عناصر کلیدی طراحی در ایجاد فضای کتابخانه کاربرمحور

در این مقاله به برخی از عناصر کلیدی طراحی پرداختم که می‌تواند به کتابداران در ایجاد فضای کتابخانه کاربرمحور کمک کند. توجه به این عناصر موجب می‌شود از یک سو درک صحیح و کاملی از نیازها و انتظارات کاربران کتابخانه بدست آوریم؛ و از سوی دیگر فضایی طراحی کنیم که برای کاربران کتابخانه لذت‌بخش باشد، استفاده‌پذیری از خدمات و منابع کتابخانه را افزایش دهد و تجربه موثر و تصویر رضایت‌بخشی در ذهن کاربران در استفاده از کتابخانه ایجاد کند.

این مقاله از تجربه شخصی (دکتر مریم اسدی)، جامعه لینکدین (LinkedIn community ) و هوش مصنوعی بهره برده است. 

کاربرپژوهی[1]

کاربرپژوهی فرآیند جمع‌آوری داده‌ها و دیدگاه‌هایی درباره کاربران یک کتابخانه مانند اطلاعات جمعیت‌شناختی، نیازها، انگیزه‌ها، چالش‌ها و رضایت آنها است. کاربرپژوهی را می‌‎توان با روش‌های مختلفی مانند نظرسنجی، مصاحبه، مشاهدات، گروه‌های تمرکز و آزمون‌های استفاده‌پذیری انجام داد. کاربرپژوهی می‌‌تواند به کتابداران کمک کند تا مشکلات و فرصت‌هایی را که کاربران با آن مواجه‌اند شناسایی کنند و راه‌حل‌هایی برای آن بیابند. همچنین کاربرپژوهی می‌تواند به کتابداران کمک کند تا اثربخشی و استفاده‌پذیری خدمات، فضاها و نظام‌های موجود در کتابخانه را ارزیابی کنند.

پرسونای کاربر[2]

پرسونای کاربر، بازنمودهای خیالی از کاربران معمولی یا ایده‌آل یک کتابخانه است که بر اساس داده‌های حاصل از پژوهش کاربر بدست می‌آید. شناخت شخصیت‌های کاربر می‌توانند به کتابداران کمک کنند تا انواع مختلف کاربرانی که از کتابخانه آنها بازدید می‌کنند یا از آنها استفاده می‌کنند، اهداف، رفتارها، ترجیحات و نارضایتی آنها را درک کنند. پرسونای کاربر همچنین می‌توانند به کتابداران کمک کنند تا با کاربران خود ارتباط برقرار کنند. با آنها همدلی کنند. خدمات، فضاها و نظام‌هایی متناسب با نیازها و انتظارات آنها طراحی کنند. شخصیت کاربر را می‌توان با استفاده از الگوها، ابزارها یا داستان ها ایجاد کرد. این الگو باید شامل جزئیاتی مانند نام، سن، شغل، پیشینه فرد، نیازها، انگیزه ها، سرخوردگی‌ها و سناریوها باشد.

نقشه‌های سفر کاربر[3]

نقشه‌های سفر کاربر ابزارهای بصری است که گام ها و تعاملات کاربران را هنگام استفاده از خدمت، فضا یا سیستم کتابخانه نشان می‌دهند. نقشه‌های سفر کاربر می‌تواند به کتابداران کمک کنند تا تجربه کاربر را از دیدگاه کاربر ترسیم کنند و نقاط تماس، احساسات، سرخوردگی‌ها و فرصت‌هایی را شناسایی کنند که کاربران در طول مسیر با آنها مواجه می‌شوند. نقشه‌های سفر کاربر همچنین می‌تواند به کتابداران کمک کند تا با حذف یا کاهش نقاط اصطکاک و افزودن نقاط مثبت، تجربه کاربری را بهینه کنند. نقشه‌های سفر کاربر را می توان با استفاده از دیاگرام‌ها، نمودارها یا داستان‌‌سازی ایجاد کرد. این نمودارها باید شامل جزئیاتی مانند مراحل، اقدامات، افکار، احساسات و فرصت‌ها باشد.

بازخورد کاربر

بازخورد کاربر فرآیند جمع آوری و تجزیه و تحلیل نظرها و پیشنهادهای کاربران یک خدمت، فضا یا نظام کتابخانه است. آن می‌تواند به کتابداران کمک کند تا رضایت و وفاداری کاربران را اندازه‌گیری کنند و نقاط قوت و ضعف طراحی خود را شناسایی کنند. بازخورد کاربر همچنین می‌تواند به کتابداران کمک کند تا طراحی خود را با تصور کاربر از کتابخانه بهبود بخشند و نوآوری کنند. بازخوردها را می‌توان با روش‌های مختلفی مانند نظرسنجی، مصاحبه، بررسی، رتبه‌بندی، نظرها و پیشنهادها جمع‌آوری کرد.

آزمون کاربر

آزمون کاربر فرآیند ارزیابی استفاده‌پذیری و عملکرد یک خدمت، فضا یا نظام کتابخانه با کاربران واقعی یا بالقوه است. آن می‌تواند به کتابداران کمک کند تا مفروضات و فرضیه‌های طراحی خود را اعتبارسنجی کنند و مشاهده کنند که کاربران چگونه با طراحی آنان در موقعیت‌های واقعی یا شبیه سازی شده تعامل دارند. آزمون کاربر همچنین می‌تواند به کتابداران کمک کند تا هرگونه مشکل در استفاده، خطا یا اشکالی را که بر تجربه کاربر تأثیر می‌گذارد شناسایی و برطرف کنند. آزمون کاربر را می‌توان با روش‌های مختلفی انجام داد، مانند آزمون استفاده‌پذیری، آزمون‌های بتا، تست‌های A/B و ارزیابی‌های اکتشافی.

هم‌آفرینی کاربر[4]

هم‌آفرینی کاربر فرآیندی است که در آن کاربران یک خدمت، فضا یا سیستم کتابخانه در فرآیند طراحی همکاری و مشارکت دارند. آن می‌تواند به کتابداران کمک کند تا از خلاقیت و تخصص کاربران خود بهره‌ ببرند. همچنین ایده‌ها و راه‌حل‌هایی را تولید کنند که مرتبط‌تر، متنوع‌تر و نوآورانه‌تر باشد. هم‌آفرینی کاربر همچنین می‌تواند به کتابداران کمک کند تا اطمینان‌پذیری و تعامل با کاربران خود را افزایش دهند و حس مالکیت و جامعه‌پذیری کاربران را تقویت کنند. هم‌آفرینی کاربر می‌تواند با روش‌های مختلفی مانند کارگاه‌های آموزشی، رویدادهای هکاتون، جمع‌سپاری و طراحی مشارکتی انجام شود.

[1] – User Research

[2] User Persona

[3] – User journey maps

[4] – User co-creation

اقتباس از منبع:

https://www.linkedin.com/advice/3/what-some-key-design-elements-consider-when-creating-3myzc

Loading

مؤثرترین روش‌ها برای آموزش مهارت‌های پژوهشی به کاربران چیست؟

مقدمه

من در یک گروه تخصصی خدمات کتابخانه‌ای در لینکدین عضو هستم. در این گروه هر بار راجع به خدمات کتابخانه، پرسش‌هایی مطرح می‌شود. در ابتدا برای پاسخ به هر پرسش، مقاله‌ای  با استفاده از ابزارهای هوش مصنوعی و متخصصان انجمن لینکدین نوشته و منتشر می‌شود. سپس کتابداران دیدگاه‌ها و تجربه‌های خود را در ارتباط با هر بخش از مقاله بیان می‌کنند.

