Kazanimlar:
- Gerçek künye bilgisinden MARC ve Dublin Core gibi standartlara uygun taslak meta veri ürettirip kataloglama süresini kısaltabilme
- Yayın yılı, ISBN, yazar adı gibi uydurma riski yüksek alanları asıl kaynakla doğrulayıp konu terimlerini kontrollü söz varlığından eşleyebilme
- Otorite kontrolüyle yazar ve konu biçimlerini tek onaylı hale getirip katalog tutarlılığını koruyabilme
Kataloglama, kütüphaneciliğin görünmeyen ama en temel işidir. Bir kaynağın (kitap, makale, harita, ses kaydı, dijital dosya) bulunabilir olması, doğru meta veri ile mümkündür. Meta veri, "veri hakkında veri" demektir: bir kaynağın başlığını, yazarını, yayın yılını, konusunu, dilini ve fiziksel niteliklerini tanımlayan yapılandırılmış bilgidir. Meta veri iyi ise kullanıcı kaynağı bulur; kötü ya da eksikse, kaynak var olsa bile kayıptır. Bu ünitede yapay zekayı taslak meta veri üretiminde nasıl kullanacağınızı, ama standartlara uygunluğu ve doğruluğu nasıl güvence altına alacağınızı öğreneceksiniz.
Önce iki kavramı tanımlayalım. MARC (Machine-Readable Cataloging — makine tarafından okunabilir kataloglama), kütüphanelerin onlarca yıldır kullandığı, her bilgi parçasını numaralı alanlara yerleştiren bir kayıt formatıdır; örneğin 245 alanı başlığı, 100 alanı ana yazarı tutar. Dublin Core, dijital kaynaklar için sadeleştirilmiş, 15 temel alandan (başlık, yaratıcı, konu, tarih, tür vb.) oluşan bir meta veri standardıdır. Bu standartlar, farklı kütüphanelerin kayıtlarının birbiriyle konuşabilmesini sağlar.
Adım adım: yapay zeka ile taslak meta veri üretmek
1. Kaynağın künye bilgisini topla. Kitabın kapağı, künye sayfası, içindekiler ya da bir dijital dosyanın metni. YZ ancak kendisine verdiğiniz bilgiden çalışır; eksik bilgi verirseniz eksik ya da uydurma meta veri üretir.
2. Hedef standardı belirt. YZ'ye "Dublin Core alanlarına göre" ya da "MARC 245, 100, 260, 650 alanlarına göre" gibi net bir hedef söyleyin. Standart belirtmezseniz gelişigüzel bir biçim üretir.
3. Taslağı üret. YZ, verdiğiniz bilgiden başlık, sorumluluk bildirimi, yayın bilgisi ve konu önerisi taslağını çıkarır.
4. Otorite kontrolü uygula. Otorite kaydı, bir yazar adının, kurumun ya da konunun tek ve standart biçimini belirleyen kayıttır (örneğin "Atatürk, Mustafa Kemal, 1881-1938"). YZ bir ismi farklı biçimlerde yazabilir; onaylı otorite biçimini siz kontrol edip düzeltirsiniz.
5. Doğrula ve onayla. Her alanı asıl kaynakla karşılaştırın. Özellikle yayın yılı, ISBN ve yazar adı gibi kesin bilgiler YZ tarafından uydurulmaya çok müsaittir.
İpucu: YZ'ye kaynağın gerçek künye sayfasının fotoğrafını ya da metnini verin; "kitabın adından tahmin et" demeyin. Tahmine dayalı meta veri, katalogun güvenilirliğini bozar. YZ tahmin ederken emin bir dille yazar ve bu sizi yanıltır.
Kontrollü söz varlığı ve tutarlılık
Kataloglamada tutarlılık her şeydir. Aynı konu iki farklı kayıtta iki farklı terimle yazılırsa, kullanıcı birini bulur diğerini kaçırır. Bu yüzden kütüphaneler kontrollü söz varlığı (controlled vocabulary — onaylı, standart terimler listesi) kullanır. YZ, serbest metinden terim önerirken bu listedeki resmî terimi değil, günlük dildeki karşılığını seçebilir. Örneğin YZ "kalp krizi" yazabilir; oysa onaylı terim "miyokart enfarktüsü" olabilir.
Çözüm, YZ'ye kontrollü söz varlığını vermek ve "yalnızca bu listeden seç" demektir. Böylece YZ serbestçe terim uydurmak yerine, onaylı listeden en uygununu eşler.
