ഉറവിട പരിശോധന, ഭ്രമാത്മകത, വിവര സാക്ഷരത

നേട്ടങ്ങൾ:

• ഓരോ സ്രോതസ്സിൻ്റെയും അസ്തിത്വം പരിശോധിച്ച് പ്രാഥമിക ഉറവിടത്തിലേക്ക് പോകുന്നതിലൂടെയും സ്വതന്ത്രമായ ക്രോസ്-കൺഫർമേഷൻ ഘട്ടങ്ങളിലൂടെയും ഹാലുസിനേഷൻ പിടിച്ചെടുക്കാനുള്ള കഴിവ്
• ഹ്യുമാനിറ്റീസ്, സോഷ്യൽ സയൻസസ് എന്നിവയിലെ കെട്ടിച്ചമച്ച ഉദ്ധരണികൾക്കും പ്രമാണങ്ങൾക്കും എതിരെ മൗലികതയും അക്കാദമിക് സമഗ്രതയും നിലനിർത്താനുള്ള കഴിവ്
• AI യുഗത്തിൽ ഉപയോക്താക്കളെ ഉറവിട പരിശോധനയും വിവര സാക്ഷരതാ കഴിവുകളും പഠിപ്പിക്കാനുള്ള കഴിവ്

ലൈബ്രേറിയൻഷിപ്പിൻ്റെ സാമൂഹിക ദൗത്യത്തിൻ്റെ കാതൽ ഒരൊറ്റ വാഗ്ദാനമാണ്: വിശ്വസനീയമായ വിവരങ്ങൾ. ഒരു ലൈബ്രേറിയൻ ഉപയോക്താവിനെ വിവരങ്ങളിലേക്ക് മാത്രമല്ല, പരിശോധിച്ച വിവരങ്ങളിലേക്കും കൊണ്ടുവരുന്നു, കൂടാതെ ഈ വിവരങ്ങൾ സ്വയം എങ്ങനെ വിലയിരുത്തണമെന്ന് അവനെ പഠിപ്പിക്കുന്നു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ യുഗത്തിൽ, ഈ ദൗത്യം കൂടുതൽ ബുദ്ധിമുട്ടുള്ളതും പ്രാധാന്യമർഹിക്കുന്നതുമാണ്; കാരണം AI-ക്ക് വളരെ ബോധ്യപ്പെടുത്തുന്ന രീതിയിൽ തെറ്റായ വിവരങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും. ഈ യൂണിറ്റിൽ, ഹാലുസിനേഷൻ തിരിച്ചറിയൽ, ഉറവിട പരിശോധനയുടെ അച്ചടക്കം, AI-യുടെ കാലഘട്ടത്തിൽ വിവര സാക്ഷരത പഠിപ്പിക്കൽ എന്നിവ ഞങ്ങൾ കവർ ചെയ്യും.

നമുക്ക് ആശയങ്ങൾ നിർവചിക്കാം. യഥാർത്ഥത്തിൽ നിലവിലില്ലാത്ത വിവരങ്ങൾ, ഉറവിടങ്ങൾ, ഉദ്ധരണികൾ അല്ലെങ്കിൽ ഇവൻ്റുകൾ എന്നിവ AI സൃഷ്ടിക്കുന്നതാണ് ഹാലൂസിനേഷൻ. വിവരങ്ങൾ യഥാർത്ഥവും വിശ്വസനീയവും പ്രാഥമികവുമായ ഉറവിടത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണെന്ന് സ്ഥിരീകരിക്കുന്നതാണ് ഉറവിട പരിശോധന. വിവരങ്ങൾ കണ്ടെത്താനും അത് വിലയിരുത്താനും അതിൻ്റെ വിശ്വാസ്യതയെ ചോദ്യം ചെയ്യാനും ധാർമ്മികമായി ഉപയോഗിക്കാനുമുള്ള ഒരു വ്യക്തിയുടെ കഴിവാണ് വിവര സാക്ഷരത. ഈ യൂണിറ്റ് ലൈബ്രേറിയൻ തൻ്റെ സ്വന്തം പരിശീലനത്തിലും ഉപയോക്താവിനെ പഠിപ്പിക്കുന്നതിലും ഈ കഴിവുകൾ ശക്തിപ്പെടുത്താൻ ലക്ഷ്യമിടുന്നു.

