Fitimet:
- Aftësia për të dalluar midis qasjeve të rekomandimeve të bazuara në përmbajtje dhe atyre bashkëpunuese dhe për të parandaluar burimet e rreme duke verifikuar çdo rekomandim në koleksionin real
- Aftësia për të thyer flluskën e filtrit me diversitet të ndërgjegjshëm dhe për të paraqitur sugjerime me justifikime transparente
- Mbrojtja e privatësisë së historisë së leximit dhe kërkimit të përdoruesit dhe përpunimi i këtyre të dhënave në mënyrë të sigurt
Një lexues mund të pyesë "E mbarova këtë libër, çfarë duhet të lexoj më pas?" ', një bibliotekar i mirë rekomandon burime të përshtatshme për interesin, nivelin dhe qëllimin e tij/saj. Në botën dixhitale, sistemet e rekomandimeve e bëjnë këtë në shkallë: ata rekomandojnë burime të reja duke parë interesin e kaluar të një përdoruesi ose karakteristikat e një burimi. Në këtë njësi, do të mësoni se si funksionojnë sistemet e rekomandimeve të bazuara në inteligjencën artificiale, çfarë sjellin ato në bibliotekë dhe si të menaxhoni rreziqe të tilla si privatësia, paragjykimi dhe "flluska e filtrit".
Le të përcaktojmë konceptet. Rekomandimi i bazuar në përmbajtje shikon karakteristikat e një burimi (temë, autor, zhanër) dhe rekomandon burime të ngjashme: "Nëse ju pëlqeu ky libër historie, mund t'ju pëlqejë edhe ky, i cili mbulon të njëjtën periudhë." Filtrimi bashkëpunues funksionon në parimin e "përdoruesve të tjerë që pëlqyen burime si ju i pëlqyen edhe këto". Një flluskë filtri është kur një sistem rekomandimi e mbyll përdoruesin në përmbajtje vazhdimisht të ngjashme dhe i mban ata larg këndvështrimeve të reja, të ndryshme. Një rekomandim i mirë i bibliotekës tërheq interesin dhe thyen flluskën.
Hap pas hapi: një qasje e përgjegjshme këshillimi
1. Sqaroni qëllimin. Çfarë synon propozimi? Dëshironi që përdoruesi të vazhdojë të lexojë, të zgjerojë horizontet e tij ose të gjejë burime për një pyetje specifike kërkimore? Qëllimi përcakton llojin e rekomandimit.
2. Verifikoni burimin dhe autenticitetin. Inteligjenca artificiale mund të krijojë libra që nuk ekzistojnë kur bën sugjerime. Verifikoni që çdo burim i sugjeruar ekziston në të vërtetë në koleksion ose në një katalog të besueshëm.
3. Ruani diversitetin. Rekomandimi vetëm "më i ngjashëm" krijon një flluskë filtri. Përfshini me vetëdije këndvështrime të ndryshme, autorë të ndryshëm dhe nivele të ndryshme. Detyra e bibliotekës është të hapë horizonte, jo t'i kufizojë ato në ekologji.
4. Mbroni privatësinë. Rekomandimi i personalizuar përdor historikun e leximit të përdoruesit dhe është jashtëzakonisht i saktë. Mos i jepni këto të dhëna mjeteve të përgjithshme të AI; Procedoni vetëm brenda sistemeve të sigurta të institucionit, me pëlqimin e përdoruesit.
5. Jini transparent. Shpjegojini përdoruesit pse është bërë rekomandimi: "Ky burim u rekomandua sepse lidhet me temën që ju intereson." Transparenca forcon besimin dhe edukimin informativ.
Këshillë: Shtoni me vetëdije një burim "pak të ndryshëm" në listën e sugjerimeve dhe thoni: "Këto janë afër zonës suaj të interesit; e shtova këtë si rifreskim". Kjo njëkohësisht thyen flluskën e filtrit dhe demonstron vlerën e zbulimit të bibliotekës.
Dimensioni etik i propozimit
Sistemet e rekomandimeve duken të pafajshme, por krijojnë efekte të fuqishme. Cilat burime i rekomandohen një përdoruesi formëson botën e tij ose të saj të informacionit. Nëse sistemi thekson vetëm burimet që janë të njohura ose vetëm nga një këndvështrim i caktuar, zërat e pakicave, pikëpamjet e ndryshme dhe burimet e vlefshme më pak të njohura do të jenë të padukshme. AI mund ta përforcojë këtë prirje duke trashëguar popullaritetin dhe paragjykimet në të dhënat e trajnimit.
Këtu hyn vlera e bibliotekarisë: biblioteka nuk është një motor rekomandimi komercial; Misioni i tij është të sigurojë akses të barabartë dhe të larmishëm në informacion. Është përgjegjësi e bibliotekarit të përafrojë sistemin e rekomandimeve me këtë vlerë.
