ಕ್ಯಾಟಲಾಗ್ ಮತ್ತು ಮೆಟಾಡೇಟಾ ಜನರೇಷನ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ

ಲಾಭಗಳು:

• ನೈಜ ಮುದ್ರೆಯ ಮಾಹಿತಿಯಿಂದ MARC ಮತ್ತು ಡಬ್ಲಿನ್ ಕೋರ್‌ನಂತಹ ಮಾನದಂಡಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಡ್ರಾಫ್ಟ್ ಮೆಟಾಡೇಟಾವನ್ನು ಉತ್ಪಾದಿಸುವ ಮೂಲಕ ಕ್ಯಾಟಲಾಗ್ ಮಾಡುವ ಸಮಯವನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ
• ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶದಿಂದ ಮೂಲ ಮೂಲ ಮತ್ತು ಮ್ಯಾಪ್ ವಿಷಯದ ಪದಗಳೊಂದಿಗೆ ಪ್ರಕಾಶನ ವರ್ಷ, ISBN, ಲೇಖಕರ ಹೆಸರು, ತಯಾರಿಕೆಯ ಹೆಚ್ಚಿನ ಅಪಾಯವಿರುವ ಕ್ಷೇತ್ರಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಅಧಿಕಾರ ನಿಯಂತ್ರಣದೊಂದಿಗೆ ಲೇಖಕ ಮತ್ತು ವಿಷಯದ ಸ್ವರೂಪಗಳನ್ನು ಏಕ-ಅನುಮೋದನೆ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಕ್ಯಾಟಲಾಗ್ ಸ್ಥಿರತೆಯನ್ನು ನಿರ್ವಹಿಸುವುದು

ಕ್ಯಾಟಲಾಗ್ ಮಾಡುವುದು ಗ್ರಂಥಾಲಯದ ಅದೃಶ್ಯ ಆದರೆ ಅತ್ಯಂತ ಮೂಲಭೂತ ಕೆಲಸವಾಗಿದೆ. ಸಂಪನ್ಮೂಲದ ಆವಿಷ್ಕಾರ (ಪುಸ್ತಕ, ಲೇಖನ, ನಕ್ಷೆ, ಧ್ವನಿ ರೆಕಾರ್ಡಿಂಗ್, ಡಿಜಿಟಲ್ ಫೈಲ್) ಸರಿಯಾದ ಮೆಟಾಡೇಟಾದೊಂದಿಗೆ ಸಾಧ್ಯ. ಮೆಟಾಡೇಟಾ ಎಂದರೆ "ಡೇಟಾ ಬಗ್ಗೆ ಡೇಟಾ": ಸಂಪನ್ಮೂಲದ ಶೀರ್ಷಿಕೆ, ಲೇಖಕ, ಪ್ರಕಟಣೆಯ ವರ್ಷ, ವಿಷಯ, ಭಾಷೆ ಮತ್ತು ಭೌತಿಕ ಗುಣಲಕ್ಷಣಗಳನ್ನು ವಿವರಿಸುವ ರಚನಾತ್ಮಕ ಮಾಹಿತಿ. ಮೆಟಾಡೇಟಾ ಉತ್ತಮವಾಗಿದ್ದರೆ, ಬಳಕೆದಾರರು ಸಂಪನ್ಮೂಲವನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತಾರೆ; ಅದು ಕೆಟ್ಟದಾಗಿದ್ದರೆ ಅಥವಾ ಅಪೂರ್ಣವಾಗಿದ್ದರೆ, ಸಂಪನ್ಮೂಲವು ಅಸ್ತಿತ್ವದಲ್ಲಿದ್ದರೂ ಕಳೆದುಹೋಗುತ್ತದೆ. ಈ ಘಟಕದಲ್ಲಿ ನೀವು ಡ್ರಾಫ್ಟ್ ಮೆಟಾಡೇಟಾ ಉತ್ಪಾದನೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂಬುದನ್ನು ಕಲಿಯುವಿರಿ, ಆದರೆ ಮಾನದಂಡಗಳ ಅನುಸರಣೆ ಮತ್ತು ನಿಖರತೆಯನ್ನು ಹೇಗೆ ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು.

