നേട്ടങ്ങൾ:
- ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉള്ള ISAD(G) അല്ലെങ്കിൽ ഡബ്ലിൻ കോർ പോലുള്ള മാനദണ്ഡങ്ങൾക്കനുസൃതമായി മെറ്റാഡാറ്റ ഡ്രാഫ്റ്റുകൾ നിർമ്മിക്കാനുള്ള കഴിവ്
- ഭ്രമാത്മകത തടയാനും ലീവ്-ബ്ലാങ്ക് പെർമിഷനോടെ നിയന്ത്രിത പദാവലിയിലേക്ക് വിഷയ പദങ്ങൾ മാപ്പ് ചെയ്യാനും ഉള്ള കഴിവ്
- തീയതി, വ്യക്തിയുടെ പേര്, റഫറൻസ് കോഡ് എന്നിങ്ങനെ ഏതൊക്കെ ഫീൽഡുകൾക്കാണ് മനുഷ്യ അംഗീകാരം ആവശ്യമുള്ളതെന്നും ഏതൊക്കെ സ്ഥാപനം മാത്രമേ അസൈൻ ചെയ്യാവൂ എന്നും വേർതിരിച്ചറിയാനുള്ള കഴിവ്
ഒരു ആർക്കൈവ് അല്ലെങ്കിൽ ലൈബ്രറി, അത് എത്ര സമ്പന്നമാണെങ്കിലും, അത് നന്നായി നിർവചിച്ചില്ലെങ്കിൽ കണ്ടെത്താനാവില്ല. ഒരു പ്രമാണത്തെ "കണ്ടെത്താൻ കഴിയുന്നത്" ആക്കുന്നത് അതിനെക്കുറിച്ചുള്ള വിവരണാത്മക വിവരങ്ങളാണ്: ആരാണ് അത് എഴുതിയത്, എപ്പോൾ, എവിടെ, അതിൻ്റെ വിഷയം എന്താണ്, അത് ഏത് ശേഖരത്തിൽ പെട്ടതാണ്. ഈ വിവരങ്ങളെ മെറ്റാഡാറ്റ എന്ന് വിളിക്കുന്നു (മെറ്റാഡാറ്റ - ഒരു ഡോക്യുമെൻ്റിനെക്കുറിച്ചുള്ള വിവരണാത്മക ഡാറ്റ; "ഡാറ്റയെക്കുറിച്ചുള്ള ഡാറ്റ"). ഈ മെറ്റാഡാറ്റ ഉപയോഗിച്ച് ഡോക്യുമെൻ്റുകൾ തിരിച്ചറിയുകയും അവ തിരയാനാകുന്ന സിസ്റ്റത്തിൽ സംരക്ഷിക്കുകയും ചെയ്യുന്ന പ്രക്രിയയാണ് കാറ്റലോഗിംഗ്. വിഷയം, തരം അല്ലെങ്കിൽ ഉത്ഭവം തുടങ്ങിയ മാനദണ്ഡങ്ങൾക്കനുസൃതമായി പ്രമാണങ്ങൾ സംഘടിപ്പിക്കുന്നതാണ് വർഗ്ഗീകരണം.
മെറ്റാഡാറ്റ സൃഷ്ടിക്കുന്നത് വളരെ സമയമെടുക്കുന്നതാണ്; വലിയ ശേഖരങ്ങളിൽ ആയിരക്കണക്കിന് ഡോക്യുമെൻ്റുകൾക്കായി തീയതി, വിഷയം, വ്യക്തി, സ്ഥലം എന്നിവയുടെ വിവരങ്ങൾ വ്യക്തിഗതമായി നൽകുന്നതിന് വർഷങ്ങൾ എടുത്തേക്കാം. ഈ ബിസിനസ്സിലെ ശക്തമായ ഡ്രാഫ്റ്റ് ജനറേറ്ററാണ് AI. ഈ യൂണിറ്റിൽ, AI ഉപയോഗിച്ച് എങ്ങനെ മെറ്റാഡാറ്റ ജനറേറ്റ് ചെയ്യാമെന്നും സ്റ്റാൻഡേർഡുകൾ (ISAD(G), ഡബ്ലിൻ കോർ) അനുസരിച്ച് കാറ്റലോഗ് ചെയ്യാമെന്നും ഓട്ടോമാറ്റിക് ക്ലാസിഫിക്കേഷൻ്റെ ശക്തിയും അപകടങ്ങളും ഞങ്ങൾ കാണും.