اگر کتابدار متخصص و باتجربه باشید،در وهله اول وقتی پرسش را مشاهده می‌کنید، پرسش به نظر بدیهی می‌رسد و  پاسخ پرسش را سریع در ذهن‌تان مرور می‌کنید.  وقتی مقاله و تجربه‌های دیگران را می‌خوانید، متوجه این موضوع می‌شوید، این گونه پرسش‌ها از یک سو به شما کمک می‌کند چگونه به یک سوال تخصصی و مربوط به حرفه خود، پاسخ علمی و ساختاریافته بدهید؛ از سوی دیگر به شما کمک می‌کند از ایده‌ها و تجربیات دیگران بهره ببرید. متوجه می‌شوید روش‌ها و ایده‌های دیگری در این ارتباط وجود دارد که ممکن است به آن توجه نکرده‌اید و از آن غفلت کرده‌اید.

در این پست به یکی از پرسش‌ها و دیدگاه‌های کتابداران نسبت به آن پرسش پرداختم.  پرسش چه بود “مؤثرترین روش‌ها برای آموزش مهارت‌های پژوهشی به کاربران چیست؟“… خوب… حالا میریم به سراغ پاسخ پرسش:

سوال پژوهش را تعریف کنید

اولین قدم در هر پروژه پژوهشی، تعریف سوال یا موضوع پژوهش است. این کار همیشه آسان نیست، به خصوص برای پژوهشگران تازه کار که ممکن است ایده‌های مبهم یا وسیعی داشته باشند. می‌توانید با بررسی معیارهایی از قبیل هدف، مخاطب، دامنه، بافت و علاقه، به کاربران کمک کنید، سوالات پژوهش خود را محدود کنند.  همچنین می‌توانید آنها را راهنمایی کنید تا از ابزارهایی مانند نقشه ذهنی، نقشه مفهومی یا طوفان فکری برای تولید و سازماندهی ایده‌هایشان استفاده کنند.

دیوید مارتین (نظر و تجربه کتابدار پژوهشی و پژوهشگر)

من همیشه به افراد می‌گویم که به موضوع پژوهش خود مانند یک بازی کلمات فکر کنند – مانند جدول کلمات متقاطع یا چرخ ثروت. از مترادف‌ها، تشابه‌ها یا روش‌های متفاوت برای بیان پرسش خود استفاده کنید. نتایج شما را افزایش می‌دهد. همچنین، از گوگل فقط به عنوان نقطه شروع استفاده کنید. از نتایج گوگل و از زبان و اصطلاحات آن برای ساختن عبارت جستجوی خود استفاده کنید

مارتین ناماچکیکا (نظر و تجربه متخصص مدیریت دانش و مدیر کتابخانه)

آموزش مهارت های پژوهش به مراجعان بخش اساسی نقش کتابدار است و راه‌های موثری برای انجام این کار وجود دارد. کمک یک به یک، کارگاه‌های آموزشی و استفاده از منابع دیجیتال همه روش‌های ارزشمندی برای کمک به مشتریان برای توسعه مهارت‌های پژوهشی هستند. با تهیه راهنماها، برگزاری کارگاه‌های آموزشی ساختاریافته و منابع دیجیتال، کتابداران می‌توانند مراجعان را به پژوهشگران مستقل تبدیل کنند و از این طریق آنها را برای یافتن اطلاعات قابل اعتماد و مرتبط در زمینه‌های مختلف توانمند ‌سازند.

منابع مناسب را انتخاب کنید

قدم بعدی انتخاب منابع مناسب برای سوال پژوهش است. بسته به رشته، موضوع و سطح پژوهش، مراجعان ممکن است نیاز به استفاده از انواع مختلف منابع مانند کتاب، مجلات، پایگاه‌های اطلاعاتی، وب‌سایت‌ها یا رسانه‌ها داشته باشند. شما می‌توانید با آموزش نحوه شناسایی ویژگی‌ها، نقاط قوت و محدودیت‌های هر منبع، به کاربران کمک کنید تا بهترین منابع را انتخاب کنند. همچنین می‌توانید برای ارزیابی کیفیت و اعتبار منابع، معیارهای ربط، اعتبار، دقت، روزآمدی و پوشش محتوایی و زمانی منابع را به آنها معرفی کنید.

بریتانی دی. (نظر و تجربه کتابدار کتابخانه دانشگاهی)

من همیشه از دانشجویان درباره مشخصات تکلیفشان می‌پرسم – بسیاری باید انواع خاصی از منابع اطلاعاتی را پیدا کنند تا تکلیف را با موفقیت انجام دهند. هنگام آموزش ارزیابی اطلاعات، من روش خواندن جانبی را دوست دارم، که به دانشجویان می‌آموزد که خارج از منبعی که به دنبال آن هستند برای تأیید اطلاعات استفاده کنند.

استراتژی‌های  جستجو موثر را توسعه دهید

هنگامی که کاربران منابع خود را انتخاب کردند، باید استراتژی‌های جستجوی موثری را برای یافتن اطلاعات مورد نیاز خود توسعه دهند. این شامل استفاده از کلمات کلیدی، عملگرهای جستجو، فیلترها و سایر ویژگی‌ها است. این استراتژی‌ها نتایج جستجو را اصلاح و گسترش می‌دهند. می‌توانید با نشان دادن نحوه استفاده از ابزارهای جستجوی مختلف، مانند فهرست‌ها، نمایه‌ها، موتورهای جستجو، یا راهنمای موضوعی، به کاربران کمک کنید تا استراتژی‌های جستجوی خود را توسعه دهند. همچنین می‌توانید نحوه استفاده از مترادف‌ها، عبارات مرتبط، یا عبارات عام‌تر و خاص‌تر را برای تغییر و بسط عبارات جستجوی خود به آنها آموزش دهید.

دیانا روسا (نظر و تجربه کتابدار کتابخانه)

یک مثال برای توسعه استراتژی‌های جستجو، که شخصاً آن را مؤثر می‌دانم، انجام تمرین‌های عملی است که در آن کاربران می‌توانند مستقیماً استراتژی‌های جستجو را اعمال کنند. استفاده از مثال‌های تحقیق واقعی برای نشان دادن اینکه چگونه استراتژی‌های جستجو به طور مؤثر اعمال می‌شوند، می‌تواند به کاربران کمک کند تا ارتباط و کاربرد عملی مهارت‌هایی را که یاد می‌گیرند، ببینند.

