नफा:
- नैतिक स्क्रीनिंगपासून प्रकाशनापर्यंत, प्रत्येक टप्प्यावर मानवी चेकपॉईंटसह, 7-स्टेज वर्कफ्लोमध्ये संकलनावर प्रक्रिया करण्याची क्षमता
- लवकर चेकपॉईंट एरर (चुकीची तारीख/नाव) संपूर्ण साखळीमध्ये पसरण्यापासून कसे रोखतात हे समजून घ्या
- मास्टर फाइल जतन करणे, पडताळणीवर बचत न करणे आणि सर्वसमावेशक प्रकल्पात AI चा वापर घोषित करणे ही तत्त्वे लागू करण्याची क्षमता
मागील युनिट्समध्ये वैयक्तिक कौशल्ये समाविष्ट आहेत: डिजिटायझेशन, ट्रान्सक्रिप्शन, मेटाडेटा, स्कॅनिंग, भाषांतर, पडताळणी, नमुना विश्लेषण, पुनर्प्राप्ती, संरक्षण आणि नैतिकता. हे अंतिम युनिट हे सर्व एकत्र करते. खरा संग्रहण प्रकल्प या चरणांचा स्वतंत्रपणे अनुभव घेत नाही तर एकमेकांशी जोडलेला कार्यप्रवाह म्हणून अनुभवतो. येथे, आपण एआय-समर्थित परंतु मानवी-नियंत्रित प्रक्रियेसह, चरण-दर-चरण आणि नियंत्रण साखळीसह प्रारंभापासून शेवटपर्यंत संग्रहावर प्रक्रिया कशी करू शकता ते आम्ही पाहू.
AI ला भागीदार म्हणून स्थान देणे हे उद्दिष्ट आहे जे "प्रत्येक पायरीला गती देते परंतु कोणत्याही चरणावर अंतिम निर्णय नाही." जेव्हा तुम्ही हे युनिट पूर्ण कराल, तेव्हा तुमच्याकडे एक सर्वांगीण पद्धत उरली जाईल जी कागदपत्रांच्या अव्यवस्थित ढिगाऱ्याला संशोधनासाठी तयार, सत्यापित, नैतिकदृष्ट्या स्वच्छ संग्रहात रूपांतरित करते.
परिस्थिती: आमच्याकडे काय आहे
समजा तुम्हाला 250 दस्तऐवजांचा संग्रह प्राप्त झाला आहे: काही मुद्रित (मुद्रित पत्रव्यवहार, जाहिराती), काही हस्तलिखित (पत्रे, नोटबुक), वेगवेगळ्या तारखांची, काहींमध्ये संवेदनशील वैयक्तिक डेटा आहे. ध्येय: डिजिटायझेशन, ट्रान्स्क्राइब, कॅटलॉग आणि हा संग्रह संशोधकांना उपलब्ध करून देणे. ही प्रक्रिया सात टप्प्यात मोडू.
सात-चरण कार्यप्रवाह
टप्पा 1 - मूल्यांकन आणि नैतिक तपासणी. प्रथम संग्रह जाणून घ्या. कोणत्या कागदपत्रांमध्ये संवेदनशील वैयक्तिक डेटा आहे? कॉपीराइट स्थिती काय आहे? सांस्कृतिक संवेदनशीलता आहे का? हे स्कॅनिंग क्लाउड-आधारित एआय टूल्सना कोणते दस्तऐवज दिले जाऊ शकतात आणि ज्यावर फक्त बंद/मंजूर वातावरणात प्रक्रिया केली जाईल हे निर्धारित करते. हा टप्पा वगळल्यास, संपूर्ण प्रकल्पाला नैतिक धोका आहे.
स्टेज 2 - डिजिटायझेशन. उच्च रिझोल्यूशनवर दस्तऐवज स्कॅन करा (किमान 300-400 DPI, चांगले कॉन्ट्रास्ट). मूळ (मास्टर) फाइल्स अस्पर्शित ठेवा; सर्व प्रक्रिया प्रतींवर केल्या जातील.
स्टेज 3 - मजकूर काढणे. हार्डकॉपी दस्तऐवजांसाठी OCR आणि हस्तलिखितासाठी HTR लागू करा. AI ला “सुरक्षित प्रूफरीडिंग” सूचनांसह कच्चे आउटपुट साफ करू द्या — केवळ ऑप्टिकल/ओळखण्याच्या त्रुटी, कोणतीही सामग्री टिप्पणी नाही, वाचता न येणारी ठिकाणे [?]. ऑट्टोमन/हस्तलिखित साठी वैकल्पिक वाचन आणि पॅलिओग्राफर नियंत्रण.
