Keuntungan:
- Keupayaan untuk memendekkan masa pengkatalogan dengan menghasilkan draf metadata mengikut piawaian seperti MARC dan Dublin Core daripada maklumat jejak sebenar
- Keupayaan untuk mengesahkan medan yang berisiko tinggi fabrikasi, seperti tahun penerbitan, ISBN, nama pengarang, dengan sumber asal dan memetakan istilah subjek daripada perbendaharaan kata terkawal
- Keupayaan untuk menjadikan format pengarang dan subjek diluluskan tunggal dengan kawalan kuasa dan mengekalkan ketekalan katalog
Pengkatalogan ialah tugas kepustakaan yang tidak kelihatan tetapi paling asas. Penemuan sumber (buku, artikel, peta, rakaman bunyi, fail digital) adalah mungkin dengan metadata yang betul. Metadata bermaksud “data tentang data”: maklumat berstruktur yang menerangkan tajuk sumber, pengarang, tahun penerbitan, subjek, bahasa dan sifat fizikal. Jika metadata adalah baik, pengguna mencari sumber; Jika ia buruk atau tidak lengkap, sumber itu hilang walaupun ia wujud. Dalam unit ini anda akan belajar cara menggunakan kecerdasan buatan dalam penjanaan metadata draf, tetapi cara memastikan pematuhan dan ketepatan piawaian.
Mari kita tentukan dahulu dua konsep tersebut. MARC (Machine-Readable Cataloging) ialah format rekod yang telah digunakan oleh perpustakaan selama beberapa dekad yang meletakkan setiap maklumat dalam medan bernombor; Sebagai contoh, medan 245 memegang tajuk dan medan 100 memegang pengarang utama. Dublin Core ialah standard metadata yang dipermudahkan untuk sumber digital, yang terdiri daripada 15 medan asas (tajuk, pencipta, subjek, tarikh, genre, dll.). Piawaian ini memastikan bahawa rekod daripada perpustakaan yang berbeza boleh bercakap antara satu sama lain.
Langkah demi langkah: menjana draf metadata dengan kecerdasan buatan
1. Kumpul maklumat identiti sumber. Kulit buku, halaman tajuk, kandungan atau teks fail digital. AI hanya berfungsi daripada maklumat yang anda berikan; Jika anda memberikan maklumat yang tidak lengkap, ia menghasilkan metadata yang tidak lengkap atau rekaan.
2. Nyatakan standard sasaran. Berikan AI sasaran yang jelas, seperti "oleh medan Teras Dublin" atau "oleh medan MARC 245, 100, 260, 650." Jika anda tidak menentukan standard, ia menghasilkan format sewenang-wenangnya.
3. Menghasilkan draf. AI mendraf tajuk, pernyataan tanggungjawab, maklumat penerbitan dan cadangan topik daripada maklumat yang anda berikan.
4. Menjalankan kawalan kuasa. Rekod berwibawa ialah rekod yang menetapkan bentuk tunggal, standard bagi nama pengarang, institusi atau subjek (cth., "Atatürk, Mustafa Kemal, 1881-1938"). AI boleh menulis nama dengan cara yang berbeza; Anda menyemak dan membetulkan format kuasa yang diluluskan.
5. Sahkan dan sahkan. Bandingkan setiap medan dengan sumber asal. Khususnya, maklumat yang tepat seperti tahun penerbitan, ISBN dan nama pengarang sangat terdedah untuk dipalsukan oleh AI.
Petunjuk: Berikan AI foto atau teks halaman kredit sebenar sumber; Jangan sebut "teka nama buku". Metadata ramalan menjejaskan kebolehpercayaan katalog. AI menulis dengan yakin apabila membuat ramalan, dan ini akan mengelirukan anda.
Perbendaharaan kata dan konsistensi terkawal
Konsistensi adalah segala-galanya dalam pengkatalogan. Jika topik yang sama ditulis dengan dua istilah berbeza dalam dua rekod berbeza, pengguna akan mencari satu dan terlepas satu lagi. Itulah sebabnya perpustakaan menggunakan perbendaharaan kata terkawal — senarai istilah standard yang diluluskan. Apabila mencadangkan istilah daripada teks percuma, AI boleh memilih yang setara dengannya daripada istilah rasmi dalam senarai ini. Sebagai contoh, AI mungkin menulis "serangan jantung"; sedangkan istilah yang diluluskan mungkin "infarksi miokardium".
Penyelesaiannya adalah untuk memberikan AI perbendaharaan kata terkawal dan sebut "pilih sahaja daripada senarai ini". Oleh itu, bukannya membuat terma secara bebas, AI memadankan yang paling sesuai daripada senarai yang diluluskan.