ഘട്ടം ഘട്ടമായി: ഉറവിട പരിശോധന അച്ചടക്കം

1. ഉറവിടം അഭ്യർത്ഥിക്കുകയും അതിൻ്റെ അസ്തിത്വം പരിശോധിക്കുകയും ചെയ്യുക. AI ഒരു ക്ലെയിം അല്ലെങ്കിൽ ഉദ്ധരണി നൽകുമ്പോൾ, "ഇത് ഏത് ഉറവിടത്തിൽ നിന്നാണ്?" കൂടാതെ ഉറവിടം യഥാർത്ഥത്തിൽ ഒരു സ്വതന്ത്ര കാറ്റലോഗിലോ ഡാറ്റാബേസിലോ പ്രാഥമിക രേഖയിലോ നിലവിലുണ്ടോയെന്ന് പരിശോധിക്കുക.

2. പ്രാഥമിക ഉറവിടത്തിലേക്ക് പോകുക. വിവരങ്ങളുടെ ഏറ്റവും വിശ്വസനീയമായ രൂപം അതിൻ്റെ ആദ്യ ഉറവിടമാണ്. AI-യുടെ ഒരു സംഗ്രഹത്തിനോ ഒരു ദ്വിതീയ വാചകത്തിനോ വേണ്ടി തൃപ്തിപ്പെടരുത്; സാധ്യമെങ്കിൽ, യഥാർത്ഥ പ്രമാണമോ ഡാറ്റയോ പ്രസിദ്ധീകരണമോ ആക്സസ് ചെയ്യുക.

3. ക്രോസ്-സ്ഥിരീകരിക്കുക. കുറഞ്ഞത് രണ്ട് വിശ്വസനീയമായ സ്രോതസ്സുകളെങ്കിലും പരസ്പരം സ്വതന്ത്രമായ ഒരു നിർണായക ക്ലെയിം പരിശോധിക്കുക. ഒരു റിസോഴ്സ്, പ്രത്യേകിച്ച് AI റിസോഴ്സ്, പോരാ.

4. ഉറവിടത്തിൻ്റെ വിശ്വാസ്യത വിലയിരുത്തുക. ആരാണ് ഇത് എഴുതിയത്, എപ്പോൾ, എന്ത് ആവശ്യത്തിന്, ഏത് തെളിവിലാണ്? ഇത് കാലികമാണോ? വിവരങ്ങളുടെ അസ്തിത്വം അത് സത്യമാക്കുന്നില്ല; ഉറവിടത്തിൻ്റെ സ്വഭാവവും ചോദ്യം ചെയ്യുക.

5. അനിശ്ചിതത്വം സത്യസന്ധമായി പ്രകടിപ്പിക്കുക. വിവരങ്ങൾ പരിശോധിക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, അത് വ്യക്തമായി പറയുക. കെട്ടിച്ചമച്ച ഉറപ്പ് നൽകുന്നതിനേക്കാൾ എല്ലായ്പ്പോഴും "സ്ഥിരീകരിക്കപ്പെടാത്തത്" എന്ന് പറയുന്നതാണ് നല്ലത്.

നുറുങ്ങ്: നിങ്ങൾക്ക് AI-ൽ നിന്ന് ഒരു ഉദ്ധരണിയോ ഉറവിടമോ ലഭിക്കുമ്പോൾ, ആദ്യം ഒരു യഥാർത്ഥ കാറ്റലോഗിൽ ശീർഷകവും രചയിതാവും തിരയുക. നിലവിലില്ലാത്ത വിഭവങ്ങൾ ഇവിടെ ഉടനടി ദൃശ്യമാകും. 30 സെക്കൻഡ് ദൈർഘ്യമുള്ള ഈ പരിശോധന ഒരു ഗ്രന്ഥസൂചികയിലോ അസൈൻമെൻ്റിലോ പ്രസിദ്ധീകരണത്തിലോ പ്രവേശിക്കുന്നതിൽ നിന്ന് കെട്ടിച്ചമച്ച ഉറവിടത്തെ തടയുന്നു.