ആർക്കൈവൽ മാനദണ്ഡങ്ങൾ: എന്തുകൊണ്ട് അവ ആവശ്യമാണ്
മെറ്റാഡാറ്റ ക്രമരഹിതമായി നൽകിയിട്ടില്ല; വിവിധ സ്ഥാപനങ്ങളിൽ നിന്നുള്ള രേഖകൾക്ക് പരസ്പരം സംസാരിക്കാൻ കഴിയുന്ന തരത്തിൽ അന്തർദേശീയ മാനദണ്ഡങ്ങളുണ്ട്:
- ISAD(G) (ജനറൽ ഇൻ്റർനാഷണൽ സ്റ്റാൻഡേർഡ് ആർക്കൈവൽ വിവരണം): ആർക്കൈവൽ മെറ്റീരിയലിനെ ശ്രേണിപരമായി (ഫണ്ട്, സീരീസ്, ഫയൽ, ഡോക്യുമെൻ്റ് തലത്തിൽ) വിവരിക്കുന്നതിനുള്ള നിയമങ്ങൾ. റഫറൻസ് കോഡ്, ശീർഷകം, തീയതി, വ്യാപ്തി, സ്രഷ്ടാവ് തുടങ്ങിയ ഫീൽഡുകൾ ഇതിൽ അടങ്ങിയിരിക്കുന്നു.
- ഡബ്ലിൻ കോർ: ഡിജിറ്റൽ ഉറവിടങ്ങൾ (ശീർഷകം, സ്രഷ്ടാവ്, വിഷയം, തീയതി, തരം, ഫോർമാറ്റ്, ഉറവിടം, ഭാഷ മുതലായവ) വിവരിക്കുന്നതിനുള്ള 15 കോർ ഫീൽഡുകൾ അടങ്ങുന്ന ഒരു പൊതു മാനദണ്ഡം.
- ഫോണ്ടുകൾ: ഒരു വ്യക്തിയുടെയോ കുടുംബത്തിൻ്റെയോ സ്ഥാപനത്തിൻ്റെയോ പ്രവർത്തനങ്ങളുടെ ഫലമായി സ്വാഭാവികമായി രൂപപ്പെട്ട റെക്കോർഡുകളുടെ ഒരു കൂട്ടം. ഇത് ആർക്കൈവിംഗിൻ്റെ അടിസ്ഥാന ഓർഗനൈസിംഗ് യൂണിറ്റാണ്.
- ഉത്ഭവം (ഉത്ഭവം): ഒരു പ്രമാണം ആരിൽ നിന്നാണ് വന്നത്, അത് ഏത് കൈയിലൂടെ കടന്നുപോയി എന്നതിനെക്കുറിച്ചുള്ള വിവരങ്ങൾ. ആർക്കൈവിംഗിൽ, രേഖകൾ അവയുടെ ഉത്ഭവം അനുസരിച്ച് ഒരുമിച്ച് സൂക്ഷിക്കുന്നു.
AI മെറ്റാഡാറ്റ നിർമ്മിക്കുമ്പോൾ ടാർഗെറ്റ് സ്റ്റാൻഡേർഡ് വ്യക്തമായി വ്യക്തമാക്കുന്നത്, ഔട്ട്പുട്ട് എൻ്റർപ്രൈസിലേക്ക് നേരിട്ട് ഇൻപുട്ട് ചെയ്യാവുന്നതാണെന്ന് ഉറപ്പാക്കുന്നു.