Awas: Jika istilah subjek yang dicadangkan oleh AI tiada dalam perbendaharaan kata terkawal, jangan tambahkan istilah itu pada katalog. Keputusan untuk menambah istilah baharu terpulang kepada pakar yang bertanggungjawab untuk pengurusan pihak berkuasa; Menambah istilah sewenang-wenangnya mengganggu ketekalan katalog.
tiga kes mini
Kes 1 — Kutipan derma dipercepatkan. Sebuah perpustakaan awam menerima sumbangan 1,200 buku. Pakar pengkatalogan menyuruh AI membaca halaman cetakan setiap buku dan menghasilkan draf Teras Dublin; Masa setiap rakaman berkurangan daripada 9 minit kepada 3.5 minit. Pakar menumpukan masa yang tinggal untuk pemeriksaan dan pengesahan kuasa; Jumlah masa telah dikurangkan kira-kira 55%, tetapi tiada rekod memasuki sistem tanpa disahkan.
Kes 2 — ISBN palsu ditangkap. Seorang pakar telah AI menghasilkan draf 30 buku. Semasa pemeriksaan, dia mendapati ISBN dalam 4 rekod adalah palsu: AI telah menulis nombor 13 digit yang kelihatan munasabah, walaupun dia tidak mengetahui nombor sebenar buku itu. Langkah pengesahan menghalang empat ISBN yang salah daripada menjadi berterusan dalam katalog.
Kes 3 — Ketidakkonsistenan pihak berkuasa diperbetulkan. Sebuah perpustakaan menemui pengarang sebagai "J. Smith" dalam beberapa rekod, "John Smith" dalam yang lain, "Smith, John" dalam yang lain. AI telah dipadankan dengan fail kuasa, membawa semua rekod ke dalam satu format yang diluluskan ("Smith, John, 1965-"); Jika kerja ini dilakukan secara manual, ia akan mengambil masa beberapa hari, tetapi dengan cadangan AI, ia dikurangkan kepada beberapa jam, tetapi setiap perlawanan telah diluluskan oleh pakar.
Penukaran retrospektif dan rekod lama
Banyak perpustakaan mempunyai rekod yang tidak lengkap atau ketinggalan zaman yang telah dimasukkan tahun lalu dengan peraturan yang berbeza. Mengalihkan ini kepada standard semasa dipanggil penukaran retrospektif dan sangat susah apabila dilakukan secara manual. AI boleh membaca rekod lama dan menjana draf untuk mengalihkannya ke struktur medan semasa: contohnya, ia boleh menghuraikan petikan teks bebas dan mengedarkannya ke medan yang betul. Walau bagaimanapun, terdapat dua bahaya di sini. Pertama, AI boleh menggantikan maklumat yang hilang untuk "membuat"; kedua, ia mungkin mengekalkan ralat dalam rekod lama dengan menyalinnya ke format baharu dan bukannya membetulkannya. Oleh itu, dalam transformasi retrospektif, output AI harus disemak secara sistematik, bukan dengan pensampelan, tetapi oleh medan kritikal (pengarang, tahun, mengenal pasti nombor). Amalan yang baik adalah untuk memaparkan rekod pra dan selepas penukaran sebelah menyebelah, menjadikan setiap perubahan dapat dilihat; jadi pakar boleh melihat sekilas apa yang telah digerakkan, apa yang telah berubah dan apa yang mungkin diada-adakan.
Perhatian: Draf metadata yang dihasilkan oleh AI tidak boleh dipindahkan ke sistem sebagai satu kelompok tanpa menyemaknya satu demi satu. Ralat besar-besaran merosakkan ratusan rekod sekaligus, dan mendapatkan semula adalah lebih menyusahkan daripada menghasilkan. Ia adalah paling selamat untuk menghasilkan dan mengesahkan dalam kelompok kecil.
