Pelnas:
- Gebėjimas atskirti turiniu pagrįstus ir bendradarbiaujančius rekomendacijų metodus ir užkirsti kelią netikriems šaltiniams tikrinant kiekvieną rekomendaciją tikroje kolekcijoje
- Gebėjimas sulaužyti filtro burbulą sąmoninga įvairove ir pateikti pasiūlymus su skaidriais pagrindimais
- Vartotojų skaitymo ir paieškos istorijos privatumo apsauga ir šių duomenų saugus apdorojimas
Skaitytojas gali paklausti: „Baigiau šią knygą, ką turėčiau skaityti toliau? “, geras bibliotekininkas rekomenduoja išteklius, atitinkančius jo interesus, lygį ir tikslą. Skaitmeniniame pasaulyje rekomendacijų sistemos tai daro dideliu mastu: jos rekomenduoja naujus išteklius, atsižvelgdamos į ankstesnius vartotojo pomėgius arba išteklių ypatybes. Šiame skyriuje sužinosite, kaip veikia dirbtinio intelekto rekomendacijų sistemos, ką jos atneša į biblioteką ir kaip valdyti tokias rizikas kaip privatumas, šališkumas ir „filtro burbulas“.
Apibrėžkime sąvokas. Turiniu paremtoje rekomendacijoje atsižvelgiama į šaltinio ypatybes (temą, autorių, žanrą) ir rekomenduojami panašūs šaltiniai: „Jei jums patiko ši istorijos knyga, gali patikti ir ši, apimanti tą patį laikotarpį“. Bendradarbiaujantis filtravimas veikia pagal principą „šie taip pat patiko kiti vartotojai, kuriems patiko tokie ištekliai kaip jūs“. Filtro burbulas yra tada, kai rekomendacijų sistema užrakina vartotoją prie nuolat panašaus turinio ir atitolina jį nuo naujų, skirtingų perspektyvų. Gera bibliotekos rekomendacija ir patraukia susidomėjimą, ir sumuša burbulą.
Žingsnis po žingsnio: atsakingas patarimas
1. Paaiškinkite tikslą. Ko siekiama pasiūlymu? Ar norite, kad vartotojas toliau skaitytų, plėstų savo akiratį ar rastų išteklių konkrečiam tyrimo klausimui? Tikslas lemia rekomendacijos tipą.
2. Patikrinkite šaltinį ir autentiškumą. Teikdamas pasiūlymus AI gali sudaryti neegzistuojančias knygas. Patikrinkite, ar kiekvienas siūlomas išteklius iš tikrųjų yra kolekcijoje arba patikimame kataloge.
3. Išsaugokite įvairovę. Rekomendavus tik „panašiausią“, susidaro filtro burbulas. Sąmoningai įtraukite skirtingus požiūrius, skirtingus autorius ir skirtingus lygius. Bibliotekos uždavinys – atverti horizontus, neapsiriboti ekologija.
4. Saugokite privatumą. Suasmeninta rekomendacija naudoja vartotojo skaitymo istoriją ir yra itin tiksli. Nepateikite šių duomenų bendriesiems AI įrankiams; Apdoroti tik įstaigos saugiose sistemose, gavus vartotojo sutikimą.
5. Būkite skaidrūs. Paaiškinkite vartotojui, kodėl buvo pateikta rekomendacija: „Šis šaltinis buvo rekomenduojamas, nes jis susijęs su jus dominančia tema“. Skaidrumas stiprina pasitikėjimą ir informacinį raštingumą.
Patarimas: sąmoningai pridėkite „šiek tiek kitokį“ šaltinį prie pasiūlymų sąrašo ir pasakykite: „Tai yra arti jūsų interesų srities; pridėjau šį šaltinį kaip atnaujinimą“. Tai sulaužo filtro burbulą ir parodo bibliotekos atradimo vertę.
Etinis pasiūlymo aspektas
Rekomendacijų sistemos atrodo nekaltos, tačiau sukuria galingus efektus. Kokie ištekliai rekomenduojami vartotojui, formuoja jo informacinį pasaulį. Jei sistema išryškins tik populiarius šaltinius arba tik tam tikru požiūriu, mažumų balsai, skirtingos nuomonės ir mažiau žinomi vertingi šaltiniai bus nematomi. AI gali sustiprinti šią tendenciją, paveldėdamas mokymo duomenų populiarumą ir šališkumą.
Čia atsiranda bibliotekininkystės vertė: biblioteka nėra komercinis rekomendacijų variklis; Jos misija – užtikrinti vienodą ir įvairią prieigą prie informacijos. Bibliotekininko pareiga yra suderinti rekomendacijų sistemą su šia verte.
