فائدہ:
- اصلی امپرنٹ کی معلومات سے MARC اور Dublin Core جیسے معیارات کے مطابق مسودہ میٹا ڈیٹا تیار کرکے کیٹلاگنگ کے وقت کو کم کرنے کی صلاحیت
- من گھڑت کے زیادہ خطرے کے ساتھ فیلڈز کی تصدیق کرنے کی اہلیت، جیسے اشاعت کا سال، ISBN، مصنف کا نام، اصل ماخذ کے ساتھ اور کنٹرول شدہ الفاظ سے نقشہ کے مضامین کی اصطلاحات
- اتھارٹی کنٹرول کے ساتھ مصنف اور مضمون کے فارمیٹس کو واحد منظور شدہ بنانے اور کیٹلاگ کی مستقل مزاجی کو برقرار رکھنے کی اہلیت
کیٹلاگنگ لائبریرین شپ کا پوشیدہ لیکن سب سے بنیادی کام ہے۔ کسی وسائل کی دریافت (کتاب، مضمون، نقشہ، ساؤنڈ ریکارڈنگ، ڈیجیٹل فائل) درست میٹا ڈیٹا سے ممکن ہے۔ میٹا ڈیٹا کا مطلب ہے "ڈیٹا کے بارے میں ڈیٹا": ساختی معلومات جو وسائل کے عنوان، مصنف، اشاعت کا سال، موضوع، زبان، اور جسمانی صفات کو بیان کرتی ہے۔ اگر میٹا ڈیٹا اچھا ہے، تو صارف کو وسیلہ مل جاتا ہے۔ اگر یہ خراب یا نامکمل ہے تو وسائل ضائع ہو جاتے ہیں چاہے وہ موجود ہو۔ اس یونٹ میں آپ یہ سیکھیں گے کہ ڈرافٹ میٹا ڈیٹا جنریشن میں مصنوعی ذہانت کا استعمال کیسے کیا جائے، لیکن معیارات کی تعمیل اور درستگی کو کیسے یقینی بنایا جائے۔
آئیے پہلے دو تصورات کی وضاحت کرتے ہیں۔ MARC (مشین ریڈ ایبل کیٹلاگنگ) ایک ریکارڈ فارمیٹ ہے جسے لائبریریاں کئی دہائیوں سے استعمال کر رہی ہیں جو معلومات کے ہر ٹکڑے کو نمبر والے شعبوں میں رکھتی ہے۔ مثال کے طور پر، فیلڈ 245 میں عنوان ہے اور فیلڈ 100 میں مرکزی مصنف ہے۔ ڈبلن کور ڈیجیٹل وسائل کے لیے ایک آسان میٹا ڈیٹا کا معیار ہے، جس میں 15 بنیادی فیلڈز (عنوان، تخلیق کار، موضوع، تاریخ، نوع وغیرہ) شامل ہیں۔ یہ معیار اس بات کو یقینی بناتے ہیں کہ مختلف لائبریریوں کے ریکارڈ ایک دوسرے سے بات کر سکتے ہیں۔
مرحلہ وار: مصنوعی ذہانت کے ساتھ ڈرافٹ میٹا ڈیٹا تیار کرنا
1. ماخذ کی شناخت کی معلومات جمع کریں۔ کتاب کا سرورق، عنوان کا صفحہ، مواد یا ڈیجیٹل فائل کا متن۔ AI صرف آپ کی دی گئی معلومات سے کام کرتا ہے۔ اگر آپ نامکمل معلومات فراہم کرتے ہیں، تو یہ نامکمل یا من گھڑت میٹا ڈیٹا تیار کرتا ہے۔
2. ہدف کے معیار کی وضاحت کریں۔ اے آئی کو ایک واضح ہدف دیں، جیسے کہ "بذریعہ ڈبلن کور فیلڈز" یا "بذریعہ MARC 245، 100، 260، 650 فیلڈز۔" اگر آپ کسی معیار کی وضاحت نہیں کرتے ہیں، تو یہ ایک صوابدیدی شکل پیدا کرتا ہے۔
