Câștiguri:
- Abilitatea de a scurta timpul de catalogare prin producerea de metadate în schiță în conformitate cu standarde precum MARC și Dublin Core din informații despre amprentă reală
- Abilitatea de a verifica câmpuri cu risc ridicat de fabricare, cum ar fi anul publicării, ISBN, numele autorului, cu sursa originală și termenii subiectului hărții din vocabularul controlat
- Capacitatea de a face formatele autorului și subiectului să fie aprobate unic cu controlul autorității și să mențină coerența catalogului
Catalogarea este munca invizibilă, dar cea mai fundamentală a biblioteconomiei. Descoperirea unei resurse (carte, articol, hartă, înregistrare audio, fișier digital) este posibilă cu metadatele corecte. Metadatele înseamnă „date despre date”: informații structurate care descriu titlul unei resurse, autorul, anul publicării, subiectul, limba și atributele fizice. Dacă metadatele sunt bune, utilizatorul găsește resursa; Dacă este proastă sau incompletă, resursa se pierde chiar dacă există. În această unitate veți învăța cum să utilizați inteligența artificială în generarea de metadate în schiță, dar cum să asigurați conformitatea și acuratețea standardelor.
Să definim mai întâi cele două concepte. MARC (Machine-Readable Cataloging) este un format de înregistrare pe care bibliotecile l-au folosit de zeci de ani și care plasează fiecare informație în câmpuri numerotate; De exemplu, câmpul 245 deține titlul și câmpul 100 deține autorul principal. Dublin Core este un standard de metadate simplificat pentru resursele digitale, constând din 15 câmpuri de bază (titlu, creator, subiect, dată, gen etc.). Aceste standarde asigură că înregistrările din biblioteci diferite pot vorbi între ele.
Pas cu pas: generarea proiectelor de metadate cu inteligență artificială
1. Colectați informațiile de identitate ale sursei. Coperta cărții, pagina de titlu, conținutul sau textul unui fișier digital. AI funcționează numai din informațiile pe care i le oferiți; Dacă furnizați informații incomplete, acestea vor produce metadate incomplete sau fabricate.
2. Specificați standardul țintă. Oferiți AI o țintă clară, cum ar fi „prin câmpurile Dublin Core” sau „prin câmpuri MARC 245, 100, 260, 650”. Dacă nu specificați un standard, acesta produce un format arbitrar.
3. Produceți proiectul. AI redactează titlul, declarația de responsabilitate, informațiile despre publicare și propunerea de subiect din informațiile pe care le furnizați.
4. Exercitarea controlului de autoritate. O înregistrare autorizată este cea care stabilește forma unică, standard, a numelui, instituției sau subiectului unui autor (de exemplu, „Atatürk, Mustafa Kemal, 1881-1938”). AI poate scrie un nume în diferite moduri; Verificați și corectați formatul de autorizare aprobat.
5. Verificați și confirmați. Comparați fiecare câmp cu sursa originală. În special, informații precise, cum ar fi anul publicării, ISBN și numele autorului, sunt foarte susceptibile de a fi falsificate de AI.
Sugestie: Oferiți AI o fotografie sau un text din pagina de credit reală a sursei; Nu spune „ghici numele cărții”. Metadatele predictive subminează fiabilitatea catalogului. AI scrie cu încredere atunci când face predicții, iar acest lucru te va induce în eroare.
Vocabular controlat și consecvență
Consecvența este totul în catalogare. Dacă același subiect este scris cu doi termeni diferiți în două înregistrări diferite, utilizatorul va găsi unul și va rata celălalt. De aceea bibliotecile folosesc un vocabular controlat - o listă standard de termeni aprobată. Atunci când sugerează termeni din text liber, AI poate alege echivalentul său colocvial, mai degrabă decât termenul oficial din această listă. De exemplu, AI ar putea scrie „atac de cord”; întrucât termenul aprobat poate fi „infarct miocardic”.
Soluția este să dai AI vocabularul controlat și să spui „doar selectează din această listă”. Așadar, în loc să inventeze termeni liber, AI se potrivește cu cel mai potrivit din lista aprobată.
