Dobički:
- Sposobnost razlikovanja med pristopi k priporočilom, ki temeljijo na vsebini, in pristopi k sodelovanju ter preprečevanje lažnih virov s preverjanjem vsakega priporočila v resnični zbirki
- Sposobnost razbiti filtrirni mehurček z zavestno raznolikostjo in predstaviti predloge s preglednimi utemeljitvami
- Varovanje zasebnosti uporabniške zgodovine branja in iskanja ter varna obdelava teh podatkov
Bralec se lahko vpraša: "Končal sem to knjigo, kaj naj berem naslednje?" «, dober knjižničar priporoči vire, ki ustrezajo njegovemu interesu, ravni in namenu. V digitalnem svetu priporočilni sistemi to počnejo v velikem obsegu: priporočajo nove vire na podlagi uporabnikovega preteklega zanimanja ali značilnosti vira. V tej enoti se boste naučili, kako delujejo priporočilni sistemi, ki temeljijo na umetni inteligenci, kaj prinašajo knjižnici in kako obvladovati tveganja, kot so zasebnost, pristranskost in "mehurček filtra".
Opredelimo pojme. Priporočilo na podlagi vsebine obravnava značilnosti vira (temo, avtorja, žanr) in priporoča podobne vire: "Če vam je bila všeč ta zgodovinska knjiga, vam bo morda všeč tudi ta, ki pokriva isto obdobje." Sodelovalno filtriranje deluje po načelu "drugim uporabnikom, ki so bili všeč viri, kot ste vi, so bili všeč tudi ti". Filtrirni mehurček je, ko sistem priporočil zaklene uporabnika v stalno podobno vsebino in ga odvrne od novih, drugačnih perspektiv. Dobro priporočilo knjižnice pritegne zanimanje in razbije mehurček.
Korak za korakom: odgovoren pristop k svetovanju
1. Pojasnite namen. Čemu je namenjen predlog? Ali želite, da uporabnik nadaljuje z branjem, razširi svoja obzorja ali najde vire za določeno raziskovalno vprašanje? Namen določa vrsto priporočila.
2. Preverite vir in pristnost. AI lahko pri dajanju predlogov izdela neobstoječe knjige. Preverite, ali vsak predlagani vir dejansko obstaja v zbirki ali v zanesljivem katalogu.
3. Ohranjajte raznolikost. Priporočanje samo »najbolj podobnega« ustvari mehurček filtra. Zavestno vključite različne perspektive, različne avtorje in različne ravni. Naloga knjižnice je odpirati obzorja, ne pa jih omejevati na ekologijo.
4. Varujte zasebnost. Prilagojeno priporočilo uporablja uporabnikovo zgodovino branja in je izjemno natančno. Teh podatkov ne posredujte splošnim orodjem AI; Proces samo v okviru varnih sistemov ustanove, s soglasjem uporabnika.
5. Bodite pregledni. Uporabniku razložite, zakaj je bilo priporočilo: "Ta vir je bil priporočen, ker je povezan s temo, ki vas zanima." Transparentnost krepi zaupanje in informacijsko pismenost.
Namig: zavestno dodajte "nekoliko drugačen" vir na seznam predlogov in izjavite: "To je blizu področja vašega zanimanja; tega sem dodal kot osvežitev." To obenem prekine mehurček filtra in dokazuje vrednost odkrivanja knjižnice.
Etična razsežnost predloga
Sistemi priporočil se zdijo nedolžni, vendar ustvarjajo močne učinke. Kateri viri so priporočeni uporabniku, oblikujejo njegov ali njen informacijski svet. Če sistem izpostavlja samo priljubljene vire ali samo z določenega zornega kota, bodo glasovi manjšin, različni pogledi in manj znani dragoceni viri nevidni. AI lahko okrepi ta trend z podedovanjem priljubljenosti in pristranskosti v podatkih o usposabljanju.
Tu nastopi vrednost knjižničarstva: knjižnica ni komercialni motor priporočil; Njeno poslanstvo je zagotavljanje enakega in raznolikega dostopa do informacij. Knjižničar je odgovoren, da uskladi sistem priporočil s to vrednoto.