اطلاعات را تحلیل و ترکیب کنید

پس از اینکه مشتریان اطلاعات مورد نیاز خود را پیدا کردند، باید آن را تحلیل و ترکیب کنند تا به سؤال پژوهش خود پاسخ دهند. این شامل خواندن، خلاصه کردن، مقایسه، بیان تضادها، و ادغام اطلاعات از منابع مختلف است. می‌توانید با راهنمایی آنها به استفاده از سازمان‌دهنده‌های گرافیکی، مانند جداول، نمودارها یا ماتریس‌ها، به کاربران کمک کنید تا اطلاعات را تحلیل و ترکیب کنند و به آنها در مقایسه و سازمان‌دهی اطلاعات کمک کند. همچنین می‌توانید آنها را تشویق کنید که از مهارت‌های تفکر انتقادی، مانند پرسش، استدلال، و استدلال‌های مبتنی بر شواهد برای تفسیر و ارزیابی اطلاعات استفاده کنند.

دیانا روسا (نظر و تجربه کتابدار کتابخانه)

برخی از راه‌های موثر برای آموزش مهارت‌های پژوهش، تجزیه و تحلیل و ترکیب، شامل ارائه مثال‌های عملی مانند تشویق به مشارکت فعال، استفاده از منابع آنلاین و ارائه بازخورد سازنده در مورد روش‌های پژوهش کاربران است. علاوه بر این، راهنمایی آنها در ارزیابی انتقادی منابع و ترویج تفکر تحلیلی مفید است.

ارتباط برقرار کنید و اطلاعات را استناد دهید

مرحله نهایی در فرآیند پژوهش، برقراری ارتباط و استناد اطلاعات در قالب و سبک مناسب است. بسته به هدف و مخاطبان پروژه تحقیقاتی، کاربران ممکن است نیاز به استفاده از روش‌های مختلف ارتباطی مانند گزارش، مقاله، سخنرانی یا پوستر داشته باشند. می‌توانید با آموزش نحوه استناددهی و نحوه تهیه گزارش، مقاله و پاور سخنرانی و پوستر به آنها کمک کنید. همچنین می‌توانید آنها را با ابزارهای استناددهی، مانند تولیدکننده‌های استناد citation generators، نرم‌افزارهای مدیریت اطلاعات علمی (اندنوت و مندلی) managers یا راهنماها آشنا کنید تا استناددهی استاندارد داشته باشند.

فرآیند پژوهش را ارزیابی و آن را رویت‌پذیر کنید

فرآیند پژوهش یک روند خطی یا ثابت از مراحل و گام‌ها نیست، بلکه یک چرخه پویا و تکراری از پژوهش و یادگیری است. بنابراین، برای مراجعان مهم است که فرآیند و نتایج پژوهش خود را ارزیابی و تأمل کنند و نقاط قوت و ضعف، چالش‌ها و راه‌حل‌ها و زمینه‌های بهبود را شناسایی کنند. شما می‌توانید با ارائه بازخورد و معرفی شاخص‌ها و ابزارهای ارزیابی پژوهش به کاربران کمک کنید تا فرآیند پژوهش خود را ارزیابی کرده و در مورد آنها فکر کنند. همچنین می‌توانید آنها را تشویق کنید تا تجربیات و دیدگاه‌‌ های پژوهشی خود را با دیگران، مانند همسالان، مربیان، یا کتابداران در شبکه‌های اجتماعی به اشتراک بگذارند.

نگارش: مریم اسدی

منبع: https://www.linkedin.com/advice/0/what-most-effective-ways-teach-research-skills-ge6bc

 

Loading

تصورات کتابداران از هوش مصنوعی و تاثیر بالقوه آن روی حرفه

مقدمه

موضوع هوش مصنوعی (AI) در همه جا در رسانه‌ها مورد بحث است. استیون هاوکینگ، ایلان ماسک و بیل گیتس مرتباً زنگ خطر را درباره هوش مصنوعی به عنوان یک تهدید وجودی برای نوع بشر به صدا در می آوردند. روزنامه‌ای باز کنید، تلویزیون را روشن کنید، یا وارد اینترنت شوید، اطلاعات و نظرات زیادی درباره هوش مصنوعی و تأثیر بالقوه آن بر زندگی انسان پیدا خواهید کرد. علاوه بر اینکه هوش مصنوعی یک موضوع داغ در رسانه‌ها است، متون علمی پزشکی و حقوق مملو از پژوهش‌های هوش مصنوعی است.

هوش مصنوعی را به عنوان یک تغییردهنده بازی، اگر نه مخل، می شناسد. هوش مصنوعی امروزه در حوزه حقوق – در زمینه‌های بررسی قرارداد، صدور صورت‌حساب و انتخاب هیئت منصفه استفاده می‌شود. در حوزه پزشکی، توانایی هوش مصنوعی در تحلیل مجموعه داده‌های حجیم به آن اجازه داده است که در توانایی‌های تشخیصی از انسان پیشی بگیرد. اساتید حقوق و پزشکی همچنین اذعان کرده‌اند که هوش مصنوعی روش آموزش حرفه‌ای آنان را تغییر می‌دهد و در نهایت تعداد وکلا و پزشکان مورد نیاز در نیروی کار آینده را کاهش می‌دهد.


ما همیشه تغییراتی را که در دو سال آینده اتفاق می‌افتد بیش از حد برآورد می کنیم و تغییراتی را که در ده سال آینده اتفاق می‌افتد دست‌کم می‌گیریم.» -بیل گیتس


با این حال، موضوع هوش مصنوعی در همه رشته‌ها مطرح نیست – در ادبیات کتابداری نیز وجود ندارد. عجیب است، برای حرفه‌ای که بیش از سهم خود در مقابله با فناوری‌های مخرب در طول سال‌ها انجام داده است، ما کتابداران در مقایسه با سایر حرفه‌ها به هیچ وجه در مورد هوش مصنوعی بحث نمی‌کنیم. ما هیچ پژوهش اساسی درباره این موضوع توسعه نداده‌ایم و مدارس کتابداری ما احتمال کاهش پذیرش در این رشته را تأیید نکرده‌اند.

قابلیت یادگیری ماشینی، پردازش زبان طبیعی و قدرت محاسباتی عظیم سه جنبه هوش مصنوعی هستند که بر حرفه حقوق و پزشکی تأثیر می‌گذارند. اینها موارد بر حرفه کتابداری نیز تأثیر خواهند گذاشت.


کنجکاو بودیم: چرا در متون حرفه‌ای ما بحث درباره هوش مصنوعی کم است؟ برای درک این موضوع، همکاران خود را درباره درک آنها از هوش مصنوعی، به ویژه در رابطه با آینده، تأثیر بالقوه بر کار مان و تعداد نیروی کار مورد بررسی قرار دادیم.


روش‌شناسی

برای هدف نظرسنجی، واتسون آی‌بی‌ام (IBM’s Watson) را به‌عنوان نماینده‌ای از هوش مصنوعی تعیین کردیم. واتسون یک محصول نسبتاً شناخته شده ، همراه با سیستم‌های مشابه مبتنی بر هوش مصنوعی، مانند الکسای آمازون و سیری اپل است.  احساس کردیم که واتسون می تواند به راحتی توسط پاسخ‌دهندگان ما مفهوم‌سازی شود، زیرا مانند کتابداران به سوالات پاسخ می‌دهد. برخلاف کتابداران، واتسون برای انجام این کار به یادگیری ماشین و قدرت محاسباتی عظیم متکی است.