स्टेज 4 - मेटाडेटा आणि कॅटलॉगिंग. प्रत्येक दस्तऐवजासाठी मानक (डब्लिन कोर/ISAD(G)) मेटाडेटा तयार करा; "अस्तित्वात नसलेले फील्ड रिक्त सोडा" च्या परवानगीने. नियंत्रित सूचीमध्ये विषयाच्या अटी मॅप करा. कागदपत्रांसह तारखा आणि नावे सत्यापित करा.
स्टेज 5 - संवर्धन आणि नमुना. घटक (व्यक्ती/स्थान/संस्था) काढा, सामान्य करा, संबंध आणि टाइमलाइन बाह्यरेखा तयार करा. दस्तऐवजातील प्रत्येक नमुना सत्यापित करा; कोणतेही काल्पनिक कनेक्शन नाहीत आणि कालक्रमानुसार नाही.
स्टेज 6 - ऍक्सेस टूल्स. संकलनासाठी मदत बाह्यरेखा शोधणे; केवळ सत्यापित नोट्सवर इतिहास विभागाचा आधार घ्या. प्रवेश निर्बंध स्पष्टपणे चिन्हांकित करा (गोपनीयता/कॉपीराइट).
स्टेज 7 - पडताळणी, घोषणा आणि प्रकाशन. गंभीर फील्ड (तारीख, नाव, कोट, संदर्भ) शेवटच्या वेळी सत्यापित करा. AI चा वापर घोषित करा. तज्ञ अंतिम मान्यता देतात; संग्रह संशोधनासाठी खुला आहे.
टीप: प्रत्येक टप्प्यावर एक "मानवी चेकपॉईंट" ठेवा: एक विशेषज्ञ पुढील टप्प्यावर जाण्यापूर्वी AI चे आउटपुट प्रमाणित करतो. या चेकपॉइंट्सशिवाय, पहिल्या टप्प्यावर एक त्रुटी (चुकीची तारीख) संपूर्ण साखळीमध्ये पसरेल आणि अखेरीस कॅटलॉग, नमुना आणि मार्गदर्शकामध्ये गळती होईल.
नियंत्रण साखळी टेबल
स्टेज
AI चे काम
मानवी चेकपॉईंट
1. नैतिक तपासणी
संवेदनशील डेटा मार्किंग
स्थापना निर्णय
2. डिजिटायझेशन
(प्रतिमा सुधारणे)
गुणवत्ता, मास्टर संरक्षण
3. मजकूर काढणे
OCR/HTR + सुरक्षित सुधारणा
नाव/तारीख/वाचन पडताळणी
4. मेटाडेटा
मानक मसुदा
फील्ड पुष्टीकरण, टर्म जुळणी
5. नमुना
अस्तित्व, नाते, टाइमलाइन
दस्तऐवजात प्रमाणीकरण
6. प्रवेश साधन
मदत मसुदा शोधत आहे
इतिहास आणि मर्यादा मंजूर
7. सोडा
-
अंतिम मान्यता, घोषणा
तीन लहान प्रकरणे
केस 1 - साखळी त्रुटी पकडली. एका प्रकल्पात, फेज 3 मध्ये, दस्तऐवजाची तारीख "1888" ऐवजी "1868" वाचली. जर स्टेज 3 चेकपॉईंटने ही त्रुटी पकडली नसती, तर तारीख कॅटलॉग (4), टाइमलाइन (5) आणि मार्गदर्शक (6) मध्ये पसरली असती. चेकपॉईंटबद्दल धन्यवाद, दोष एकाच ठिकाणी निश्चित केला गेला. धडा: लवकर तपासणी केल्याने त्रुटी साखळीचा प्रसार होण्यापासून प्रतिबंधित करते.
केस 2 - नैतिक तपासणीने प्रकल्प जतन केला. 250 पैकी 18 कागदपत्रांमध्ये जिवंत व्यक्तींचा संवेदनशील डेटा होता. फेज 1 मधील नैतिक स्क्रीनिंगने याला ध्वजांकित केले; या 18 दस्तऐवजांवर बंद वातावरणात प्रक्रिया केली गेली, बाकीची मानक साधनांसह. स्कॅनिंग वगळले असते आणि ते सर्व क्लाउडवर अपलोड केले असते तर हे गंभीर उल्लंघन झाले असते. धडा: नैतिकता तपासणी ही पहिली पायरी आहे, नंतर जोडलेली निराकरण नाही.