മറ്റൊരു പ്രധാന ആശയം അധികാര രേഖയാണ്-ഒരു വ്യക്തിയുടെയോ സ്ഥലത്തിൻ്റെയോ സ്ഥാപനത്തിൻ്റെയോ പേരിൻ്റെ ഒറ്റ, സ്റ്റാൻഡേർഡ്, അംഗീകൃത രൂപത്തെ നിർവചിക്കുന്ന ഒരു റെക്കോർഡ്. ചരിത്ര രേഖകളിൽ, ഒരേ വ്യക്തിയോ സ്ഥലമോ വ്യത്യസ്ത അക്ഷരവിന്യാസങ്ങളോടെ പ്രത്യക്ഷപ്പെടാം; അതോറിറ്റിയുടെ റെക്കോർഡ് അവയെല്ലാം ഒരൊറ്റ അംഗീകൃത ഫോർമാറ്റിലേക്ക് ബന്ധിപ്പിക്കുന്നു, അതിനാൽ അവ തിരയലിൽ ചിതറിപ്പോവില്ല. AI ഒരു പ്രമാണത്തിൽ നിന്ന് പേരുകൾ നിർദ്ദേശിക്കുന്നു; എന്നാൽ അധികാരരേഖയിലെ സ്റ്റാൻഡേർഡ് ഫോമിലേക്ക് ഈ പേര് മാപ്പ് ചെയ്യുന്നത് മനുഷ്യ ജോലിയാണ്. സ്ഥാപനത്തിൻ്റെ അധികാരരേഖയിലെ "അഹമ്മദ്" എന്ന് AI പറയുന്നതിനെ "അഹമ്മദ് ബേ (1840-1912)" എന്നതുമായി ബന്ധിപ്പിക്കുന്നത് കാറ്റലോഗിൻ്റെ സ്ഥിരത നിലനിർത്തുന്നു.
വർക്ക്ഫ്ലോ: ഘട്ടം ഘട്ടമായി
1. ഉറവിടം തയ്യാറാക്കുക. ഡോക്യുമെൻ്റിൻ്റെ ഒരു ട്രാൻസ്ക്രിപ്റ്റ് അല്ലെങ്കിൽ ഇമേജും ഏതെങ്കിലും സന്ദർഭ വിവരങ്ങളും ശേഖരിക്കുക.
2. നിലവാരവും മേഖലകളും തിരിച്ചറിയുക. ഏത് സ്റ്റാൻഡേർഡ് (ISAD(G), ഡബ്ലിൻ കോർ) എന്നും ഏത് ഫീൽഡുകൾ അനുസരിച്ചാണ് അത് ഔട്ട്പുട്ട് ഉത്പാദിപ്പിക്കുന്നതെന്നും AI-യോട് പറയുക.
3. ഡ്രാഫ്റ്റ് മെറ്റാഡാറ്റ സൃഷ്ടിക്കുക. പ്രമാണത്തിൽ നിന്ന് എക്സ്ട്രാക്റ്റുചെയ്യാനാകുന്ന ഫീൽഡുകളിൽ AI പൂരിപ്പിക്കുന്നു (തീയതി, വ്യക്തി, സ്ഥലം, വിഷയം, ഭാഷ, തരം); അത് നീക്കം ചെയ്യാൻ കഴിയാത്ത പ്രദേശങ്ങൾ ശൂന്യമാക്കുന്നു.
4. നിയന്ത്രിത പദസമ്പത്തിലേക്കുള്ള മാപ്പ്. വിഷയവും സ്ഥലപ്പേരുകളും മിക്ക സ്ഥാപനങ്ങളിലും സൗജന്യമല്ല, എന്നാൽ ഒരു മുൻനിശ്ചയിച്ച ലിസ്റ്റുമായി ബന്ധിപ്പിച്ചിരിക്കുന്നു (നിയന്ത്രിത പദാവലി / തെസോറസ്). ഈ ലിസ്റ്റിലേക്ക് AI നിർദ്ദേശിച്ച വിഷയ നിബന്ധനകൾ മാപ്പ് ചെയ്യുക.