 مجوز مدل‌سازی نظرسنجی خود را بر اساس موردی که توسط کارشناسان هوش مصنوعی مولر و بوستروم (2016) استفاده شده بود دریافت کردیم. نظرسنجی، «ادراک کتابخانه‌ای از هوش مصنوعی» با استفاده از Qualtrics ایجاد شد و تأیید هیئت بازبینی سازمانی را دریافت کرد. این ابزار در طی ماه‌های مه و ژوئن 2017 بین لیست‌سرو خدمات کتابخانه‌های حرفه ای توزیع شد. این نظرسنجی دارای 10 سوال بود. از نظر عددی، پاسخ ها از 307 تا 341 متغیر بود.

نمودار 1 نشان می‌دهد که 56.3 درصد از پاسخ‌دهندگان احساس می‌کنند که هوش مصنوعی تأثیری دگرگون کننده بر کتابداری خواهد داشت. با کمال تعجب، 43.69 درصد از پاسخ‌دهندگان  – که در زمینه‌ای حرفه‌ای کار می‌کنند که به سطح بالایی از مهارت فنی نیاز دارد – احساس می‌کنند که هوش مصنوعی تأثیر کمی بر کتابداری خواهد داشت یا هیچ تأثیری ندارد. این یک انحراف از پیش‌بینی‌هایی است (هرچند محدود) که در متون کتابداری  یافت می‌شود: «[T] سؤال این نیست که چه فناوری تحت تأثیر قرار می‌گیرد، بلکه بیشتر این است که چه فناوری، در صورت وجود، تحت تأثیر هوش مصنوعی باقی می‌ماند» (فرناندز 2016).

علاوه بر این، هر دو انجمن وکلای آمریکا و انجمن پزشکی آمریکا هوش مصنوعی را در ادبیات خود و در جلسات سالانه خود به رسمیت شناخته‌اند. در یک میزگرد در سال 2016 در نشست سالانه انجمن وکلای آمریکا، به این نتیجه رسیدیم که «عاقلانه است که اکنون [هوش مصنوعی] را در آغوش بگیریم تا بتواند ابزاری در مقابل یک مانع باشد».

در سوال دو (نگاه کنید به نمودار 2)، از پاسخ‌دهندگان خود پرسیدیم که کدام بخش‌ها بیشتر تحت‌تأثیر هوش مصنوعی قرار می گیرند. به استثنای خدمات دسترسی، احساس می‌کنیم که نتایج دقیقاً منعکس کننده بخش‌هایی است که در حال حاضر تحت‌تأثیر قرار گرفته‌اند و کارشناسان پیش‌بینی می‌کنند در آینده نزدیک اتفاق خواهد افتاد.

در حال حاضر، خدمات مجازی در کتابخانه‌ها، که توسط عوامل بازار هدایت می‌شوند، هوش مصنوعی را به شکل نرم‌افزار کشف discovery software اضافه شده به نظام یکپارچه کتابخانه یا به‌عنوان سیستم‌های جمع‌آوری اطلاعات با ارزش افزوده/متن کامل ارائه شده توسط EBSCO و ProQuest پذیرفته‌اند. علاوه بر این، «کاربردی بودن هوش مصنوعی در زمینه‌هایی مانند فهرست‌نویسی، رده‌بندی، مستندسازی، مجموعه‌سازی و غیره سال به سال در حال بهبود به نظر می‌رسد» (مگلی 2015).

متعجب شدیم که پاسخ‌دهندگان خدمات دسترسی را در مقیاس بخش‌هایی که می‌تواند تحت تأثیر هوش مصنوعی قرار گیرند، بالاتر نمی‌دانند.  در سؤالات سه، چهار و پنج، از کتابداران خواسته شد تا زمان استفاده از ابررایانه ها در کتابخانه ها را پیش بینی کنند (نگاه کنید به نمودار 3). اکثریت قریب به اتفاق (214) احساس می کنند که به احتمال 90 درصد است که ابر رایانه ها در حدود 30 سال (2047) بعد در کتابخانه استفاده شوند.

اکثر پاسخ دهندگان در هر گروه، احتمال کمی برای برخاستن فوری برای استفاده از ابر رایانه در کتابخانه‌ها را می‌بینند. برخلاف پاسخ دهندگان ، گزارشی از کنسرسیوم رسانه‌های جدید (شریک ACRL) 4 تا 5 سال را به عنوان زمان پذیرش هوش مصنوعی در کتابخانه ها پیش بینی می کند.

این گزارش توسعه دستورالعمل‌ها را تشویق می‌کند و ادعا می‌کند که هوش مصنوعی «می‌تواند بار کتابداران را کاهش دهد و زمان را برای تمرکز بر وظایف دیگر، مانند آموزش و بهبود تحقیق، آزاد کند».

در حوزه حقوق، پلتفرم واتسون ROSS Intelligence می تواند 1 میلیون صفحه قانون قضایی را در یک ثانیه بخواند. در شرکت های حقوقی بزرگ  20 تا 30 ساعت در زمان برای هر پرونده صرفه جویی می شود. در پزشکی، ایزابل اطلاعات بیمار را جمع آوری می کند و توسط پزشکان برای کمک به ایجاد یا گسترش تشخیص افتراقی استفاده می شود.

سؤالات ششم تا هشتم در مورد چشم انداز شغلی حرفه ما پرسیده شد، از جمله جایگزینی احتمالی کتابداران با ابر رایانه و اینکه اگر ابر رایانه جایگزین شود مثبت یا منفی خواهد بود.

اکثر پاسخ دهندگان اکثراً هوش مصنوعی را به صورت مثبت می بینند و فکر نمی کنند – یا نمی دانند – آیا هوش مصنوعی جایگزین کتابداران خواهد شد. آنها احساس می کنند که ابر رایانه یا نیاز به کتابداران را افزایش می دهد یا ت

غییری ایجاد نمی کند. کتابدارانی که به نظرسنجی ما پاسخ دادند از توسعه یک ربات کتابخانه ای تعاملی به نام شیائوتو در دانشگاه پکن در چین آگاه نیستند. به‌علاوه، چشم‌انداز حرفه‌ای به‌طور قابل‌توجهی از دیدگاه پزشکان و وکلا که ظهور «وکلای روبات» و روبات‌های مراقبت‌های بهداشتی شخصی را تصدیق می‌کنند، انحراف دارد.

در سوال نهم، از پاسخ دهندگان پرسیدیم که آیا تا به حال مقاله ای در مورد ابررایانه ها در ادبیات مطالعه کرده اند. همانطور که می بینید، بیش از 75درصد چیزی در مورد این موضوع نخوانده اند، که می تواند عدم بحث در رتبه های مربوط به آن را توضیح دهد.

ما از پاسخ دهندگان پرسیدیم که آیا می خواهند در کارگاه آموزشی هوش مصنوعی در کتابخانه شرکت کنند.  ناامید شدیم که دیدیم تنها 47.42 درصد از پاسخ دهندگان به این موضوع علاقه مند هستند.

آیا تابحال متون درباره هوش مصنوعی را مطالعه کردید؟

همکاران در پزشکی و حقوق اذعان کرده اند که پزشکان آنها نیاز به آموزش مداوم در این فناوری جدید دارند. در سال 2017، حدود 2000 پزشک در هشتمین سالانه Health Datapalooza شرکت کردند که به بهبود سلامت از طریق استفاده از قدرت داده و فناوری اختصاص داشت. علاوه بر این، یکی از محبوب‌ترین پیشنهادات آموزش مداوم برحسب تقاضا از سوی انجمن وکلای آمریکا، ظهور ماشین‌ها: هوش مصنوعی و آینده قانون‌گذاری است.