3. مسودہ تیار کریں۔ AI آپ کی فراہم کردہ معلومات سے عنوان، ذمہ داری کا بیان، اشاعت کی معلومات، اور موضوع کی تجویز کا مسودہ تیار کرتا ہے۔
4. اتھارٹی کنٹرول کی مشق کریں۔ ایک مستند ریکارڈ وہ ہوتا ہے جو مصنف کے نام، ادارے، یا مضمون کی واحد، معیاری شکل قائم کرتا ہے (مثلاً، "اتاترک، مصطفی کمال، 1881-1938")۔ AI مختلف طریقوں سے نام لکھ سکتا ہے۔ آپ منظور شدہ اتھارٹی فارمیٹ کو چیک کریں اور درست کریں۔
5. تصدیق اور تصدیق کریں۔ ہر فیلڈ کا اصل ماخذ سے موازنہ کریں۔ خاص طور پر، درست معلومات جیسے اشاعت کا سال، ISBN اور مصنف کا نام AI کے ذریعے جعلی ہونے کا بہت زیادہ خطرہ ہے۔
اشارہ: AI کو ماخذ کے اصل کریڈٹ پیج کی تصویر یا متن دیں؛ "کتاب کے نام کا اندازہ لگائیں" نہ کہیں۔ پیش گوئی کرنے والا میٹا ڈیٹا کیٹلاگ کی وشوسنییتا کو کمزور کرتا ہے۔ AI پیشن گوئی کرتے وقت اعتماد سے لکھتا ہے، اور یہ آپ کو گمراہ کر دے گا۔
کنٹرول شدہ الفاظ اور مستقل مزاجی۔
کیٹلاگ میں مستقل مزاجی سب کچھ ہے۔ اگر ایک ہی موضوع کو دو مختلف ریکارڈوں میں دو مختلف اصطلاحات کے ساتھ لکھا جائے تو صارف ایک کو تلاش کرے گا اور دوسری کو یاد کرے گا۔ یہی وجہ ہے کہ لائبریریاں ایک کنٹرول شدہ الفاظ استعمال کرتی ہیں — ایک منظور شدہ، معیاری اصطلاحات کی فہرست۔ مفت متن سے اصطلاحات تجویز کرتے وقت، AI اس فہرست میں سرکاری اصطلاح کے بجائے اپنی بول چال کے مساوی انتخاب کر سکتا ہے۔ مثال کے طور پر، AI لکھ سکتا ہے "ہارٹ اٹیک"؛ جبکہ منظور شدہ اصطلاح "myocardial infarction" ہو سکتی ہے۔
اس کا حل یہ ہے کہ AI کو کنٹرول شدہ ذخیرہ الفاظ دیے جائیں اور "صرف اس فہرست سے منتخب کریں" کہیں۔ لہذا آزادانہ طور پر شرائط بنانے کے بجائے، AI منظور شدہ فہرست میں سے سب سے زیادہ موزوں سے میل کھاتا ہے۔
احتیاط: اگر AI کے ذریعہ تجویز کردہ مضمون کی اصطلاح کنٹرول شدہ الفاظ میں نہیں ہے، تو اس اصطلاح کو کیٹلاگ میں شامل نہ کریں۔ نئی شرائط شامل کرنے کا فیصلہ اتھارٹی کے انتظام کے ذمہ دار ماہر پر منحصر ہے۔ صوابدیدی اصطلاحات شامل کرنے سے کیٹلاگ کی مستقل مزاجی میں خلل پڑتا ہے۔
تین چھوٹے مقدمات
کیس 1 - عطیہ جمع کرنے میں تیزی آئی۔ ایک پبلک لائبریری کو 1,200 کتابوں کا عطیہ ملا۔ کیٹلاگ کرنے والے ماہر نے AI کو ہر کتاب کا امپرنٹ صفحہ پڑھا اور ڈبلن کور کا مسودہ تیار کیا۔ فی ریکارڈنگ کا وقت 9 منٹ سے کم ہو کر 3.5 منٹ ہو گیا۔ ماہر نے باقی وقت اتھارٹی کی جانچ اور تصدیق کے لیے وقف کر دیا۔ کل وقت میں تقریباً 55% کی کمی ہوئی، لیکن کوئی ریکارڈ تصدیق کیے بغیر سسٹم میں داخل نہیں ہوا۔
