Ieguvumi:
- Spēja izveidot metadatu projektus saskaņā ar tādiem standartiem kā ISAD(G) vai Dublin Core ar mākslīgo intelektu
- Spēja novērst halucinācijas un kartēt priekšmetu terminus kontrolētā vārdnīcā ar atļauju atstāt tukšu
- Spēja atšķirt, kuriem laukiem, piemēram, datumam, personas vārdam un atsauces kodam, ir nepieciešams cilvēka apstiprinājums un kurus vajadzētu piešķirt tikai iestādei
Arhīvu vai bibliotēku, neatkarīgi no tā, cik bagāts tas ir, nevar atrast, ja tas nav precīzi definēts. Dokumentu “atrodamu” padara aprakstošā informācija par to: kas to uzrakstījis, kad, kur, kāds ir tā priekšmets, kādai kolekcijai tas pieder. Šo informāciju sauc par metadatiem (metadati — aprakstoši dati par dokumentu; “dati par datiem”). Katalogs ir process, kurā tiek identificēti dokumenti ar šiem metadatiem un saglabāti tos meklējamā sistēmā. Klasifikācija ir dokumentu sakārtošana pēc tādiem kritērijiem kā priekšmets, veids vai izcelsme.
Metadatu ģenerēšana ir ārkārtīgi laikietilpīga; Datuma, tēmas, personas un vietas informācijas ievadīšana atsevišķi tūkstošiem dokumentu lielās kolekcijās var aizņemt vairākus gadus. AI ir spēcīgs vilces ģenerators šajā biznesā. Šajā nodaļā mēs redzēsim, kā ģenerēt metadatus, izmantojot AI, kataloģizējot saskaņā ar standartiem (ISAD(G), Dublin Core), kā arī automātiskās klasifikācijas jaudu un nepilnības.
Arhīvu standarti: kāpēc tie ir vajadzīgi
Metadati netiek ievadīti nejauši; Ir starptautiski standarti, lai dažādu iestāžu ieraksti varētu sarunāties viens ar otru:
- ISAD(G) (General International Standard Archival Description): noteikumi arhīva materiāla hierarhiskai aprakstīšanai (fonda, sērijas, faila, dokumenta līmenī). Tajā ir tādi lauki kā atsauces kods, nosaukums, datums, darbības joma, veidotājs.
- Dublin Core: kopīgs standarts, kas sastāv no 15 galvenajiem laukiem digitālo resursu aprakstīšanai (nosaukums, veidotājs, tēma, datums, žanrs, formāts, avots, valoda utt.).
- Fondi: ierakstu kopums, kas dabiski veidojas vienas personas, ģimenes vai institūcijas darbības rezultātā. Tā ir galvenā arhivēšanas organizēšanas vienība.
- Izcelsme (izcelsme): informācija par to, no kā nāk dokuments un caur kuru roku tas ir nodots. Arhivēšanā dokumentus glabā kopā pēc to izcelsmes.
Precīzi norādot mērķa standartu, kad AI rada metadatus, tiek nodrošināts, ka izvade ir tieši ievadāma uzņēmumā.
Vēl viens galvenais jēdziens ir autoritātes ieraksts — ieraksts, kas definē vienotu, standarta, apstiprinātu personas, vietas vai iestādes vārda formu. Vēsturiskajos dokumentos viena un tā pati persona vai vieta var parādīties ar dažādu rakstību; Autoritātes ieraksts tos visus saista vienā apstiprinātā formātā, lai tie netiktu izkaisīti meklēšanā. AI iesaka nosaukumus no dokumenta; bet šī nosaukuma kartēšana ar standarta formu autoritātes ierakstā ir cilvēka darbs. Saistot to, ko AI saka "Ahmed" ar "Ahmed Bey (1840-1912)" iestādes autoritātes ierakstā, tiek saglabāta kataloga konsekvence.
Darbplūsma: soli pa solim
1. Sagatavojiet avotu. Apkopojiet dokumenta atšifrējumu vai attēlu un jebkuru konteksta informāciju.
2. Nosakiet standartu un jomas. Pastāstiet AI, kurš standarts (ISAD(G), Dublin Core) un saskaņā ar kuriem laukiem tas ražos izvadi.
3. Ģenerējiet metadatu melnrakstu. AI aizpilda laukus, kurus var izvilkt no dokumenta (datums, persona, vieta, tēma, valoda, žanrs); Tas atstāj tukšas vietas, kuras nevar noņemt.