Kujdes: Historia e leximit dhe kërkimit të përdoruesit është një nga të dhënat më të ndjeshme të privatësisë. Ajo që një person lexon mund të zbulojë informacione për shëndetin e tij/saj, pikëpamjet politike, bindjet ose krizën personale. Asnjëherë mos i transferoni këto të dhëna me identitetin e tyre në sisteme të jashtme; Anonimizimi dhe pëlqimi janë thelbësore.
tre mini kuti
Rasti 1 — Rekomandimi i bazuar në përmbajtje funksionoi. Një bibliotekë shkollore përdori një sistem të bazuar në përmbajtje për t'u rekomanduar nxënësve burime që ishin të ngjashme me librin që po lexonin. Një student mbaroi një roman fantastiko-shkencor; Sistemi rekomandoi tre libra që mbulonin të njëjtën temë, por nga një autor tjetër. Studenti huazoi dy; Zakoni i të lexuarit vazhdoi. Bibliotekarja kishte konfirmuar më parë se të gjitha sugjerimet ekzistonin në të vërtetë në koleksion.
Rasti 2 - U kap sugjerimi i rremë. Një bibliotekar i kërkoi një AI që t'i rekomandonte 8 libra një përdoruesi. Ai kontrolloi listën në katalog: 3 nga 8 libra mungonin fare; AI kishte krijuar tituj të besueshëm. Hapi i verifikimit parandaloi që librat që nuk ekzistonin t'i rekomandoheshin përdoruesit.
Rasti 3 - Tullumbace filtri u këput. Një studiues punonte vazhdimisht me burime me të njëjtin këndvështrim dhe sistemi gjithmonë sugjeronte të ngjashme. Bibliotekari përfshiu qëllimisht dy burime që paraqisnin një qasje të kundërt ndaj temës dhe e bënë të qartë këtë. Vetëm falë këtyre burimeve të kundërta studiuesi kuptoi aspektin jo të plotë të studimit të tij.
Fillimi i ftohtë dhe problemi i përdoruesit të ri
Një sfidë e njohur e sistemeve rekomanduese është problemi i fillimit të ftohtë: sistemi nuk di çfarë t'i rekomandojë një përdoruesi të ri ose një burimi që sapo është shtuar në koleksion për të cilin nuk ka të dhëna historike. Në këtë rast, shumë sisteme i drejtohen burimeve më të njohura si opsioni i sigurt; Kjo do të thotë që burimet e vlefshme pak të njohura nuk rekomandohen fare dhe popullariteti ushqehet vetë. Në aspektin bibliotekar, kjo bie ndesh me vlerën e aksesit të barabartë. Zgjidhja është t'i bëni përdoruesit e ri një pyetje të shkurtër dhe të qartë preference (cilat tema, cili nivel, cili qëllim) përpara se të bëni një rekomandim dhe të nënvizoni burimet e reja të shtuara bazuar në karakteristikat e tyre të përmbajtjes. Në këtë pikë, duke analizuar subjektin dhe veçoritë e një burimi, AI mund të lidhë edhe një libër që nuk është huazuar kurrë me përdoruesin përkatës; përderisa sugjerimi vjen nga koleksioni real dhe verifikohet. Kështu, sistemi bën të dukshme jo vetëm "shumë të dashur", por edhe "të rëndësishme dhe të vlefshme".
Këshillë: Kur vendosni një rekomandim për një përdorues të ri, bazoni atë në nevojat aktuale të përdoruesit dhe jo në të dhënat historike të sistemit. Një pyetje e mirë (“a është kjo për kërkime, për kënaqësi, deri në çfarë shkalle?”) shpesh prodhon një rekomandim më të saktë sesa të dhënat e sjelljes me muaj.
Katër shabllone të kopjueshëm
1) Rekomandim për burime të ngjashme të bazuara në përmbajtje:
Më poshtë është subjekti/përmbledhja e një burimi që i pëlqeu një përdoruesi. Unë kam dhënë gjithashtu një listë të burimeve ekzistuese në koleksionin tonë. Vetëm nga kjo listë, sugjeroni 5 burime të ngjashme me temën dhe shkruani një justifikim me një fjali për secilën. Burimet sugjeruese nuk janë të listuara. Burimi i preferuar: [këtu] / Lista e koleksioneve: [këtu]
2) Sugjerim që shton shumëllojshmëri:
Në listën e sugjerimeve më poshtë, shtoni 2 burime që do të zgjerojnë horizontet e përdoruesit dhe do të ofrojnë një këndvështrim ose nëntemë të ndryshme (vetëm nga lista e koleksioneve që ofrova). Shpjegoni pse ato janë të ndryshme dhe të vlefshme. Lista: [këtu] / Koleksioni: [këtu]
3) Shpjegimi i arsyes së rekomandimit:
Për secilin rekomandim më poshtë, shkruani një justifikim të shkurtër, transparent që mund t'i tregohet përdoruesit: "Ky burim u rekomandua sepse..." Asnjë ekzagjerim, pa nënkuptim të të dhënave personale. Sugjerime: [këtu]
4) Kontrolli paraprak i privatësisë:
A përmban sugjerimi i mëposhtëm informacion identifikues ose i ndjeshëm ndaj përdoruesit (duke nënkuptuar shëndetin, besimet, pikëpamjet politike)? Nëse po, shënojeni dhe sugjeroni se si ta anonimizoni atë. Hyrja: [këtu]
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Rekomandoni 10 libra që ky përdorues të lexojë.
