zisky:
- Schopnosť rozlišovať medzi prístupmi odporúčaní založenými na obsahu a na základe spolupráce a predchádzať falošným zdrojom overením každého odporúčania v skutočnej kolekcii
- Schopnosť rozbiť filtračnú bublinu vedomou rozmanitosťou a predložiť návrhy s transparentným odôvodnením
- Ochrana súkromia používateľov pri čítaní a histórii vyhľadávania a bezpečné spracovanie týchto údajov
Čitateľ sa môže opýtať: „Dočítal som túto knihu, čo by som si mal prečítať ďalej?“ “, dobrý knihovník odporúča zdroje zodpovedajúce jeho záujmom, úrovni a účelu. V digitálnom svete to systémy odporúčaní robia vo veľkom meradle: odporúčajú nové zdroje na základe minulých záujmov používateľa alebo vlastností zdroja. V tejto lekcii sa dozviete, ako fungujú systémy odporúčaní založené na umelej inteligencii, čo prinášajú do knižnice a ako riadiť riziká, ako sú súkromie, zaujatosť a „filtračná bublina“.
Definujme si pojmy. Odporúčanie založené na obsahu sa zameriava na charakteristiku zdroja (téma, autor, žáner) a odporúča podobné zdroje: „Ak sa vám páčila táto historická kniha, mohla by sa vám páčiť aj táto, ktorá pokrýva rovnaké obdobie.“ Kolaboratívne filtrovanie funguje na princípe „tieto sa páčili aj ostatným používateľom, ktorí si obľúbili zdroje ako vy“. Filtračná bublina je, keď systém odporúčaní uzamkne používateľa do neustále podobného obsahu a zabráni mu nové, odlišné perspektívy. Dobré odporúčanie knižnice vzbudí záujem a prelomí bublinu.
Krok za krokom: zodpovedný prístup poradenstva
1. Ujasnite si účel. Čo je cieľom návrhu? Chcete, aby používateľ pokračoval v čítaní, rozšíril si obzory alebo našiel zdroje na konkrétnu výskumnú otázku? Účel určuje typ odporúčania.
2. Overte zdroj a pravosť. AI môže pri vytváraní návrhov vymýšľať neexistujúce knihy. Overte, či každý navrhovaný zdroj skutočne existuje v kolekcii alebo v spoľahlivom katalógu.
3. Zachovať rozmanitosť. Odporúčaním len toho „najpodobnejšieho“ vzniká filtračná bublina. Vedome zahrňte rôzne pohľady, rôznych autorov a rôzne úrovne. Úlohou knižnice je otvárať obzory, nie ich obmedzovať na ekológiu.
4. Chráňte súkromie. Personalizované odporúčanie využíva históriu čítania používateľa a je mimoriadne presné. Neposkytujte tieto údaje všeobecným nástrojom AI; Spracovávať iba v rámci zabezpečených systémov inštitúcie so súhlasom používateľa.
5. Buďte transparentní. Vysvetlite používateľovi, prečo bolo odporúčané: „Tento zdroj bol odporúčaný, pretože súvisí s témou, ktorá vás zaujíma.“ Transparentnosť posilňuje dôveru a informačnú gramotnosť.
Tip: Do zoznamu návrhov vedome pridajte „trochu iný“ zdroj a uveďte: „Tieto sú blízko k oblasti vášho záujmu; tento som pridal na osvieženie.“ Toto prelomí filtračnú bublinu a demonštruje objaviteľskú hodnotu knižnice.
Etický rozmer návrhu
Systémy odporúčaní sa zdajú byť nevinné, ale vytvárajú silné efekty. Ktoré zdroje sa používateľovi odporúčajú, formujú jeho informačný svet. Ak systém zvýrazňuje len zdroje, ktoré sú populárne alebo len z určitého uhla pohľadu, menšinové hlasy, rozdielne názory a menej známe hodnotné zdroje budú neviditeľné. Umelá inteligencia môže tento trend posilniť dedením popularity a predsudkov v tréningových údajoch.
Tu prichádza na scénu hodnota knihovníctva: knižnica nie je nástrojom na komerčné odporúčania; Jej poslaním je zabezpečiť rovnaký a rôznorodý prístup k informáciám. Zosúladenie systému odporúčaní s touto hodnotou je povinnosťou knihovníka.
