕಗಳು/ಹೆಸರುಗಳ ಮಾನವ ದೃಢೀಕರಣವು ಕ್ಯಾಟಲಾಗ್ ಅನ್ನು ನಂಬಲರ್ಹವಾಗಿರಿಸುತ್ತದೆ. AI ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸುತ್ತದೆ; ಕ್ಯಾಟಲಾಗ್ನ ನಿಖರತೆಗೆ ನೀವು ಜವಾಬ್ದಾರರಾಗಿರುತ್ತೀರಿ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಡಾಕ್ಯುಮೆಂಟ್ ಪ್ರತಿಲೇಖನವನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ ಮತ್ತು "ಡಬ್ಲಿನ್ ಕೋರ್ ಡ್ರಾಫ್ಟ್" ಟೆಂಪ್ಲೇಟ್ನೊಂದಿಗೆ AI ನಿಂದ ಮೆಟಾಡೇಟಾವನ್ನು ವಿನಂತಿಸಿ; ಇದು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಖಾಲಿ ಜಾಗಗಳನ್ನು ಬಿಡುತ್ತದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ. ನಂತರ ನಿಮ್ಮ ಸ್ವಂತ (ಅಥವಾ ಮಾದರಿ) ಪರಿಶೀಲನಾಪಟ್ಟಿಯೊಂದಿಗೆ "ವಿಷಯ ಪದದ ಸಲಹೆ" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ರನ್ ಮಾಡಿ. ಅಂತಿಮವಾಗಿ, "ಬೃಹತ್ ಸ್ಥಿರತೆ ಪರಿಶೀಲನೆ" ಯೊಂದಿಗೆ ಕೆಲವು ದಾಖಲೆಗಳನ್ನು ಪರೀಕ್ಷಿಸಿ. ಭವಿಷ್ಯವಾಣಿಯೊಂದಿಗೆ AI ಎಷ್ಟು ಕ್ಷೇತ್ರಗಳನ್ನು ಜನಪ್ರಿಯಗೊಳಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆ ಮತ್ತು ಪಟ್ಟಿಗೆ ಎಷ್ಟು ವಿಷಯದ ಪದಗಳನ್ನು ಮ್ಯಾಪ್ ಮಾಡಬೇಕಾಗಿದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು ಗುರಿ ಮಾನದಂಡವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳಿದ್ದೇನೆ (ISAD(G)/ಡಬ್ಲಿನ್ ಕೋರ್).
- [ ] ನಾನು "ಖಾಲಿ ಕ್ಷೇತ್ರವನ್ನು ಖಾಲಿ ಬಿಡಿ" ಅನುಮತಿಯನ್ನು ನೀಡಿದ್ದೇನೆ.
- [ ] ನಾನು ನಿಯಂತ್ರಿತ ಪಟ್ಟಿಗೆ ವಿಷಯದ ನಿಯಮಗಳನ್ನು ಮ್ಯಾಪ್ ಮಾಡಿದ್ದೇನೆ.
- [ ] ನಾನು ದಿನಾಂಕ ಮತ್ತು ವ್ಯಕ್ತಿಯ ಹೆಸರುಗಳನ್ನು ಡಾಕ್ಯುಮೆಂಟ್/ಅಧಿಕಾರದ ದಾಖಲೆಯೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಉಲ್ಲೇಖ ಕೋಡ್ ಅನ್ನು ಸಂಸ್ಥೆಗೆ ಬಿಟ್ಟಿದ್ದೇನೆ, AI ಗೆ ಅಲ್ಲ.