केस 3 - वेळ आणि मेहनत. पारंपारिक पद्धतीचा वापर करून, 250 दस्तऐवजांच्या संग्रहावर पूर्णपणे प्रक्रिया करण्यासाठी अंदाजे 8-10 महिने लागतील. AI-समर्थित, चेकपॉईंट वर्कफ्लोसह, प्रक्रिया अंदाजे 3 महिन्यांपर्यंत कमी करण्यात आली. परंतु बचत "AI ने सर्वकाही केले" वरून नाही तर "AI ने यांत्रिक कार्य केले, मानवी पडताळणीवर लक्ष केंद्रित केले." पडताळणीसाठी दिलेला वेळ कमी झालेला नाही; यांत्रिक कामासाठी दिलेला वेळ कमी झाला आहे.
चार कॉपी करण्यायोग्य टेम्पलेट्स
1) प्रकल्प प्रारंभिक योजना:
माझ्याकडे [संख्या] दस्तऐवजांचा संग्रह आहे: [मुद्रण/हस्तलिखितांचे मिश्रण], [कालावधी], ज्यामध्ये काही संवेदनशील डेटा असू शकतो. या संग्रहाचे डिजिटायझेशन आणि कॅटलॉग करण्यासाठी 7-चरण वर्कफ्लो योजना तयार करा: प्रत्येक टप्प्यावर AI चे कार्य आणि HUMAN चेकपॉईंट निर्दिष्ट करा. प्रथम नैतिकता तपासा.
2) स्टेज संक्रमण चेकलिस्ट:
मी स्टेज [स्टेजचे नाव] पूर्ण केले. पुढील टप्प्यावर जाण्यापूर्वी मला पडताळणी करणे आवश्यक असलेल्या गंभीर मुद्यांची एक चेकलिस्ट तयार करा: कोणत्या तथ्यांची (तारीख/नाव/संदर्भ) पडताळणी करणे आवश्यक आहे, कोणत्या त्रुटी साखळीचा प्रसार करू शकतात? माझ्याकडे अंतिम मान्यता आहे; तुम्ही मला चेकलिस्ट द्या.
3) एंड-टू-एंड गुणवत्ता नियंत्रण:
खाली प्रक्रिया केलेल्या दस्तऐवजाचे सर्व स्तर आहेत: प्रतिलेखन, मेटाडेटा, काढलेली मालमत्ता. स्तरांमधली संकल्पना आकृती: लिप्यंतरणातील तारीख मेटाडेटाशी जुळते का, मजकूरात संस्था प्रत्यक्षात अस्तित्वात आहेत का? सुधारणा लादणे; विसंगतींची यादी तयार करा. स्तर: [येथे]
4) प्रकल्प बंद करणे आणि घोषणा:
या संकलन प्रकल्पात, मी खालील टप्प्यात AI वापरले: [सूची]. प्रकल्प दस्तऐवजीकरणासाठी: (1) कोणत्या टप्प्यावर कोणता AI सपोर्ट वापरला गेला, (2) मानवी पडताळणी कशी केली गेली, (3) कोणत्या मर्यादा/बाधा आहेत — एक प्रामाणिक क्लोजिंग नोट लिहा आणि AI वापर विधानाचा मसुदा तयार करा ज्यामध्ये हे समाविष्ट आहे.
कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट
कमकुवत:
या संग्रहावर AI सह पूर्णपणे प्रक्रिया करा आणि ते संशोधनासाठी तयार करा.
एकल "काहीही करा" सूचना नैतिक तपासणी, चेकपॉईंट आणि पडताळणीला बायपास करते; त्रुटी साखळीच्या बाजूने पसरतात.
मजबूत:
प्रत्येक टप्प्यावर मानवी चेकपॉइंटसह, या संग्रहासाठी 7-टप्प्याचा कार्यप्रवाह सेट करा. पहिला टप्पा नैतिकता/गोपनीयतेची तपासणी असू द्या. प्रत्येक टप्प्यावर AI द्वारे उत्पादित आउटपुट पुढील टप्प्यावर जाण्यापूर्वी सत्यापित केले जाईल; गंभीर तथ्ये चिन्हांकित करा (तारीख/नाव/संदर्भ). कोणत्याही टप्प्यावर एआयला अंतिम म्हणणे नसते.
फरक: टप्प्याटप्प्याने रचना, नैतिकता प्राधान्य, चेकपॉईंट आणि "लोकांचे अंतिम म्हणणे आहे" हे तत्त्व संपूर्ण प्रकल्पाला सुरक्षित आणि बचाव करण्यायोग्य बनवते.
सामान्य चुका
- नैतिक स्क्रीनिंग शेवटपर्यंत सोडत आहे. गोपनीयता/कॉपीराइट स्कॅनिंग ही पहिली पायरी आहे; ते नंतर जोडल्यास, उल्लंघन आधीच झाले आहे.
- चौक्यांना बायपास करणे. असत्यापित केलेली त्रुटी संपूर्ण साखळीमध्ये पसरते.