کیس 2 - جعلی ISBN پکڑا گیا۔ ایک ماہر نے 30 کتابوں کے مسودے تیار کیے تھے۔ چیک کے دوران، اس نے پایا کہ 4 ریکارڈز میں ISBN جعلی تھا: AI نے 13 ہندسوں کا نمبر لکھا تھا جو مناسب معلوم ہوتا تھا، حالانکہ اسے کتاب کا اصل نمبر معلوم نہیں تھا۔ تصدیقی مرحلے نے چار غلط ISBNs کو کیٹلاگ میں مستقل بننے سے روک دیا۔
کیس 3 - اتھارٹی کی عدم مطابقت کو درست کیا گیا۔ ایک لائبریری کو کچھ ریکارڈز میں "J. Smith"، دوسروں میں "John Smith"، دوسروں میں "Smith, John" کے نام سے ایک مصنف ملا۔ AI کو اتھارٹی فائل سے ملایا گیا، تمام ریکارڈز کو ایک منظور شدہ فارمیٹ میں لایا گیا ("Smith, John, 1965-")؛ اگر یہ کام دستی طور پر کیا جاتا تو اس میں دن لگتے لیکن اے آئی کی تجویز سے اسے کم کر کے چند گھنٹے کر دیا گیا تاہم ہر میچ کو ماہر نے منظور کیا۔
سابقہ تبدیلی اور پرانے ریکارڈ
بہت سی لائبریریوں میں نامکمل یا فرسودہ ریکارڈز ہیں جو برسوں پہلے مختلف قواعد کے ساتھ درج کیے گئے تھے۔ ان کو موجودہ معیار پر منتقل کرنا ریٹرو اسپیکٹیو کنورژن کہلاتا ہے اور جب دستی طور پر کیا جائے تو یہ بہت محنت طلب ہے۔ AI ایک پرانے ریکارڈ کو پڑھ سکتا ہے اور اسے موجودہ فیلڈ ڈھانچے میں منتقل کرنے کے لیے ایک مسودہ تیار کر سکتا ہے: مثال کے طور پر، یہ فری ٹیکسٹ اقتباس کو پارس کر کے اسے صحیح فیلڈز میں تقسیم کر سکتا ہے۔ تاہم، یہاں دو خطرات ہیں۔ سب سے پہلے، AI گمشدہ معلومات کو "میک اپ" کرنے کے لیے بنا سکتا ہے۔ دوسرا، یہ پرانے ریکارڈ میں غلطی کو درست کرنے کے بجائے اسے نئے فارمیٹ میں کاپی کرکے برقرار رکھ سکتا ہے۔ اس لیے، سابقہ تبدیلی میں، AI کے آؤٹ پٹ کو منظم طریقے سے چیک کیا جانا چاہیے، نمونے لینے کے ذریعے نہیں، بلکہ اہم شعبوں (مصنف، سال، شناختی نمبرز) کے ذریعے۔ ایک اچھا عمل یہ ہے کہ تبادلوں سے پہلے اور بعد کے ریکارڈز کو ساتھ ساتھ دکھانا، ہر تبدیلی کو مرئی بناتا ہے۔ لہذا ماہر ایک نظر میں دیکھ سکتا ہے کہ کیا منتقل کیا گیا ہے، کیا تبدیل ہوا ہے اور کیا من گھڑت ہوسکتا ہے۔
دھیان دیں: AI کے ذریعہ تیار کردہ ڈرافٹ میٹا ڈیٹا کو ایک ایک کرکے اس کا جائزہ لیے بغیر بیچ کے طور پر سسٹم میں منتقل نہیں کیا جانا چاہیے۔ ایک بڑے پیمانے پر غلطی سینکڑوں ریکارڈز کو ایک ساتھ خراب کر دیتی ہے، اور بازیافت کرنا پیداوار سے کہیں زیادہ مشکل ہے۔ چھوٹے بیچوں میں تیار کرنا اور تصدیق کرنا سب سے محفوظ ہے۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) ڈبلن کور خاکہ:
