نوشته‌ها

چگونه می‌توانید یک تجربه بی‌نقص از کتابخانه برای کاربران خود ایجاد کنید؟

کاربران کتابخانه را درک کنید

اولین قدم برای ایجاد یک تجربه بی‌نقص از کتابخانه این است که بدانید کاربران شما چه کسانی هستند، به چه چیزی نیاز دارند و چگونه رفتار می‌کنند. برای گردآوری بازخورد کاربران می‌توانید از روش‌های مختلفی مانند نظرسنجی، مصاحبه، گروه‌های تمرکز، مشاهده و تحلیل داده‌ استفاده کنید. همچنین می‌توانید پرسوناها و سفرهای کاربر را (برای درک این دو اصطلاح به این مقاله مراجعه کنید B2n.ir/u96586) برای نمایش انواع مختلف کاربران و نحوه تعامل آنها با کتابخانه ایجاد کنید. با درک کاربران خود، می‌توانید خدمات و فضاهای کتابخانه را با اولویت‌ها، اهداف و چالش‌های آنها تنظیم کنید.

سیستم‌های اطلاعاتی کتابخانه را یکپارچه کنید

گام دوم برای ایجاد یک تجربه بی نقض از کتابخانه این است که سیستم‌ها و پلتفرم‌های اطلاعاتی خود را یکپارچه کنید تا دسترسی یکدست و راحت به مجموعه‌ها و خدمات شما فراهم شود. می‌توانید از ابزارهایی مانند لایه‌های کشف[1]، جستجوی یکپارچه، سرویس متمرکز تأیید هویت[2] ، APIها[3] و استانداردهای کنش‌پذیری برای اتصال فهرست‌ها، پایگاه‌های اطلاعاتی، منابع الکترونیکی، وب‌سایت‌ها، اپلیکیشن‌های تلفن همراه و سایر سیستم‌ها استفاده کنید. همچنین می‌توانید از راه‌حل‌های مبتنی بر ذخیره ابری و نرم‌افزار منبع‌باز برای کاهش هزینه‌ها و افزایش انعطاف‌پذیری استفاده کنید. با یکپارچه‌سازی سیستم‌های کتابخانه، می‌توانید گردش کار خود را ساده کنید و رضایت کاربران خود را بهبود بخشید.

وبگاه کتابخانه را بهینه کنید

گام سوم برای ایجاد یک تجربه بی‌نقص از کتابخانه این است که وبگاه کتابخانه را بهینه‌سازی کنید تا کاربرپسند، جذاب و کاربردی باشد. می‌توانید از اصول طراحی وبگاه کتابخانه‌ای مانند استفاده‌پذیری، دسترس‌پذیری، پاسخگویی و زیبایی‌شناسی برای بهبود ظاهر و عملکرد وبگاه کتابخانه استفاده کنید. همچنین می‌توانید از سیستم‌های مدیریت محتوا، تحلیل وب و تکنیک‌های سئو برای مدیریت محتوا و افزایش رؤیت‌پذیری خود استفاده کنید. با بهینه‌سازی وبگاه کتابخانه، می‌توانید یک حضور آنلاین شفاف و جذاب برای کتابخانه خود فراهم کنید.

فضای کتابخانه را گسترش دهید

چهارمین گام برای ایجاد یک تجربه بی نقض از کتابخانه این است که فضای خود را گسترش دهید تا آن را جذاب، راحت و سازگار کنید. می‌توانید از فضا، مبلمان، نورپردازی، تابلوها و نمایشگرها برای ایجاد مناطق و فضاهای مختلف برای کاربران کتابخانه استفاده کنید. همچنین می‌توانید از فناوری‌هایی مانند چک اوت خودکار، RFID، تابلوهای دیجیتال و صفحه‌های تعاملی برای تسهیل عملیات و خدمات کتابخانه استفاده کنید. می‌توانید با گسترش فضای کتابخانه، یک محیط فیزیکی فراهم کنید که از نیازها و ترجیحات کاربران شما پشتیبانی کند.