- मास्टर फाइलचे संरक्षण करत नाही. मूळ अस्पर्श न ठेवल्यास, परत करणे अशक्य होते.
- पडताळणीवर बचत. AI यांत्रिक काम कमी करते; पडताळणीची वेळ कमी केल्यास गुणवत्ता कमी होते.
- AI चा वापर घोषित करत नाही. पारदर्शकता हा संग्रहाच्या वैज्ञानिक विश्वासार्हतेचा भाग आहे.
सारांशात
एंड-टू-एंड संग्रहण प्रकल्प वैयक्तिक कौशल्ये नियंत्रणाच्या साखळीत जोडतो: नैतिक स्कॅनिंग, डिजिटायझेशन, मजकूर काढणे, मेटाडेटा, नमुना, पुनर्प्राप्ती साधन आणि प्रकाशन. प्रत्येक टप्प्यावर, AI यांत्रिक कार्याला गती देते; प्रत्येक टप्प्यावर, मानवी चेकपॉईंटला अंतिम म्हणणे असते. नैतिक तपासणी हा पहिला टप्पा आहे, मास्टर फाईल संरक्षित आहे, त्रुटी लवकर पकडल्या जातात जेणेकरून ते साखळी पसरत नाहीत आणि AI चा वापर प्रामाणिकपणे घोषित केला जातो. बचत AI सर्वकाही करत नसून, मनुष्याला यांत्रिक कामातून मुक्त करून आणि पडताळणीवर लक्ष केंद्रित केल्याने येते. एआय वेग वाढवते; माणूस इतिहासाची अचूकता आणि अखंडता सुनिश्चित करतो.
अर्ज कार्य
एक लहान संग्रह निवडा (10-20 दस्तऐवज; तुमची स्वतःची सामग्री किंवा नमुना संच). "प्रोजेक्ट स्टार्टअप प्लॅन" टेम्पलेटसह 7-चरण वर्कफ्लो तयार करा. या प्रवाहाद्वारे किमान दोन दस्तऐवज चालवा: नैतिक स्कॅनिंग, मजकूर काढणे, मेटाडेटा आणि नमुना स्तर. "स्टेज ट्रांझिशन चेकलिस्ट" सह प्रत्येक टप्पा सत्यापित करा. शेवटी, “प्रोजेक्ट क्लोजर आणि स्टेटमेंट” टेम्प्लेटसह तुमचा AI चा वापर दस्तऐवजीकरण करा. सुरुवातीच्या चेकपॉईंटवर कोणत्या त्रुटी आढळल्या याची नोंद घ्या.
चेकलिस्ट
- [] मी पहिल्या टप्प्यावर नैतिकता/गोपनीयतेची तपासणी केली.
- [ ] मी मास्टर फाईल्स अनटच ठेवल्या.
- मी प्रत्येक टप्प्यावर मानवी चौकी ठेवतो.
- [] साखळीचा प्रचार करण्यापूर्वी मी गंभीर तथ्ये सत्यापित केली.
- प्रकल्प बंद झाल्यावर मी AI चा वापर घोषित केला.
मॉड्यूल परीक्षा
1. इतिहास आणि संग्रहणात कृत्रिम बुद्धिमत्तेसाठी सर्वात योग्य स्थान कोणते आहे?
- अ) एआय हे सारांश, संपादन आणि मसुदा तयार करण्याचे साधन आहे; टिप्पणी, स्रोत टीका आणि अंतिम जबाबदारी तज्ञाची आहे ✔
- ब) आर्टिफिशियल इंटेलिजन्स एखाद्या इतिहासकाराप्रमाणे दस्तऐवजाची सत्यता आणि अर्थ स्वतःच ठरवू शकते.
- क) कृत्रिम बुद्धिमत्ता केवळ मजकूर भाषांतरित करण्यासाठी कार्य करते, इतर संग्रहण कार्यांशी त्याचा काहीही संबंध नाही
- ड) कृत्रिम बुद्धिमत्ता मानवांपेक्षा नेहमीच अधिक निष्पक्ष असल्याने, ऐतिहासिक व्याख्या त्यावर सोडली पाहिजे.
वर्णन: कृत्रिम बुद्धिमत्ता; हा एक सहाय्यक आहे जो मजकूराचे मसुदे संपादित करतो, स्कॅन करतो, अनुवाद करतो आणि तयार करतो. स्रोत टीका, व्याख्या, कारण-परिणाम स्थापना आणि अंतिम निर्णय तज्ञाचा आहे; असत्यापित आउटपुटमुळे बनावट स्रोत, खोटी तारीख किंवा अनाक्रोनिझम होऊ शकतो.