ಮೊದಲು ಎರಡು ಪರಿಕಲ್ಪನೆಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸೋಣ. MARC (ಯಂತ್ರ-ಓದಬಲ್ಲ ಕ್ಯಾಟಲಾಜಿಂಗ್) ಎನ್ನುವುದು ಗ್ರಂಥಾಲಯಗಳು ದಶಕಗಳಿಂದ ಬಳಸಿದ ದಾಖಲೆ ಸ್ವರೂಪವಾಗಿದ್ದು, ಇದು ಪ್ರತಿಯೊಂದು ಮಾಹಿತಿಯನ್ನು ಸಂಖ್ಯೆಯ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಇರಿಸುತ್ತದೆ; ಉದಾಹರಣೆಗೆ, ಕ್ಷೇತ್ರ 245 ಶೀರ್ಷಿಕೆಯನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಕ್ಷೇತ್ರ 100 ಮುಖ್ಯ ಲೇಖಕರನ್ನು ಹೊಂದಿದೆ. ಡಬ್ಲಿನ್ ಕೋರ್ ಡಿಜಿಟಲ್ ಸಂಪನ್ಮೂಲಗಳಿಗಾಗಿ ಸರಳೀಕೃತ ಮೆಟಾಡೇಟಾ ಮಾನದಂಡವಾಗಿದೆ, ಇದು 15 ಮೂಲ ಕ್ಷೇತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿದೆ (ಶೀರ್ಷಿಕೆ, ಸೃಷ್ಟಿಕರ್ತ, ವಿಷಯ, ದಿನಾಂಕ, ಪ್ರಕಾರ, ಇತ್ಯಾದಿ). These standards ensure that records from different libraries can talk to each other.

ಹಂತ ಹಂತವಾಗಿ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಡ್ರಾಫ್ಟ್ ಮೆಟಾಡೇಟಾವನ್ನು ರಚಿಸುವುದು

1. ಮೂಲದ ಗುರುತಿನ ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸಿ. ಪುಸ್ತಕದ ಕವರ್, ಶೀರ್ಷಿಕೆ ಪುಟ, ವಿಷಯಗಳು ಅಥವಾ ಡಿಜಿಟಲ್ ಫೈಲ್‌ನ ಪಠ್ಯ. ನೀವು ನೀಡುವ ಮಾಹಿತಿಯಿಂದ ಮಾತ್ರ AI ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ; If you provide incomplete information, it produces incomplete or fabricated metadata.

2. ಗುರಿ ಮಾನದಂಡವನ್ನು ಸೂಚಿಸಿ. "ಡಬ್ಲಿನ್ ಕೋರ್ ಕ್ಷೇತ್ರಗಳಿಂದ" ಅಥವಾ "MARC 245, 100, 260, 650 ಕ್ಷೇತ್ರಗಳಿಂದ" AI ಗೆ ಸ್ಪಷ್ಟ ಗುರಿಯನ್ನು ನೀಡಿ. ನೀವು ಪ್ರಮಾಣಿತವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸದಿದ್ದರೆ, ಅದು ಅನಿಯಂತ್ರಿತ ಸ್ವರೂಪವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.

3. ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸಿ. AI ನೀವು ಒದಗಿಸುವ ಮಾಹಿತಿಯಿಂದ ಶೀರ್ಷಿಕೆ, ಜವಾಬ್ದಾರಿ ಹೇಳಿಕೆ, ಪ್ರಕಟಣೆ ಮಾಹಿತಿ ಮತ್ತು ವಿಷಯ ಪ್ರಸ್ತಾಪವನ್ನು ರಚಿಸುತ್ತದೆ.

4. ಅಧಿಕಾರ ನಿಯಂತ್ರಣವನ್ನು ವ್ಯಾಯಾಮ ಮಾಡಿ. ಅಧಿಕೃತ ದಾಖಲೆಯು ಲೇಖಕರ ಹೆಸರು, ಸಂಸ್ಥೆ ಅಥವಾ ವಿಷಯದ ಏಕ, ಪ್ರಮಾಣಿತ ರೂಪವನ್ನು ಸ್ಥಾಪಿಸುತ್ತದೆ (ಉದಾಹರಣೆಗೆ, "ಅಟಾಟರ್ಕ್, ಮುಸ್ತಫಾ ಕೆಮಾಲ್, 1881-1938"). AI ವಿವಿಧ ರೀತಿಯಲ್ಲಿ ಹೆಸರನ್ನು ಬರೆಯಬಹುದು; ನೀವು ಅನುಮೋದಿತ ಪ್ರಾಧಿಕಾರದ ಸ್ವರೂಪವನ್ನು ಪರಿಶೀಲಿಸಿ ಮತ್ತು ಸರಿಪಡಿಸಿ.

5. ಪರಿಶೀಲಿಸಿ ಮತ್ತು ದೃಢೀಕರಿಸಿ. ಪ್ರತಿ ಕ್ಷೇತ್ರವನ್ನು ಮೂಲ ಮೂಲಕ್ಕೆ ಹೋಲಿಸಿ. In particular, precise information such as publication year, ISBN and author name are very susceptible to being forged by AI.

ಸುಳಿವು: AI ಗೆ ಮೂಲಗಳ ನಿಜವಾದ ಕ್ರೆಡಿಟ್ ಪುಟದ ಫೋಟೋ ಅಥವಾ ಪಠ್ಯವನ್ನು ನೀಡಿ; "ಪುಸ್ತಕದ ಹೆಸರನ್ನು ಊಹಿಸಿ" ಎಂದು ಹೇಳಬೇಡಿ. ಮುನ್ಸೂಚಕ ಮೆಟಾಡೇಟಾ ಕ್ಯಾಟಲಾಗ್‌ನ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ದುರ್ಬಲಗೊಳಿಸುತ್ತದೆ. ಮುನ್ನೋಟಗಳನ್ನು ಮಾಡುವಾಗ AI ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಬರೆಯುತ್ತದೆ ಮತ್ತು ಇದು ನಿಮ್ಮನ್ನು ದಾರಿತಪ್ಪಿಸುತ್ತದೆ.

ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶ ಮತ್ತು ಸ್ಥಿರತೆ

ಕ್ಯಾಟಲಾಗ್‌ನಲ್ಲಿ ಸ್ಥಿರತೆ ಎಲ್ಲವೂ ಆಗಿದೆ. ಒಂದೇ ವಿಷಯವನ್ನು ಎರಡು ವಿಭಿನ್ನ ದಾಖಲೆಗಳಲ್ಲಿ ಎರಡು ವಿಭಿನ್ನ ಪದಗಳೊಂದಿಗೆ ಬರೆದರೆ, ಬಳಕೆದಾರರು ಒಂದನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತಾರೆ ಮತ್ತು ಇನ್ನೊಂದನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತಾರೆ. ಅದಕ್ಕಾಗಿಯೇ ಗ್ರಂಥಾಲಯಗಳು ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶವನ್ನು ಬಳಸುತ್ತವೆ - ಅನುಮೋದಿತ, ಪ್ರಮಾಣಿತ ನಿಯಮಗಳ ಪಟ್ಟಿ. ಉಚಿತ ಪಠ್ಯದಿಂದ ನಿಯಮಗಳನ್ನು ಸೂಚಿಸುವಾಗ, AI ಈ ಪಟ್ಟಿಯಲ್ಲಿರುವ ಅಧಿಕೃತ ಪದದ ಬದಲಿಗೆ ಅದರ ಆಡುಮಾತಿನ ಸಮಾನತೆಯನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು. ಉದಾಹರಣೆಗೆ, AI "ಹೃದಯಾಘಾತ" ಎಂದು ಬರೆಯಬಹುದು; ಆದರೆ ಅನುಮೋದಿತ ಪದವು "ಮಯೋಕಾರ್ಡಿಯಲ್ ಇನ್ಫಾರ್ಕ್ಷನ್" ಆಗಿರಬಹುದು.

AI ಗೆ ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶವನ್ನು ನೀಡುವುದು ಮತ್ತು "ಈ ಪಟ್ಟಿಯಿಂದ ಆರಿಸಿ" ಎಂದು ಹೇಳುವುದು ಪರಿಹಾರವಾಗಿದೆ. ಆದ್ದರಿಂದ ಮುಕ್ತವಾಗಿ ನಿಯಮಗಳನ್ನು ರೂಪಿಸುವ ಬದಲು, AI ಅನುಮೋದಿತ ಪಟ್ಟಿಯಿಂದ ಹೆಚ್ಚು ಸೂಕ್ತವಾದ ಒಂದಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆ.

ಎಚ್ಚರಿಕೆ: AI ಸೂಚಿಸಿದ ವಿಷಯದ ಪದವು ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶದಲ್ಲಿ ಇಲ್ಲದಿದ್ದರೆ, ಆ ಪದವನ್ನು ಕ್ಯಾಟಲಾಗ್‌ಗೆ ಸೇರಿಸಬೇಡಿ. ಹೊಸ ನಿಯಮಗಳನ್ನು ಸೇರಿಸುವ ನಿರ್ಧಾರವು ಅಧಿಕಾರ ನಿರ್ವಹಣೆಗೆ ಜವಾಬ್ದಾರರಾಗಿರುವ ತಜ್ಞರಿಗೆ ಬಿಟ್ಟದ್ದು; ಅನಿಯಂತ್ರಿತ ಪದಗಳನ್ನು ಸೇರಿಸುವುದರಿಂದ ಕ್ಯಾಟಲಾಗ್‌ನ ಸ್ಥಿರತೆಯನ್ನು ಅಡ್ಡಿಪಡಿಸುತ್ತದೆ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ದೇಣಿಗೆ ಸಂಗ್ರಹವನ್ನು ವೇಗಗೊಳಿಸಲಾಗಿದೆ. ಸಾರ್ವಜನಿಕ ಗ್ರಂಥಾಲಯವೊಂದು 1,200 ಪುಸ್ತಕಗಳ ಕೊಡುಗೆಯನ್ನು ಪಡೆಯಿತು. ಕ್ಯಾಟಲಾಗ್ ತಜ್ಞರು AI ಪ್ರತಿ ಪುಸ್ತಕದ ಮುದ್ರೆಯ ಪುಟವನ್ನು ಓದಿದರು ಮತ್ತು ಡಬ್ಲಿನ್ ಕೋರ್‌ನ ಕರಡು ಪ್ರತಿಯನ್ನು ತಯಾರಿಸಿದರು; ಪ್ರತಿ ರೆಕಾರ್ಡಿಂಗ್ ಸಮಯವು 9 ನಿಮಿಷಗಳಿಂದ 3.5 ನಿಮಿಷಗಳಿಗೆ ಕಡಿಮೆಯಾಗಿದೆ. ತಜ್ಞರು ಉಳಿದ ಸಮಯವನ್ನು ಅಧಿಕಾರ ಪರಿಶೀಲನೆ ಮತ್ತು ಪರಿಶೀಲನೆಗೆ ಮೀಸಲಿಟ್ಟರು; ಒಟ್ಟು ಸಮಯವನ್ನು ಸರಿಸುಮಾರು 55% ರಷ್ಟು ಕಡಿಮೆ ಮಾಡಲಾಗಿದೆ, ಆದರೆ ಪರಿಶೀಲಿಸದೆಯೇ ಯಾವುದೇ ದಾಖಲೆಗಳು ಸಿಸ್ಟಮ್‌ಗೆ ಪ್ರವೇಶಿಸಿಲ್ಲ.