മാനവികതയിലും സാമൂഹിക ശാസ്ത്രത്തിലും ആധികാരികതയും സ്ഥിരീകരണവും

ഹ്യുമാനിറ്റീസും സോഷ്യൽ സയൻസും പ്രത്യേകിച്ച് ഭ്രമാത്മകതയുടെ അപകടസാധ്യതയ്ക്ക് ഇരയാകുന്നു. ഈ മേഖലകളിൽ, തെളിവുകൾ പലപ്പോഴും ഒരു നിർദ്ദിഷ്ട പ്രമാണം, ഒരു തീയതി, ഒരു ഉദ്ധരണി അല്ലെങ്കിൽ ഒരു അഭിപ്രായത്തിൻ്റെ ഉറവിടം എന്നിവയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. "ആ ചരിത്രകാരൻ പറഞ്ഞത്" അല്ലെങ്കിൽ "1923-ലെ പ്രമാണം പറയുന്നു" എന്നിങ്ങനെയുള്ള വളരെ നിർദ്ദിഷ്ടവും എന്നാൽ പൂർണ്ണമായും കെട്ടിച്ചമച്ചതുമായ ക്ലെയിമുകൾ നിർമ്മിക്കാൻ AI-ക്ക് കഴിയും. സാഹിത്യത്തിൻ്റെയോ ചരിത്രത്തിൻ്റെയോ നിയമത്തിൻ്റെയോ ഒരു കൃതിയിൽ ഇത് അർത്ഥമാക്കുന്നത് തെറ്റായ തെളിവുകളുടെ ശൃംഖലയാണ്.

മാത്രമല്ല, മൗലികതയാണ് ഈ ഫീൽഡുകളുടെ അടിസ്ഥാന മൂല്യം: ഒരു വാചകം, ഒരു വ്യാഖ്യാനം അല്ലെങ്കിൽ വിവർത്തനം യഥാർത്ഥത്തിൽ ആരുടേതാണ് എന്നത് പ്രധാനമാണ്. AI നിർമ്മിച്ച ഒരു വാചകം യഥാർത്ഥ സൃഷ്ടിയായി അവതരിപ്പിക്കുകയോ AI നിർമ്മിച്ച ഒരു "ഉറവിടത്തെ" ആശ്രയിക്കുകയോ ചെയ്യുന്നത് അക്കാദമിക് സമഗ്രതയെ ലംഘിക്കുന്നു. ഉപയോക്താക്കളെ സ്ഥിരീകരണവും മൗലികതയുടെയും കോപ്പിയടിയുടെയും പരിധികൾ പഠിപ്പിക്കുന്ന ഒരു ഗൈഡാണ് ലൈബ്രേറിയൻ.