دسترسی کتابخانه را گسترش دهید

پنجمین مرحله برای ایجاد یک تجربه بی‌نقص از کتابخانه این است که دسترسی کتابخانه را برای ارتباط با کاربران و ارتقای ارزش کتابخانه گسترش دهید. می‌توانید از رسانه‌های اجتماعی، خبرنامه‌ها، وبلاگ‌ها، پادکست‌ها و سایر کانال‌ها برای برقراری ارتباط با کاربران و به اشتراک گذاشتن اخبار، رویدادها و منابع کتابخانه استفاده کنید. همچنین می‌توانید از شرکا، همکاران و شبکه‌ها برای ارتباط با مخاطبان و ذی‌نفعان جدید و متنوع استفاده کنید. با گسترش دسترسی کتابخانه، می‌توانید روابط و آگاهی برای کتابخانه خود را ایجاد کنید.

در خدمات کتابخانه نوآوری کنید

ششمین و آخرین مرحله برای ایجاد یک تجربه بی نقض از کتابخانه این است که برای پاسخگویی به نیازها و انتظارات متغیر کاربران نوآوری در خدمات کتابخانه ایجاد کنید. می‌توانید از طراحی، نمونه‌سازی، آزمودن و ارزیابی خدمات برای توسعه خدمات و محصولات جدید و بهبودیافته برای کاربران خود استفاده کنید. همچنین می‌توانید از فناوری‌های نوظهور مانند هوش مصنوعی، واقعیت مجازی و گیمیفیکیشن برای ارتقای خدمات و ارائه تجربیات جدید استفاده کنید. با نوآوری در خدمات کتابخانه، می‌توانید یک خدمت کتابخانه‌ای پویا و مرتبط برای کاربران خود فراهم کنید.

[1] – “لایه‌های کشف” یا discovery layers به مفهومی در حوزه علوم کامپیوتر و فناوری اطلاعات اشاره دارد. مجموعه‌ای از ابزارها و فنون مورد استفاده برای تسهیل کشف و بازیابی اطلاعات از منابع مختلف را توصیف می‌کند. لایه‌های کشف برای کمک به کاربران در یافتن سریع و کارآمد اطلاعات مرتبط، صرف نظر از مکان یا قالب آن، طراحی شده‌اند. در زبان کتابداری، یک فرانمایه قابل جستجو از منابع کتابخانه‌ای است که معمولاً شامل متادیتای مقالات، متادیتای کتاب‌های الکترونیکی، متادیتای فهرست‌های کتابخانه، متادیتای منابع دسترسی آزاد و غیره است و نیز شامل ابزارهای بازیابی منابع از طریق فناوری پیوند است.

[2] – single sign-on

[3] – Application Programming Interface  یا رابط برنامه نویسی نرم افزار کاربردی

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

Loading

هوش مصنوعی و کتابخانه‌های دانشگاهی

هوش مصنوعی (AI) این توانایی را دارد که نحوه عملکرد کتابخانه‌های دانشگاهی و خدمات‌رسانی به کاربران را تغییر دهد. نظام‌های هوش مصنوعی می‌توانند به کتابداران در انجام وظایفی مانند مدیریت مجموعه، فهرست‌نویسی و خدمات مرجع یاری کنند و به آنها کمک کنند تا بر وظایف سطح بالاتری مانند آموزش سواد اطلاعاتی و پشتیبانی پژوهشی از پژوهشگران تمرکز کنند.

امروزه یکی از راه‌های استفاده از هوش مصنوعی در کتابخانه‌های دانشگاهی استفاده از چت‌بات‌ها است. این دستیاران مجازی می‌توانند در انجام طیف وسیعی از وظایف، از پاسخ به سؤالات مرجع گرفته تا جستجو در فهرست‌های آنلاین کمک کنند. چت‌بات‌ها می‌توانند بیست و چهارساعته و در تمام ایام هفته در دسترس کاربران باشند، به این معنی که کاربران می‌توانند حتی خارج از ساعات کاری از کتابخانه کمک بگیرند.

هوش مصنوعی می‌تواند به مدیریت مجموعه‌های کتابخانه نیز کمک کند. با تحلیل داده‌های امانت یا تراکنش‌های پایگاه‌های اطلاعاتی، درباره الگوهای گردش و رفتار کاربر اطلاعاتی بدست آوریم. نظام‌های مبتنی بر هوش مصنوعی می‌توانند براساس این داده‌ها، کتاب‌ها یا مقالاتی را توصیه کنند که کاربران احتمالاً به آن‌ها علاقه‌مندند. این موضوع می‌تواند به کتابداران کمک کند تا تصمیم‌های آگاهانه‌تری درباره توسعه مجموعه خود بگیرند و اطمینان حاصل کنند که منابع کتابخانه با نیازها و علائق کاربران همسو است.

