Ganhos:
- Capacidade de produzir rascunhos de metadados de acordo com padrões como ISAD(G) ou Dublin Core com inteligência artificial
- Capacidade de prevenir alucinações e mapear termos do assunto para vocabulário controlado com permissão para deixar em branco
- Capacidade de distinguir quais campos, como data, nome da pessoa e código de referência, requerem aprovação humana e quais devem ser atribuídos apenas pela instituição
Um arquivo ou biblioteca, por mais rico que seja, não pode ser encontrado a menos que esteja bem definido. O que torna um documento “encontrável” é a informação descritiva sobre ele: quem o escreveu, quando, onde, qual é o seu assunto, a que coleção pertence. Essas informações são chamadas de metadados (metadados — dados descritivos sobre um documento; “dados sobre dados”). Catalogação é o processo de identificar documentos com esses metadados e salvá-los em um sistema pesquisável. Classificação consiste em organizar documentos de acordo com critérios como assunto, tipo ou origem.
A geração de metadados consome muito tempo; Inserir informações de data, assunto, pessoa e local individualmente para milhares de documentos em grandes coleções pode levar anos. A IA é um forte gerador de correntes de ar neste negócio. Nesta unidade, veremos como gerar metadados com IA, catalogando de acordo com padrões (ISAD(G), Dublin Core) e o poder e as armadilhas da classificação automática.
Padrões de arquivo: por que são necessários
Os metadados não são inseridos aleatoriamente; Existem padrões internacionais para que registros de diferentes instituições possam conversar entre si:
- ISAD(G) (General International Standard Archival Description): Regras para descrever material de arquivo hierarquicamente (em nível de fundo, série, arquivo, documento). Contém campos como código de referência, título, data, escopo, criador.
- Dublin Core: Um padrão comum que consiste em 15 campos principais para descrever recursos digitais (título, criador, assunto, data, gênero, formato, fonte, idioma, etc.).
- Fundo: Conjunto de registros formado naturalmente como resultado das atividades de uma única pessoa, família ou instituição. É a unidade básica de organização do arquivamento.
- Proveniência (origem): Informações sobre a origem do documento e por qual mão ele passou. No arquivo, os documentos são mantidos juntos de acordo com sua origem.
Especificar explicitamente o padrão alvo ao fazer com que a IA produza metadados garante que a saída possa ser inserida diretamente na empresa.
Outro conceito-chave é o registro de autoridade – um registro que define uma forma única, padrão e aprovada do nome de uma pessoa, lugar ou instituição. Em documentos históricos, a mesma pessoa ou lugar pode aparecer com grafias diferentes; O registro de autoridade vincula todos eles em um único formato aprovado para que não fiquem espalhados na pesquisa. A IA sugere nomes de um documento; mas mapear esse nome para o formulário padrão no registro de autoridade é um trabalho humano. Vincular o que a IA diz “Ahmed” a “Ahmed Bey (1840-1912)” no registro de autoridade da instituição preserva a consistência do catálogo.
Fluxo de trabalho: passo a passo
1. Prepare a fonte. Colete uma transcrição ou imagem do documento e quaisquer informações de contexto.
2. Identifique o padrão e as áreas. Diga à IA qual padrão (ISAD(G), Dublin Core) e de acordo com quais campos ela produzirá resultados.
3. Gere metadados de rascunho. A IA preenche campos que podem ser extraídos do documento (data, pessoa, local, assunto, idioma, gênero); Deixa em branco as áreas que não pode remover.
4. Mapeie para vocabulário controlado. Os nomes de assuntos e lugares não são gratuitos na maioria das instituições, mas estão vinculados a uma lista predefinida (vocabulário/tesauro controlado). Mapeie os termos de assunto sugeridos pela IA para esta lista.
5. Verifique e confirme. Cada campo, especialmente data, nome e assunto, é comparado por seres humanos com documentos e registros de autoridade.
Dica: dê permissão explicitamente à IA para “deixar em branco”. Caso contrário, ele irá “adivinhar” preencher uma data ou criador que não esteja no documento e inserir metadados falsos em seu catálogo. A instrução “Deixe este campo em branco se não estiver no documento” é o escudo mais forte contra a alucinação.
Campos e nível de confiança em uma tabela
Campo de metadados
Quão confiável é a IA?
verificação
idioma
alto
amostra
Tipo de documento
médio-alto
controle
Nomes de pessoas/locais
Médio (erro de leitura)
obrigatório
data
Baixo-médio (risco de fabricação)
obrigatório
Termos do assunto
Médio (geração gratuita)
Mapear para lista de verificação
Escopo/resumo
médio-alto
Compare com a fonte
Código de referência
Nenhum (instituição dá)
arremessos humanos
Resumo: A IA é rápida e confiável em áreas como linguagem e gênero; gera rascunhos em campos como data, nome e assunto, mas é necessária aprovação humana; A IA nunca produz campos institucionais como código de referência.
três mini cases
Caso 1 — Rascunho de metadados para 8.000 fotos. Um arquivo da cidade catalogava 8.000 fotografias históricas. As anotações no verso de cada foto foram transcritas e entregues à IA; Data, localização e esboço do tópico gerados por IA. A equipe humana verificou campo por campo e mapeou-o na lista controlada. Um trabalho estimado de 10 meses foi reduzido para 3 meses; mas cada data e nome de local foram verificados visualmente.