Atenție: Dacă un termen de subiect sugerat de AI nu se află în vocabularul controlat, nu adăugați acel termen în catalog. Decizia de a adăuga noi termeni revine expertului responsabil cu managementul autorității; Adăugarea de termeni arbitrari perturbă consistența catalogului.
trei mini cutii
Cazul 1 — Colectarea donațiilor a fost accelerată. O bibliotecă publică a primit o donație de 1.200 de cărți. Specialistul în catalogare a pus AI să citească pagina de amprentă a fiecărei cărți și să producă o schiță a Dublin Core; Timpul per înregistrare a scăzut de la 9 minute la 3,5 minute. Expertul a dedicat timpul rămas pentru verificarea și verificarea autorității; Timpul total a fost redus cu aproximativ 55%, dar nicio înregistrare nu a intrat în sistem fără a fi verificată.
Cazul 2 – ISBN fals prins. Un expert a pus AI să producă schițe de 30 de cărți. În timpul verificării, a constatat că ISBN-ul din 4 înregistrări era fals: AI scrisese un număr de 13 cifre care părea rezonabil, deși nu cunoștea numărul real al cărții. Pasul de verificare a împiedicat patru ISBN-uri incorecte să devină persistente în catalog.
Cazul 3 – Incoerența autorității a fost corectată. O bibliotecă a găsit un autor ca „J. Smith” în unele înregistrări, „John Smith” în altele, „Smith, John” în altele. AI a fost corelat cu fișierul de autoritate, aducând toate înregistrările într-un singur format aprobat ("Smith, John, 1965-"); Dacă această lucrare ar fi făcută manual, ar dura zile, dar cu sugestia AI s-a redus la câteva ore, dar fiecare potrivire a fost aprobată de expert.
Conversie retrospectivă și înregistrări vechi
Multe biblioteci au înregistrări incomplete sau învechite care au fost introduse cu ani în urmă cu reguli diferite. Mutarea acestora la standardul actual se numește conversie retrospectivă și este foarte laborioasă când se face manual. AI poate citi o înregistrare veche și poate genera o schiță pentru a o muta în structura curentă a câmpului: de exemplu, poate analiza o citare cu text liber și o poate distribui în câmpurile corecte. Cu toate acestea, există două pericole aici. În primul rând, AI poate recupera informațiile lipsă pentru a „inventa”; în al doilea rând, poate perpetua o eroare în vechea înregistrare prin copierea acesteia într-un nou format, în loc să o corecteze. Prin urmare, în transformarea retrospectivă, rezultatul AI ar trebui verificat sistematic, nu prin eșantionare, ci prin câmpuri critice (autor, an, numere de identificare). O bună practică este să afișați înregistrările pre și post-conversie una lângă alta, făcând vizibilă fiecare modificare; astfel că expertul poate vedea dintr-o privire ce a fost mutat, ce s-a schimbat și ce ar fi putut fi fabricat.
Atenție: metadatele schiței produse de AI nu ar trebui transferate în sistem ca lot fără a le revizui unul câte unul. O eroare în masă corupe sute de înregistrări simultan, iar recuperarea este mult mai dificilă decât producerea. Cel mai sigur este să produceți și să verificați în loturi mici.
Patru șabloane copiabile
1) Structura Dublin Core:
Rolul dumneavoastră: asistent catalogator. Completați câmpurile Dublin Core din următorul text: Titlu, Creator, Subiect, Descriere, Editor, Data, Gen, Format, Limbă. Folosiți numai informații care sunt clare în text; Lăsați câmpul lipsă „[fără informații]”, nu ghiciți. Text imprimat: [aici]
2) Structura câmpului MARC:
Propune contururi pentru următoarele câmpuri MARC din informațiile cărții de mai jos: 245 (titlu/credit), 100 (autor principal), 260/264 (publicare), 300 (descriere fizică), 650 (subiect). Marcați orice câmp de care nu sunteți sigur ca „[necesită verificare]”. Informații: [aici]
3) Potrivirea subiectelor din vocabular controlat:
Mai jos este un rezumat al sursei și o listă de termeni ai subiectului aprobați. Potriviți doar cei 3-5 termeni cei mai potriviți din listă la sursă. Dacă nu există un termen potrivit în listă, scrieți „nici un termen potrivit în listă”, nu creați termeni noi. Rezumat: [aici] / Lista termenilor: [aici]
4) Controlul formularului de autoritate:
Potriviți numele autorilor de mai jos cu formularele aprobate din lista de autorități pe care am furnizat-o. Pentru fiecare nume: format în înregistrare -> format aprobat. Dacă nu există un echivalent în listă, scrieți „nicio înregistrare de autoritate”. Nume: [aici] / Lista autorităților: [aici]
Prompt slab / Prompt puternic
Prompt slab:
Extrageți informațiile de catalogare pentru următoarea carte: „Inteligenta artificială și societate”.