آپ کا کردار: اسسٹنٹ کیٹلاگ۔ درج ذیل بائی لائن ٹیکسٹ سے ڈبلن کور فیلڈز پر کریں: عنوان، تخلیق کار، موضوع، تفصیل، پبلیشر، تاریخ، نوع، شکل، زبان۔ صرف وہ معلومات استعمال کریں جو متن میں واضح ہو۔ گمشدہ فیلڈ کو چھوڑ دیں "[کوئی معلومات نہیں]"، اندازہ نہ لگائیں۔ امپرنٹ متن: [یہاں]
2) MARC فیلڈ آؤٹ لائن:
ذیل میں کتاب کی معلومات سے درج ذیل MARC فیلڈز کے لیے خاکہ تجویز کریں: 245 (عنوان/کریڈٹ)، 100 (مرکزی مصنف)، 260/264 (اشاعت)، 300 (طبعی وضاحت)، 650 (موضوع)۔ کسی بھی فیلڈ کو نشان زد کریں جس کے بارے میں آپ کو یقین نہیں ہے کہ "[تصدیق کی ضرورت ہے]"۔ معلومات: [یہاں]
3) کنٹرول شدہ الفاظ سے موضوع کی مماثلت:
ذیل میں ماخذ کا خلاصہ اور منظور شدہ عنوان کی اصطلاحات کی فہرست ہے۔ فہرست سے ماخذ تک صرف 3-5 موزوں ترین اصطلاحات کا ملاپ کریں۔ اگر فہرست میں کوئی مناسب اصطلاح نہیں ہے تو، "فہرست میں کوئی مناسب اصطلاح نہیں" لکھیں، نئی اصطلاحات نہ بنائیں۔ خلاصہ: [یہاں] / اصطلاحی فہرست: [یہاں]
4) اتھارٹی فارم کنٹرول:
ذیل میں مصنف کے ناموں کو میری فراہم کردہ اتھارٹی لسٹ میں منظور شدہ فارموں سے ملا دیں۔ ہر نام کے لیے: ریکارڈ میں فارمیٹ -> منظور شدہ فارمیٹ۔ اگر فہرست میں کوئی مساوی نہیں ہے تو، "کوئی اتھارٹی ریکارڈ نہیں" لکھیں۔ نام: [یہاں] / اتھارٹی کی فہرست: [یہاں]
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
درج ذیل کتاب کے لیے کیٹلاگ کی معلومات نکالیں: "مصنوعی ذہانت اور معاشرہ"۔
صرف عنوان دیا گیا ہے؛ AI کو مصنف، سال، ناشر اور ISBN بنانے پر مجبور کیا جاتا ہے۔ ہدف کا کوئی معیار نہیں ہے۔ نتیجہ: ایک قائل لیکن شاید غلط ریکارڈ۔
طاقتور اشارہ:
آپ کا کردار: اسسٹنٹ کیٹلاگ۔ ذیل میں کتاب کے نقوش صفحہ کا مکمل متن ہے۔ اس سے ڈبلن کور فیلڈز کو پُر کریں۔ صرف وہ معلومات استعمال کریں جو متن میں واضح طور پر بیان کی گئی ہو۔ غیر متنی فیلڈ کو خالی چھوڑ دیں اور "[کوئی معلومات نہیں]" لکھیں۔ کوئی تاریخیں، نام یا ISBN نہیں بنائے گئے ہیں۔ امپرنٹ ٹیکسٹ: [مکمل متن یہاں]
طاقتور پرامپٹ AI کو حقیقی بائی لائن معلومات تک محدود کرتا ہے اور اسے بنانے کے بجائے ایمانداری سے خالی جگہیں چھوڑنے پر مجبور کرتا ہے۔
میٹا ڈیٹا فیلڈ اور توثیق کی میز
علاقہ