ಪ್ರಕರಣ 2 - ನಕಲಿ ISBN ಸಿಕ್ಕಿಬಿದ್ದಿದೆ. ತಜ್ಞರು 30 ಪುಸ್ತಕಗಳ ಕರಡುಗಳನ್ನು AI ತಯಾರಿಸಿದ್ದರು. ಪರಿಶೀಲನೆಯ ಸಮಯದಲ್ಲಿ, 4 ದಾಖಲೆಗಳಲ್ಲಿನ ISBN ನಕಲಿ ಎಂದು ಅವರು ಕಂಡುಕೊಂಡರು: AI 13-ಅಂಕಿಯ ಸಂಖ್ಯೆಯನ್ನು ಬರೆದಿದ್ದು ಅದು ಸಮಂಜಸವೆಂದು ತೋರುತ್ತದೆ, ಅವರು ಪುಸ್ತಕದ ನೈಜ ಸಂಖ್ಯೆ ತಿಳಿದಿಲ್ಲದಿದ್ದರೂ ಸಹ. ಪರಿಶೀಲನಾ ಹಂತವು ನಾಲ್ಕು ತಪ್ಪಾದ ISBN ಗಳು ಕ್ಯಾಟಲಾಗ್‌ನಲ್ಲಿ ನಿರಂತರವಾಗುವುದನ್ನು ತಡೆಯುತ್ತದೆ.

ಪ್ರಕರಣ 3 - ಪ್ರಾಧಿಕಾರದ ಅಸಂಗತತೆಯನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ. ಲೈಬ್ರರಿಯು ಲೇಖಕರನ್ನು ಕೆಲವು ದಾಖಲೆಗಳಲ್ಲಿ "ಜೆ. ಸ್ಮಿತ್", ಇತರರಲ್ಲಿ "ಜಾನ್ ಸ್ಮಿತ್", ಇತರರಲ್ಲಿ "ಸ್ಮಿತ್, ಜಾನ್" ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ. AI ಅನ್ನು ಅಧಿಕಾರದ ಫೈಲ್‌ಗೆ ಹೊಂದಿಸಲಾಗಿದೆ, ಎಲ್ಲಾ ದಾಖಲೆಗಳನ್ನು ಒಂದೇ ಅನುಮೋದಿತ ಸ್ವರೂಪಕ್ಕೆ ತರುತ್ತದೆ ("ಸ್ಮಿತ್, ಜಾನ್, 1965-"); ಈ ಕೆಲಸವನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಮಾಡಿದರೆ, ಅದು ದಿನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಆದರೆ AI ಸಲಹೆಯೊಂದಿಗೆ, ಅದನ್ನು ಕೆಲವು ಗಂಟೆಗಳವರೆಗೆ ಕಡಿಮೆಗೊಳಿಸಲಾಯಿತು, ಆದರೆ ಪ್ರತಿ ಪಂದ್ಯವನ್ನು ತಜ್ಞರು ಅನುಮೋದಿಸಿದ್ದಾರೆ.