همچنین هوش مصنوعی می‌تواند به بهبود دسترسی به منابع کتابخانه کمک کند. الگوریتم‌های یادگیری ماشینی می‌توانند به کارهایی مانند تشخیص تصویر و متن کمک کنند و به کاربران کم‌بینا امکان دسترسی آسان‌تر به اسناد دیجیتال را بدهد. علاوه بر این، با استفاده از پردازش زبان طبیعی ایجاد خودکار زیرنویس یا  استخراج متن از محتوای چندرسانه‌ای فراهم شده و این امکان را برای طیف وسیع‌تری از کاربران فراهم می‌کند تا به محتوا دسترسی داشته باشند.

یکی از امیدوارکننده‌ترین کاربردهای هوش مصنوعی در کتابخانه‌های دانشگاهی، خودکارسازی وظایف رایج مانند فهرست‌نویسی و رده‌بندی و نمایه‌سازی است. هوش مصنوعی را می‌توان آموزش داد تا این وظایف را سریعتر و دقیق‌تر از انسان انجام دهد و خطاها و ناهماهنگی‌ها را در مجموعه کتابخانه کاهش دهد.

هوش مصنوعی ظرفیت تغییر کتابخانه‌های دانشگاهی را دارد؛ اما نگرانی‌های متعددی وجود دارد که باید مورد توجه قرار گیرد. یکی از بزرگترین چالش‌ها فقدان استانداردها و بهترین شیوه‌ها برای پیاده‌سازی هوش مصنوعی در کتابخانه‌ها است. همچنین این نگرانی وجود دارد که هوش مصنوعی جایگزین مشاغل کتابداری شود و تعامل انسانی را که جنبه مهم کتابداری  و فرآیند کشف اطلاعات است کاهش دهد.

واضح است که هوش مصنوعی با بهبود دسترسی به منابع، بهبود خدمات مرجع و کارآمدتر کردن مدیریت مجموعه، این ظرفیت را دارد که به کتابخانه‌های دانشگاهی کمک کند. با این حال، مهم است که با دقت به پیاده‌سازی هوش مصنوعی نزدیک شویم و اطمینان حاصل کنیم که این فناوری به گونه‌ای استفاده می‌شود که با ارزش‌ها و اهداف کتابخانه سازگار است.

در پیاده‌سازی نظام‌های هوش مصنوعی در کتابخانه‌های دانشگاهی کشور با چالش‌های زیادی از جمله کمبود منابع، زیرساخت‌های ضعیف و کمبود نیروی انسانی متخصص و ماهر روبرو هستیم. همچنین برای تحقق کامل آن به سرمایه‌گذاری قابل توجهی در این زمینه نیاز است. نظام‌های هوش مصنوعی برای عملکرد موثر به میزان قابل‌توجهی به توان محاسباتی، ذخیره‌سازی داده و زیرساخت شبکه‌ای نیاز دارند که پیاده‌سازی و نگهداری آن می‌تواند پرهزینه باشد. علاوه بر این، آموزش و نگهداری نظام‌های هوش مصنوعی نیز نیازمند دانش و مهارت‌های تخصصی است.

با وجود این چالش‌ها، هنوز راه‌هایی برای استفاده از  هوش مصنوعی در کتابخانه‌های دانشگاهی وجود دارد. برای مثال، می‌توانید چت‌بات‌های ساده‌ای را طراحی کنید که نیازی به برنامه‌نویسی یا منابع پیشرفته ندارند و کتابداران می‌توانند از آنها برای پاسخ به سؤالات مرجع استفاده کنند. علاوه بر این، نرم‌افزارها و قالب‌های کتابخانه‌ای مبتنی بر هوش مصنوعی منبع باز وجود دارند که می‌تواند به کاهش هزینه‌های پیاده‌سازی هوش مصنوعی در کتابخانه‌های دانشگاهی کمک کند.

رویکرد دیگر، همکاری با نهادهای خصوصی و خارجی (دانشگاه‌ها، مؤسسات و شرکت‌ها) است که منابع و تخصص لازم را برای پیاده‌سازی هوش مصنوعی در کتابخانه‌ها دارند. می‌توان از آنها برای راهنمایی و مشاوره درمورد پیاده‌سازی نظام‌های هوش مصنوعی در کتابخانه‌ها استفاده کرد. این موضوع می‌تواند فرصت‌های همکاری و شبکه‌سازی را افزایش دهد. مهم است درباره چالش‌ها و محدودیت‌های پیاده‌سازی هوش مصنوعی در یک کتابخانه‌های دانشگاهی واقع‌بین باشیم و با یک ذهنیت راهبردی و عمل‌گرایانه به این فرآیند نزدیک شویم. خلاصه اینکه هوش مصنوعی برای بهبود خدمات در کتابخانه‌ها فرصت‌هایی ایجاد می‌کند، اما به برنامه‌ریزی دقیق، همکاری و بودجه کافی نیاز دارد.