Dėmesio: Vartotojo skaitymo ir paieškos istorija yra vienas jautriausių privatumo duomenų. Tai, ką žmogus skaito, gali atskleisti informaciją apie jo sveikatą, politines pažiūras, įsitikinimus ar asmeninę krizę. Niekada neperduokite šių duomenų su jų tapatybe į išorines sistemas; Anonimiškumas ir sutikimas yra būtini.
trys mini dėklai
1 atvejis – turiniu pagrįsta rekomendacija pasiteisino. Mokyklos biblioteka naudojo turiniu pagrįstą sistemą, kad mokiniams rekomenduotų išteklius, panašius į jų skaitomą knygą. Vienas studentas baigė mokslinės fantastikos romaną; Sistema rekomendavo tris knygas ta pačia tema, bet iš kito autoriaus. Studentas pasiskolino du; Skaitymo įprotis tęsėsi. Bibliotekininkė jau anksčiau buvo patvirtinusi, kad visi pasiūlymai kolekcijoje tikrai egzistuoja.
2 atvejis – pagautas netikras pasiūlymas. Bibliotekininkas paprašė dirbtinio intelekto rekomenduoti 8 knygas vartotojui. Jis patikrino sąrašą kataloge: 3 iš 8 knygų apskritai trūko; AI sukūrė patikimas antraštes. Patvirtinimo veiksmas neleido vartotojui rekomenduoti neegzistuojančių knygų.
3 atvejis – filtro balionas plyšo. Tyrėjas nuolat dirbo su to paties požiūrio šaltiniais, o sistema visada siūlydavo panašius. Bibliotekininkė sąmoningai įtraukė du šaltinius, kuriuose pateiktas priešingas požiūris į temą ir tai aiškiai paaiškino. Tik šių priešingų šaltinių dėka tyrėjas suprato nepilną savo tyrimo aspektą.
Šaltas paleidimas ir naujo vartotojo problema
Gerai žinomas rekomendacijų sistemų iššūkis yra šalto užvedimo problema: sistema nežino, ką rekomenduoti naujam vartotojui ar ką tik į rinkinį įtrauktam ištekliui, apie kurį nėra istorinių duomenų. Šiuo atveju daugelis sistemų naudojasi populiariausiais ištekliais kaip saugiu pasirinkimu; Tai reiškia, kad mažai žinomi vertingi ištekliai apskritai nerekomenduojami ir populiarumas minta savaime. Bibliotekiniu požiūriu tai prieštarauja vienodos prieigos vertei. Sprendimas – prieš pateikiant rekomendaciją ir paryškinant naujai pridėtus išteklius pagal jų turinio ypatybes, naujam vartotojui užduokite trumpą, aiškų pirmenybės klausimą (kurios temos, koks lygis, koks tikslas). Šiuo metu, analizuodamas šaltinio temą ir ypatybes, AI gali susieti net knygą, kuri niekada nebuvo pasiskolinta su atitinkamu vartotoju; tol, kol pasiūlymas gaunamas iš tikrosios kolekcijos ir yra patikrintas. Taigi sistema daro matomą ne tik tai, kas „labai mylima“, bet ir „aktualu bei vertinga“.
Patarimas: nustatydami rekomendaciją naujam vartotojui, remkitės dabartiniais vartotojo poreikiais, o ne sistemos istoriniais duomenimis. Vienas geras klausimas („ar tai moksliniams tyrimams, malonumui, kokiu mastu?“) dažnai pateikia tikslesnę rekomendaciją nei mėnesių elgesio duomenys.
Keturi kopijuojami šablonai
1) Turiniu pagrįsta panašių išteklių rekomendacija:
Toliau pateikiama vartotojui patikusio šaltinio tema / santrauka. Taip pat pateikiau mūsų kolekcijoje esančių išteklių sąrašą. Tiesiog iš šio sąrašo pasiūlykite 5 šaltinius, panašius į temą, ir kiekvienam parašykite po vieną sakinį. Siūlomi šaltiniai neįtraukti. Mėgstamiausias šaltinis: [čia] / Kolekcijos sąrašas: [čia]
2) Pasiūlymas, kuris papildo įvairovę:
Prie toliau pateikto pasiūlymų sąrašo pridėkite 2 šaltinius, kurie praplės vartotojo akiratį ir pasiūlys kitokią perspektyvą ar potemą (tik iš mano pateikto rinkinių sąrašo). Paaiškinkite, kodėl jie skirtingi ir vertingi. Sąrašas: [čia] / Kolekcija: [čia]
3) Rekomendacijos priežasties paaiškinimas:
Prie kiekvienos toliau pateiktos rekomendacijos parašykite trumpą, skaidrų pagrindimą, kurį būtų galima parodyti vartotojui: „Šis šaltinis buvo rekomenduotas, nes...“ Jokio perdėto, jokios reikšmės asmens duomenims. Pasiūlymai: [čia]
4) Išankstinė privatumo patikra:
Ar toliau pateiktame pasiūlymo įraše yra naudotoją identifikuojančios arba neskelbtinos informacijos (pateikiančios sveikatos, įsitikinimų, politinių pažiūrų)? Jei taip, pažymėkite jį ir pasiūlykite, kaip jį anonimizuoti. Įvestis: [čia]
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Rekomenduokite šiam vartotojui perskaityti 10 knygų.