Pozor: uporabnikova zgodovina branja in iskanja je eden najbolj občutljivih podatkov o zasebnosti. Kar nekdo bere, lahko razkrije informacije o njegovem zdravju, političnih pogledih, prepričanjih ali osebni krizi. Nikoli ne prenašajte teh podatkov z njihovo identiteto v zunanje sisteme; Anonimizacija in privolitev sta bistveni.
trije mini kovčki
1. primer – Priporočilo na podlagi vsebine je delovalo. Šolska knjižnica je uporabila vsebinski sistem, da je učencem priporočila vire, ki so bili podobni knjigi, ki so jo brali. En študent je dokončal znanstvenofantastični roman; Sistem je priporočil tri knjige z isto temo, vendar od drugega avtorja. Študent si je izposodil dva; Bralna navada se je nadaljevala. Knjižničarka je predhodno potrdila, da vse predloge dejansko obstajajo v zbirki.
2. primer – Ujet lažni predlog. Knjižničar je prosil AI, naj uporabniku priporoči 8 knjig. Preveril je seznam v katalogu: 3 od 8 knjig so sploh manjkale; Umetna inteligenca si je izmislila verjetne naslove. Korak preverjanja je preprečil, da bi uporabniku priporočili neobstoječe knjige.
Primer 3 – Balon filtra je počil. Raziskovalec je ves čas delal z viri z istim stališčem, sistem pa je vedno predlagal podobne. Knjižničarka je namenoma vključila dva vira, ki sta predstavila kontrasten pristop k temi in to jasno pokazala. Šele po zaslugi teh nasprotujočih si virov je raziskovalec spoznal nepopolnost svoje študije.
Težava s hladnim zagonom in novim uporabnikom
Dobro znan izziv priporočljivih sistemov je problem hladnega zagona: sistem ne ve, kaj naj priporoči novemu uporabniku ali viru, ki je bil pravkar dodan v zbirko, za katero ni zgodovinskih podatkov. In this case, many systems turn to the most popular resources as the safe option; This means that little-known valuable resources are not recommended at all and the popularity feeds on itself. In librarianship terms, this conflicts with the value of equal access. Rešitev je, da novega uporabnika zastavite kratko, jasno prednostno vprašanje (katere teme, katera raven, kateri namen), preden podate priporočilo in poudarite novo dodane vire na podlagi njihovih vsebinskih značilnosti. At this point, by analyzing the subject and features of a resource, AI can link even a book that has never been borrowed to the relevant user; dokler predlog izvira iz prave zbirke in je preverjen. Thus, the system makes visible not only the "very loved" but also the "relevant and valuable".
Tip: When setting up a recommendation for a new user, base it on the user's current needs rather than the system's historical data. Eno dobro vprašanje (»ali je to za raziskovanje, za užitek, v kolikšni meri?«) pogosto daje natančnejša priporočila kot meseci podatkov o vedenju.
Štiri predloge za kopiranje
1) Content-based similar resource recommendation:
Below is the subject/summary of a resource that a user liked. I have also given a list of existing resources in our collection. Just from this list, suggest 5 resources similar to the subject and write a one-sentence justification for each. Predlagani viri niso navedeni. Favorite source: [here] / Collection list: [here]
2) Predlog, ki prinaša raznolikost:
Spodnjemu seznamu predlogov dodajte 2 vira, ki bosta uporabniku razširila obzorja in ponudila drugačno perspektivo ali podtemo (samo s seznama zbirk, ki sem jih posredoval). Pojasnite, zakaj so drugačni in dragoceni. Seznam: [tukaj] / Zbirka: [tukaj]
3) Explanation of the reason for the recommendation:
Za vsako priporočilo spodaj napišite kratko, pregledno utemeljitev, ki jo je mogoče prikazati uporabniku: "Ta vir je bil priporočen, ker ..." Brez pretiravanja, brez implikacij osebnih podatkov. Predlogi: [tukaj]
4) Predhodno preverjanje zasebnosti:
Ali naslednji vnos predloga vsebuje podatke, ki omogočajo identifikacijo uporabnika, ali občutljive podatke (namigovanje o zdravju, prepričanjih, političnih pogledih)? Če je tako, ga označite in predlagajte, kako ga anonimizirati. Vnos: [tukaj]
Šibek poziv/močan poziv
Šibek poziv:
Temu uporabniku priporoči 10 knjig v branje.