5. പരിശോധിച്ച് സ്ഥിരീകരിക്കുക. ഓരോ ഫീൽഡും, പ്രത്യേകിച്ച് തീയതി, പേര്, വിഷയം എന്നിവയെ, അധികാരത്തിൻ്റെ രേഖകളും രേഖകളും ഉപയോഗിച്ച് മനുഷ്യർ താരതമ്യം ചെയ്യുന്നു.
നുറുങ്ങ്: "ശൂന്യമായി വിടാൻ" വ്യക്തമായി AI അനുമതി നൽകുക. അല്ലെങ്കിൽ, ഡോക്യുമെൻ്റിൽ ഇല്ലാത്ത ഒരു തീയതിയോ സ്രഷ്ടാവോ അത് "ഊഹിക്കുന്നു" കൂടാതെ നിങ്ങളുടെ കാറ്റലോഗിൽ വ്യാജ മെറ്റാഡാറ്റ ചേർക്കുകയും ചെയ്യും. "രേഖയിൽ ഇല്ലെങ്കിൽ ഈ ഫീൽഡ് ശൂന്യമായി വിടുക" എന്ന നിർദ്ദേശം ഹാലുസിനേഷനെതിരായ ഏറ്റവും ശക്തമായ കവചമാണ്.
ഒരു പട്ടികയിലെ ഫീൽഡുകളും ട്രസ്റ്റ് ലെവലും
മെറ്റാഡാറ്റ ഫീൽഡ്
AI എത്രത്തോളം വിശ്വസനീയമാണ്?
സ്ഥിരീകരണം
ഭാഷ
ഉയർന്നത്
സാമ്പിൾ
പ്രമാണ തരം
ഇടത്തരം-ഉയരം
നിയന്ത്രണം
വ്യക്തി/സ്ഥല നാമങ്ങൾ
മീഡിയം (വായന പിശക്)
നിർബന്ധമാണ്
തീയതി
കുറഞ്ഞ ഇടത്തരം (നിർമ്മാണത്തിനുള്ള സാധ്യത)
നിർബന്ധമാണ്
വിഷയ നിബന്ധനകൾ
ഇടത്തരം (സൗജന്യ ഉൽപ്പാദനം)
ചെക്ക്ലിസ്റ്റിലേക്കുള്ള മാപ്പ്
വ്യാപ്തി/സംഗ്രഹം
ഇടത്തരം-ഉയരം
ഉറവിടവുമായി താരതമ്യം ചെയ്യുക
റഫറൻസ് കോഡ്
ഒന്നുമില്ല (സ്ഥാപനം നൽകുന്നു)
മനുഷ്യ എറിയലുകൾ
സംഗ്രഹം: ഭാഷയും വിഭാഗവും പോലുള്ള മേഖലകളിൽ AI വേഗതയേറിയതും വിശ്വസനീയവുമാണ്; തീയതി, പേര്, വിഷയം തുടങ്ങിയ ഫീൽഡുകളിൽ ഡ്രാഫ്റ്റുകൾ സൃഷ്ടിക്കുന്നു, എന്നാൽ മനുഷ്യ അംഗീകാരം ആവശ്യമാണ്; AI ഒരിക്കലും റഫറൻസ് കോഡ് പോലുള്ള സ്ഥാപന ഫീൽഡുകൾ നിർമ്മിക്കുന്നില്ല.
മൂന്ന് മിനി കേസുകൾ
കേസ് 1 - 8,000 ഫോട്ടോകൾക്കുള്ള ഡ്രാഫ്റ്റ് മെറ്റാഡാറ്റ. ഒരു സിറ്റി ആർക്കൈവ് 8,000 ചരിത്ര ഫോട്ടോഗ്രാഫുകൾ പട്ടികപ്പെടുത്തിയിരുന്നു. ഓരോ ഫോട്ടോയുടെയും പുറകിലുള്ള കുറിപ്പുകൾ ട്രാൻസ്ക്രൈബ് ചെയ്ത് AI-ക്ക് നൽകി; AI സൃഷ്ടിച്ച തീയതി, സ്ഥാനം, വിഷയ രൂപരേഖ എന്നിവ. ഹ്യൂമൻ ടീം ഇത് ഫീൽഡ് ബൈ ഫീൽഡ് പരിശോധിച്ച് നിയന്ത്രിത പട്ടികയിലേക്ക് മാപ്പ് ചെയ്തു. കണക്കാക്കിയ 10 മാസത്തെ ജോലി 3 മാസമായി കുറച്ചു; എന്നാൽ ഓരോ തീയതിയും സ്ഥലവും ദൃശ്യപരമായി പരിശോധിച്ചു.