ರೆಟ್ರೋಸ್ಪೆಕ್ಟಿವ್ ಪರಿವರ್ತನೆ ಮತ್ತು ಹಳೆಯ ದಾಖಲೆಗಳು

ಅನೇಕ ಗ್ರಂಥಾಲಯಗಳು ಅಪೂರ್ಣ ಅಥವಾ ಹಳತಾದ ದಾಖಲೆಗಳನ್ನು ಹೊಂದಿವೆ, ಅವುಗಳು ವಿಭಿನ್ನ ನಿಯಮಗಳೊಂದಿಗೆ ವರ್ಷಗಳ ಹಿಂದೆ ನಮೂದಿಸಲ್ಪಟ್ಟಿವೆ. ಇವುಗಳನ್ನು ಪ್ರಸ್ತುತ ಮಾನದಂಡಕ್ಕೆ ಸರಿಸುವುದನ್ನು ರೆಟ್ರೋಸ್ಪೆಕ್ಟಿವ್ ಕನ್ವರ್ಶನ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ಕೈಯಾರೆ ಮಾಡಿದಾಗ ಅದು ತುಂಬಾ ಪ್ರಯಾಸಕರವಾಗಿರುತ್ತದೆ. AI ಹಳೆಯ ದಾಖಲೆಯನ್ನು ಓದಬಹುದು ಮತ್ತು ಪ್ರಸ್ತುತ ಕ್ಷೇತ್ರ ರಚನೆಗೆ ಸರಿಸಲು ಡ್ರಾಫ್ಟ್ ಅನ್ನು ರಚಿಸಬಹುದು: ಉದಾಹರಣೆಗೆ, ಇದು ಉಚಿತ-ಪಠ್ಯ ಉಲ್ಲೇಖವನ್ನು ಪಾರ್ಸ್ ಮಾಡಬಹುದು ಮತ್ತು ಅದನ್ನು ಸರಿಯಾದ ಕ್ಷೇತ್ರಗಳಿಗೆ ವಿತರಿಸಬಹುದು. ಆದಾಗ್ಯೂ, ಇಲ್ಲಿ ಎರಡು ಅಪಾಯಗಳಿವೆ. ಮೊದಲನೆಯದಾಗಿ, AI ಕಳೆದುಹೋದ ಮಾಹಿತಿಯನ್ನು "ಮೇಕಪ್" ಮಾಡಲು ಮಾಡಬಹುದು; ಎರಡನೆಯದಾಗಿ, ಅದನ್ನು ಸರಿಪಡಿಸುವ ಬದಲು ಹೊಸ ಸ್ವರೂಪಕ್ಕೆ ನಕಲಿಸುವ ಮೂಲಕ ಹಳೆಯ ದಾಖಲೆಯಲ್ಲಿ ದೋಷವನ್ನು ಶಾಶ್ವತಗೊಳಿಸಬಹುದು. ಆದ್ದರಿಂದ, ಹಿಂದಿನ ರೂಪಾಂತರದಲ್ಲಿ, AI ಯ ಔಟ್‌ಪುಟ್ ಅನ್ನು ವ್ಯವಸ್ಥಿತವಾಗಿ ಪರಿಶೀಲಿಸಬೇಕು, ಮಾದರಿಯಿಂದ ಅಲ್ಲ, ಆದರೆ ನಿರ್ಣಾಯಕ ಕ್ಷೇತ್ರಗಳಿಂದ (ಲೇಖಕರು, ವರ್ಷ, ಸಂಖ್ಯೆಗಳನ್ನು ಗುರುತಿಸುವುದು). A good practice is to display pre- and post-conversion records side by side, making each change visible; ಆದ್ದರಿಂದ ಪರಿಣಿತರು ಏನನ್ನು ಸರಿಸಲಾಗಿದೆ, ಏನು ಬದಲಾಗಿದೆ ಮತ್ತು ಏನನ್ನು ನಿರ್ಮಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ಒಂದು ನೋಟದಲ್ಲಿ ನೋಡಬಹುದು.

ಗಮನ: AI ನಿಂದ ರಚಿಸಲಾದ ಡ್ರಾಫ್ಟ್ ಮೆಟಾಡೇಟಾವನ್ನು ಒಂದೊಂದಾಗಿ ಪರಿಶೀಲಿಸದೆ ಸಿಸ್ಟಮ್‌ಗೆ ಬ್ಯಾಚ್‌ನಂತೆ ವರ್ಗಾಯಿಸಬಾರದು. ಸಾಮೂಹಿಕ ದೋಷವು ನೂರಾರು ದಾಖಲೆಗಳನ್ನು ಏಕಕಾಲದಲ್ಲಿ ಭ್ರಷ್ಟಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಉತ್ಪಾದಿಸುವುದಕ್ಕಿಂತ ಹಿಂಪಡೆಯುವುದು ಹೆಚ್ಚು ತೊಂದರೆದಾಯಕವಾಗಿದೆ. ಸಣ್ಣ ಬ್ಯಾಚ್‌ಗಳಲ್ಲಿ ಉತ್ಪಾದಿಸಲು ಮತ್ತು ಪರಿಶೀಲಿಸಲು ಇದು ಸುರಕ್ಷಿತವಾಗಿದೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಡಬ್ಲಿನ್ ಕೋರ್ ಔಟ್‌ಲೈನ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಸಹಾಯಕ ಕ್ಯಾಟಲಾಗ್. ಕೆಳಗಿನ ಬೈಲೈನ್ ಪಠ್ಯದಿಂದ ಡಬ್ಲಿನ್ ಕೋರ್ ಕ್ಷೇತ್ರಗಳನ್ನು ಭರ್ತಿ ಮಾಡಿ: ಶೀರ್ಷಿಕೆ, ಸೃಷ್ಟಿಕರ್ತ, ವಿಷಯ, ವಿವರಣೆ, ಪ್ರಕಾಶಕರು, ದಿನಾಂಕ, ಪ್ರಕಾರ, ಸ್ವರೂಪ, ಭಾಷೆ. ಪಠ್ಯದಲ್ಲಿ ಸ್ಪಷ್ಟವಾದ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಬಳಸಿ; ಕಾಣೆಯಾದ ಕ್ಷೇತ್ರವನ್ನು ಬಿಡಿ "[ಮಾಹಿತಿ ಇಲ್ಲ]", ಊಹಿಸಬೇಡಿ. ಮುದ್ರಣ ಪಠ್ಯ: [ಇಲ್ಲಿ]