AI generira predloge iz svojega globalnega pomnilnika, ne da bi poznal zbirko; Lahko si izmišljuje knjige, ki ne obstajajo, in ne spoštuje različnosti in zasebnosti.
Močan poziv:
Vaša vloga: bralski svetovalec. Spodaj je tema, ki je bila uporabniku všeč, in seznam resničnih virov v naši zbirki. (1) S seznama predlagajte 5 virov, povezanih s temo. (2) Dodajte tudi 2 vira z različnimi perspektivami, ki vam bodo odprle oči. (3) Za vsak predlog napišite pregledno utemeljitev. Ne izključite se s seznama, ne izmišljujte virov in ne navajajte osebnih podatkov. Zadeva: [tukaj] / Zbirka: [tukaj]
Močan poziv; omejuje jo na dejansko zbirko, zahteva raznolikost ter dodaja utemeljitev in pravilo zasebnosti.
Primerjalna tabela vrste priporočila
Vrsta predloga
močna točka
tveganje
Knjižničarjeva dolžnost
temelji na vsebini
Dobro pritegne pozornost
filtrski mehurček
Dodajte raznolikost
sodelovalno
presenetljivo odkritje
Zasebnost, priljubljenost
Anonimnost, uravnoteženost
Proizvodni seznam AI
hitro
izmišljen vir
preveri resničnost
Pogoste napake
- Ponujanje predlogov brez preverjanja. AI lahko ustvari neobstoječe vire.
- Samo priporočam "najbolj podoben". Filtrirni mehurček uporabniku oži obzorja.
- Izvoz zgodovine branja v zunanje orodje. Gre za najbolj občutljive podatke zasebnosti.
- Podajanje predloga brez utemeljitve. Transparentnost podpira zaupanje in pismenost.
- Ignoriranje pristranskosti glede priljubljenosti. Izgubljeni so dragoceni, a malo znani viri.
Če povzamem
Sistemi priporočil so zmogljiva orodja, ki olajšajo odkrivanje tako, da pritegnejo zanimanje uporabnikov; Pristopi, ki temeljijo na vsebini, in sodelovalni pristopi imajo različne prednosti in tveganja. AI je hiter pri ustvarjanju predlogov, vendar lahko izumi neobstoječe vire, filtrira mehurčke in krepi pristranskost. Delo knjižničarja; Preveriti vsak predlog v resnični zbirki, prebiti mehurček z zavestno raznolikostjo, zaščititi zasebnost uporabnikov in ohraniti vrednost enakopravnega in raznolikega dostopa knjižnice s predstavitvijo predlogov s preglednimi razlogi.
Aplikacijska naloga
Pripravite kratek seznam stvarnih zbirk (10-15 virov). Ustvarite priporočilo za uporabnika s predlogo »priporočilo podobnih virov na podlagi vsebine« in preverite, ali vsi dejansko obstajajo na seznamu. Nato s predlogo »Predlog, ki dodaja raznolikost« na seznam dodajte vire z različnimi perspektivami. Nazadnje ustvarite pregledno razlago za vsak predlog s predlogo "Razlaga utemeljitve predloga" in načrtujte, kako jo boste predstavili uporabniku.
kontrolni seznam
- [ ] Preveril sem, ali vsak predlog dejansko obstaja v zbirki.
- [ ] Dodal sem raznolikost, da bi razbil mehurček filtra.
- [ ] Uporabniško zgodovino branja/iskanja sem varoval, nisem je dal zunanjemu orodju.
- [ ] Za vsak predlog sem pripravil pregledno utemeljitev.
- [ ] Da bi se izognil pristranskosti zaradi priljubljenosti, sem pazil na manj znane in dragocene vire.