AI generuoja pasiūlymus iš savo pasaulinės atminties, nežinodamas kolekcijos; Jis gali sugalvoti knygas, kurių nėra ir kurios negerbia įvairovės ir privatumo.
Galingas raginimas:
Jūsų vaidmuo: skaitytojo patarėjas. Žemiau yra tema, kuri patiko vartotojui, ir tikrų šaltinių sąrašas mūsų kolekcijoje. (1) Pasiūlykite 5 šaltinius, susijusius su tema iš sąrašo. (2) Taip pat pridėkite 2 šaltinius su skirtingomis perspektyvomis, kurie atvers jūsų akis. (3) Parašykite skaidrų kiekvieno pasiūlymo pagrindimą. Neišeikite iš sąrašo, negalvokite šaltinių ir nenurodykite asmens duomenų. Tema: [čia] / Kolekcija: [čia]
Galingas raginimas; ji apriboja faktinį rinkinį, reikalauja įvairovės ir prideda pagrindimo bei privatumo taisyklės.
Rekomendacijų tipų palyginimo lentelė
Pasiūlymo tipas
stiprioji vieta
rizika
Bibliotekininko pareiga
turinio pagrindu
Gerai patraukia dėmesį
filtro burbulas
Pridėti įvairovę
bendradarbiaujantis
netikėtas atradimas
Privatumo, populiarumo šališkumas
Anonimiškumas, pusiausvyra
AI gamybos sąrašas
greitai
sugalvotas šaltinis
patikrinti tikrovę
Dažnos klaidos
- Siūlo pasiūlymus be patvirtinimo. AI gali sudaryti neegzistuojančius šaltinius.
- Tiesiog rekomenduoju „panašiausius“. Filtro burbulas siaurina vartotojo akiratį.
- Skaitymo istorijos eksportavimas į išorinį įrankį. Tai jautriausi privatumo duomenys.
- Pasiūlymo pateikimas be pagrindimo. Skaidrumas palaiko pasitikėjimą ir raštingumą.
- Populiarumo šališkumo ignoravimas. Prarandami vertingi, bet mažai žinomi ištekliai.
Apibendrinant
Rekomendavimo sistemos yra galingi įrankiai, palengvinantys atradimą, patraukdami naudotojų susidomėjimą; Turiniu pagrįsti ir bendradarbiavimu grindžiami metodai turi skirtingus privalumus ir riziką. AI greitai generuoja pasiūlymus, tačiau gali išrasti neegzistuojančius šaltinius, filtruoti burbulus ir sustiprinti šališkumą. bibliotekininko darbas; Patikrinti kiekvieną pasiūlymą realioje kolekcijoje, sulaužyti sąmoningos įvairovės burbulą, apsaugoti vartotojų privatumą ir išlaikyti vienodos ir įvairios bibliotekos prieigos vertę, pateikiant pasiūlymus su skaidriomis priežastimis.
Taikymo užduotis
Paruoškite trumpą faktų rinkinių sąrašą (10-15 šaltinių). Sugeneruokite rekomendaciją naudotojui naudodami šabloną „panašių išteklių rekomendacija pagal turinį“ ir patikrinkite, ar jie visi iš tikrųjų yra sąraše. Tada į sąrašą įtraukite skirtingų perspektyvų šaltinius naudodami šabloną „Įvairovę papildantis pasiūlymas“. Galiausiai sukurkite skaidrų kiekvieno pasiūlymo paaiškinimą naudodami šabloną „Pasiūlymo pagrindimo paaiškinimas“ ir suplanuokite, kaip jį pateiksite vartotojui.
kontrolinis sąrašas
- [ ] Patikrinau, kad kiekvienas pasiūlymas iš tikrųjų yra kolekcijoje.
- [ ] Įvairiau, kad sulaužyčiau filtro burbulą.
- [ ] Vartotojo skaitymo/paieškos istoriją saugojau saugiai, nedaviau jos išoriniam įrankiui.
- [ ] Kiekvienam pasiūlymui parengiau skaidrų pagrindimą.
- [ ] Kad išvengčiau populiarumo šališkumo, nuolat stebėjau mažiau žinomus ir vertingus šaltinius.