മുൻകരുതൽ: AI- ജനറേറ്റ് ചെയ്‌ത ഉദ്ധരണി വാക്കിന് വാക്കിന് കൃത്യതയുള്ളതും യഥാർത്ഥ രചയിതാവിന് ആട്രിബ്യൂട്ട് ചെയ്യുന്നതുമായ സന്ദർഭങ്ങളിൽ പോലും, ആ ഉദ്ധരണി കെട്ടിച്ചമച്ചതായിരിക്കാം. രചയിതാവിൻ്റെ യഥാർത്ഥ സൃഷ്ടിയിൽ മാത്രം ഉദ്ധരണി കണ്ടെത്തി അത് പരിശോധിക്കുക; "ഈ ലേഖകൻ ഇങ്ങനെയൊക്കെ പറഞ്ഞിരിക്കാം" എന്ന യുക്തി പോരാ.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - വിദ്യാർത്ഥിയെ പരിശോധിച്ചുറപ്പിക്കാൻ പഠിപ്പിച്ചു. ഒരു വിദ്യാർത്ഥിയുടെ അസൈൻമെൻ്റിൽ AI-യിൽ നിന്നുള്ള 5 ഉറവിടങ്ങൾ ഒരു ലൈബ്രേറിയൻ കണ്ടു. അവർ ഒരുമിച്ച് കാറ്റലോഗിൽ ഇത് പരിശോധിച്ചു: 2 ഉറവിടങ്ങൾ കെട്ടിച്ചമച്ചതാണ്. "അത് യഥാർത്ഥമായി കാണുന്നത് ശരിയല്ല" എന്ന പാഠം വിദ്യാർത്ഥി നേരിട്ട് അനുഭവിച്ചറിയുകയും ഓരോ ഉറവിടവും പരിശോധിക്കുന്ന ശീലം ഒരിക്കൽ കൂടി നേടുകയും ചെയ്തു.

കേസ് 2 - കെട്ടിച്ചമച്ച ചരിത്രരേഖ. ഒരു ഗവേഷകന് AI-യിൽ നിന്ന് ഒരു "1919 പത്ര റിപ്പോർട്ട്" ലഭിച്ചു; തീയതിയും പത്രത്തിൻ്റെ പേരും ഉള്ളടക്കവും വളരെ ബോധ്യപ്പെടുത്തുന്നതായിരുന്നു. ലൈബ്രേറിയൻ പത്രത്തിൻ്റെ ആർക്കൈവ് സ്കാൻ ചെയ്തു: അക്കാലത്ത് അത്തരം വാർത്തകളൊന്നുമില്ല. കെട്ടിച്ചമച്ച ഒരു പ്രാഥമിക സ്രോതസ്സ് അത് ഒരു ലേഖനമാക്കുന്നതിന് മുമ്പ് പിടിക്കപ്പെട്ടു.

കേസ് 3 - തെറ്റായ ഉദ്ധരണി. AI ഒരു പ്രശസ്ത ചിന്തകൻ്റെ ഉദ്ധരണിക്ക് കാരണമായി. ലൈബ്രേറിയൻ ചിന്തകൻ്റെ കൃതികളിൽ ഈ വാക്ക് തിരഞ്ഞു, അത് കണ്ടെത്താനായില്ല; ആ വാക്ക് എവിടെയും പറഞ്ഞിട്ടില്ല. ക്രോസ് ചെക്കിംഗ് തെറ്റായി നൽകിയ ഉദ്ധരണി പ്രചരിപ്പിക്കുന്നത് തടഞ്ഞു.