4. Karte uz kontrolētu vārdu krājumu. Priekšmeta un vietu nosaukumi lielākajā daļā iestāžu nav brīvi, bet ir piesaistīti iepriekš noteiktam sarakstam (kontrolētai vārdnīcai / tēzauram). Kartējiet šajā sarakstā AI ieteiktos priekšmetu terminus.
5. Pārbaudiet un apstipriniet. Katru lauku, īpaši datumu, nosaukumu un tēmu, cilvēki salīdzina ar dokumentiem un autoritātes ierakstiem.
Padoms: skaidri norādiet AI atļauju "atstāt tukšu". Pretējā gadījumā tas "uzminēs" aizpildīs datumu vai veidotāju, kas nav dokumentā, un ievietos viltotus metadatus jūsu katalogā. Instrukcija "Atstājiet šo lauku tukšu, ja tā nav dokumentā" ir spēcīgākais vairogs pret halucinācijām.
Lauki un uzticamības līmenis tabulā
Metadatu lauks
Cik uzticams ir AI?
verifikācija
valodu
augsts
paraugs
Dokumenta veids
vidēji augsts
kontrole
Personu/vietvārdi
Vidēja (lasīšanas kļūda)
obligāti
datums
Zems-vidējs (izgatavošanas risks)
obligāti
Priekšmeta noteikumi
Vidēja (bezmaksas ģenerēšana)
Karte uz kontrolsarakstu
Darbības joma/kopsavilkums
vidēji augsts
Salīdziniet ar avotu
Atsauces kods
Nav (iestāde dod)
cilvēku metieni
Kopsavilkums: AI ir ātrs un uzticams tādās jomās kā valoda un žanrs; ģenerē melnrakstus tādos laukos kā datums, nosaukums un tēma, taču ir nepieciešams cilvēka apstiprinājums; AI nekad nerada institucionālus laukus, piemēram, atsauces kodu.
trīs mini futrāļi
1. gadījums — metadatu uzmetums 8000 fotoattēlu. Pilsētas arhīvs kataloģizēja 8000 vēsturisku fotogrāfiju. Piezīmes katra fotoattēla aizmugurē tika pārrakstītas un nodotas AI; AI ģenerēts datums, atrašanās vieta un tēmas izklāsts. Cilvēku komanda to pārbaudīja laukā pēc lauka un kartēja to kontrolētajā sarakstā. Aptuvenais 10 mēnešu darbs tika samazināts līdz 3 mēnešiem; bet katrs datums un vietas nosaukums tika vizuāli pārbaudīts.
2. gadījums — izdomāta vēsture. Kādam arhīvam bija AI kataloga vēstule bez datuma. YZ apskatīja vēstules saturu un precīzi ierakstīja datumu "1912". Tomēr dokumentā nebija datuma; AI paredzēja. Ja arhivārs nebūtu pievienojis norādījumu "atstājiet tukšu, ja dokumentā nav", katalogs būtu aizpildīts ar izdomātu datumu. Nodarbība: tukša atļauja ir obligāta.
3. gadījums — brīvie priekšmeta termini radīja neskaidrības. AI līdzīgiem dokumentiem piešķīra līdzīgus, bet atšķirīgus brīvus terminus, piemēram, "imigrācija", "imigrācija", "nometne". Kad tā netika kartēta ar kontrolēto vārdu krājumu, tā pati tēma tika atzīmēta ar trim dažādiem terminiem un tika izkaisīta meklēšanā. Konsekvence tika panākta, apvienojot terminus vienā autoritātes sarakstā. Nodarbība: tēmu termini netiek izlaisti, tie ir saistīti ar sarakstu.