نتیجه‌گیری

هدف از پژوهش، بررسی نظرات کتابداران دانشگاهی در مورد تأثیر هوش مصنوعی (مانند واتسون) بر حرفه ما بود. بیایید در مورد مهم ترین نتایج نظرسنجی صحبت کنیم. برخلاف حرفه‌های حقوق و پزشکی، این نظرسنجی نشان می‌دهد که کتابداران بیش از حد نگران فرسایش شغلی یا تأثیرات دگرگون‌کننده هوش مصنوعی بر حوزه کتابداری نیستند. به نظر می رسد تصور و احتمال کتابداران از زمانی که این تحول در چه زمانی اعمال می شود 30 سال آینده باشد. این به طور اساسی با پیش بینی کارشناسان کتابخانه خودمان متفاوت است.

این واقعیت که پاسخ‌دهندگان در ادبیات حرفه‌ای ما درباره هوش مصنوعی نخوانده‌اند، بسیار مهم بود، همچنین واکنش ملایم آنها به شرکت در کارگاه آموزشی در این زمینه بسیار مهم بود. با سرعت سریع پیشرفت در فناوری هوش مصنوعی،  مشتاق هستیم که این نظرسنجی را در 3 سال دیگر برای مقایسه نتایج انجام دهیم.

توصیه‌ها

هوش مصنوعی اغلب به عنوان یک حقه یا چیزهای علمی تخیلی در نظر گرفته می‌شود. حدس اولیه ما برای این مطالعه این بود که هوش مصنوعی بر تعداد کتابداران مورد نیاز برای کار تأثیر منفی خواهد گذاشت و این تأثیر در 10 سال آینده احساس خواهد شد.  توانستیم کمبود این موضوع را در متون کتابداری حرفه‌ای در مقایسه با آنچه در سایر حرفه‌ها وجود دارد شناسایی کنیم. همچنین می‌خواستیم بدانیم چرا بحثی در مورد هوش مصنوعی در بین کتابداران وجود ندارد.

نتایج نظرسنجی حاکی از احساس رضایت بیش از حد در میان کتابداران در رابطه با تأثیرات دگرگون‌کننده و مخرب این فناوری است. در 35 سال گذشته، کتابخانه‌های دانشگاهی با موفقیت خودکارسازی را پذیرفته‌اند. چرا در این زمان، سرمان را زیر شن فرو کرده‌ایم؟ آن را به بحث تغییر آب و هوا تشبیه می‌کنیم – داده‌ها وجود دارد، اما  تصمیم می‌گیریم آن را نادیده بگیریم.

شاید اکنون زمان آن رسیده است که از برادرانمان در رشته‌های حقوق و پزشکی پیروی کنیم و فعال باشیم. با انجام این کار، می‌توانیم از هوش مصنوعی به عنوان ابزاری استفاده کنیم که به ما امکان می‌دهد روی وظایف دیگری مانند تدریس و تحقیق تمرکز کنیم. روسای مدارس کتابداری باید بحث را با پرداختن به تغییر برنامه درسی آغاز کنند و بپرسند: «آیا سطوح فعلی آموزش در مدارس کتابداری کافی است؟» علاوه بر این، فرصت زیادی برای تحقیقات بیشتر درباره این موضوع وجود دارد. زمان آن فرا رسیده است که سازمان‌های حرفه‌ای ما، گروه‌های علاقه‌مند ویژه، کارگاه‌ها و فرصت‌های توسعه حرفه‌ای را برای کشف پیامدهای این فناوری به سرعت در حال تکامل ایجاد کنند.

در حرکت رو به جلو،  باید به گذشته دل ببندیم – کتابخانه‌ها نه تنها توانسته‌اند گلیم خود را از آب بیرون بیاورند، بلکه در مواجهه با فناوری‌های مخرب موفق شوند. معتقد نیستیم که هوش مصنوعی یک تهدید وجودی برای کتابداری است. باید به عنوان یک فرصت به آن نگاه کرد. باید بدانیم که زمان آن زمان نیست، اکنون است. این سیل تغییرات یک فریب یا چیزهای علمی تخیلی نیست، و اگر توجهمان از بین برود ممکن است غرق شویم.

منابع:

Fernandez, P. (2016). “ ‘Through the Looking Glass: Envisioning New Library Technologies’ Understanding Artificial Intelligence.” Library Hi Tech News, 33(3), 20–23.
Mogali, S. (2015). “Artificial Intelligence and Its Applications in Libraries.” Delhi. Müller, V., and Bostrom, N. (2016). “Future Progress in Artificial Intelligence: A Survey of Expert Opinion.” In V. Müller (Ed.), Fundamental Issues of Artificial Intelligence, First Edition, 555–572. New York:
Springer

اصل مقاله:

Wood, Barbara A., and David J. Evans. “Librarians’ Perceptions of Artificial Intelligence and Its Potential Impact on the Profession.” Computers in Libraries, 38.1 (2018). https://www.researchgate.net/publication/322977069_Librarians%27_Perceptions_of_Artificial_Intelligence_and_Its_Potential_Impact_on_the_Profession. ترجمه دکتر مریم اسدی

Loading

بیانیه ایفلا درباره کتابخانه‌ها و هوش مصنوعی

پذیرش هوش مصنوعی (از این پس به عنوان “AI” نامیده می شود) و یادگیری ماشین در بخش خصوصی و عمومی به سرعت در حال رشد است. این بیانیه خط‌‌مشی به منظور تشریح ملاحظات کلیدی برای استفاده از این فناوری‌ها در بخش کتابخانه و پیشنهاد نقش‌هایی است که کتابخانه‌ها باید در جامعه‌ای با ادغام هوش مصنوعی تلاش کنند، افزایش دهند.

فناوری‌های هوش مصنوعی می‌توانند عمیقاً دگرگون‌کننده باشند و از قدرت آن‌ها برای رفاه عمومی و نوآوری استفاده شود. با آمادگی لازم – و در نظر گرفتن نگرانی‌ها و محدودیت‌های اخلاقی فعلی – کتابخانه‌ها می‌توانند مسئولانه از فناوری‌های هوش مصنوعی برای پیشبرد مأموریت اجتماعی خود استفاده کنند.

هوش مصنوعی در کتابخانه: ادغام فناوری‌های هوش مصنوعی و یادگیری ماشین در کارهای روزمره.

همانطور که فناوری هوش مصنوعی در حال تکامل است، تعدادی از برنامه‌های کاربردی هوش مصنوعی و یادگیری ماشین (ML) ممکن است خدمات و عملکردهای جدیدی را به کتابخانه ها معرفی کنند. برای مثال، فناوری‌های هوش مصنوعی و یادگیری ماشین می‌توانند کتابخانه‌ها را قادر به بهبود تشخیص نوری نویسه‌های متن یا ایجاد کاربردهای جدید برای مجموعه‌های کتابخانه‌ای قابل خواندن با ماشین (به عنوان مثال طبقه بندی یا کشف) – چه برای خود کتابخانه، چه کاربر یا پژوهشگران شود.