കേസ് 2 - നിർമ്മിച്ച ചരിത്രം. ഒരു ആർക്കൈവിസ്റ്റിന് AI കാറ്റലോഗ് ഒരു തീയതിയില്ലാത്ത കത്ത് ഉണ്ടായിരുന്നു. YZ കത്തിൻ്റെ ഉള്ളടക്കം നോക്കി "1912" എന്ന തീയതി കൃത്യമായി എഴുതി. എന്നിരുന്നാലും, പ്രമാണത്തിൽ തീയതി ഉണ്ടായിരുന്നില്ല; AI പ്രവചിച്ചു. "ഡോക്യുമെൻ്റിൽ ഇല്ലെങ്കിൽ ശൂന്യമായി വിടുക" എന്ന നിർദ്ദേശം ആർക്കൈവിസ്റ്റ് ചേർത്തിട്ടില്ലെങ്കിൽ, കാറ്റലോഗ് തയ്യാറാക്കിയ തീയതി കൊണ്ട് പൂരിപ്പിക്കുമായിരുന്നു. പാഠം: ശൂന്യമായ അനുമതി നിർബന്ധമാണ്.
കേസ് 3 - സ്വതന്ത്ര വിഷയ നിബന്ധനകൾ ആശയക്കുഴപ്പം സൃഷ്ടിച്ചു. സമാനമായ ഡോക്യുമെൻ്റുകൾക്ക് "ഇമിഗ്രേഷൻ", "ഇമിഗ്രേഷൻ", "സെറ്റിൽമെൻ്റ്" എന്നിങ്ങനെ സമാനമായതും എന്നാൽ വ്യത്യസ്തവുമായ സൗജന്യ പദങ്ങൾ AI നൽകിയിട്ടുണ്ട്. നിയന്ത്രിത പദാവലിയിലേക്ക് ഇത് മാപ്പ് ചെയ്യാത്തപ്പോൾ, ഒരേ വിഷയം മൂന്ന് വ്യത്യസ്ത പദങ്ങൾ ഉപയോഗിച്ച് ടാഗ് ചെയ്യുകയും തിരയലിൽ ചിതറിക്കിടക്കുകയും ചെയ്തു. വ്യവസ്ഥകൾ ഒരൊറ്റ അധികാര പട്ടികയിലേക്ക് മാപ്പ് ചെയ്തുകൊണ്ട് സ്ഥിരത കൈവരിച്ചു. പാഠം: വിഷയ പദങ്ങൾ പുറത്തുവിട്ടിട്ടില്ല, അവ ലിസ്റ്റിലേക്ക് ലിങ്ക് ചെയ്തിരിക്കുന്നു.
പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ
1) ഡബ്ലിൻ കോർ ഔട്ട്ലൈൻ:
ചുവടെയുള്ള ഡോക്യുമെൻ്റ് ട്രാൻസ്ക്രിപ്ഷനിൽ നിന്ന് ഡബ്ലിൻ കോർ മെറ്റാഡാറ്റ ഡ്രാഫ്റ്റ് എക്സ്ട്രാക്റ്റ് ചെയ്യുക. ഫീൽഡുകൾ: പേര്, സ്രഷ്ടാവ്, വിഷയം, വിവരണം, തീയതി, തരം, ഭാഷ, വ്യാപ്തി (സ്ഥാനം/കാലയളവ്). നിയമങ്ങൾ: (1) വാചകത്തിൽ വിവരങ്ങൾ വ്യക്തമായി മാത്രം ഉപയോഗിക്കുക. (2) വാചകത്തിൽ ഇല്ലാത്ത ഫീൽഡ് ശൂന്യമായി വിടുക, ഊഹിക്കരുത്. (3) നിങ്ങൾക്ക് ഉറപ്പില്ലാത്ത മൂല്യം [?] ഉപയോഗിച്ച് അടയാളപ്പെടുത്തുക. ട്രാൻസ്ക്രിപ്ഷൻ: [ഇവിടെ]
2) ISAD(G) ഡ്രാഫ്റ്റ് നിർവ്വചനം:
ISAD(G) ഫീൽഡുകളിൽ ഇനിപ്പറയുന്ന ഡോക്യുമെൻ്റിനായി ഡ്രാഫ്റ്റ് സൃഷ്ടിക്കുക: ശീർഷകം, തീയതി(കൾ), വിവരണ നില (പ്രമാണം/ഫയൽ), വ്യാപ്തിയും ഉള്ളടക്കവും (ഹ്രസ്വ സംഗ്രഹം), സ്രഷ്ടാവ്, ഭാഷ. റഫറൻസ് കോഡ് BLANK വിടുക (സ്ഥാപനം അത് നൽകും). വാചകത്തിൽ ഇല്ലാത്ത ഒരു വിവരവും ചേർക്കരുത്; നിലവിലില്ലാത്ത ഫീൽഡ് ശൂന്യമായി വിടുക. പ്രമാണം: [ഇവിടെ]
3) വിഷയ പദ നിർദ്ദേശം (നിയന്ത്രിതമാണ്):
ചുവടെയുള്ള പ്രമാണത്തിന് അനുയോജ്യമായ 3-5 വിഷയ നിബന്ധനകൾ നിർദ്ദേശിക്കുക. ആദ്യം, പ്രമാണത്തിലെ വസ്തുതകളെ ആശ്രയിക്കുക. ഞങ്ങളുടെ സ്ഥാപനത്തിൻ്റെ നിയന്ത്രിത ടെർമിനോളജി ലിസ്റ്റ് ചുവടെയുണ്ട്; ആദ്യം, ഈ ലിസ്റ്റിൽ നിന്ന് ഇത് തിരഞ്ഞെടുക്കുക, ഇത് ലിസ്റ്റിൽ ഇല്ലെങ്കിൽ, നിങ്ങളുടെ പുതിയ ടേം നിർദ്ദേശം പ്രത്യേകം അടയാളപ്പെടുത്തുക. പട്ടിക: [നിബന്ധനകൾ]. പ്രമാണം: [ഇവിടെ]
4) ബൾക്ക് സ്ഥിരത പരിശോധന:
ഒരേ ശേഖരത്തിൽ നിന്നുള്ള പ്രമാണങ്ങളുടെ മെറ്റാഡാറ്റ റെക്കോർഡുകൾ ചുവടെയുണ്ട്. ഫ്ലാഗ് പൊരുത്തക്കേടുകൾ: ഒരേ സ്ഥലത്തെ/വ്യക്തിയെ വ്യത്യസ്തമായി എഴുതുന്ന റെക്കോർഡുകൾ, വ്യത്യസ്ത തീയതി ഫോർമാറ്റുകൾ, ഒരേ വിഷയത്തിന് വ്യത്യസ്ത നിബന്ധനകൾ. തിരുത്തൽ IMPOSITION; മനുഷ്യന് അവലോകനം ചെയ്യാനുള്ള പൊരുത്തക്കേടുകളുടെ ഒരു ലിസ്റ്റ് ഉണ്ടാക്കുക. രേഖകൾ: [ഇവിടെ]
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ദുർബല:
ഈ ഡോക്യുമെൻ്റിനായി ഒരു സമ്പൂർണ്ണ കാറ്റലോഗ് റെക്കോർഡ് സൃഷ്ടിക്കുക.
"പൂർണ്ണമായ" നിർദ്ദേശം എല്ലാ ഇടങ്ങളിലും പൂരിപ്പിക്കാൻ AI-യെ പ്രേരിപ്പിക്കുന്നു, അതായത്, ചരിത്രത്തെയും നിലവിലില്ലാത്ത സ്രഷ്ടാക്കളെയും കണ്ടുപിടിക്കാൻ.