2. ऐतिहासिक संशोधनामध्ये कृत्रिम बुद्धिमत्तेद्वारे निर्माण होणारा भ्रम म्हणजे काय?
- अ) आर्टिफिशियल इंटेलिजन्स दस्तऐवजावर खूप हळू प्रक्रिया करते
- ब) कृत्रिम बुद्धिमत्ता अस्तित्त्वात नसलेला स्त्रोत, कोट किंवा घटना वास्तविक म्हणून तयार करते ✔
- क) दस्तऐवजाचे शारीरिक नुकसान झाले आहे
- ड) संग्रहण कॅटलॉग अद्ययावत नाही
स्पष्टीकरण: जेव्हा कृत्रिम बुद्धिमत्ता आत्मविश्वासाने माहिती, स्रोत, अवतरण किंवा प्रत्यक्षात अस्तित्वात नसलेल्या घटना बनवते तेव्हा भ्रम आहे. जरी त्याचे स्वरूप परिपूर्ण दिसत असले तरी त्यातील सामग्री वास्तविक नाही; म्हणून, प्रत्येक संदर्भ कॅटलॉगमध्ये, प्रत्येक उद्धरण मूळ स्त्रोतावर सत्यापित करणे आवश्यक आहे.
3. कृत्रिम बुद्धिमत्तेद्वारे OCR आउटपुट दुरुस्त करण्याचा सर्वोत्तम मार्ग कोणता आहे?
- अ) मजकूर अस्खलित आणि सुंदर असण्यास सांगणे आणि गहाळ भाग तर्कशुद्धपणे पूर्ण करण्यास सांगणे.
- ब) संदर्भावर आधारित सर्व संख्या आणि तारखा दुरुस्त करण्याची परवानगी देणे
- क) त्याला केवळ ऑप्टिकल ओळख त्रुटी दुरुस्त करण्यास सांगणे, न वाचता येणारे भाग [?] सोडणे आणि संख्या/तारीख बदलू नका ✔
- ड) विद्यार्थ्याला न वाचता येणारे शब्द बहुधा अंदाजाने भरण्यास सांगणे.
स्पष्टीकरण: OCR सुधारणेतील सुवर्ण नियम म्हणजे केवळ स्पष्ट ऑप्टिकल ओळख त्रुटी (जसे की rn ते m, l ते 1) दुरुस्त करणे; मजकूराचा अर्थ लावत नाही किंवा पूर्ण करत नाही. न वाचता येणारे क्षेत्रे [?] सह चिन्हांकित आहेत; संख्या आणि तारखा बदलल्या जात नाहीत, ते प्रतिमेसह सत्यापित केले जातात.
4. ऑट्टोमन मजकूरात स्वर लिहिलेला नसलेला शब्द वाचताना कृत्रिम बुद्धिमत्तेकडून काय विचारले पाहिजे?
- अ) एकच, तंतोतंत वाचन द्या, त्यामुळे कामाला गती मिळेल
- ब) अर्थ सर्वात अस्खलित होईल असा शब्द निवडणे आणि रिक्त जागा भरणे
- क) स्वतःच्या सामान्य ज्ञानातून न वाचलेले भाग पूर्ण करणे.
- ड) संभाव्य वाचन पर्याय ऑफर करणे आणि निश्चित वाचन लादण्याऐवजी अस्पष्ट क्षेत्र चिन्हांकित करणे ✔
स्पष्टीकरण: ऑट्टोमन तुर्कीमध्ये, लहान स्वर बहुतेक लिहिले जात नाहीत; एकच स्वर/अक्षर फरक (अबुल आणि काबुल, वाली आणि वाली) अर्थ पूर्णपणे बदलतो. म्हणून, निश्चित वाचन लादण्याऐवजी, संभाव्य पर्याय विचारले जावेत, न वाचता येणारे क्षेत्र जतन केले जावे आणि अंतिम निर्णय पॅलिओग्राफरवर सोडला पाहिजे.
5. AI ने ड्राफ्ट मेटाडेटा (कॅटलॉग रेकॉर्ड) तयार केल्यावर भ्रम टाळण्यासाठी सर्वात प्रभावी मार्ग कोणता आहे?
- अ) दस्तऐवजात समाविष्ट नसल्यास ते फील्ड रिक्त सोडण्याची स्पष्टपणे परवानगी द्या ✔
- ब) प्रत्येक फील्ड भरून अपूर्ण ठेवू नये ही विनंती.