به طور مشابه، هوش مصنوعی و یادگیری ماشین می‌توانند این قابلیت را داشته باشند که ابعاد و رویکردهای جدیدی به فرآیندهای مدیریت دانش در کتابخانه‌ها به ویژه سازمان‌دهی، ذخیره‌سازی و ادغام دانش اضافه کنند. هوش مصنوعی ممکن است بتواند ابعاد جدیدی را برای ارائه خدمات در صورت همراه شدن با روباتیک ارائه دهد. در حالی که مواردی وجود دارد که ممکن است از هوش مصنوعی برای خودکارسازی برخی از خدمات موجود کتابخانه (در برنامه‌های هوش مصنوعی مانند ربات‌های گفتگو یا ابزارهای جستجو و کشف) استفاده شود، باید مراقب بود که از تأثیرات منفی بر کیفیت خدمات و کارکنان جلوگیری شود (همانطور که در پیوست یک توضیح داده شده است).

برای مثال، کتابخانه‌ها و انجمن‌های کتابداری می‌توانند با محققان و توسعه‌دهندگان هوش مصنوعی تعامل داشته باشند تا برنامه‌هایی را به‌طور خاص برای استفاده در کتابخانه و/یا در پاسخ به نیازهای کاربر ایجاد کنند، از جمله با ایجاد خدمات قابل دسترس که قبلاً امکان‌پذیر نبوده است.

استفاده از فناوری‌های هوش مصنوعی در کتابخانه‌ها باید تابع استانداردهای اخلاقی روشن باشد، مانند استانداردهایی که در آیین‌نامه اخلاقی ایفلا برای کتابداران و سایر کارکنان اطلاعاتی بیان شده است. به عنوان مثال، برنامه‌های کاربردی هوش مصنوعی که به جمع‌آوری داده‌های گسترده – مانند نرم‌افزار تحلیل رفتار برای ارزیابی عملکرد – متکی هستند، نباید گزینه‌های حریم خصوصی کاربران یا ملاحظات حقوقی را نادیده بگیرند (مشخصات بیشتر در پیوست یک)

کتابخانه‌ها می‌توانند به کاربران درباره هوش مصنوعی آموزش دهند و به آنها کمک کنند در جامعه‌ای که از هوش مصنوعی بیشتر استفاده می‌کند، پیشرفت کنند.

تعداد فزاینده‌ای از ابتکارات دولت‌ها و سازمان‌های مدنی با هدف آموزش عموم درباره هوش مصنوعی و پیامدهای اجتماعی استفاده از آن است. کتابخانه‌ها منبع معتمد و معتبری از دانش هستند و می‌توانند به گسترش این تلاش‌ها به جوامع خود کمک کنند.

امروزه، بسیاری از کتابخانه‌ها برای کمک به مشتریان خود کار می‌کنند تا شایستگی‌های سواد دیجیتال شامل توانایی استفاده معنادار از فناوری، از مهارت‌های اولیه فناوری اطلاعات تا توانایی‌های خلاقانه – ایمن، اخلاقی و قانونی را توسعه دهند. این تلاش‌ها را می‌توان برای ارتقای سواد الگوریتمی گسترش داد – درک اینکه چگونه الگوریتم‌ها و سایر فرآیندهای دیجیتال بر نحوه دسترسی و دریافت اطلاعات کاربران تأثیر می‌گذارند.

برای مثال، کتابخانه‌های عمومی می‌توانند موقعیت مناسبی برای ارائه چنین آموزش‌هایی به عموم مردم داشته باشند (پیوست2)، اما این امر می‌تواند به سرمایه‌گذاری قابل توجهی در زمان و منابع و همچنین ارتقای مهارت از سوی کتابداران نیاز داشته باشد. بنابراین، کتابداران باید در این تلاش‌ها حمایت شوند – و همچنین می‌توانند با سایر سازمان‌ها یا بخش‌ها برای کمک به ارائه آموزش الگوریتمی و سواد دیجیتالی شریک شوند (بیشتر در پیوست2 توضیح داده شده است).

کتابخانه‌ها همچنین می‌توانند با کمک به کاربران خود در درک هوش مصنوعی، آنها را قادر سازند تا در بحث‌های خط‌مشی درباره معنای استفاده از هوش مصنوعی «به‌خوبی» شرکت کنند و اینکه کدام موارد استفاده برای عموم اخلاقی و مطلوب است.

به طور گسترده‌تر، کتابخانه‌ها می‌توانند نقشی در کمک به کاربران خود برای سازگاری با برخی از تغییرات احتمالی در بازار کار ناشی از هوش مصنوعی ایفا کنند. یادگیری مادام‌العمر این پتانسیل را دارد که نقش مهمی در کمک به افراد در مدیریت تغییر نیازمندی‌های مهارتی یا انتقال شغلی ایفا کند. ابزارها و خدماتی که کتابخانه‌ها ارائه می‌کنند می‌توانند فرصت‌های یادگیری مادام‌العمر عادلانه، به‌ویژه برای جمعیت‌های آسیب‌پذیر یا به حاشیه رانده شده را فراهم کنند. برای مثال، کلاس‌های رایگان سواد دیجیتال و مهارت‌های فناوری اطلاعات که بسیاری از کتابخانه‌ها ارائه می‌دهند، ممکن است اهمیت فزاینده‌ای پیدا کنند، زیرا این مهارت‌ها بیش از هر زمان دیگری بر قابلیت استخدام تأثیر می‌گذارند.

کتابخانه‌ها می‌توانند از پژوهش‌های هوش مصنوعی با کیفیت بالا و اخلاقی پشتیبانی کنند.

بسیاری از نگرانی‌های اخلاقی و فراگیر فعلی مرتبط با پژوهش‌ها و برنامه‌های کاربردی هوش مصنوعی از داده‌های آموزشی ناقص، نادرست یا مغرضانه (“زباله در داخل، زباله بیرون”) ناشی می‌شوند. کتابداران آموزش دیده می توانند تخصص خود را در زمینه ذخیره‌سازی داده‌ها و صدور مجوز، ارزیابی کیفیت داده‌ها، و ذخیره‌سازی اطلاعات ایمن و اخلاقی برای کمک به محققان برای رفع برخی از نگرانی‌های مربوط به داده‌ها به کار گیرند.

کتابخانه‌ها همچنین می‌توانند از پژوهش و توسعه اخلاقی هوش مصنوعی از طریق گزینه‌های انتخابی خود پشتیبانی کنند: فناوری‌های هوش مصنوعی را خریداری کنید که استانداردهای اخلاقی برای حفظ حریم خصوصی و فراگیر بودن را رعایت می‌کنند. این امر هم اعتماد کاربران را به کتابخانه ها تایید می‌کند و هم با افزایش تقاضا برای فناوری های هوش مصنوعی اخلاقی، پیامی را به حوزه پژوهش‌های هوش مصنوعی ارسال می‌کند.

کتابخانه‌ها برای سازگاری موفقیت‌آمیز به چه چیزی نیاز دارند؟

ماهیت دگرگون‌کننده هوش مصنوعی به این معناست که کتابخانه‌ها باید در موقعیتی باشند که بتوانند از منابع جدیدبه عنوان تغییرات چشم‌انداز فناوری استفاده کنند و خدمات خود را مطابق با نیازهای متغیر جامعه تنظیم کنند.

