2.04 Obrada baštinskih tekstova uz pomoć umjetne inteligencije

„Rafinerija sadržaja“: Kako izvući najveću vrijednost iz svake priče

Okvir ovog modula započinje s ključnom stavkom: pisanim transkriptom intervjua usmene povijesti. Jednom kada imate tekstualni transkript, pomoćnik pogonjen umjetnom inteligencijom može postati moćan partner u onome što se može smatrati procesom „rafinerije sadržaja“. Jedna, bogata priča može se učinkovito obraditi i pretvoriti u više vrijednih resursa za različite publike i svrhe, dramatično povećavajući vrijednost i doseg izvorno prikupljene baštine. Ovaj „rafinerijski“ okvir – od sirovog teksta do sažetka, ključnih riječi, prevedenih i prilagođenih verzija – pokazuje kako vam umjetna inteligencija može pomoći da maksimizirate utjecaj i dostupnost svake pojedine priče koju prikupite, pretvarajući jedan intervju u mnoštvo vrijednih obrazovnih resursa. Napominjemo da su mogući i drugi pristupi transkripciji. Na primjer, možete voditi vlastite bilješke tijekom intervjua, a zatim koristiti alat umjetne inteligencije za transkripciju intervjua. Ova početna transkripcija možda neće biti savršena. Međutim, koristeći svoje bilješke, možete brzo identificirati zanimljive priče unutar teksta. Zatim morate ručno pregledati te odabrane dijelove radi točnosti i autentičnosti.

Kratka napomena o alatima umjetne inteligencije koji će se spominjati u ovom tečaju

Mnoge specijalizirane kreativne platforme koje ćemo istražiti rade na temelju „freemium“ modela. To znači da nude izvrsne besplatne verzije za eksperimentiranje, ali mogu zahtijevati pretplatu za napredne značajke, izvoz više kvalitete ili opsežnu upotrebu. Potičemo vas da istražite besplatne opcije kako biste naučili koncepte. Toplo preporučujemo da istražite mogućnosti Google Geminija, posebno putem Google AI Studija, koji nudi značajnu i besplatnu dnevnu upotrebu u stvaranju teksta, slika, zvuka i videa.

Napomena o transkripciji

Za potrebe naše demonstracije, pretpostavit ćemo da su audio snimke iz Modula 2 pažljivo transkribirane. Proces transkripcije – pretvaranje izgovorenih riječi u pisani tekst – zahtijeva veliku pažnju. U projektu koji se bavi različitim lokalnim dijalektima i nijansiranim govornim obrascima starijih osoba, ručna transkripcija od strane osobe koja razumije lokalni kontekst često je najbolji način za osiguravanje točnosti. Međutim, to je izuzetno vremenski zahtjevno.

Usluge transkripcije pokretane umjetnom inteligencijom predstavljaju ubrzanu alternativu. Alati poput Sonixa, Reva i Descripta mogu brzo pretvoriti audio u tekst.

• Sonix je poznat po visokoj točnosti (do 99% na čistom zvuku) i naprednim značajkama poput analize sentimenta i detekcije tema.
• Rev nudi hibridni model s uslugama transkripcije temeljenim na umjetnoj inteligenciji i ljudskim uslugama, pri čemu se njegov AI može pohvaliti s više od 90% točnosti.
• Descript integrira transkripciju s moćnim značajkama za uređivanje zvuka i videa, što ga čini idealnim za stvaranje dotjeranog sadržaja.

Čak i s najboljom umjetnom inteligencijom, transkript usmene povijesti bogate dijalektom gotovo će uvijek zahtijevati značajan ručni pregled i ispravak kako bi se ispravile pogreške, pravilno identificirali govornici i osiguralo da se kulturne nijanse ne izgube. Također imajte na umu da su gotovo svi alati u ovoj kategoriji freemium. Drugim riječima, oni nude ograničene mogućnosti ili ograničenu količinu audio snimaka koje možete besplatno transkribirati. Sve popularnijim multimodalnim modelima umjetne inteligencije, poput prethodno spomenutih Google Gemini Flash i Pro modela, može se pristupiti besplatno, s određenim ograničenjem dnevne upotrebe, putem Google AI Studija.

Primjer korištenja umjetne inteligencije: Sažimanje

Dugi transkripti intervjua su gusti i teški za rad. Sažimanje je često prvi i najvažniji korak u tome da sadržaj postane upravljiv. Alati umjetne inteligencije, pokretani naprednom obradom prirodnog jezika (NLP), iznimno su dobri u destiliranju velikog teksta do njegovih temeljnih ideja.