തെറ്റായ വിവരങ്ങൾ പ്രചരിപ്പിക്കുന്നതിൻ്റെ ശൃംഖലയും ലൈബ്രേറിയൻ്റെ പങ്കും

തെറ്റായ വിവരങ്ങൾ പലപ്പോഴും ഒരു കെട്ടിച്ചമച്ച ഔട്ട്പുട്ടിൽ ആരംഭിക്കുന്നു, പക്ഷേ അത് അവിടെ അവസാനിക്കുന്നില്ല. ഒരു ഉപയോക്താവ് ഒരു വ്യാജ AI- ജനറേറ്റഡ് റിസോഴ്‌സ് ഒരു അസൈൻമെൻ്റിൽ ഇടുന്നു; നിയമനം ഒരു പ്രസിദ്ധീകരണമായി മാറുന്നു; പ്രസിദ്ധീകരണം മറ്റുള്ളവർ ഉദ്ധരിക്കുന്നു, അതിനാൽ ഒരു സാങ്കൽപ്പിക ഉറവിടം ആവർത്തിച്ച് ഉദ്ധരിക്കുന്നതിലൂടെ "സത്യം" എന്ന രൂപം കൈവരിക്കുന്നു. നമുക്ക് ഇതിനെ മലിനീകരണം എന്ന് വിളിക്കാം: തെറ്റായ വിവരങ്ങൾ വീണ്ടും വീണ്ടും ആവർത്തിക്കുന്നതിലൂടെ നിയമസാധുത നേടുന്നു. ഈ ശൃംഖലയിലെ ഏറ്റവും നിർണായകമായ കണ്ണിയിൽ ലൈബ്രേറിയൻ നിൽക്കുന്നു; കാരണം, സിസ്റ്റത്തിൽ പ്രവേശിക്കുന്നതിന് മുമ്പ് വിവരങ്ങൾ പരിശോധിച്ചുറപ്പിക്കുന്ന അവസാന നിയന്ത്രണ പോയിൻ്റാണിത്. ഒരു സ്രോതസ്സ് "പലയിടത്തും സംഭവിക്കുന്നു" എന്നതുകൊണ്ട് അത് സത്യമാകില്ല; ഒരേ വ്യാജവിവരങ്ങൾ പരസ്പരം പകർത്തി പലയിടത്തും പ്രത്യക്ഷപ്പെടാം. അതിനാൽ, ക്രോസ്-സ്ഥിരീകരണം "എത്ര വിശ്വസനീയമായ ഉറവിടങ്ങൾ പരസ്പരം സ്വതന്ത്രമായി ഇത് സ്ഥിരീകരിക്കുന്നു" എന്ന ചോദ്യത്തെ അടിസ്ഥാനമാക്കിയുള്ളതായിരിക്കണം, "എത്ര സ്ഥലങ്ങളിൽ ഇത് ദൃശ്യമാകുന്നു?" ഒരേ ക്ലെയിം ആവർത്തിക്കുന്ന പത്ത് ദ്വിതീയ സ്രോതസ്സുകൾക്ക് ഒരു സ്വതന്ത്ര പ്രാഥമിക ഉറവിടം പോലെ വിലയില്ല. ലൈബ്രേറിയൻ ഈ വ്യത്യാസം (സ്വാതന്ത്ര്യത്തെ ആവർത്തനവുമായി ആശയക്കുഴപ്പത്തിലാക്കരുത്) സ്വന്തം സ്ഥിരീകരണത്തിൻ്റെയും ഉപയോക്താവിനെ പഠിപ്പിക്കുന്നതിൻ്റെയും കേന്ദ്രത്തിൽ സ്ഥാപിക്കണം.

ശ്രദ്ധിക്കുക: ഒരു സെർച്ച് എഞ്ചിനിലോ നിരവധി വെബ് പേജുകളിലോ വിവരങ്ങൾ പ്രത്യക്ഷപ്പെടുന്നത് അതിൻ്റെ കൃത്യതയുടെ തെളിവല്ല. അതേ തെറ്റ് ഉറവിടത്തിൽ നിന്ന് ഉറവിടത്തിലേക്ക് പകർത്തുന്നതിലൂടെ വ്യാപകമായിരിക്കാം. വ്യാപനവും കൃത്യതയും വ്യത്യസ്ത കാര്യങ്ങളാണ്; സ്ഥിരീകരണത്തിന് ഒരു സ്വതന്ത്രവും വിശ്വസനീയവുമായ ഉറവിടം ആവശ്യമാണ്.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) റിസോഴ്സ് എൻ്റിറ്റി അന്വേഷണം:

താഴെയുള്ള വാചകത്തിൽ എല്ലാ ഉറവിട അവലംബവും അവലംബവും ലിസ്റ്റ് ചെയ്യുക. ഓരോന്നിനും: രചയിതാവ്, ശീർഷകം, വർഷം, പ്രസിദ്ധീകരണ വിവരങ്ങൾ (എന്തെങ്കിലും ഉണ്ടെങ്കിൽ). എനിക്ക് പരിശോധിക്കേണ്ട വിവരങ്ങൾ ഇനം തിരിച്ച് എക്‌സ്‌ട്രാക്റ്റുചെയ്യുക; ചേർക്കരുത്. വാചകം: [ഇവിടെ]