Este dat doar titlul; AI este forțat să alcătuiască autorul, anul, editorul și ISBN. Nu există un standard țintă. Rezultat: o înregistrare convingătoare, dar probabil falsă.
Solicitare puternică:
Rolul dumneavoastră: asistent catalogator. Mai jos este textul integral al paginii de imprimare a cărții. Completați câmpurile Dublin Core din aceasta. Folosiți numai informații care sunt menționate clar în text; Lăsați câmpul non-text necompletat și scrieți „[fără informații]”. Nu se inventează date, nume sau coduri ISBN. Text de imprimare: [text complet aici]
Promptul puternic limitează AI-ul la informațiile de bază reale și o forțează să lase cu sinceritate goluri în loc să le inventeze.
Câmp de metadate și tabel de validare
zona
Risc de fabricație
Cum se verifică
Titlu
scăzută
Comparați cu pagina de imprimare
Format autor/autoritate
mediu
Căutați în fișierul de autoritate
Anul publicării
înalt
Confirmați cu amprenta/colofon
ISBN
foarte sus
Control unu-la-unu cu cod de bare/sursă
Termenul subiectului
înalt
Potrivire în vocabular controlat
Greșeli comune
- Solicit doar metadate din titlu. Informațiile incomplete determină AI să inventeze lucrurile.
- Nu se specifică standardul țintă. Formatarea arbitrară perturbă armonia înregistrărilor.
- Acceptarea ISBN și anul fără a-l verifica. Aceste zone prezintă cel mai mare risc de fabricare.
- Preluarea termenului subiectului din afara vocabularului controlat. Consistența și disponibilitatea sunt compromise.
- Ocolirea controlului autorității. Același autor se dispersează în diferite formate, utilizatorul ratează sursa.
Pe scurt
În generarea metadatelor, AI este un asistent puternic care extrage rapid informațiile de imprimare și scurtează semnificativ timpul de catalogare. Dar prețul productivității este o validare strictă față de riscurile de fabricație: clarificați standardul țintă (MARC, Dublin Core), rulați IA doar cu cunoștințe reale ale cuvintelor, mapați termenii subiectului din vocabulare controlate și validați formele de autoritate. În loc să compenseze golurile, AI-ul ar trebui să-l lase necompletat; Păstrați aprobarea finală.
Sarcina de aplicare
Dați textul paginii de imprimare a unei cărți reale pe care o aveți AI cu șablonul „Dublin Core draft” și obțineți o ciornă. Apoi produceți aceeași carte doar cu titlul ("Prompt slab") și comparați cele două rezultate: care câmpuri au fost fabricate? Apoi, cu șablonul „Cartografia subiectului din vocabular controlat”, dați o listă scurtă de termeni aprobați pentru a se potrivi subiectul și verificați dacă IA iese din listă.
lista de verificare
- [ ] Am dat informații despre identitatea reală a sursei AI, nu am lăsat-o pe seama ghicirii.
- [ ] Am specificat clar standardul de metadate țintă (MARC/Dublin Core).
- [ ] Am verificat anul publicării și ISBN textual cu sursa originală.
- [ ] Am mapat termenii subiectului din vocabularul controlat.
- [ ] Am confirmat formele de autorizare cu înregistrarea aprobată.