Hír

A tudományos kutatás világa a mesterséges intelligenciának (MI) köszönhetően fejlődik. Az MI nem azért van, hogy helyettesítse a kutatókat, a könyvtárosokat, az adatbázisokat vagy a szisztematikus keresést; inkább hihetetlenül hatékony eszközzé válik, amely segít gyorsabban és okosabban dolgozni. Mint egy kutatási asszisztens, aki hatalmas mennyiségű adatot szitál át, kontextus alapján megtalálja a legrelevánsabb cikkeket, és még az új ötletek megtalálásában is segít – ez az MI-eszközök ígérete a kutatásban. Mivel a könyvtárosok már most is géniuszok a forrásfelkutatásban, a dokumentumkeresésben, készségeik természetes kiterjesztése lesz az MI-eszközök beépítése a keresési folyamatokba, különösen a szakirodalmi áttekintésekbe.

 

Hogyan változtatja meg az MI a folyamatot?

 

Az MI átalakítja az irodalomkeresés módját, a releváns cikkek megtalálásától kezdve a szűrés segítéséig. Az MI-eszközök tára létrehozható a kutatási folyamat javítására, kiegészítve a hagyományos adatbázis- és a szürke irodalomkeresési stratégiákat.

Az MI-eszközök felhasználási lehetőségei:

A szakirodalom kezdeti felmérése és a kutatási kérdések pontosítása: A kutatási folyamat kezdetén órákig lehet böngészni az adatbázisokat, hogy megtaláljuk a releváns szakirodalmat. Az olyan generatív MI-alapú eszközök, mint az Elicit és a SciSpace, megragadhatják a kutatás kontextusát azáltal, hogy lehetővé teszik a kutatási kérdés bevitelét (ahelyett, hogy kulcsszavas keresésre hagyatkoznának), releváns cikkeket javasolnak, és még olyan lehetséges kutatási kérdéseket is azonosítanak, amelyek esetleg még nem merültek fel. Emellett gyorsan el tudják irányítani a kérdezőt a területének legbefolyásosabb cikkeihez és kutatóihoz.

Irodalmi áttekintések: Az MI-eszközök támogathatják az irodalmi áttekintés folyamatának különböző aspektusait. Kezdetben a keresési stratégiák kidolgozása előtt segítenek a korszakalkotó cikkek felkutatásában, majd a hagyományos adatbázis-keresés után a kézi keresést és az idézettség nyomon követését segíthetik. Az olyan eszközök, mint a Research Rabbit és a Connected Papers, segíthetnek a hivatkozási listák átkutatásában és az idézettség nyomon követésében.

Szűrés a rendszeres áttekintésekben: Az MI már beépült az olyan alkalmazásokba, mint a Covidence, hogy javítsa a szűrési folyamatokat, és más MI-eszközök – például az ASReview és a DistillerSR – is megjelennek a szűrés támogatására.

Prezentációk, közösségimédia-posztok készítése: Az MI-eszközöknek végtelen számú alkalmazása van, és a kihívás az lesz, hogy mindegyikkel lépést kell tartani, és megtalálni a legmegfelelőbb, etikus és megbízható eszközöket.

 

A könyvtárosok szerepe az MI forradalmában

 

Könyvtárosoknak egyedülálló lehetőségük van arra, hogy végigvezessék a kutatókat ezen az MI által vezérelt területen.

Ez magában foglalja a következőket:

Könyvtárosok maguk is MI-szakértővé válnak: Meg kell érteni, hogyan működnek ezek az eszközök, valamint azok erősségeit, korlátait és lehetséges elfogultságait. Az ezekkel az eszközökkel kapcsolatos gyakorlati tapasztalatok megszerzése lehetővé teszi, hogy gyakorlati példákat mutassanak be a könyvtárosok. Ez segít abban is, hogy a különböző forgatókönyvekhez szükséges MI-eszközök listái összeállításra kerüljenek. Nem szabad azonban elfelejteni, hogy ez egy fejlődő terület, és folyamatosan naprakésznek kell maradni a fejlesztésekkel és az új eszközökkel kapcsolatban.

A kutatók oktatása: A műhelytalálkozók szervezése, az online források létrehozása és a személyre szabott útmutatás mind-mind elengedhetetlen ahhoz, hogy a kutatók megértsék, hogyan használhatják hatékonyan és hozzáértően az MI eszközeit. Az MI-ismeretekkel a könyvtárosok segíthetik a kutatókat a különböző MI-eszközök megbízhatóságának értékelésében, biztosítva ezáltal, hogy etikusan és felelősségteljesen használják azokat.

 

Az MI-eszközök kiválasztása és használata

 

Fontos megjegyezni, hogy a mesterséges intelligencia egy eszköz. Mint minden eszköz, ez is akkor a leghatékonyabb, ha helyesen használják. A mesterséges intelligencia eszközeinek használatára vonatkozó oktatás elengedhetetlen a mesterséges intelligencia kutatásban való támogatásához.

 

Felismerni a korlátokat: Tisztában kell lenni az MI-algoritmusok lehetséges torzításaival, és következetesen kritikusan értékelni az MI-alapú eszközök kimenetét.

 

Az adatminőség számít: Az MI-modellek képzéséhez használt adatok minősége és forrása – különösen, ha az eszköz a visszakereséssel kiegészített generálást használja – közvetlenül befolyásolja az eredmények pontosságát.

 

Adatvédelmi irányelvek: Megérteni, hogy ezek hogyan kapcsolódnak a megadott adatokhoz, és hogy azokat újrafelhasználják-e.

 

Az átláthatóság alapvető fontosságú: Ha MI-t használ a kutatásában, legyen világos a kutató számára, hogy milyen eszközöket használt és hogyan használta azokat.