Добици:
- Способност да се направи разлика између приступа препорукама заснованог на садржају и приступу за сарадњу и спречи лажне изворе верификовањем сваке препоруке у правој колекцији
- Способност да се разбије филтер мехур са свесном разноврсношћу и изнесу сугестије са транспарентним оправдањима
- Заштита приватности читања и историје претраживања корисника и безбедна обрада ових података
Читалац би могао да пита: „Завршио сам ову књигу, шта да прочитам следеће?“ “, добар библиотекар препоручује ресурсе који одговарају његовом или њеном интересовању, нивоу и сврси. У дигиталном свету, системи препорука то раде у великом обиму: препоручују нове ресурсе гледајући раније интересе корисника или карактеристике ресурса. У овој јединици ћете научити како функционишу системи препорука засновани на вештачкој интелигенцији, шта доносе библиотеци и како да управљате ризицима као што су приватност, пристрасност и „филтерски мехур“.
Хајде да дефинишемо појмове. Препорука заснована на садржају разматра карактеристике извора (тема, аутор, жанр) и препоручује сличне изворе: „Ако вам се свидела ова историјска књига, можда ће вам се допасти и ова, која покрива исти период“. Колаборативно филтрирање функционише по принципу „и други корисници који су волели ресурсе попут вас такође су волели ове“. Филтерски балон је када систем препорука закључава корисника у стално сличан садржај и држи га подаље од нових, различитих перспектива. Добра препорука за библиотеку истовремено привлачи интересовање и разбија мехур.
Корак по корак: одговоран приступ саветима
1. Појасните сврху. Шта предлог има за циљ? Да ли желите да корисник настави да чита, прошири своје видике или пронађе ресурсе за одређено истраживачко питање? Сврха одређује врсту препоруке.
2. Проверите извор и аутентичност. АИ може да измисли непостојеће књиге када даје предлоге. Проверите да ли сваки предложени извор заиста постоји у колекцији или у поузданом каталогу.
3. Одржавајте разноликост. Препоруком само „најсличнијег“ ствара се филтер мехур. Свесно укључити различите перспективе, различите ауторе и различите нивое. Задатак библиотеке је да отвара видике, а не да их ограничава на екологију.
4. Заштитите приватност. Персонализована препорука користи историју читања корисника и изузетно је тачна. Немојте давати ове податке општим АИ алатима; Обрађивати само у оквиру сигурних система институције, уз сагласност корисника.
5. Будите транспарентни. Објасните кориснику зашто је дата препорука: „Овај ресурс је препоручен јер је везан за тему која вас занима.“ Транспарентност јача поверење и информатичку писменост.
Савет: Свесно додајте „мало другачији“ ресурс на листу предлога и наведите: „Они су близу области вашег интересовања; овај сам додао као освежење.“ Ово истовремено разбија облачић филтера и демонстрира вредност откривања библиотеке.
Етичка димензија предлога
Системи препорука изгледају невини, али стварају моћне ефекте. Који ресурси се препоручују кориснику обликују његов или њен информациони свет. Ако систем истиче само изворе који су популарни или само са одређене тачке гледишта, гласови мањина, различити погледи и мање познати вредни извори биће невидљиви. АИ може да појача овај тренд наслеђивањем популарности и предрасуда у подацима о обуци.
Овде долази до вредности библиотекарства: библиотека није механизам за комерцијалне препоруке; Његова мисија је да обезбеди једнак и разнолик приступ информацијама. Библиотекарева је одговорност да усклади систем препорука са овом вредношћу.
Пажња: Историја читања и претраживања корисника је један од најосетљивијих података о приватности. Оно што особа чита може открити информације о њеном здрављу, политичким ставовима, уверењима или личној кризи. Никада не преносите ове податке са њиховим идентитетом на спољне системе; Анонимизација и сагласност су неопходни.
три мини кофера
Случај 1 — Препорука заснована на садржају је успела. Школска библиотека је користила систем заснован на садржају да ученицима препоручи ресурсе који су слични књизи коју читају. Један ученик је завршио научнофантастични роман; Систем је препоручио три књиге које покривају исту тему, али од другог аутора. Студент је позајмио два; Навика читања се наставила. Библиотекарка је претходно потврдила да сви предлози заиста постоје у колекцији.
Случај 2 — Лажни предлог је ухваћен. Библиотекар је замолио АИ да препоручи 8 књига кориснику. Проверио је списак у каталогу: 3 од 8 књига су уопште недостајале; АИ је смислио уверљиве наслове. Корак верификације је спречио да непостојеће књиге буду препоручене кориснику.
Случај 3 — Пукао је балон филтера. Истраживач је стално радио са изворима са истом тачком гледишта, а систем је увек предлагао сличне. Библиотекар је намерно укључио два извора који су представљали супротан приступ теми и то јасно разјаснили. Тек захваљујући овим супротстављеним изворима, истраживач је схватио непотпуни аспект свог проучавања.