2) സ്ഥിരീകരണ മൂല്യനിർണ്ണയം:

ഇനിപ്പറയുന്ന ഓരോ ക്ലെയിമുകൾക്കും, പരിശോധിച്ചുറപ്പിക്കേണ്ട വസ്തുതാപരമായ ഘടകങ്ങൾ (തീയതി, പേര്, നമ്പർ, ഉദ്ധരണി) വേർതിരിച്ചെടുക്കുക. ഏത് തരത്തിലുള്ള ഉറവിടമാണ് (കാറ്റലോഗ്, പ്രൈമറി ഡോക്യുമെൻ്റ്, ഡാറ്റാബേസ്) പരിശോധിച്ചുറപ്പിക്കാനാകുന്നതെന്ന് നിർദ്ദേശിക്കുക. കൃത്യത വിലയിരുത്തരുത്, സ്ഥിരീകരണ പാത കാണിക്കുക. അവകാശവാദങ്ങൾ: [ഇവിടെ]

3) വെൽഡിംഗ് വിശ്വാസ്യത ചെക്ക്‌ലിസ്റ്റ്:

ഇനിപ്പറയുന്ന ഉറവിടത്തിൻ്റെ വിശ്വാസ്യത വിലയിരുത്തുക: ആരാണ് ഇത് എഴുതിയത്, എപ്പോൾ, ഏത് ആവശ്യത്തിനായി, തെളിവുകൾ ഉണ്ടോ, അത് നിലവിലുള്ളതാണോ, പക്ഷപാതം സാധ്യമാണോ? ഞാൻ നൽകിയ വിവരങ്ങളെ മാത്രം ആശ്രയിക്കുക, അത് എവിടെയാണ് കാണാതായതെന്ന് "അജ്ഞാതം" എന്ന് എഴുതുക. ഉറവിട വിവരങ്ങൾ: [ഇവിടെ]

4) വിവര സാക്ഷരതാ അധ്യാപന പദ്ധതി:

ഇനിപ്പറയുന്ന ഉപയോക്തൃ ഗ്രൂപ്പിനായി (ഉദാ. ബിരുദധാരികൾ) AI-യുടെ പ്രായത്തിലുള്ള ഉറവിട പരിശോധനയെയും ഭ്രമാത്മകതയെയും കുറിച്ചുള്ള ഒരു ഹ്രസ്വ 20 മിനിറ്റ് ട്യൂട്ടോറിയൽ നിർമ്മിക്കുക: ലക്ഷ്യങ്ങൾ, 3 ഉദാഹരണങ്ങൾ, 1 ആപ്ലിക്കേഷൻ. ഗ്രൂപ്പ്: [ഇവിടെ]

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

വിശ്വസനീയമായ ഉറവിടങ്ങൾ ഉപയോഗിച്ച് ഈ വിഷയത്തിൽ ഒരു സംഗ്രഹം എഴുതുക.

"വിശ്വസനീയമായ സ്രോതസ്സുകൾ ഉപയോഗിച്ച്" എന്ന് പറയുന്നത് യഥാർത്ഥമെന്ന് തോന്നുന്ന വ്യാജ ഉറവിടങ്ങൾ നിർമ്മിക്കാൻ AI-യെ പ്രോത്സാഹിപ്പിക്കുന്നു; മൂല്യനിർണ്ണയ ഹുക്ക് ഇല്ല.