Za akademske ili istraživačke kontekste, specijalizirani alati poput Scholarcyja mogu pružiti strukturirane sažetke s istaknutim nalazima.

Uputa:

Evo izvatka od 500 riječi iz intervjua usmene povijesti o tradicionalnom ribolovu na rijeci Dravi. Sažmi glavne točke u kratak, jasan odlomak. Vrlo je važno sačuvati ključne kulturne detalje i osobnu perspektivu pripovjedača.

Primjer odgovora umjetne inteligencije:

Pripovjedač se s nostalgijom prisjeća kako ga je djed učio čitati suptilne znakove rijeke – poput boje vode i specifičnog ponašanja ptica – kako bi točno znao gdje će se riba nalaziti. On to opisuje kao oblik tradicionalnoga ekološkog znanja prenošenog generacijama, ne iz knjiga, već iz izravnog iskustva. Također prepričava kolektivni napor zajednice u izgradnji i održavanju složenih drvenih pregrada (brana), specifične tehnike ribolova koja je bila ključna ne samo za gospodarstvo sela, već i za njegov društveni život prije 1960-ih. Na kraju, pripovjedač izražava dubok osjećaj gubitka, napominjući da, iako je ribolov sada uglavnom hobi, duboka, zajednička povezanost s rijekom kao izvorom egzistencije, identiteta i zajedničke kulture značajno je izblijedjela s vremenom.

Primjer korištenja umjetne inteligencije: Izdvajanje ključnih riječi

Jednom kada imate sažetak, izdvajanje ključnih riječi ili predmetnih oznaka čini priču lako otkrivljivom unutar digitalnog arhiva. Ovaj proces je temelj za izgradnju bilo koje pretražive baze podataka.

Alati poput Writesonicova Keyword Extractora mogu pomoći u identificiranju relevantnih pojmova iz teksta.

Uputa:

Iz sljedećeg sažetka baštinske priče, izdvoji 5-7 relevantnih ključnih riječi koje bi bile korisne za arhivsko označavanje. Uključi važne teme, lokacije, specifične prakse i spomenute značajne događaje.

Primjer odgovora umjetne inteligencije:

Rijeka Drava, Tradicionalni ribolov, Riječne pregrade (brane), Međugeneracijsko znanje, Život zajednice, Ekološke promjene, Usmena povijest.

Primjer korištenja umjetne inteligencije: Prevođenje

Prevođenje čini vašu zbirku baštine dostupnom globalnoj publici, uključujući međunarodne istraživače i zajednice u dijaspori, što je ključno za prekogranični projekt poput HER[AI]TAGE-a.

Uputa:

Prevedi sljedeći kratki odlomak iz hrvatske baštinske priče na jasan, prirodan engleski jezik.

Odlomak: „Naši stari su znali točno kada će riba gristi. Gledali su u mjesec i vodostaj, to je bilo njihovo znanje, nije bilo zapisano u knjigama.“

Primjer odgovora umjetne inteligencije:

Original: Naši stari su znali točno kada će riba gristi. Gledali su u mjesec i vodostaj, to je bilo njihovo znanje, nije bilo zapisano u knjigama.

Prijevod: “Our elders knew exactly when the fish would bite. They looked at the moon and the water level; that was their knowledge, it wasn’t written in books.”

Primjer korištenja umjetne inteligencije: Prilagodba jezika

Jedna priča može biti predstavljena mnogim različitim publikama. Pomoćnik pogonjen umjetnom inteligencijom može vam pomoći prilagoditi jezik, stil i složenost teksta za različite kontekste, čineći baštinu koju ste prikupili uključivijom i učinkovitijom.

Uputa:

Ponovno napiši sljedeći odlomak u akademskom stilu za mlađu publiku (10-12 godina) za muzejsku izložbu. Cilj je učiniti ga lakim za razumijevanje i zanimljivim.

Odlomak: „Složena socio-ekonomska dinamika priobalne zajednice bila je suštinski povezana sa sezonskim migracijskim obrascima ihtiofaune.“

Primjer odgovora umjetne inteligencije:

Preoblikovani tekst: „Način na koji su ljudi u selu živjeli i radili bio je u potpunosti povezan s ribom. Kada bi riba putovala uzvodno ili nizvodno rijekom u različito doba godine činilo je veliku razliku za zajednicu.“