
doi: 10.60816/ecpt-8d15
Poster prezentuje potencjał sztucznej inteligencji w odniesieniu do katalogowania zbiorów. Analizie poddano możliwości wykreowania przez chatGPT opisu w formacie MARC 21 wraz z hasłami przedmiotowymi. Opracowanie formalno-rzeczowe publikacji jest procesem wymagającym wiedzy i doświadczenia katalogerów. Chociaż złotą zasadą jest, że opis formalny powinien być wykonywany z autopsji, to znaczenie ukryte w nazwie MARC (Machine-Readable Calaloging) sugeruje istotny potencjał w systemowej automatyzacji tego procesu. Język haseł przedmiotowych MeSH, którego słownictwo tworzą ustabilizowane tematy i określniki, a gramatyka budowy poszczególnych haseł przedmiotowych rządzi się określonymi regułami, również jest odczytywalny przez maszyny. Pytanie, jak sztuczna inteligencja poradzi sobie z kreowaniem nowego opisu wraz z hasłami w odniesieniu do konkretnego dokumentu oraz jakie niesie to konsekwencje dla bibliotek?
biblioteki medyczne, katalogi biblioteczne, hasła przedmiotowe, język haseł przedmiotowych, format MARC 21, MeSH, sztuczna inteligencja, chatGPT
biblioteki medyczne, katalogi biblioteczne, hasła przedmiotowe, język haseł przedmiotowych, format MARC 21, MeSH, sztuczna inteligencja, chatGPT
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