AI gjeneron sugjerime nga kujtesa e saj globale pa e ditur koleksionin; Ai mund të sajojë libra që nuk ekzistojnë dhe nuk respekton diversitetin dhe privatësinë.
Njoftim i fuqishëm:
Roli juaj: asistent këshillues lexues. Më poshtë është tema që i pëlqeu përdoruesit dhe lista e burimeve reale në koleksionin tonë. (1) Sugjeroni 5 burime në lidhje me temën nga lista. (2) Shtoni gjithashtu 2 burime me këndvështrime të ndryshme që do t'ju hapin sytë. (3) Shkruani një arsyetim transparent për çdo sugjerim. Mos dilni nga lista, mos fabrikoni burime ose mos nënkuptoni të dhëna personale. Tema: [këtu] / Koleksioni: [këtu]
Prompt i fuqishëm; e kufizon atë në koleksionin aktual, kërkon diversitet dhe shton justifikimin dhe rregullin e privatësisë.
Tabela e krahasimit të llojit të rekomandimeve
Lloji i sugjerimit
pikë e fortë
rreziku
Detyra e bibliotekarit
bazuar në përmbajtje
E tërheq mirë vëmendjen
flluskë filtri
Shtoni shumëllojshmëri
bashkëpunuese
zbulim befasues
Privatësia, paragjykimi i popullaritetit
Anonimiteti, ekuilibri
Lista e prodhimit të AI
shpejtë
burim i krijuar
verifikuar realitetin
Gabimet e zakonshme
- Ofrimi i sugjerimeve pa verifikim. AI mund të krijojë burime joekzistente.
- Vetëm duke rekomanduar "më të ngjashme". Flluska e filtrit ngushton horizontet e përdoruesit.
- Eksportimi i historisë së leximit në një mjet të jashtëm. Janë të dhënat më të ndjeshme të privatësisë.
- Paraqitja e sugjerimit pa arsyetim. Transparenca mbështet besimin dhe shkrim-leximin.
- Injorimi i paragjykimeve të popullaritetit. Burimet e vlefshme por pak të njohura humbasin.
Në përmbledhje
Sistemet e rekomandimeve janë mjete të fuqishme që lehtësojnë zbulimin duke kapur interesin e përdoruesit; Qasjet e bazuara në përmbajtje dhe ato bashkëpunuese mbartin fuqi dhe rreziqe të ndryshme. AI është i shpejtë në gjenerimin e sugjerimeve, por mund të shpikë burime jo-ekzistente, duke filtruar flluska dhe duke përforcuar paragjykimet. Puna e bibliotekarit; Për të verifikuar çdo sugjerim në koleksionin real, për të thyer flluskën me diversitet të ndërgjegjshëm, për të mbrojtur privatësinë e përdoruesit dhe për të ruajtur vlerën e aksesit të barabartë dhe të larmishëm të bibliotekës duke paraqitur sugjerime me arsye transparente.
Detyra e aplikimit
Përgatitni një listë të shkurtër të koleksioneve faktike (10-15 burime). Krijo një rekomandim për një përdorues me shabllonin "rekomandim për burime të ngjashme të bazuara në përmbajtje" dhe verifiko që të gjitha ekzistojnë në listë. Më pas, shtoni burime me këndvështrime të ndryshme në listë me shabllonin "Sugjerim që shton diversitet". Së fundi, krijoni një shpjegim transparent për çdo sugjerim me shabllonin "Sugjerimi i arsyetimit të shpjegimit" dhe planifikoni se si do ta paraqisni atë tek përdoruesi.
listë kontrolli
- [ ] Kam verifikuar që çdo sugjerim ekziston në të vërtetë në koleksion.
- [ ] Shtova shumëllojshmëri për të thyer flluskën e filtrit.
- [ ] E mbajta të sigurt historinë e leximit/kërkimit të përdoruesit, nuk ia dhashë një mjeti të jashtëm.
- [ ] Unë kam përgatitur një arsyetim transparent për çdo sugjerim.
- [ ] Për të shmangur paragjykimet e popullaritetit, mbajta një sy në burime më pak të njohura dhe të vlefshme.