ശക്തമായ:
ഈ ഡോക്യുമെൻ്റിനായി ഡബ്ലിൻ കോർ തയ്യാറാക്കിയിട്ടുണ്ട്. ട്രാൻസ്ക്രിപ്ഷനിൽ വ്യക്തമായി ഉൾപ്പെടുത്തിയിരിക്കുന്ന വിവരങ്ങൾ മാത്രം ഉപയോഗിക്കുക; നിലവിലില്ലാത്ത ഫീൽഡ് ശൂന്യമായി വിടുക, ഊഹിക്കരുത്. ഈ നിയന്ത്രിത പട്ടികയിൽ നിന്ന് വിഷയ നിബന്ധനകൾ തിരഞ്ഞെടുക്കുക: [ലിസ്റ്റ്]. തീയതിയും വ്യക്തിയുടെ പേരുകളും [?] ഉപയോഗിച്ച് അടയാളപ്പെടുത്തുക, അതുവഴി എനിക്ക് അത് ഡോക്യുമെൻ്റ് ഉപയോഗിച്ച് പരിശോധിക്കാനാകും. ട്രാൻസ്ക്രിപ്ഷൻ: [ഇവിടെ]
വ്യത്യാസം: "പൂർണ്ണമായ" പതിപ്പിന് പകരം "ശൂന്യമായി വിടുക" അനുമതി, നിയന്ത്രിത ലിസ്റ്റ് പാലിക്കൽ, സ്ഥിരീകരണ അടയാളങ്ങൾ എന്നിവ കാറ്റലോഗിനെ കെട്ടിച്ചമക്കുന്നതിൽ നിന്ന് സംരക്ഷിക്കുന്നു.
സാധാരണ തെറ്റുകൾ
- അതിൻ്റെ അർത്ഥം "പൂർണ്ണമായി പൂരിപ്പിക്കുക" എന്നാണ്. ഇത് നിലവിലില്ലാത്ത ഫീൽഡുകൾ അനുയോജ്യമാക്കുന്നതിലേക്ക് നയിക്കുന്നു; "ലീവ് ബ്ലാങ്ക്" അനുമതി നൽകണം.
- വിഷയ നിബന്ധനകൾ റിലീസ് ചെയ്യുന്നു. നിയന്ത്രിത പദാവലിയിലേക്ക് മാപ്പ് ചെയ്യാത്ത നിബന്ധനകൾ തിരയലിൻ്റെ ശ്രദ്ധ തിരിക്കും.
- AI ഉള്ളത് ചരിത്രം പ്രവചിക്കുന്നു. കാലഹരണപ്പെടാത്ത ഒരു പ്രമാണത്തിലേക്ക് ഒരു സാങ്കൽപ്പിക തീയതി നൽകുന്നത് കാറ്റലോഗിനെ മലിനമാക്കുന്നു.
- AI സൃഷ്ടിച്ച റഫറൻസ് കോഡ് ഉള്ളത്. ഇതൊരു കോർപ്പറേറ്റ്, അതുല്യമായ ഇടമാണ്; ആളുകൾ എറിയുന്നു.
- നിലവാരം വ്യക്തമാക്കുന്നില്ല. സ്റ്റാൻഡേർഡ് പരാമർശിച്ചില്ലെങ്കിൽ, ഔട്ട്പുട്ട് സ്ഥാപനത്തിൽ പ്രവേശിക്കാൻ കഴിയാത്ത ഒരു കുഴപ്പമുള്ള ഡ്രാഫ്റ്റ് ആയിരിക്കും.