- क) न नोंदवलेल्या कागदपत्रांच्या सामग्रीवर आधारित तारखेचा अंदाज लावणे
- ड) कृत्रिम बुद्धिमत्तेला संदर्भ कोड तयार करण्याची परवानगी देणे
वर्णन: फिल-इन प्रेशर AI ला दस्तऐवजात नसलेल्या तारखेचा किंवा निर्मात्याचा अंदाज घेऊन दस्तऐवज तयार करण्यास भाग पाडते. दस्तऐवजात नसल्यास फील्ड रिक्त ठेवण्याची स्पष्टपणे परवानगी देणे हे याविरूद्ध सर्वात मजबूत ढाल आहे; याव्यतिरिक्त, विषयाच्या संज्ञा नियंत्रित शब्दसंग्रहात मॅप केल्या जातात.
6. कृत्रिम बुद्धिमत्तेद्वारे तयार केलेल्या दस्तऐवजाचा सारांश ऐतिहासिक संशोधनामध्ये कसा असावा?
- अ) विश्वासार्ह पुरावा म्हणून ज्याचा थेट उल्लेख केला जाऊ शकतो
- ब) एक शोध नकाशा म्हणून जो तुम्हाला वास्तविक दस्तऐवजावर निर्देशित करतो; पुरावा मूळ कागदपत्रातून घेतला आहे ✔
- क) एक पुरेसा संसाधन म्हणून जो दस्तऐवज स्वतः बदलू शकतो
- ड) दस्तऐवजावर परत न येता अभ्यासात वापरता येणारा मजकूर म्हणून
वर्णन: सारांश हा शोध नकाशा आहे, पुरावा नाही. या दस्तऐवजात असे काही आहे, जा आणि पहा; कागदपत्रात नेमके काय म्हटले आहे, हे सांगितलेले नाही. अभ्यासात एखादी घटना, कोट किंवा डेटा समाविष्ट करायचा असेल तर तो मूळ दस्तऐवजातून शब्दशः घेतला पाहिजे.
7. प्रकाशनासाठी ऐतिहासिक दस्तऐवज अनुवादित करताना अनाक्रोनिझम टाळण्याचा योग्य मार्ग कोणता आहे?
- अ) सर्व कालावधीच्या अटी आजच्या सर्वात जवळच्या समतुल्य सह बदलणे
- ब) मजकूर शक्य तितक्या अस्खलित आणि आधुनिक पद्धतीने सांगणे
- क) कालावधीची शीर्षके आणि संस्थांची नावे अद्वितीय ठेवा आणि स्पष्टीकरण जोडा ✔
- ड) योग्य नावे त्यांच्या सध्याच्या वापराशी जुळवून घेणे
स्पष्टीकरण: अनाक्रोनिझम म्हणजे एका कालखंडातून दुसऱ्या कालखंडात घटकांचे चुकीचे हस्तांतरण होय. कालखंडाची शीर्षके, संस्थांची नावे आणि वैयक्तिक नावे आजच्या अटींनुसार बदलणे वाचकांना त्या कालावधीशी संबंधित नसलेल्या जगात पोहोचवते. योग्य मार्ग म्हणजे कालावधी टर्म ठेवणे आणि त्याच्या पुढे स्पष्टीकरण जोडणे.
8. आर्टिफिशियल इंटेलिजन्सद्वारे दिलेला संग्रहण संदर्भ (निधीचे नाव, फाइल क्रमांक) खरा असल्याची खात्री कशी करावी?
- अ) संदर्भावर विश्वास ठेवणे कारण त्याचे स्वरूप योग्य वाटते
- ब) संदर्भ बरोबर आहे का ते पुन्हा AI ला विचारून
- क) संदर्भ सत्य म्हणून स्वीकारणे कारण ते पटण्यासारखे आणि तपशीलवार आहे
- ड) संग्रहण कॅटलॉग किंवा विश्वसनीय स्त्रोतामध्ये वैयक्तिकरित्या संदर्भ शोधून आणि सत्यापित करून ✔
वर्णन: आर्टिफिशियल इंटेलिजन्स असे संदर्भ तयार करू शकते जे फॉर्ममध्ये परिपूर्ण आहेत परंतु प्रत्यक्षात अस्तित्वात नाहीत; एक काल्पनिक संदर्भ वास्तविक संदर्भाप्रमाणेच असतो. संदर्भ अस्तित्त्वात आहे हे सिद्ध करण्याचा एकमेव मार्ग म्हणजे मूळ स्त्रोत कुठे आहे ते शोधणे (संग्रहण कॅटलॉग, लायब्ररी).
9. आर्टिफिशियल इंटेलिजन्ससह पॅटर्न विश्लेषण (NER, नेटवर्क, टाइमलाइन) करताना आढळलेल्या पॅटर्नचे मूल्यमापन कसे करावे?