Empat templat yang boleh disalin
1) Garis besar Teras Dublin:
Peranan anda: pembantu katalog. Isikan medan Teras Dublin daripada teks baris kecil berikut: Tajuk, Pencipta, Subjek, Penerangan, Penerbit, Tarikh, Genre, Format, Bahasa. Gunakan hanya maklumat yang jelas dalam teks; Tinggalkan medan yang hilang "[tiada maklumat]", jangan meneka. Teks cetakan: [di sini]
2) Garis besar medan MARC:
Cadangkan garis besar untuk medan MARC berikut daripada maklumat buku di bawah:245 (tajuk/kredit), 100 (pengarang utama), 260/264 (penerbitan),300 (huraian fizikal), 650 (subjek). Tandai mana-mana medan yang anda tidak pasti sebagai "[memerlukan pengesahan]". Maklumat: [di sini]
3) Padanan topik daripada perbendaharaan kata terkawal:
Di bawah ialah ringkasan sumber dan senarai istilah topik yang diluluskan. Padankan hanya 3-5 istilah yang paling sesuai daripada senarai dengan sumber. Jika tiada istilah yang sesuai dalam senarai, tulis "tiada istilah yang sesuai dalam senarai", jangan buat istilah baharu. Ringkasan: [di sini] / Senarai istilah: [di sini]
4) Kawalan borang kuasa:
Padankan nama pengarang di bawah dengan borang yang diluluskan dalam senarai kuasa yang saya berikan. Untuk setiap nama: format dalam rekod -> format yang diluluskan. Jika tiada yang setara dalam senarai, tulis "tiada rekod kuasa". Nama: [di sini] / Senarai kuasa: [di sini]
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Ekstrak maklumat pengkatalogan untuk buku berikut: "Kecerdasan Buatan dan Masyarakat".
Hanya tajuk diberi; AI dipaksa untuk membentuk pengarang, tahun, penerbit, dan ISBN. Tiada standard sasaran. Keputusan: rekod yang meyakinkan tetapi mungkin palsu.
Gesaan kuat:
Peranan anda: pembantu katalog. Di bawah ialah teks penuh halaman cetakan buku itu. Isikan medan Teras Dublin daripada ini. Hanya gunakan maklumat yang dinyatakan dengan jelas dalam teks; Biarkan medan bukan teks kosong dan tulis "[tiada maklumat]". Tiada tarikh, nama atau ISBN dibuat. Teks cetakan: [teks penuh di sini]
Gesaan yang berkuasa mengehadkan AI kepada maklumat garis kecil sebenar dan memaksanya untuk secara jujur meninggalkan kosong dan bukannya mengarangnya.
Medan metadata dan jadual pengesahan
kawasan
Risiko fabrikasi
Bagaimana untuk mengesahkan
Tajuk
rendah
Bandingkan dengan halaman cetakan
Format pengarang/pihak berkuasa
sederhana
Cari dalam fail kuasa
Tahun penerbitan
tinggi
Sahkan dengan cetakan/kolofon
ISBN
sangat tinggi
Kawalan satu sama satu dengan kod bar/sumber
Istilah subjek
tinggi
Padankan dalam perbendaharaan kata terkawal
Kesilapan biasa
- Hanya meminta metadata daripada tajuk. Maklumat yang tidak lengkap mendorong AI untuk membuat sesuatu.
- Tidak menyatakan standard sasaran. Pemformatan sewenang-wenangnya mengganggu keharmonian rekod.
- Menerima ISBN dan tahun tanpa mengesahkannya. Kawasan ini mempunyai risiko fabrikasi yang paling tinggi.
- Mengambil istilah subjek dari luar perbendaharaan kata terkawal. Konsistensi dan ketersediaan terjejas.
- Melangkaui kawalan pihak berkuasa. Pengarang yang sama tersebar dalam format yang berbeza, pengguna merindui sumbernya.
Secara ringkasnya
Dalam penjanaan metadata, AI ialah pembantu berkuasa yang mengekstrak maklumat cetakan dengan cepat dan memendekkan masa pengkatalogan dengan ketara. Tetapi harga produktiviti adalah pengesahan ketat terhadap risiko fabrikasi: jelaskan standard sasaran (MARC, Dublin Core), jalankan AI hanya dengan pengetahuan kata-kata sebenar, peta istilah subjek daripada perbendaharaan kata terkawal, dan sahkan borang kuasa. Daripada membuat jurang, AI sepatutnya membiarkannya kosong; Anda menyimpan kelulusan akhir.
Tugasan permohonan
Berikan teks halaman cetakan buku sebenar yang anda miliki kepada AI dengan templat "draf Teras Dublin" dan dapatkan draf. Kemudian minta buku yang sama dihasilkan dengan hanya tajuk ("Gesaan lemah") dan bandingkan dua output: medan manakah yang direka? Kemudian, dengan templat "Pemetaan topik daripada perbendaharaan kata terkawal", berikan senarai pendek istilah yang diluluskan untuk memadankan topik dan semak sama ada AI terkeluar daripada senarai.
senarai semak
- [ ] Saya memberikan maklumat identiti sebenar sumber kepada AI, saya tidak membiarkannya meneka.
- [ ] Saya telah menyatakan dengan jelas standard metadata sasaran (MARC/Dublin Core).
- [ ] Saya telah mengesahkan tahun penerbitan dan kata kerja ISBN dengan sumber asal.
- [ ] Saya memetakan istilah topik daripada perbendaharaan kata terkawal.
- [ ] Saya telah mengesahkan borang kuasa dengan rekod yang diluluskan.