Caso 2 — História inventada. Um arquivista pediu à IA que catalogasse uma carta sem data. YZ analisou o conteúdo da carta e escreveu a data “1912” com precisão. Porém, não havia data no documento; IA previu. Se o arquivista não tivesse acrescentado a instrução “deixar em branco se não estiver no documento”, o catálogo teria sido preenchido com uma data inventada. Lição: a permissão em branco é obrigatória.
Caso 3 — Termos de assunto livre criaram confusão. A AI atribuiu termos gratuitos semelhantes, mas diferentes, como “imigração”, “imigração”, “liquidação” a documentos semelhantes. Quando não foi mapeado para o vocabulário controlado, o mesmo tópico foi etiquetado com três termos diferentes e disperso na busca. A consistência foi alcançada mapeando os termos em uma única lista de autoridades. Lição: os termos do tópico não são divulgados, estão vinculados à lista.
Quatro modelos copiáveis
1) Esboço do Dublin Core:
Extraia o rascunho dos metadados do Dublin Core da transcrição do documento abaixo. Campos: Título, Criador, Assunto, Descrição, Data, Gênero, Idioma, Escopo (local/período). Regras: (1) Utilize apenas informações CLARAMENTE no texto. (2) Deixe o campo que não está no texto EM BRANCO, não adivinhe. (3) Marque o valor do qual você não tem certeza com [?]. Transcrição: [aqui]
2) Projeto de definição da ISAD(G):
Gere rascunho para o seguinte documento nos campos ISAD(G): Título, Data(s), Nível de descrição (documento/arquivo), Escopo e conteúdo (breve resumo), Criador, Idioma. Deixe o código de referência EM BRANCO (a instituição o fornecerá). Não adicione nenhuma informação que não esteja no texto; Deixe o campo inexistente em branco. Documento: [aqui]
3) Sugestão de termo de tópico (controlado):
Sugira de 3 a 5 termos de tópico apropriados ao documento abaixo. Primeiro, confie nos fatos do documento. Abaixo está a lista de terminologia controlada da nossa instituição; PRIMEIRO, escolha-o nesta lista, caso não esteja na lista, marque separadamente sua sugestão de novo termo. Lista: [termos]. Documento: [aqui]
4) Verificação de consistência em massa:
Abaixo estão os registros de metadados para documentos da mesma coleção. Inconsistências de sinalização: registros com grafia diferente do mesmo lugar/pessoa, formatos de data diferentes, termos diferentes para o mesmo assunto. IMPOSIÇÃO de correção; Basta produzir uma lista de inconsistências para o ser humano revisar. Registros: [aqui]
Alerta fraco / Alerta forte
Fraco:
Crie um registro de catálogo completo para este documento.
A instrução “completa” leva a IA a preencher todos os espaços, ou seja, a inventar histórias e criadores que não existem.
Forte:
O Dublin Core é elaborado para este documento. Utilize apenas informações CLARAMENTE incluídas na transcrição; deixe o campo inexistente em branco, não adivinhe. Selecione os termos do tópico nesta lista controlada: [lista]. Marque a data e os nomes das pessoas com [?] para que eu possa verificá-los com o documento. Transcrição: [aqui]
Diferença: permissão "deixar em branco" em vez de edição "completa", adesão controlada à lista e marcas de verificação protegem o catálogo de fabricação.
Erros comuns
- Significa "preencher completamente". Isso leva ao ajuste de campos inexistentes; A permissão "deixar em branco" deve ser dada.
- Liberando termos de assunto. Termos que não são mapeados para o vocabulário controlado distrairão a pesquisa.
- Fazer com que a IA preveja a história. Inserir uma data fictícia num documento sem data polui o catálogo.
- Ter o código de referência gerado pela IA. Este é um espaço corporativo único; as pessoas jogam.
- Não especificando o padrão. Se a norma não for mencionada, o resultado será um rascunho confuso que não poderá ser inserido na instituição.
Resumindo
Os metadados e a catalogação são a infraestrutura invisível que abre o arquivo ao pesquisador e exige muito esforço. A partir da transcrição, a IA produz um esboço rápido de campos como data, pessoa, local, assunto e gênero; Pode funcionar de acordo com padrões como ISAD(G) ou Dublin Core. Mas a pressão para “preencher completamente” leva a IA a inventar coisas; A permissão “deixar em branco”, o mapeamento para vocabulário controlado e a confirmação humana de datas/nomes mantêm o catálogo confiável. AI prepara o rascunho; Você é responsável pela exatidão do catálogo.
Tarefa de aplicativo
Faça uma transcrição do documento e solicite metadados da IA com o modelo “Dublin Core draft”; Verifique se deixa campos em branco que não existem. Em seguida, execute o modelo de “sugestão de termo de tópico” com sua própria lista de verificação (ou amostra). Por fim, teste alguns registros com uma “verificação de consistência em massa”. Observe quantos campos a IA tenta preencher com previsão e quantos termos de assunto precisam ser mapeados para a lista.
lista de verificação
- [ ] Afirmei claramente o padrão alvo (ISAD(G)/Dublin Core).
- [] Eu dei a permissão "Deixar campo em branco".
- [ ] Mapeei os termos do tópico para a lista controlada.
- [ ] Verifiquei a data e os nomes das pessoas com o registro do documento/autoridade.
- [ ] Deixei o código de referência para a instituição, não para a IA.