Upozornenie: História čítania a vyhľadávania používateľa je jedným z najcitlivejších údajov o ochrane osobných údajov. To, čo človek číta, môže odhaliť informácie o jeho zdraví, politických názoroch, presvedčeniach alebo osobnej kríze. Nikdy neprenášajte tieto údaje s ich identitou do externých systémov; Anonymizácia a súhlas sú nevyhnutné.
tri mini prípady
Prípad 1 – Odporúčanie založené na obsahu fungovalo. Školská knižnica používala systém založený na obsahu na odporúčanie zdrojov pre študentov, ktoré boli podobné knihe, ktorú čítali. Jeden študent dokončil sci-fi román; Systém odporučil tri knihy na rovnakú tému, ale od iného autora. Študent si požičal dva; Zvyk čítania pokračoval. Knihovníčka predtým potvrdila, že všetky návrhy v zbierke skutočne existujú.
Prípad 2 – Zachytený falošný návrh. Knihovník požiadal AI, aby odporučila používateľovi 8 kníh. Skontroloval zoznam v katalógu: 3 z 8 kníh vôbec chýbali; AI vymyslela hodnoverné titulky. Verifikačný krok zabránil používateľovi odporučiť neexistujúce knihy.
Prípad 3 – Balónik s filtrom prasknutý. Výskumník neustále pracoval so zdrojmi s rovnakým uhlom pohľadu a systém vždy navrhol podobné. Knihovník zámerne zahrnul dva zdroje, ktoré prezentovali kontrastný prístup k téme a dali to jasne najavo. Iba vďaka týmto protichodným zdrojom si výskumník uvedomil neúplný aspekt svojej štúdie.
Studený štart a problém s novým používateľom
Známou výzvou odporúčacích systémov je problém studeného štartu: systém nevie, čo odporučiť novému používateľovi alebo zdroj, ktorý bol práve pridaný do kolekcie, pre ktorú neexistujú žiadne historické údaje. V tomto prípade sa mnohé systémy obracajú na najpopulárnejšie zdroje ako na bezpečnú možnosť; To znamená, že málo známe cenné zdroje sa vôbec neodporúčajú a popularita sa živí sama sebou. Z hľadiska knihovníctva je to v rozpore s hodnotou rovnakého prístupu. Riešením je položiť novému používateľovi krátku, jasnú preferenčnú otázku (ktoré témy, aká úroveň, aký účel) pred tým, ako urobí odporúčanie a zvýrazní novo pridané zdroje na základe ich obsahových charakteristík. V tomto bode môže umelá inteligencia pomocou analýzy predmetu a vlastností zdroja prepojiť relevantnému používateľovi aj knihu, ktorá nebola nikdy vypožičaná; pokiaľ návrh pochádza zo skutočnej zbierky a je overený. Systém tak zviditeľňuje nielen to „veľmi milované“, ale aj „relevantné a cenné“.
Tip: Pri nastavovaní odporúčania pre nového používateľa vychádzajte z aktuálnych potrieb používateľa a nie z historických údajov systému. Jedna dobrá otázka („je to pre výskum, pre potešenie, do akej miery?“) často vytvára presnejšie odporúčanie ako mesiace údajov o správaní.
Štyri kopírovateľné šablóny
1) Odporúčanie podobného zdroja založeného na obsahu:
Nižšie je uvedený predmet/zhrnutie zdroja, ktorý sa používateľovi páčil. Uviedol som aj zoznam existujúcich zdrojov v našej zbierke. Len z tohto zoznamu navrhnite 5 zdrojov podobných téme a pre každý napíšte jednovetové odôvodnenie. Navrhované zdroje nie sú uvedené. Obľúbený zdroj: [tu] / Zoznam kolekcií: [tu]
2) Návrh, ktorý pridáva rozmanitosť:
Do nižšie uvedeného zoznamu návrhov pridajte 2 zdroje, ktoré používateľovi rozšíria obzory a ponúknu iný pohľad alebo podtému (iba zo zoznamu zbierok, ktorý som uviedol). Vysvetlite, prečo sú odlišné a hodnotné. Zoznam: [tu] / Kolekcia: [tu]
3) Vysvetlenie dôvodu odporúčania:
Ku každému odporúčaniu nižšie napíšte krátke, transparentné zdôvodnenie, ktoré sa môže používateľovi zobraziť: „Tento zdroj bol odporúčaný, pretože...“ Bez preháňania, bez naznačovania osobných údajov. Návrhy: [tu]
4) Predbežná kontrola súkromia:
Obsahuje nasledujúci záznam s návrhom identifikačné alebo citlivé informácie (naznačujúce zdravie, presvedčenie, politické názory)? Ak áno, označte ho a navrhnite, ako ho anonymizovať. Vstup: [tu]
Slabá výzva / Silná výzva
Slabá výzva:
Odporučte tomuto používateľovi prečítať 10 kníh.