Četras kopējamas veidnes
1) Dublin Core izklāsts:
Izņemiet Dublin Core metadatu melnrakstu no tālāk esošā dokumenta transkripcijas. Lauki: nosaukums, veidotājs, tēma, apraksts, datums, žanrs, valoda, darbības joma (atrašanās vieta/periods). Noteikumi: (1) Informāciju izmantojiet tikai SKAIDRI tekstā. (2) Lauku, kas nav tekstā, atstājiet BLANK, neuzminēt. (3) Atzīmējiet vērtību, par kuru neesat pārliecināts, ar [?]. Transkripcija: [šeit]
2) ISAD(G) definīcijas projekts:
Ģenerējiet šāda dokumenta melnrakstu ISAD(G) laukos: nosaukums, datums(-i), apraksta līmenis (dokuments/fails), joma un saturs (īss kopsavilkums), veidotājs, valoda. Atstājiet atsauces kodu BLANK (iestāde to nodrošinās). Nepievienojiet informāciju, kas nav tekstā; Neesošo lauku atstājiet tukšu. Dokuments: [šeit]
3) Tēmas terminu ieteikums (kontrolēts):
Iesakiet 3–5 tēmu terminus, kas atbilst tālāk norādītajam dokumentam. Pirmkārt, paļaujieties uz dokumentā norādītajiem faktiem. Zemāk ir mūsu iestādes kontrolētās terminoloģijas saraksts; PIRMS, izvēlieties to no šī saraksta, ja tas nav sarakstā, atzīmējiet savu jaunā termina ieteikumu atsevišķi. Saraksts: [termini]. Dokuments: [šeit]
4) Lielapjoma konsekvences pārbaude:
Tālāk ir norādīti vienas kolekcijas dokumentu metadatu ieraksti. Karoga neatbilstības: ieraksti, kas atšķirīgi raksta vienu un to pašu vietu/personu, dažādi datuma formāti, dažādi termini vienam un tam pašam priekšmetam. Korekcija UZKLĀŠANA; Vienkārši izveidojiet neatbilstību sarakstu, ko cilvēks var pārskatīt. Ieraksti: [šeit]
Vāja uzvedne / spēcīga uzvedne
Vāji:
Šim dokumentam izveidojiet pilnīgu kataloga ierakstu.
“Pilnīga” instrukcija mudina AI aizpildīt katru vietu, t.i., izgudrot vēsturi un radītājus, kas neeksistē.
Spēcīgs:
Dublin Core ir izstrādāts šim dokumentam. Izmantojiet tikai informāciju, kas SKAIDRI iekļauta transkripcijā; atstājiet neesošo lauku tukšu, nedomājiet.Atlasiet tēmu vienumus no šī kontrolētā saraksta: [saraksts]. Atzīmējiet datumu un personu vārdus ar [?], lai es varētu to pārbaudīt ar dokumentu. Transkripcija: [šeit]
Atšķirība: atļauja "atstāt tukšu", nevis "pilns" izdevums, kontrolēta saraksta ievērošana un pārbaudes atzīmes aizsargā katalogu no izgatavošanas.
Biežas kļūdas
- Tas nozīmē "pilnībā aizpildīt". Tas noved pie neesošu lauku pielāgošanas; jādod atļauja "atstāt tukšu".
- Priekšmeta nosacījumu izlaišana. Termini, kas nav saistīti ar kontrolēto vārdu krājumu, novērsīs meklēšanu.
- AI prognozē vēsturi. Ievadot fiktīvu datumu nedatētā dokumentā, tiek piesārņots katalogs.
- AI ģenerēts atsauces kods. Šī ir korporatīva, unikāla telpa; cilvēki met.
- Nenorāda standartu. Ja standarts nav minēts, iznākums būs nekārtīgs melnraksts, ko nevar ievadīt iestādē.
Rezumējot
Metadati un kataloģizācija ir neredzama infrastruktūra, kas pētniekam atver arhīvu, un tas prasa daudz pūļu. No transkripcijas AI izveido ātru kontūru tādiem laukiem kā datums, persona, vieta, tēma un žanrs; Tas var darboties saskaņā ar tādiem standartiem kā ISAD(G) vai Dublin Core. Bet spiediens “pilnībā aizpildīt” liek AI izdomāt lietas; Atļauja “atstāt tukšu”, kartēšana kontrolētā vārdnīcā un datuma/nosaukumu cilvēka apstiprinājums nodrošina kataloga uzticamību. AI sagatavo melnrakstu; Jūs esat atbildīgs par kataloga precizitāti.
Lietojumprogrammas uzdevums
Paņemiet dokumenta transkripciju un pieprasiet metadatus no AI, izmantojot veidni “Dublin Core draft”; Pārbaudiet, vai tas atstāj tukšus laukus, kas neeksistē. Pēc tam palaidiet veidni “tēmas termina ieteikums” ar savu (vai paraugu) kontrolsarakstu. Visbeidzot, pārbaudiet dažus ierakstus ar “masveida konsekvences pārbaudi”. Ņemiet vērā, cik laukus mākslīgais intelekts mēģina aizpildīt ar prognozēšanu un cik tēmas vienumi ir jāsakārto sarakstā.
kontrolsaraksts
- [ ] Esmu skaidri norādījis mērķa standartu (ISAD(G)/Dublin Core).
- [ ] Es devu atļauju "Atstāt tukšu lauku tukšu".
- [ ] Es kartēju tēmu terminus kontrolētajā sarakstā.
- [ ] Es pārbaudīju datumu un personu vārdus ar dokumentu/iestādes ierakstu.
- [ ] Atsauces kodu atstāju iestādei, nevis AI.