برای این منظور، کتابداران ممکن است با آگاهی بیشتر از چشم انداز فناوری بهره مند شوند. از آنجایی که هوش مصنوعی می تواند به طور قابل توجهی به اشتغال در این بخش تغییر شکل دهد، ممکن است برای سازگاری با تغییرات احتمالی در نقش‌هایشان در محل کار، به آموزش نیز نیاز داشته باشند. قابل توجه است که کتابخانه‌ها در بخش‌های مختلف ممکن است به‌طور متفاوتی تحت تأثیر قرار گیرند – برای مثال، کتابخانه‌های دولتی، حقوقی و سایر کتابخانه‌های تخصصی ممکن است بیشتر بر ارائه خدمات مبتنی بر دانش متمرکز شوند.

کتابخانه‌ها باید قوانین، زیرساخت‌ها و فناوری لازم را داشته باشند تا بتوانند هوش مصنوعی را بپذیرند و از آن استفاده کنند. استثناهای متن و داده‌کاوی تحت چارچوب کپی‌رایت برای اجازه دادن به کتابخانه ها برای ادامه انجام ماموریت خود و مشارکت فعال در جامعه هوش مصنوعی بسیار مهم است.

توصیه‌ها

بر اساس موارد فوق، ایفلا توصیه‌های زیر را به دولت‌ها، کتابخانه‌ها و انجمن‌های کتابداری ارائه می‌کند:

دولت ها (و سازمان های بین دولتی، در صورت لزوم) باید:

  • – استثناهای متن و داده کاوی را در چارچوب های کپی رایت لحاظ کنید
  • – اطمینان حاصل کنید که کتابخانه‌ها یا شبکه‌های کتابخانه‌ای زیرساخت‌ها و فن‌آوری‌های لازم را برای سازگاری و استفاده از فناوری‌های هوش مصنوعی دارند.
  • – اطمینان حاصل کنید که هر مقررات مربوط به هوش مصنوعی از اصول حریم خصوصی یا برابری محافظت می کند، و اجازه می دهد تا تلاش هایی انجام شود که از اهداف نوآوری و منافع عمومی حمایت می کند.
  • – اطمینان حاصل شود که کتابخانه ها در توسعه و اجرای برنامه ها و استراتژی های هوش مصنوعی بین بخشی گنجانده شده اند.

انجمن‌های کتابداری و مربیان آموزش کتابخانه باید:

  • – به کتابداران کمک کنید تا تأثیر هوش مصنوعی و ارتباط آن با اصول اخلاقی و حریم خصوصی را درک کنند. مربیان آموزش کتابخانه‌ای باید اطمینان حاصل کنند که کتابداران می‌توانند مهارت‌ها و شایستگی‌های دیجیتالی مناسب را توسعه دهند.
  • – از کتابخانه‌ها برای ایفای نقش بزرگ‌تری در تکامل سیستم آموزشی دفاع کنید، زیرا آنها با تغییرات بازار کار که هوش مصنوعی می‌تواند ایجاد کند، سازگار می‌شوند.
  • -با محققان و توسعه‌دهندگان هوش مصنوعی تعامل کنید تا برنامه هایی را برای استفاده از کتابخانه توسعه دهند که با استانداردهای اخلاقی و حریم خصوصی مطابقت داشته باشد و به طور خاص نیازهای کتابخانه و کاربران کتابخانه را برطرف کند.
  • – به عنوان انجمنی برای تبادل بهترین شیوه‌ها در مورد استفاده اخلاقی از فناوری‌های هوش مصنوعی در کتابخانه‌ها عمل کنید.

کتابخانه‌ها باید در صورت امکان و مناسب:

  • – به مشتریان خود کمک کنید تا سوادهای دیجیتالی را توسعه دهند که شامل درک نحوه عملکرد هوش مصنوعی و الگوریتم‌ها و سوالات مربوط به حریم خصوصی و اخلاقی است.
  • – به تمرکز تلاش‌ها بر تسهیل یادگیری مادام‌العمر و در صورت امکان، ارائه خدمات به بیکاران ادامه دهید.
  • – اطمینان حاصل شود که هرگونه استفاده از فناوری‌های هوش مصنوعی در کتابخانه‌ها باید تابع استانداردهای اخلاقی واضح باشد و از حقوق کاربران آنها محافظت کند.
  • – فناوری‌هایی را تهیه کنید که به الزامات حقوقی و اخلاقی حریم خصوصی و دسترسی پایبند باشند.

Loading

هوش مصنوعی:کتابخانه‌ها در خط مقدم هوش مصنوعی

چکیده

متن زیر مربوط به پیوست سوم بیانیه ایفلا درباره کتابخانه‌ها و هوش مصنوعی ( IFLA Statement on Libraries and Artificial Intelligence) است. هوش مصنوعی در بسیاری از جنبه‌های جامعه، از جمله روش کار افراد و دسترسی به اطلاعات، ظرفیت تحول‌آفرینی دارد. برای کتابخانه‌ها مهم است که سازگار شوند تا بتوانند از راه‌حل‌های فن‌آوری جدید استفاده کنند و خدمات خود را برای برآوردن نیازهای متغیر جامعه تطبیق دهند. بیانیه ایفلا نقش‌های کلیدی کتابخانه‌ها را در جامعه‌ای که از هوش مصنوعی استفاده می‌کنند، مشخص کرده است. و در سرتاسر جهان، برخی از کتابخانه‌ها و سازمان‌های کتابخانه‌ای در حال حاضر مشغول افزایش آگاهی و سواد هوش مصنوعی، توسعه و کار با هوش مصنوعی، و شرکت در بحث‌های پیرامون تأثیر آن بر بخش کتابخانه و فراتر از آن هستند. هدف این پیوست برجسته کردن برخی از تلاش‌های کتابخانه‌هایی است که تا به امروز انجام شده است.

ترجمه این پیوست توسط  دکتر مریم اسدی انجام شده است.

بخش 1 – تأمل در نقش کتابخانه‌ها در دنیای هوش مصنوعی

فوروم ملی 2018 که توسط فدراسیون انجمن‌های کتابخانه‌های کانادا (CFLA-FCAB) سازماندهی شد، پیامدهای هوش مصنوعی را برای بخش کتابخانه و فراتر از آن بررسی کرد. شرکت‌کنندگان در مورد اینکه چگونه کتابخانه‌ها می‌توانند به اطمینان از تأثیر مثبت هوش مصنوعی بر جامعه کمک کنند، و اینکه چگونه CFLA-FCAB می‌تواند از آنها حمایت کند و برای دستیابی به این هدف با شرکا همکاری کند، بحث کردند. به‌عنوان مثال بحث‌ها، به اهمیت مجهز کردن کارکنان کتابخانه و دانشجویان علوم کتابداری و اطلاع‌رسانی به درک اولیه از هوش مصنوعی و به نقشی که کتابخانه‌ها می‌توانند در آموزش عموم مردم درباره هوش مصنوعی ایفا کنند، اشاره کردند.