ചുരുക്കത്തിൽ
മെറ്റാഡാറ്റയും കാറ്റലോഗിംഗും ഗവേഷകർക്ക് ആർക്കൈവ് തുറക്കുന്ന അദൃശ്യമായ ഇൻഫ്രാസ്ട്രക്ചറാണ്, ഇതിന് വളരെയധികം പരിശ്രമം ആവശ്യമാണ്. ട്രാൻസ്ക്രിപ്ഷനിൽ നിന്ന്, തീയതി, വ്യക്തി, സ്ഥലം, വിഷയം, തരം എന്നിവ പോലുള്ള ഫീൽഡുകൾക്കായി AI ഒരു ദ്രുത രൂപരേഖ തയ്യാറാക്കുന്നു; ISAD(G) അല്ലെങ്കിൽ ഡബ്ലിൻ കോർ പോലുള്ള മാനദണ്ഡങ്ങൾക്കനുസൃതമായി ഇതിന് പ്രവർത്തിക്കാനാകും. എന്നാൽ "പൂർണ്ണമായി പൂരിപ്പിക്കുക" എന്ന സമ്മർദ്ദം കാര്യങ്ങൾ ഉണ്ടാക്കാൻ AI-യെ പ്രേരിപ്പിക്കുന്നു; "ശൂന്യമായി വിടുക" അനുമതി, നിയന്ത്രിത പദാവലിയിലേക്ക് മാപ്പിംഗ്, തീയതികൾ/പേരുകൾ എന്നിവയുടെ മാനുഷിക സ്ഥിരീകരണം എന്നിവ കാറ്റലോഗിനെ വിശ്വസനീയമായി നിലനിർത്തുന്നു. AI ഡ്രാഫ്റ്റ് തയ്യാറാക്കുന്നു; കാറ്റലോഗിൻ്റെ കൃത്യതയ്ക്ക് നിങ്ങൾ ഉത്തരവാദിയാണ്.
ആപ്ലിക്കേഷൻ ടാസ്ക്
ഒരു ഡോക്യുമെൻ്റ് ട്രാൻസ്ക്രിപ്ഷൻ എടുത്ത് "ഡബ്ലിൻ കോർ ഡ്രാഫ്റ്റ്" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് AI-യിൽ നിന്ന് മെറ്റാഡാറ്റ അഭ്യർത്ഥിക്കുക; ഇത് നിലവിലില്ലാത്ത ശൂന്യമായ ഫീൽഡുകൾ വിടുന്നുണ്ടോയെന്ന് പരിശോധിക്കുക. തുടർന്ന് നിങ്ങളുടെ സ്വന്തം (അല്ലെങ്കിൽ സാമ്പിൾ) ചെക്ക്ലിസ്റ്റിനൊപ്പം "വിഷയ പദ നിർദ്ദേശം" ടെംപ്ലേറ്റ് പ്രവർത്തിപ്പിക്കുക. അവസാനമായി, "ബൾക്ക് സ്ഥിരത പരിശോധന" ഉപയോഗിച്ച് കുറച്ച് റെക്കോർഡുകൾ പരിശോധിക്കുക. പ്രവചനം ഉപയോഗിച്ച് AI എത്ര ഫീൽഡുകൾ പോപ്പുലേറ്റ് ചെയ്യാൻ ശ്രമിക്കുന്നുവെന്നും പട്ടികയിലേക്ക് എത്ര വിഷയ പദങ്ങൾ മാപ്പ് ചെയ്യണമെന്നും ശ്രദ്ധിക്കുക.
ചെക്ക്ലിസ്റ്റ്
- [ ] ഞാൻ ടാർഗെറ്റ് സ്റ്റാൻഡേർഡ് (ISAD(G)/ഡബ്ലിൻ കോർ) വ്യക്തമായി പറഞ്ഞിട്ടുണ്ട്.
- [ ] ഞാൻ "ശൂന്യമായ ഫീൽഡ് ശൂന്യമായി വിടുക" അനുമതി നൽകി.
- [ ] ഞാൻ വിഷയ നിബന്ധനകൾ നിയന്ത്രിത പട്ടികയിലേക്ക് മാപ്പ് ചെയ്തു.
- [ ] ഞാൻ പ്രമാണം/അതോറിറ്റി റെക്കോർഡ് ഉപയോഗിച്ച് തീയതിയും വ്യക്തിയുടെ പേരുകളും പരിശോധിച്ചു.
- [ ] ഞാൻ റഫറൻസ് കോഡ് സ്ഥാപനത്തിനാണ് നൽകിയത്, AI യ്ക്കല്ല.