نوشته شده : دکتر مریم اسدی

 

Loading

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

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

قابلیت ‌هوش مصنوعی در کتابخانه دانشگاهی

یادداشت کوتاه

قابلیت ‌هوش مصنوعی در کتابخانه دانشگاهی

دکتر مریم اسدی

هوش مصنوعی (AI) این قابلیت را دارد که شیوه فعالیت کتابخانه‌های دانشگاهی و خدمات‌رسانی به کاربران خود را متحول کند. نظام‌های مجهز به هوش مصنوعی می‌توانند به وظایفی مانند فهرست‌نویسی، مدیریت مجموعه، و خدمات مرجع کمک کنند و کتابداران را آزاد بگذارند تا بر مسئولیت‌های سطح بالایی مانند آموزش سواد اطلاعاتی و کمک پژوهشی تمرکز کنند.
یکی از روش‌هایی که در حال حاضر از هوش مصنوعی در کتابخانه‌های دانشگاهی استفاده می‌شود، پیاده‌سازی ربات‌های گفتگو یا چت‌بات‌ها است. این دستیاران مجازی می‌توانند در طیف وسیعی از وظایف کتابداری، از پاسخ‌دادن به سؤالات مرجع پایه‌ای تا جستجو در فهرست پیوسته کتابخانه، به کاربران کمک کنند. ربات‌های گفتگو می‌توانند در طول هفته و 24 ساعته در دسترس کاربران قرار داشته باشند، به این معنی که کاربران می‌توانند حتی در خارج از ساعات اداری کتابخانه از کمک آنها استفاده کنند. علاوه بر این، ربات‌های گفتگو می‌توانند چندین تعامل با کاربر را به طور هم‌زمان مدیریت کنند و کارایی خدمات مرجع را افزایش دهند.
همچنین هوش مصنوعی می‌تواند به مدیریت مجموعه کمک کند. با تجزیه‌وتحلیل داده‌ها درباره الگوهای امانت و رفتار کاربر، سیستم‌های مبتنی بر هوش مصنوعی می‌توانند کتاب‌ها یا مقالاتی را به کاربران توصیه کنند که احتمالاً به آن‌ها علاقه دارند. این می‌تواند به کتابداران کمک کند تا تصمیمات آگاهانه‌تری در مورد توسعه مجموعه و انتخاب منابع بگیرند و اطمینان حاصل کنند که منابع کتابخانه با نیازها و علایق کاربران همسو است.
هوش مصنوعی همچنین می‌تواند به بهبود دسترسی به منابع کتابخانه کمک کند. الگوریتم‌های یادگیری ماشینی می‌توانند به وظایفی مانند تشخیص تصویر و متن کمک کنند و به کاربرانی که دارای اختلالات بینایی هستند اجازه دهد با سهولت بیشتری به مواد دیجیتال دسترسی داشته باشند. علاوه بر این، پردازش زبان طبیعی می‌تواند برای تولید زیرنویس به‌صورت خودکار یا تهیه متن برای محتوای چندرسانه‌ای مورداستفاده قرار گیرد و برای طیف وسیع‌تری از کاربران قابل‌استفاده باشد.
یکی از امیدوارکننده‌ترین کاربردهای هوش مصنوعی در کتابخانه‌های دانشگاهی، خودکارسازی کارهای معمول مانند فهرست‌نویسی، رده‌‌بندی و نمایه‌سازی است. هوش مصنوعی می‌تواند برای انجام این وظایف با سرعت و دقت بیشتری نسبت به انسان‌ها آموزش ببیند و می‌تواند به کاهش خطاها و ناهماهنگی‌ها در مجموعه‌های کتابخانه کمک کند.
با وجود قابلیت هوش مصنوعی برای متحول کردن کتابخانه‌های دانشگاهی، لازم است اشاره شود که چندین دغدغه وجود دارد که باید به آنها توجه کرد. یکی از بزرگ‌ترین دغدغه‌ها نبود استانداردها و بهترین شیوه‌ها برای پیاده‌سازی هوش مصنوعی در کتابخانه‌ها است. علاوه بر این، این نگرانی وجود دارد که هوش مصنوعی جایگزین مشاغل کتابداری شود و تعامل انسانی را که یک جنبه اساسی از کتابداری دانشگاهی و فرایند کشف اطلاعات است کاهش دهد.