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: വിവര സാക്ഷരതാ സഹായി. ഇനിപ്പറയുന്ന വിഷയത്തിൽ ഒരു സംഗ്രഹം എഴുതുക; പകരം, ഒരു ഉപയോക്താവ് പരിശോധിക്കേണ്ട വസ്തുതാപരമായ ചോദ്യങ്ങളും അവർക്ക് അവ പരിശോധിക്കാനാകുന്ന വിശ്വസനീയമായ ഉറവിടത്തിൻ്റെ തരവും ലിസ്റ്റ് ചെയ്യുക. ഉറവിട ഉദ്ധരണികളൊന്നും കെട്ടിച്ചമയ്ക്കരുത്; നിങ്ങൾക്ക് ഉറപ്പില്ലാത്ത പ്രദേശം "പരിശോധിച്ചിരിക്കണം" എന്ന് അടയാളപ്പെടുത്തുക. വിഷയം: [ഇവിടെ]

ശക്തമായ പ്രോംപ്റ്റ്; ഉത്തരങ്ങൾ സൃഷ്ടിക്കുന്നതിനുപകരം സ്ഥിരീകരണത്തിനുള്ള വഴി കാണിക്കുന്ന ഒരു ഗൈഡായി ഇത് AI ഉപയോഗിക്കുന്നു, കൂടാതെ ഘടനാപരമായി കൃത്രിമത്വം തടയുന്നു.

പ്രാമാണീകരണ പാളികളുടെ പട്ടിക

പാളി

ചോദ്യം

രീതി

സ്ഥാപനം

ഈ ഉറവിടം യഥാർത്ഥമാണോ?

കാറ്റലോഗ്/ഡാറ്റാബേസ് തിരയൽ

പ്രാഥമികത

ഇതാണോ ഏറ്റവും അടുത്തുള്ള ഉറവിടം?

യഥാർത്ഥ പ്രമാണം ആക്സസ് ചെയ്യുന്നു

സ്ഥിരീകരണം

മറ്റൊരു ഉറവിടം ഇത് സ്ഥിരീകരിക്കുന്നുണ്ടോ?

സ്വതന്ത്രമായ ക്രോസ് ചെക്ക്

വിശ്വാസ്യത

ഉറവിടം എത്ര ദൃഢമാണ്?

രചയിതാവ്, തീയതി, ഉദ്ദേശ്യം, തെളിവ്

സത്യസന്ധത

എനിക്ക് ഉറപ്പാണോ?

അനിശ്ചിതത്വം വ്യക്തമായി പ്രസ്താവിക്കുക

സാധാരണ തെറ്റുകൾ

• ബോധ്യമായത് സത്യമാണെന്ന് കരുതി. ഭംഗിയായി കാണുന്നത് നീതിയുടെ തെളിവല്ല.
• ഒരൊറ്റ സ്രോതസ്സിൽ തൃപ്തിയടയുന്നു. നിർണായക വിവരങ്ങൾക്ക് സ്വതന്ത്രമായ ക്രോസ്-സ്ഥിരീകരണം ആവശ്യമാണ്.
• ഉദ്ധരണി അതിൻ്റെ ഉറവിടത്തിൽ തിരയുന്നില്ല. തെറ്റായ വാക്കുകൾ പ്രചരിപ്പിക്കുന്നത് ഇങ്ങനെയാണ്.
• അനിശ്ചിതത്വം മറയ്ക്കുന്നു. തെറ്റായ ഉറപ്പിനേക്കാൾ മികച്ചതാണ് "പരിശോധിക്കാനാകാത്തത്".
• ആധികാരികത ഉറപ്പാക്കാൻ ഉപയോക്താവിനെ പഠിപ്പിക്കുന്നില്ല. വിവര സാക്ഷരതയാണ് ലൈബ്രേറിയൻ്റെ ദൗത്യം.