ملاحظات مشابهی ابتکار شورای کتابخانه‌های شهری را برای پیشبرد نقش کتابخانه‌ها در آمریکای شمالی در ارتقای شهروندی دیجیتال و حکمرانی عادلانه داده‌ها در عصر هوش مصنوعی هدایت کرده است. به عنوان اولین گام، کارگروهی تشکیل شد تا بررسی کند که چگونه کتابخانه‌ها می‌توانند برای به حداکثر رساندن مزایای بالقوه اجتماعی و به حداقل رساندن خطرات هوش مصنوعی همکاری کنند.

گام‌های بعدی که توسط شورای کتابخانه‌های شهری مشخص شده است شامل توسعه تعاریف و چارچوب‌های هوش مصنوعی است که نقش کتابخانه‌ها را در ارتقای دسترسی عادلانه به اطلاعات و آموزش در هوش مصنوعی، تسهیل تبادل شیوه‌ها و بینش‌های خوب و موارد دیگر ارتقا می‌دهد. فعالیت‌های اخیر شورای کتابخانه‌های شهری، برای مثال شامل، میزبانی یک وبینار است که بر نقش کتابخانه‌های عمومی به‌عنوان مربی در مواجهه با هوش مصنوعی، با عنوان «هوش مصنوعی، سواد الگوریتمی و نقش‌های کتابخانه‌ها» تمرکز دارد. و میزبانی یک فوروم در زمینه هوش مصنوعی و شهروندی دیجیتال.

بخش 2 کتابخانه‌ها و سواد هوش مصنوعی

در هلند، کتابخانه‌های عمومی این فرصت را دارند که با حمایت طرح ملی دوره هوش مصنوعی، سواد هوش مصنوعی را بالا ببرند. سازمان‌های هلندی AI for Good Netherlands، Elephant Road و مرکز نوآوری برای هوش مصنوعی یک دوره آموزشی گسترده آنلاین را برای کمک به عموم مردم برای درک بهتر هوش مصنوعی ایجاد کرده‌اند، با مشارکت کتابخانه‌ها، ترویج دوره و کمک به افراد بیشتری برای شرکت در آن. به عنوان مثال، زمانی که نسخه Junior MOOC در سپتامبر 2019 معرفی شد، 16 کتابخانه در سراسر کشور در راه اندازی آن شرکت کردند و کلاس هایی را برای عموم برای شرکت در دوره آنلاین برگزار کردند.

فدراسیون انجمن‌های کتابخانه‌های کانادا، کتابخانه دانشگاه رایرسون و کتابخانه عمومی تورنتو، اخیراً پروژه هوش مصنوعی برای همه کانادا را راه اندازی کرده‌اند – پروژه‌ای با هدف توسعه یک برنامه هوش مصنوعی و سواد الگوریتمی که می‌تواند در کتابخانه‌های عمومی سراسر کانادا اجرا شود.

کتابخانه‌های شخصی نیز طرح‌های سواد و افزایش آگاهی را اجرا می‌کنند. برای مثال، کتابخانه عمومی تورنتو، یک حلقه یادگیری برای افرادی که نسخه بین‌المللی فنلاندی عناصر AI MOOC را دنبال می‌کنند، ارائه می‌کند. چکیده‌ای از شورای کتابخانه‌های شهری، سایر ابتکارات یادگیری را با تمرکز بر هوش مصنوعی در کتابخانه‌های عمومی در آمریکای شمالی برجسته می‌کند. به عنوان مثال، اینها شامل برنامه‌های بحث و گفتگو در مورد آگاهی هوش مصنوعی و شهروندی دیجیتال در کتابخانه عمومی میامی-داد و کتابخانه عمومی دی سی است.

کتابخانه عمومی فریسکو در ایالات متحده، در کنار دوره‌های آموزشی هوش مصنوعی، کیت‌های سازنده هوش مصنوعی را ارائه می‌دهد. برمبنای کیت Google AIY Voice Project، یک کیت سازنده هوش مصنوعی کتابخانه‌ای حاوی یک بلندگوی «هوشمند» (جعبه‌ای با رایانه سطح پایه Raspberry Pie و یک بلندگوی کوچک) و یک کتاب آموزشی است. کاربران کتابخانه می‌توانند این کیت را بررسی کنند و یاد بگیرند که چگونه دستگاه را برای درک دستورات صوتی، با استفاده از زبان برنامه نویسی پایتون، کدنویسی کنند.

بخش 3 – هوش مصنوعی در کتابخانه

از «باغ‌وحش‌های حیوانات خانگی» که به کاربران اجازه می‌دهد با فناوری‌های جدید آشنا شوند تا ارائه خدمات روزمره، فناوری‌های هوش مصنوعی در کتابخانه‌های سراسر جهان برای اهداف گسترده‌ای استفاده می‌شوند. برخی از این فناوری ها – به ویژه آنهایی که در حوزه مدیریت دانش فعالیت می‌کنند – از سوی خود کتابخانه‌ها توسعه یافته‌اند.

برای مثال، کتابخانه ملی نروژ با استفاده از یادگیری ماشینی خودکارسازی طبقه‌بندی اعشاری دیویی را آزمایش کرده است. به ویژه، کتابخانه به اهمیت نبود سوگیری در هنگام معرفی اسناد اضافی در مجموعه داده‌های خود اشاره کرده است.

همچنین نمونه‌هایی از کتابخانه‌های دانشگاهی وجود دارد که در راه‌اندازی برنامه‌های هوش مصنوعی یا با واحدهای دیگر همکاری می‌کنند. استودیوی هوش مصنوعی کتابخانه دانشگاه استنفورد در حال توسعه پروژه‌هایی برای بررسی کاربرد هوش مصنوعی در کتابخانه‌ها برای پردازش اطلاعات داخلی و کشف و تحلیل مجموعه کتابخانه‌ها است. دانشگاه رودآیلند یک آزمایشگاه هوش مصنوعی را در کتابخانه دانشگاه راه اندازی کرد و بر گشودگی آن برای کارکنان و دانشجویان و همچنین جامعه تحقیقاتی گسترده‌تر رودآیلند تأکید کرد. هملت، یک سیستم مجهز به شبکه عصبی، یک رابط‌کاربری کشف کتابخانه تجربی برای مجموعه پایان‌نامه‌های MIT است.

مرکز بورس‌های دیجیتالی کتابخانه‌های دانشگاه سینسیناتی در برنامه‌های کاربردی یادگیری ماشین تخصص دارد. به عنوان مثال، نمونه‌هایی از کار آنها شامل تحلیل شبکه توییتر جنبش‌های عدالت اجتماعی است.

کتابخانه مرکزی هلسینکی Oodi، یک برنامه تلفن همراه مجهز به هوش مصنوعی را برای کاربران کتابخانه معرفی کرده است که برای ارائه پیشنهادهای مطالعه و کمک به کشف مجموعه کتابخانه طراحی شده است. نکته مهم این است که در ابتدای پروژه در سال 2018، تصمیم گرفته شد که اطلاعات شخصی کاربران جمع‌آوری نشود. در سراسر جهان، کتابخانه‌ها شروع به استفاده از ربات‌های مجهز به هوش مصنوعی برای مقاصد مختلف، از پاسخ به سؤالات راهنما گرفته تا نقش همراهی در مطالعه، کرده‌اند.

Loading