Dikkat: YZ'nin önerdiği bir konu terimi kontrollü söz varlığında yoksa, o terimi kataloga eklemeyin. Yeni terim ekleme kararı, otorite yönetiminden sorumlu uzmanın işidir; gelişigüzel terim eklemek katalogun tutarlılığını bozar.
Üç mini vaka
Vaka 1 — Bağış koleksiyonu hızlandı. Bir halk kütüphanesi 1.200 kitaplık bir bağış aldı. Kataloglama uzmanı, her kitabın künye sayfasını YZ'ye okutup Dublin Core taslağı ürettirdi; kayıt başına süre 9 dakikadan 3,5 dakikaya indi. Uzman kalan zamanı otorite kontrolü ve doğrulamaya ayırdı; toplam süre yaklaşık %55 azaldı ama hiçbir kayıt doğrulanmadan sisteme girmedi.
Vaka 2 — Uydurma ISBN yakalandı. Bir uzman, YZ'ye 30 kitabın taslağını ürettirdi. Kontrol sırasında 4 kayıtta ISBN'in uydurma olduğunu gördü: YZ, kitabın gerçek numarasını bilmediği halde makul görünen bir 13 haneli numara yazmıştı. Doğrulama adımı, katalogda dört yanlış ISBN'in kalıcı hale gelmesini önledi.
Vaka 3 — Otorite tutarsızlığı düzeltildi. Bir kütüphane, bir yazarı bazı kayıtlarda "J. Smith", bazılarında "John Smith", bazılarında "Smith, John" olarak buldu. YZ, otorite dosyasıyla eşleştirilerek tüm kayıtları tek onaylı biçime ("Smith, John, 1965-") getirdi; bu iş elle yapılsaydı günler alacaktı, YZ önerisiyle birkaç saate indi ama her eşleşme uzmanca onaylandı.
Retrospektif dönüşüm ve eski kayıtlar
Birçok kütüphanenin elinde, yıllar önce farklı kurallarla girilmiş, eksik ya da eski standartlarda kayıtlar bulunur. Bunların güncel standarda taşınmasına retrospektif dönüşüm denir ve elle yapıldığında çok zahmetlidir. YZ, eski bir kaydı okuyup güncel alan yapısına taşıma taslağı üretebilir: örneğin serbest metin bir künyeyi ayrıştırıp doğru alanlara dağıtabilir. Ancak burada iki tehlike vardır. Birincisi, YZ eksik bilgiyi "tamamlamak" için uydurabilir; ikincisi, eski kayıttaki bir hatayı düzeltmek yerine yeni bir biçime kopyalayarak sürdürebilir. Bu yüzden retrospektif dönüşümde YZ'nin çıktısı, örnekleme yoluyla değil, kritik alanlar (yazar, yıl, tanımlayıcı numaralar) bazında sistematik olarak kontrol edilmelidir. İyi bir uygulama, dönüşüm öncesi ve sonrası kayıtları yan yana gösterip her değişikliği görünür kılmaktır; böylece uzman neyin taşındığını, neyin değiştiğini ve neyin uydurulmuş olabileceğini tek bakışta görebilir.
Dikkat: YZ'nin ürettiği taslak meta veri, sisteme toplu (batch) olarak, tek tek gözden geçirilmeden aktarılmamalıdır. Toplu bir hata, yüzlerce kaydı aynı anda bozar ve geri almak, üretmekten çok daha zahmetlidir. Küçük partiler halinde üretip doğrulamak en güvenli yoldur.
Dört kopyalanabilir şablon
1) Dublin Core taslağı:
Rolün: kataloglama uzmanı asistanı. Aşağıdaki künye metnindenDublin Core alanlarını doldur: Başlık, Yaratıcı, Konu, Tanım,Yayıncı, Tarih, Tür, Biçim, Dil. Yalnızca metinde açıkça olanbilgiyi kullan; olmayan alanı "[bilgi yok]" bırak, tahmin etme.Künye metni: [buraya]
2) MARC alan taslağı:
Aşağıdaki kitap bilgisinden şu MARC alanları için taslak öner:245 (başlık/sorumluluk), 100 (ana yazar), 260/264 (yayın),300 (fiziksel tanım), 650 (konu). Emin olmadığın her alanı"[doğrulanmalı]" işaretle. Bilgi: [buraya]
3) Kontrollü söz varlığından konu eşleme:
Aşağıda bir kaynağın özeti ve bir de onaylı konu terimlerilistesi var. Kaynağa yalnızca listeden en uygun 3-5 terimi eşle.Listede uygun terim yoksa "listede uygun terim yok" yaz, yeniterim uydurma. Özet: [buraya] / Terim listesi: [buraya]
4) Otorite biçimi kontrolü:
Aşağıdaki yazar adlarını, verdiğim otorite listesindeki onaylıbiçimlerle eşleştir. Her ad için: kayıttaki biçim -> onaylı biçim.Listede karşılığı yoksa "otorite kaydı yok" yaz. Adlar: [buraya] / Otorite listesi: [buraya]
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Şu kitabın kataloglama bilgisini çıkar: "Yapay Zeka ve Toplum".