2) MARC ಕ್ಷೇತ್ರ ರೂಪರೇಖೆ:

ಕೆಳಗಿನ ಪುಸ್ತಕ ಮಾಹಿತಿಯಿಂದ ಕೆಳಗಿನ MARC ಕ್ಷೇತ್ರಗಳಿಗೆ ಬಾಹ್ಯರೇಖೆಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಿ: 245 (ಶೀರ್ಷಿಕೆ/ಕ್ರೆಡಿಟ್), 100 (ಮುಖ್ಯ ಲೇಖಕ), 260/264 (ಪ್ರಕಟಣೆ), 300 (ಭೌತಿಕ ವಿವರಣೆ), 650 (ವಿಷಯ). ನೀವು ಖಚಿತವಾಗಿರದ ಯಾವುದೇ ಕ್ಷೇತ್ರವನ್ನು "[ಪರಿಶೀಲನೆ ಅಗತ್ಯವಿದೆ]" ಎಂದು ಗುರುತಿಸಿ. ಮಾಹಿತಿ: [ಇಲ್ಲಿ]

3) ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶದಿಂದ ವಿಷಯ ಹೊಂದಾಣಿಕೆ:

ಕೆಳಗೆ ಮೂಲದ ಸಾರಾಂಶ ಮತ್ತು ಅನುಮೋದಿತ ವಿಷಯದ ನಿಯಮಗಳ ಪಟ್ಟಿ ಇದೆ. ಪಟ್ಟಿಯಿಂದ ಮೂಲಕ್ಕೆ 3-5 ಅತ್ಯಂತ ಸೂಕ್ತವಾದ ಪದಗಳನ್ನು ಮಾತ್ರ ಹೊಂದಿಸಿ. ಪಟ್ಟಿಯಲ್ಲಿ ಯಾವುದೇ ಸೂಕ್ತವಾದ ಪದವಿಲ್ಲದಿದ್ದರೆ, "ಪಟ್ಟಿಯಲ್ಲಿ ಸೂಕ್ತ ಪದವಿಲ್ಲ" ಎಂದು ಬರೆಯಿರಿ, ಹೊಸ ನಿಯಮಗಳನ್ನು ರಚಿಸಬೇಡಿ. ಸಾರಾಂಶ: [ಇಲ್ಲಿ] / ಅವಧಿ ಪಟ್ಟಿ: [ಇಲ್ಲಿ]

4) ಅಧಿಕಾರ ರೂಪ ನಿಯಂತ್ರಣ:

ನಾನು ಒದಗಿಸಿದ ಪ್ರಾಧಿಕಾರದ ಪಟ್ಟಿಯಲ್ಲಿರುವ ಅನುಮೋದಿತ ಫಾರ್ಮ್‌ಗಳೊಂದಿಗೆ ಕೆಳಗಿನ ಲೇಖಕರ ಹೆಸರುಗಳನ್ನು ಹೊಂದಿಸಿ. ಪ್ರತಿ ಹೆಸರಿಗೆ: ದಾಖಲೆಯಲ್ಲಿ ಸ್ವರೂಪ -> ಅನುಮೋದಿತ ಸ್ವರೂಪ. ಪಟ್ಟಿಯಲ್ಲಿ ಯಾವುದೇ ಸಮಾನತೆ ಇಲ್ಲದಿದ್ದರೆ, "ಯಾವುದೇ ಅಧಿಕಾರ ದಾಖಲೆ" ಎಂದು ಬರೆಯಿರಿ. ಹೆಸರುಗಳು: [ಇಲ್ಲಿ] / ಪ್ರಾಧಿಕಾರದ ಪಟ್ಟಿ: [ಇಲ್ಲಿ]

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಕೆಳಗಿನ ಪುಸ್ತಕಕ್ಕಾಗಿ ಕ್ಯಾಟಲಾಗ್ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯಿರಿ: "ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಸಮಾಜ".