جعل سازی کا خطرہ
تصدیق کرنے کا طریقہ
عنوان
کم
امپرنٹ پیج کے ساتھ موازنہ کریں۔
مصنف / اتھارٹی کی شکل
درمیانہ
اتھارٹی فائل میں تلاش کریں۔
اشاعت کا سال
اعلی
امپرنٹ/کولفون کے ساتھ تصدیق کریں۔
آئی ایس بی این
بہت اعلی
بارکوڈ/ذریعہ کے ساتھ ون ٹو ون کنٹرول
موضوع کی اصطلاح
اعلی
کنٹرول شدہ الفاظ میں میچ کریں۔
عام غلطیاں
- صرف عنوان سے میٹا ڈیٹا کی درخواست کر رہا ہے۔ نامکمل معلومات AI کو چیزیں بنانے پر مجبور کرتی ہے۔
- ہدف کے معیار کی وضاحت نہیں کرنا۔ من مانی فارمیٹنگ ریکارڈ کی ہم آہنگی کو متاثر کرتی ہے۔
- بغیر تصدیق کیے ISBN اور سال کو قبول کرنا۔ ان علاقوں میں من گھڑت کا سب سے زیادہ خطرہ ہوتا ہے۔
- موضوع کی اصطلاح کو کنٹرول شدہ الفاظ کے باہر سے لینا۔ مستقل مزاجی اور دستیابی سے سمجھوتہ کیا جاتا ہے۔
- اتھارٹی کنٹرول کو نظرانداز کرنا۔ ایک ہی مصنف مختلف شکلوں میں منتشر ہوتا ہے، صارف ماخذ سے محروم رہتا ہے۔
خلاصہ میں
میٹا ڈیٹا جنریشن میں، AI ایک طاقتور اسسٹنٹ ہے جو امپرنٹ کی معلومات کو تیزی سے نکالتا ہے اور کیٹلاگنگ کے وقت کو نمایاں طور پر کم کرتا ہے۔ لیکن پیداواریت کی قیمت من گھڑت خطرات کے خلاف سخت توثیق ہے: ہدف کے معیار (MARC، Dublin Core) کو واضح کریں، AI کو صرف حقیقی لفظی علم کے ساتھ چلائیں، کنٹرول شدہ الفاظ سے مضامین کی اصطلاحات کا نقشہ بنائیں، اور اتھارٹی فارم کی توثیق کریں۔ خلا کو پورا کرنے کے بجائے، AI کو ایمانداری سے اسے خالی چھوڑ دینا چاہیے؛ آپ حتمی منظوری رکھیں۔
درخواست کا کام
"ڈبلن کور ڈرافٹ" ٹیمپلیٹ کے ساتھ AI کو اپنی اصلی کتاب کے امپرنٹ پیج کا متن دیں اور ایک مسودہ حاصل کریں۔ پھر کیا وہی کتاب صرف عنوان کے ساتھ تیار کی گئی ہے ("کمزور پرامپٹ") اور دو آؤٹ پٹ کا موازنہ کریں: کون سے فیلڈز من گھڑت تھے؟ پھر، "کنٹرولڈ ووکیبلری سے ٹاپک میپنگ" ٹیمپلیٹ کے ساتھ، منظور شدہ اصطلاحات کی ایک مختصر فہرست دیں تاکہ موضوع کو مماثل کیا جا سکے اور چیک کریں کہ آیا AI فہرست سے باہر ہے۔
چیک لسٹ
- میں نے ماخذ کی اصل شناخت کی معلومات AI کو دی، میں نے اسے اندازہ لگانے پر نہیں چھوڑا۔
- میں نے واضح طور پر ہدف میٹا ڈیٹا معیار (MARC/Dublin Core) بیان کیا ہے۔
- میں نے اشاعت کے سال اور ISBN کی اصل ماخذ کے ساتھ تصدیق کی ہے۔
- [ ] میں نے کنٹرول شدہ الفاظ سے عنوان کی اصطلاحات کو نقشہ بنایا۔
- میں نے منظور شدہ ریکارڈ کے ساتھ اتھارٹی کے فارمز کی تصدیق کر دی ہے۔