Хладан почетак и нови кориснички проблем
Добро познати изазов система за препоруке је проблем хладног покретања: систем не зна шта да препоручи новом кориснику или ресурс који је управо додат у колекцију за који не постоје историјски подаци. У овом случају, многи системи се окрећу најпопуларнијим ресурсима као безбедној опцији; То значи да се мало познати вредни ресурси уопште не препоручују и да се популарност храни сама од себе. У погледу библиотекарства, ово је у супротности са вредношћу једнаког приступа. Решење је да се новом кориснику постави кратко, јасно преференцијално питање (које теме, који ниво, која сврха) пре него што да препоруку и истакне новододате ресурсе на основу њихових карактеристика садржаја. У овом тренутку, анализом предмета и карактеристика ресурса, АИ може повезати чак и књигу која никада није била позајмљена са релевантним корисником; све док сугестија долази из праве збирке и буде проверена. Тако систем чини видљивим не само „веома вољене” већ и „релевантне и вредне”.
Савет: Када постављате препоруку за новог корисника, заснивајте је на тренутним потребама корисника, а не на историјским подацима система. Једно добро питање („да ли је ово за истраживање, из задовољства, у ком степену?“) често даје тачнију препоруку од вишемесечних података о понашању.
Четири шаблона за копирање
1) Препорука сличних ресурса заснована на садржају:
Испод је тема/резиме ресурса који се допао кориснику. Такође сам дао списак постојећих ресурса у нашој колекцији. Само са ове листе предложите 5 извора сличних теми и напишите оправдање од једне реченице за сваки. Предложени извори нису наведени. Омиљени извор: [овде] / Листа колекције: [овде]
2) Предлог који додаје разноликост:
На листу предлога у наставку додајте 2 ресурса који ће проширити видике корисника и понудити другачију перспективу или подтему (само са листе колекције коју сам дао). Објасните зашто су различити и вредни. Листа: [овде] / Колекција: [овде]
3) Објашњење разлога за препоруку:
За сваку препоруку у наставку напишите кратко, транспарентно образложење које се може показати кориснику: „Овај ресурс је препоручен зато што...“ Без претеривања, без импликације личних података. Предлози: [овде]
4) Претходна провера приватности:
Да ли следећи унос предлога садржи информације које идентификују корисника или осетљиве информације (инсинуирају здравље, уверења, политичке ставове)? Ако јесте, означите га и предложите како да га анонимизирате. Унос: [овде]
Слаби промпт / Јаки промпт
Слабо обавештење:
Препоручите 10 књига за читање овог корисника.
АИ генерише предлоге из своје глобалне меморије без познавања колекције; Уме да измишља књиге које не постоје и не поштује различитост и приватност.
Снажан упит:
Ваша улога: саветодавни асистент читаоца. Испод је тема која се допала кориснику и списак стварних извора у нашој колекцији. (1) Предложите 5 извора у вези са темом са листе. (2) Такође додајте 2 извора са различитим перспективама које ће вам отворити очи. (3) Напишите транспарентно образложење за сваки предлог. Немојте силазити са листе, фабриковати изворе или имплицирати личне податке. Тема: [овде] / Колекција: [овде]
Снажан промпт; ограничава га на стварно прикупљање, захтева разноликост и додаје оправдање и правило приватности.
Табела поређења типова препорука
Тип предлога
јака тачка
ризик
Дужност библиотекара
заснован на садржају
Добро привлачи пажњу
филтер мехур
Додајте разноликост
сараднички
изненађење откриће
Приватност, пристрасност популарности
Анонимност, баланс
АИ производна листа
брзо
измишљени извор
провери стварност
Уобичајене грешке
- Нудење предлога без провере. АИ може да створи непостојеће изворе.
- Само препоручујем "најсличније". Облачић филтера сужава видике корисника.
- Извоз историје читања у спољни алат. То су најосетљивији подаци приватности.
- Изношење предлога без оправдања. Транспарентност подржава поверење и писменост.
- Игнорисање пристрасности популарности. Губе се вредни, али мало познати ресурси.
Укратко
Системи препорука су моћни алати који олакшавају откривање хватањем интересовања корисника; Приступи засновани на садржају и сараднички носе различите предности и ризике. АИ је брз у генерисању предлога, али може да измисли непостојеће изворе, филтрира мехуриће и појача пристрасност. Посао библиотекара; Проверити сваки предлог у стварној колекцији, разбити мехур свесне разноликости, заштитити приватност корисника и одржати вредност једнаког и разноврсног приступа библиотеци изношењем предлога са транспарентним разлозима.
Задатак апликације
Припремите кратку листу чињеничних збирки (10-15 извора). Генеришите препоруку за корисника са шаблоном „препорука сличних ресурса заснованих на садржају“ и проверите да ли сви они заиста постоје на листи. Затим додајте изворе са различитим перспективама на листу помоћу шаблона „Предлог који додаје разноликост“. На крају, направите транспарентно објашњење за сваки предлог са шаблоном „Образложење образложења предлога“ и планирајте како ћете га представити кориснику.
контролна листа
- [ ] Проверио сам да сваки предлог заиста постоји у колекцији.
- [ ] Додао сам разноликост да разбијем филтер мехур.
- [ ] Чувао сам историју читања/претраживања корисника безбедном, нисам је дао спољном алату.
- [ ] За сваки предлог сам припремио транспарентно образложење.
- [ ] Да бих избегао пристрасност популарности, држао сам на оку мање познате и вредне изворе.