ಶೀರ್ಷಿಕೆಯನ್ನು ಮಾತ್ರ ನೀಡಲಾಗಿದೆ; ಲೇಖಕ, ವರ್ಷ, ಪ್ರಕಾಶಕರು ಮತ್ತು ISBN ಅನ್ನು ರೂಪಿಸಲು AI ಬಲವಂತವಾಗಿದೆ. ಯಾವುದೇ ಗುರಿ ಮಾನದಂಡವಿಲ್ಲ. ಫಲಿತಾಂಶ: ಮನವೊಪ್ಪಿಸುವ ಆದರೆ ಬಹುಶಃ ತಪ್ಪು ದಾಖಲೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಸಹಾಯಕ ಕ್ಯಾಟಲಾಗ್. ಪುಸ್ತಕದ ಮುದ್ರೆಯ ಪುಟದ ಪೂರ್ಣ ಪಠ್ಯವನ್ನು ಕೆಳಗೆ ನೀಡಲಾಗಿದೆ. ಇದರಿಂದ ಡಬ್ಲಿನ್ ಕೋರ್ ಕ್ಷೇತ್ರಗಳನ್ನು ಭರ್ತಿ ಮಾಡಿ. ಪಠ್ಯದಲ್ಲಿ ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳಲಾದ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರ ಬಳಸಿ; ಪಠ್ಯೇತರ ಕ್ಷೇತ್ರವನ್ನು ಖಾಲಿ ಬಿಡಿ ಮತ್ತು "[ಮಾಹಿತಿ ಇಲ್ಲ]" ಎಂದು ಬರೆಯಿರಿ. ಯಾವುದೇ ದಿನಾಂಕಗಳು, ಹೆಸರುಗಳು ಅಥವಾ ISBN ಗಳನ್ನು ರಚಿಸಲಾಗಿಲ್ಲ. ಪಠ್ಯವನ್ನು ಮುದ್ರಿಸಿ: [ಸಂಪೂರ್ಣ ಪಠ್ಯ ಇಲ್ಲಿ]

ಶಕ್ತಿಯುತವಾದ ಪ್ರಾಂಪ್ಟ್ AI ಅನ್ನು ನೈಜ ಬೈಲೈನ್ ಮಾಹಿತಿಗೆ ಸೀಮಿತಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಅವುಗಳನ್ನು ರಚಿಸುವ ಬದಲು ಪ್ರಾಮಾಣಿಕವಾಗಿ ಖಾಲಿ ಬಿಡಲು ಒತ್ತಾಯಿಸುತ್ತದೆ.