- अ) दस्तऐवजात सत्यापित करणे आवश्यक असलेली गृहीते म्हणून; प्रारंभ बिंदू, परिणाम नाही ✔
- ब) एक निश्चित शोध म्हणून ज्यास पडताळणीची आवश्यकता नाही
- क) हे एक निर्विवाद वस्तुनिष्ठ तथ्य आहे कारण ते संख्यात्मक आहे.
- ड) कृत्रिम बुद्धिमत्ता आढळल्यामुळे त्याचा थेट अभ्यास केला जाऊ शकतो
स्पष्टीकरण: प्रत्येक नमुना हा एक गृहितक आहे, पुरावा नाही. संस्था स्त्रोताशी जोडल्या गेल्या पाहिजेत, भिन्न शब्दलेखन (त्याच व्यक्तीचे/स्थानाचे) मानवी मान्यतेने सामान्य केले जावे, गहाळ डेटा आणि सॅम्पलिंग पूर्वाग्रहासाठी संख्यांवर प्रश्नचिन्ह उपस्थित केले जावे आणि अप्रचलित घटना कालक्रमित केल्या जाऊ नयेत.
10. शोध मदत मधील चरित्रात्मक/संस्थात्मक इतिहास विभागाकडे विशेष लक्ष का आवश्यक आहे?
- अ) हा विभाग महत्त्वाचा नाही आणि पडताळणीशिवाय प्रकाशित केला जाऊ शकतो
- ब) आर्टिफिशियल इंटेलिजन्स या विभागात बनावट घटना, खोट्या तारखा आणि शीर्षके जोडू शकत असल्याने, ते केवळ सत्यापित स्त्रोतांवर अवलंबून असले पाहिजे ✔
- क) कृत्रिम बुद्धिमत्ता सुरक्षितपणे वापरली जाऊ शकते कारण इतिहास लिहिण्यात कोणतीही चूक होत नाही.
- ड) केवळ संशोधक हा विभाग भरतात, अभिलेखशास्त्रज्ञांना स्वारस्य नाही
वर्णन: इतिहासाचा विभाग असा आहे जिथे बहुतेक वेळा भ्रम निर्माण होतो: AI एखाद्या व्यक्ती किंवा संस्थेबद्दलच्या सामान्य माहितीवरून अस्खलित मजकूर लिहिताना अस्तित्वात नसलेल्या घटना, खोट्या तारखा आणि तयार केलेली शीर्षके समाविष्ट करू शकते. हा विभाग केवळ सत्यापित स्त्रोतांवर आधारित असावा.
11. संदर्भ (सल्ला) सेवेमध्ये कृत्रिम बुद्धिमत्तेने संशोधकाच्या वस्तुस्थितीच्या प्रश्नाचे उत्तर कसे द्यावे?
- अ) प्रश्नाचे उत्तर थेट आणि निश्चित तथ्य म्हणून दिले पाहिजे.
- ब) विश्वासार्ह तारीख किंवा नाव तयार करून ते संशोधकाला कळवावे.
- क) वस्तुस्थिती थेट देण्याऐवजी, संशोधकाला संबंधित संग्रह आणि स्त्रोताकडे निर्देशित केले पाहिजे ✔
- ड) संशोधकाला स्त्रोताकडे जाण्याची गरज भासणार नाही म्हणून संपूर्ण उत्तर दिले पाहिजे.
स्पष्टीकरण: संदर्भ सेवेमध्ये, कृत्रिम बुद्धिमत्तेने थेट तथ्य उत्तर देऊ नये, परंतु संशोधकाला स्त्रोताकडे निर्देशित केले पाहिजे. कारण कृत्रिम बुद्धिमत्तेद्वारे दिलेले थेट तथ्यात्मक उत्तर बनावट असू शकते आणि संशोधकाने ते स्त्रोत म्हणून चुकीचे मानले आहे. "उत्तर हे आहे" असे म्हणण्याऐवजी "या संग्रहातील ही कागदपत्रे पहा" असे म्हणायला हवे.
12. कृत्रिम बुद्धिमत्तेसह खराब झालेल्या दस्तऐवजाच्या प्रतिमेवर प्रक्रिया करताना कोणते ऑपरेशन स्वीकार्य आणि आक्षेपार्ह आहेत?
- अ) गहाळ भाग भरण्यासह सर्व प्रकारचे ऑपरेशन विनामूल्य आहेत.
- ब) कोणतीही कारवाई करू नये, प्रतिमेला कधीही हात लावू नये
- क) गहाळ विभाग भरणे ही सर्वात मौल्यवान क्रिया आहे कारण ती दस्तऐवज पूर्ण करते.