Yalnızca başlık verilmiş; YZ yazarı, yılı, yayıncıyı ve ISBN'i uydurmak zorunda kalır. Hedef standart da yok. Sonuç: inandırıcı ama büyük olasılıkla yanlış bir kayıt.
Güçlü prompt:
Rolün: kataloglama uzmanı asistanı. Aşağıda kitabın künyesayfasının tam metni var. Bundan Dublin Core alanlarını doldur.Yalnızca metinde açıkça yazan bilgiyi kullan; metinde olmayanalanı boş bırak ve "[bilgi yok]" yaz. Hiçbir tarih, isim veyaISBN uydurma. Künye metni: [tam metin buraya]
Güçlü prompt, YZ'yi gerçek künye bilgisiyle sınırlar ve boşlukları uydurmak yerine dürüstçe boş bırakmasını sağlar.
Meta veri alanı ve doğrulama tablosu
Alan
Uydurma riski
Nasıl doğrulanır
Başlık
Düşük
Künye sayfasıyla karşılaştır
Yazar / otorite biçimi
Orta
Otorite dosyasında ara
Yayın yılı
Yüksek
Künye/kolofonla teyit et
ISBN
Çok yüksek
Barkod/kaynakla birebir kontrol
Konu terimi
Yüksek
Kontrollü söz varlığında eşle
Sık yapılan hatalar
- Yalnızca başlıktan meta veri istemek. Eksik bilgi, YZ'yi uydurmaya iter.
- Hedef standardı belirtmemek. Gelişigüzel biçim, kayıtların birbiriyle uyumunu bozar.
- ISBN ve yılı doğrulamadan kabul etmek. Bu alanlar en yüksek uydurma riskini taşır.
- Konu terimini kontrollü söz varlığı dışından almak. Tutarlılık ve bulunabilirlik bozulur.
- Otorite kontrolünü atlamak. Aynı yazar farklı biçimlerde dağılır, kullanıcı kaynağı kaçırır.
Özetle
Meta veri üretiminde YZ, künye bilgisinden hızlı taslak çıkaran güçlü bir asistandır ve kataloglama süresini ciddi biçimde kısaltır. Ama üretkenliğin bedeli, uydurma risklerine karşı sıkı doğrulamadır: hedef standardı (MARC, Dublin Core) net verin, YZ'yi yalnızca gerçek künye bilgisiyle çalıştırın, konu terimlerini kontrollü söz varlığından eşleyin ve otorite biçimlerini onaylayın. YZ boşlukları uydurmak yerine dürüstçe boş bıraksın; son onay sizde kalsın.
Uygulama görevi
Elinizdeki gerçek bir kitabın künye sayfasının metnini "Dublin Core taslağı" şablonuyla YZ'ye verin ve taslak alın. Sonra aynı kitabı yalnızca başlıkla ("Zayıf prompt") ürettirin ve iki çıktıyı karşılaştırın: hangi alanlar uydurulmuş? Ardından "Kontrollü söz varlığından konu eşleme" şablonuyla, kısa bir onaylı terim listesi vererek konu eşlemesi yaptırın ve YZ'nin liste dışına çıkıp çıkmadığını kontrol edin.
Kontrol listesi
- [ ] Kaynağın gerçek künye bilgisini YZ'ye verdim, tahmine bırakmadım.
- [ ] Hedef meta veri standardını (MARC/Dublin Core) net belirttim.
- [ ] Yayın yılı ve ISBN'i asıl kaynakla birebir doğruladım.
- [ ] Konu terimlerini kontrollü söz varlığından eşledim.
- [ ] Otorite biçimlerini onaylanmış kayıtla teyit ettim.