AI generuje návrhy zo svojej globálnej pamäte bez toho, aby poznala kolekciu; Dokáže vymyslieť knihy, ktoré neexistujú a nerešpektuje rôznorodosť a súkromie.
Výkonná výzva:
Vaša úloha: čitateľský poradca. Nižšie je uvedená téma, ktorá sa používateľovi páčila, a zoznam skutočných zdrojov v našej zbierke. (1) Navrhnite 5 zdrojov súvisiacich s témou zo zoznamu. (2) Pridajte aj 2 zdroje s rôznymi perspektívami, ktoré vám otvoria oči. (3) Napíšte transparentné odôvodnenie každého návrhu. Nevychádzajte zo zoznamu, nevymýšľajte si zdroje ani nenaznačujte osobné údaje. Predmet: [tu] / Zbierka: [tu]
Výkonná výzva; obmedzuje to na skutočný zber, vyžaduje rozmanitosť a pridáva odôvodnenie a pravidlo ochrany osobných údajov.
Porovnávacia tabuľka typov odporúčaní
Typ návrhu
silná stránka
riziko
Povinnosť knihovníka
založené na obsahu
Dobre upúta pozornosť
filtračná bublina
Pridajte rozmanitosť
kolaboratívne
prekvapivé zistenie
Súkromie, skreslenie popularity
Anonymita, rovnováha
Výrobný zoznam AI
rýchlo
vymyslený zdroj
overiť realitu
Časté chyby
- Ponúkanie návrhov bez overenia. AI môže tvoriť neexistujúce zdroje.
- Len odporúčanie "najpodobnejšie". Filtračná bublina zužuje používateľovi obzory.
- Export histórie čítania do externého nástroja. Ide o najcitlivejšie údaje o súkromí.
- Prezentácia návrhu bez odôvodnenia. Transparentnosť podporuje dôveru a gramotnosť.
- Ignorovanie skreslenia popularity. Cenné, ale málo známe zdroje sa strácajú.
V súhrne
Systémy odporúčaní sú výkonné nástroje, ktoré uľahčujú objavovanie tým, že zachytávajú záujem používateľov; Prístupy založené na obsahu a na spolupráci nesú rôzne silné stránky a riziká. Umelá inteligencia je rýchla pri vytváraní návrhov, no dokáže vynájsť neexistujúce zdroje, filtrovať bubliny a posilňovať zaujatosť. Práca knihovníka; Overiť každý návrh v skutočnej zbierke, rozbiť bublinu vedomou rozmanitosťou, chrániť súkromie používateľov a zachovať hodnotu rovnakého a rôznorodého prístupu knižnice predkladaním návrhov s transparentnými dôvodmi.
Aplikačná úloha
Pripravte si krátky zoznam faktografických zbierok (10-15 zdrojov). Vygenerujte odporúčanie pre používateľa pomocou šablóny „odporúčanie podobného zdroja založeného na obsahu“ a overte, či všetci skutočne existujú v zozname. Potom pridajte zdroje s rôznymi perspektívami do zoznamu pomocou šablóny „Návrh, ktorý pridáva rozmanitosť“. Nakoniec vytvorte transparentné vysvetlenie pre každý návrh pomocou šablóny „Vysvetlenie odôvodnenia návrhu“ a naplánujte si, ako ho budete prezentovať používateľovi.
kontrolný zoznam
- [ ] Overil som si, že každý návrh v zbierke skutočne existuje.
- [ ] Pridal som rozmanitosť, aby som rozbil filtračnú bublinu.
- [ ] Uchovával som históriu čítania/vyhľadávania používateľa v bezpečí, nedal som to externému nástroju.
- [ ] Pre každý podnet som pripravil transparentné odôvodnenie.
- [ ] Aby som sa vyhol skresleniu popularity, sledoval som menej známe a cenné zdroje.