ചുരുക്കത്തിൽ

AI യുടെ യുഗത്തിലെ ലൈബ്രേറിയൻഷിപ്പിൻ്റെ ഏറ്റവും നിർണായകമായ ജോലികളാണ് ഉറവിട പരിശോധനയും വിവര സാക്ഷരതയും. ഭ്രമാത്മകത ബോധ്യപ്പെടുത്തുന്നതും എന്നാൽ കെട്ടിച്ചമച്ചതുമായ വിവരങ്ങൾ ഉൽപ്പാദിപ്പിക്കുന്നു, അത് ഹ്യുമാനിറ്റീസ്/സോഷ്യൽ സയൻസസിൽ പ്രത്യേകിച്ച് അപകടകരമാണ്. അച്ചടക്കം വ്യക്തമാണ്: ഓരോ ഉറവിടത്തിൻ്റെയും നിലനിൽപ്പ് പരിശോധിക്കുക, പ്രാഥമിക ഉറവിടത്തിലേക്ക് പോകുക, സ്വതന്ത്രമായ ക്രോസ് ചെക്കിംഗ് നടത്തുക, ഉറവിടത്തിൻ്റെ വിശ്വാസ്യതയെ ചോദ്യം ചെയ്യുക, അനിശ്ചിതത്വം സത്യസന്ധമായി പ്രകടിപ്പിക്കുക. ലൈബ്രേറിയൻ ഈ സ്ഥിരീകരണ സംസ്കാരം അവൻ്റെ അല്ലെങ്കിൽ അവളുടെ പരിശീലനത്തിൽ മാത്രമല്ല, ഉപയോക്താക്കളെ പഠിപ്പിക്കുന്നതിലൂടെയും പ്രചരിപ്പിക്കുന്നു; മൗലികതയും അക്കാദമിക് സമഗ്രതയും ഈ ദൗത്യത്തിന് അവിഭാജ്യമാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

നിങ്ങളുടെ ഫീൽഡിൽ AI-യിൽ നിന്ന് 6 ഉറവിടങ്ങളും 2 ഉദ്ധരണികളും അഭ്യർത്ഥിക്കുക. ഓരോ ഉറവിടവും ഒരു യഥാർത്ഥ കാറ്റലോഗിലും രചയിതാവിൻ്റെ യഥാർത്ഥ സൃഷ്ടിയിലെ ഓരോ ഉദ്ധരണിയിലും തിരഞ്ഞുകൊണ്ട് പരിശോധിക്കുക; എത്രയെണ്ണം കെട്ടിച്ചമച്ചതാണെന്ന് ശ്രദ്ധിക്കുക. തുടർന്ന്, "ഇൻഫർമേഷൻ ലിറ്ററസി ടീച്ചിംഗ് പ്ലാൻ" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച്, ഒരു ഉപയോക്തൃ ഗ്രൂപ്പിന് ഉറവിട സ്ഥിരീകരണം വിശദീകരിക്കാനും നിങ്ങൾ സ്വയം കണ്ടെത്തിയ യഥാർത്ഥ ഉദാഹരണങ്ങൾ ഉൾപ്പെടുത്താനും 20 മിനിറ്റ് ട്യൂട്ടോറിയൽ തയ്യാറാക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഓരോ ഉറവിടവും യഥാർത്ഥത്തിൽ നിലവിലുണ്ടെന്ന് ഞാൻ സ്വതന്ത്രമായി പരിശോധിച്ചു.
• [ ] സാധ്യമാകുന്നിടത്തെല്ലാം ഞാൻ പ്രാഥമിക ഉറവിടങ്ങൾ ഉപയോഗിച്ചിട്ടുണ്ട്.
• [ ] കുറഞ്ഞത് രണ്ട് സ്വതന്ത്ര സ്രോതസ്സുകളെങ്കിലും ഉപയോഗിച്ച് ഞാൻ നിർണായക ക്ലെയിമുകൾ ക്രോസ്-ചെക്ക് ചെയ്തിട്ടുണ്ട്.
• [ ] ഉദ്ധരണികൾ രചയിതാവിൻ്റെ യഥാർത്ഥ കൃതിയിൽ തിരഞ്ഞുകൊണ്ട് ഞാൻ അവ പരിശോധിച്ചു.
• [ ] സ്ഥിരീകരിക്കാനാകാത്ത വിവരങ്ങൾ "പരിശോധിക്കാനാകാത്തത്" എന്ന് ഞാൻ വ്യക്തമായി അടയാളപ്പെടുത്തി.