- ड) वाचनीयता हाताळणी जसे की कॉन्ट्रास्ट/आवाज स्वीकार्य आहेत; गहाळ भाग अंदाजाने भरणे गैरसोयीचे आहे ✔
स्पष्टीकरण: वाचनीयता सुधारणाऱ्या प्रक्रिया (कॉन्ट्रास्ट, लाइटिंग, आवाज कमी करणे) स्वीकार्य आहेत कारण ते सामग्री बदलत नाहीत; तथापि, गहाळ/वाचता न येणारे भाग अंदाजाने भरणे म्हणजे दस्तऐवजात नसलेल्या गोष्टी तयार होण्याचा धोका असतो, म्हणजेच ऐतिहासिक बनावट. मूळ जतन केले जाते, व्यवहार रेकॉर्ड केले जातात.
13. संवेदनशील वैयक्तिक डेटा असलेल्या संग्रहण दस्तऐवजावर प्रक्रिया करण्यापूर्वी काय करणे आवश्यक आहे?
- अ) आवश्यक असल्यास गोपनीयता स्कॅनिंग आणि निनावीकरण किंवा बंद/मंजूर साधन वापरणे ✔
- ब) कागदपत्राचा विचार न करता थेट सार्वजनिक वाहनावर अपलोड करणे
- क) कार्यक्षमतेसाठी गोपनीयतेच्या समस्यांकडे दुर्लक्ष करणे
- ड) कार्यक्षमतेच्या कारणास्तव प्रवेश निर्बंधांवर मात करणे
प्रकटीकरण: जिवंत व्यक्तींना (आरोग्य, धर्म, वांशिकता, पत्ता) ओळखणारा संवेदनशील डेटा असलेले दस्तऐवज सार्वजनिक, क्लाउड-आधारित साधनांवर अपलोड करणे हे गंभीर गोपनीयतेचे उल्लंघन असू शकते. प्रायव्हसी स्क्रीनिंग प्रथम केले पाहिजे, निनावीकरण किंवा आवश्यक असल्यास बंद/मंजूर साधन वापरले पाहिजे.
14. एंड-टू-एंड आर्काइव्ह प्रोजेक्टमध्ये मानवी चेकपॉईंटचा मुख्य उद्देश काय आहे?
- अ) कृत्रिम बुद्धिमत्तेचे काम मंदावणे आणि प्रकल्पाला विलंब होतो
- ब) एका टप्प्यातील त्रुटी (चुकीची तारीख/नाव) त्यानंतरच्या सर्व टप्प्यांवर साखळदंडापासून रोखण्यासाठी ✔
- क) मानवी श्रम वाढवणे आणि ऑटोमेशन पूर्णपणे सोडून देणे
- ड) कृत्रिम बुद्धिमत्तेला शेवटचा शब्द आहे याची खात्री करणे
वर्णन: प्रत्येक टप्प्यावर मानवी चेकपॉईंट पुढील टप्प्यावर जाण्यापूर्वी AI चे आउटपुट सत्यापित केले आहे याची खात्री करते. याशिवाय, पहिल्या टप्प्यावर त्रुटी (चुकीची तारीख) कॅटलॉग, नमुना आणि मार्गदर्शकाद्वारे साखळीचा प्रसार करेल. लवकर तपासणी केल्याने त्रुटी एकाच ठिकाणी दुरुस्त झाल्याची खात्री होते.
15. मानवता आणि सामाजिक विज्ञानांमध्ये कृत्रिम बुद्धिमत्तेच्या वापरामध्ये पारदर्शकता आणि सत्यता कशाची आवश्यकता आहे?
- अ) आर्टिफिशियल इंटेलिजन्सचा वापर गुप्त ठेवणे, कोणाला माहिती होणार नाही याची खात्री करणे
- ब) कृत्रिम बुद्धिमत्तेद्वारे तयार केलेला प्रत्येक मजकूर स्वतःची मूळ कल्पना म्हणून सादर करणे
- क) कृत्रिम बुद्धिमत्तेचा वापर प्रामाणिकपणे घोषित करणे आणि त्याचे आउटपुट स्वतःचे मूळ कार्य म्हणून सादर न करणे ✔
- ड) पद्धती स्पष्ट न करता फक्त परिणाम सामायिक करणे
वर्णन: पारदर्शकतेमध्ये लिप्यंतरण, मेटाडेटा किंवा भाषांतर कृत्रिम बुद्धिमत्तेच्या मदतीने तयार केले गेले होते हे रेकॉर्डिंग समाविष्ट आहे; मौलिकतेसाठी कृत्रिम बुद्धिमत्तेद्वारे तयार केलेली टिप्पणी स्वतःची मूळ कल्पना म्हणून सादर करणे आवश्यक नाही. त्यानंतरच्या संशोधकांद्वारे पडताळणीसाठी आणि शैक्षणिक अखंडतेसाठी हे आवश्यक आहे.