ಮೆಟಾಡೇಟಾ ಕ್ಷೇತ್ರ ಮತ್ತು ಮೌಲ್ಯೀಕರಣ ಕೋಷ್ಟಕ

ಪ್ರದೇಶ

ತಯಾರಿಕೆಯ ಅಪಾಯ

ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು

ಶೀರ್ಷಿಕೆ

ಕಡಿಮೆ

ಮುದ್ರೆ ಪುಟದೊಂದಿಗೆ ಹೋಲಿಕೆ ಮಾಡಿ

ಲೇಖಕ/ಅಧಿಕಾರದ ಸ್ವರೂಪ

ಮಧ್ಯಮ

ಅಧಿಕಾರ ಫೈಲ್‌ನಲ್ಲಿ ಹುಡುಕಿ

ಪ್ರಕಟಣೆಯ ವರ್ಷ

ಹೆಚ್ಚು

ಮುದ್ರೆ/ಕೊಲೊಫೋನ್ ಮೂಲಕ ದೃಢೀಕರಿಸಿ

ISBN

ತುಂಬಾ ಹೆಚ್ಚು

ಬಾರ್‌ಕೋಡ್/ಮೂಲದೊಂದಿಗೆ ಒಂದರಿಂದ ಒಂದು ನಿಯಂತ್ರಣ

ವಿಷಯದ ಅವಧಿ

ಹೆಚ್ಚು

ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶದಲ್ಲಿ ಹೊಂದಾಣಿಕೆ

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಶೀರ್ಷಿಕೆಯಿಂದ ಮೆಟಾಡೇಟಾವನ್ನು ವಿನಂತಿಸಲಾಗುತ್ತಿದೆ. ಅಪೂರ್ಣ ಮಾಹಿತಿಯು ವಿಷಯಗಳನ್ನು ಮಾಡಲು AI ಅನ್ನು ಪ್ರೇರೇಪಿಸುತ್ತದೆ.
• ಗುರಿ ಮಾನದಂಡವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುತ್ತಿಲ್ಲ. ಅನಿಯಂತ್ರಿತ ಫಾರ್ಮ್ಯಾಟಿಂಗ್ ದಾಖಲೆಗಳ ಸಾಮರಸ್ಯವನ್ನು ಅಡ್ಡಿಪಡಿಸುತ್ತದೆ.
• ISBN ಮತ್ತು ವರ್ಷವನ್ನು ಪರಿಶೀಲಿಸದೆಯೇ ಸ್ವೀಕರಿಸುವುದು. ಈ ಪ್ರದೇಶಗಳು ತಯಾರಿಕೆಯ ಹೆಚ್ಚಿನ ಅಪಾಯವನ್ನು ಹೊಂದಿವೆ.
• ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶದ ಹೊರಗಿನಿಂದ ವಿಷಯದ ಪದವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದು. ಸ್ಥಿರತೆ ಮತ್ತು ಲಭ್ಯತೆಯು ರಾಜಿ ಮಾಡಿಕೊಳ್ಳುತ್ತದೆ.
• ಅಧಿಕಾರ ನಿಯಂತ್ರಣವನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ಅದೇ ಲೇಖಕನು ವಿವಿಧ ಸ್ವರೂಪಗಳಲ್ಲಿ ಚದುರಿಹೋಗುತ್ತಾನೆ, ಬಳಕೆದಾರರು ಮೂಲವನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತಾರೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಮೆಟಾಡೇಟಾ ಉತ್ಪಾದನೆಯಲ್ಲಿ, AI ಶಕ್ತಿಯುತ ಸಹಾಯಕವಾಗಿದ್ದು ಅದು ಮುದ್ರೆ ಮಾಹಿತಿಯನ್ನು ತ್ವರಿತವಾಗಿ ಹೊರತೆಗೆಯುತ್ತದೆ ಮತ್ತು ಕ್ಯಾಟಲಾಗ್ ಮಾಡುವ ಸಮಯವನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಆದರೆ ಉತ್ಪಾದಕತೆಯ ಬೆಲೆಯು ತಯಾರಿಕೆಯ ಅಪಾಯಗಳ ವಿರುದ್ಧ ಕಟ್ಟುನಿಟ್ಟಾದ ದೃಢೀಕರಣವಾಗಿದೆ: ಗುರಿ ಮಾನದಂಡವನ್ನು (MARC, ಡಬ್ಲಿನ್ ಕೋರ್) ಸ್ಪಷ್ಟಪಡಿಸಿ, ನೈಜ ಬೈವರ್ಡ್ ಜ್ಞಾನದಿಂದ ಮಾತ್ರ AI ಅನ್ನು ಚಲಾಯಿಸಿ, ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶಗಳಿಂದ ವಿಷಯದ ನಿಯಮಗಳನ್ನು ನಕ್ಷೆ ಮಾಡಿ ಮತ್ತು ಅಧಿಕಾರ ರೂಪಗಳನ್ನು ಮೌಲ್ಯೀಕರಿಸಿ. ಅಂತರವನ್ನು ಮಾಡುವ ಬದಲು, AI ಪ್ರಾಮಾಣಿಕವಾಗಿ ಅದನ್ನು ಖಾಲಿ ಬಿಡಬೇಕು; ನೀವು ಅಂತಿಮ ಅನುಮೋದನೆಯನ್ನು ಇರಿಸಿಕೊಳ್ಳಿ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನೀವು ಹೊಂದಿರುವ ನೈಜ ಪುಸ್ತಕದ ಮುದ್ರೆ ಪುಟದ ಪಠ್ಯವನ್ನು "ಡಬ್ಲಿನ್ ಕೋರ್ ಡ್ರಾಫ್ಟ್" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ AI ಗೆ ನೀಡಿ ಮತ್ತು ಡ್ರಾಫ್ಟ್ ಪಡೆಯಿರಿ. ನಂತರ ಅದೇ ಪುಸ್ತಕವನ್ನು ಕೇವಲ ಶೀರ್ಷಿಕೆಯೊಂದಿಗೆ ("ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್") ತಯಾರಿಸಿ ಮತ್ತು ಎರಡು ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ: ಯಾವ ಕ್ಷೇತ್ರಗಳನ್ನು ತಯಾರಿಸಲಾಗಿದೆ? ನಂತರ, "ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶದಿಂದ ಟಾಪಿಕ್ ಮ್ಯಾಪಿಂಗ್" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ, ವಿಷಯವನ್ನು ಹೊಂದಿಸಲು ಅನುಮೋದಿತ ನಿಯಮಗಳ ಕಿರು ಪಟ್ಟಿಯನ್ನು ನೀಡಿ ಮತ್ತು AI ಪಟ್ಟಿಯಿಂದ ಹೊರಗುಳಿದಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಮೂಲದ ನೈಜ ಗುರುತಿನ ಮಾಹಿತಿಯನ್ನು AI ಗೆ ನೀಡಿದ್ದೇನೆ, ನಾನು ಅದನ್ನು ಊಹಿಸಲು ಬಿಡಲಿಲ್ಲ.
• [ ] ನಾನು ಗುರಿ ಮೆಟಾಡೇಟಾ ಮಾನದಂಡವನ್ನು (MARC/ಡಬ್ಲಿನ್ ಕೋರ್) ಸ್ಪಷ್ಟವಾಗಿ ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಪ್ರಕಟಣೆಯ ವರ್ಷವನ್ನು ಮತ್ತು ISBN ಅನ್ನು ಮೂಲ ಮೂಲದೊಂದಿಗೆ ದೃಢೀಕರಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ನಿಯಂತ್ರಿತ ಶಬ್ದಕೋಶದಿಂದ ವಿಷಯದ ನಿಯಮಗಳನ್ನು ಮ್ಯಾಪ್ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಅನುಮೋದಿತ ದಾಖಲೆಯೊಂದಿಗೆ ಅಧಿಕಾರದ ರೂಪಗಳನ್ನು ದೃಢೀಕರಿಸಿದ್ದೇನೆ.