به‌طورکلی، پرواضح است که هوش مصنوعی این قابلیت را دارد که با تسهیل دسترسی به منابع، بهبود خدمات مرجع و کارآمدتر کردن مدیریت مجموعه، به نفع کتابخانه‌های دانشگاهی باشد. بااین‌حال، مهم است که بادقت و توجه بیشتری به پیاده‌سازی هوش مصنوعی نزدیک شویم و اطمینان حاصل کنیم که این فناوری به‌گونه‌ای استفاده شود که باارزش‌ها و اهداف کتابخانه هماهنگ باشد.
بی شک هوش مصنوعی این قابلیت را دارد که در بهبود و ارتقای وظایف کتابخانه دانشگاهی مؤثر باشد، اما برای تحقق کامل آن به سرمایه‌گذاری قابل‌توجهی در خودکارسازی نیاز است. کتابخانه‌های دانشگاهی اغلب در پیاده‌سازی هوش مصنوعی در کتابخانه‌های خود با چالش‌های جدی مانند کمبود منابع، زیرساخت‌ها و نیروی انسانی ماهر روبرویند.
یکی از چالش‌های عمده در کتابخانه‌های دانشگاهی، عدم سرمایه‌گذاری در خودکارسازی است. نظام‌های هوش مصنوعی به مقدار قابل‌توجهی از توان محاسباتی، ذخیره‌سازی داده و زیرساخت شبکه‌ای برای عملکرد مؤثر نیاز دارند که پیاده‌سازی و نگهداری آن می‌تواند پرهزینه باشد. علاوه بر این، آموزش و نگهداری نظام‌های هوش مصنوعی نیز نیازمند دانش و مهارت‌های تخصصی است که در این زمینه کمبودهایی وجود دارد.
با وجود این چالش‌ها، هنوز راه‌هایی وجود دارد که می‌توان از هوش مصنوعی در کتابخانه دانشگاهی استفاده کرد. برای مثال، می‌توان ربات‌های گفتگو ساده را پیاده‌سازی کرد که به برنامه‌نویسی یا منابع پیشرفته نیاز ندارند و می‌توانند به سؤالات مرجع پایه‌ای پاسخ دهند. علاوه بر این، برخی نرم‌افزارها، کتابخانه‌ها و پلتفرم‌های هوش مصنوعی منبع‌باز نیز وجود دارند که می‌توانند به کاهش هزینه‌های پیاده‌سازی هوش مصنوعی در کتابخانه‌های دانشگاهی کمک کنند.
رویکرد دیگر، همکاری با نهادهای خارجی (دانشگاه‌ها، مؤسسات و شرکت‌ها) است که منابع و تخصص لازم برای پیاده‌سازی هوش مصنوعی در کتابخانه‌ها را دارند. آنها می‌توانند آموزش، کمک فنی و بودجه برای پیاده‌سازی نظام‌های هوش مصنوعی در کتابخانه‌ها را فراهم کنند. این موضوع همچنین می‌تواند فرصت‌های همکاری و شبکه‌سازی با مناطق دیگر را افزایش دهد.
به‌طورکلی، مهم است که در مورد چالش‌ها و محدودیت‌های پیاده‌سازی هوش مصنوعی در کتابخانه‌های دانشگاهی واقع‌بین باشیم و با یک ذهنیت راهبردی و عمل‌گرایانه به این فرایند نزدیک شویم. هوش مصنوعی برای بهبود و ارتقای خدمات کتابخانه فرصت‌هایی را فراهم می‌کند، اما نیاز به برنامه‌ریزی دقیق، همکاری و بودجه دارد.

ماخذ

  • Cox, A. (2023). How artificial intelligence might change academic library work: Applying the competencies literature and the theory of the professionsJournal of the Association for Information Science and Technology743), 367– 380https://doi.org/10.1002/asi.24635.
  • Odei, Philip (2023). artificial-intelligence-potential-academic-library-setting. Online. Available from: https://www.linkedin.com/pulse/artificial- intelligence-potential-academic-library-setting-odei/

Loading