[論文レビュー] AI in Archival Science -- A Systematic Review

G. N. Shinde, Tiana Kirstein+2 more|arXiv (Cornell University)|Oct 7, 2024

Anomaly Detection Techniques and Applications被引用数 4

ひとこと要約

本系統的レビューでは、人工知能（AI）が記錣学に統合される状況を調査し、記錣管理、鑑定、保存期間、データ検索の課題に対処するために使用されている現在のAI技術を分析している。研究は、記錣ワークフローにおける効率性と透明性を向上させるAI駆動の戦略のキーポイントを特定し、デジタル保存および情報整理の分野を前進させるために、AIと記錣学の間での学際的協働を提唱している。

ABSTRACT

The rapid expansion of records creates significant challenges in management, including retention and disposition, appraisal, and organization. Our study underscores the benefits of integrating artificial intelligence (AI) within the broad realm of archival science. In this work, we start by performing a thorough analysis to understand the current use of AI in this area and identify the techniques employed to address challenges. Subsequently, we document the results of our review according to specific criteria. Our findings highlight key AI driven strategies that promise to streamline record-keeping processes and enhance data retrieval efficiency. We also demonstrate our review process to ensure transparency regarding our methodology. Furthermore, this review not only outlines the current state of AI in archival science and records management but also lays the groundwork for integrating new techniques to transform archival practices. Our research emphasizes the necessity for enhanced collaboration between the disciplines of artificial intelligence and archival science.

研究の動機と目的

• 記錣学および記錣管理におけるAI統合の現状を分析すること。
• 記錣の課題（保存期間、鑑定、整理など）に対処するために使用されている具体的なAI技術を特定すること。
• AIが記錣管理の効率化およびデータ検索の効率向上にどの程度効果的であるかを評価すること。
• 再現可能性と信頼性を確保するための透明なレビュー手法を確立すること。
• 今後のイノベーションを促進するため、人工知能と記錣学の間での学際的協働を推進すること。

提案手法

• デジタル図書館およびAI分野の査読付き出版物に焦点を当てた系統的文献レビューを実施した。
• AIを記錣学に応用する研究をスクリーニングするための事前定義済みの含む・含まない基準を適用した。
• 分類、メタデータ生成、コンテンツ分析などの記錣業務への応用に基づいてAI技術を分類した。
• 選定された研究の方法論の透明性と再現可能性を評価し、レビューの厳密性を確保した。
• 鑑定、整序、保存などのコア記錣機能に、同定されたAI応用をマッピングした。
• 明確な分類および統合基準を設けた構造化された報告形式を用いて、研究結果を文書化した。

実験結果

リサーチクエスチョン

• RQ1 記錣学および記錣管理に現在適用されているAI技術は何か？
• RQ2 AI駆動のアプローチは、鑑定、保存期間、データ検索などの記錣プロセスの効率性をどのように向上させるか？
• RQ3 記錣ワークフローへのAI統合における主な課題と制限は何であるか？
• RQ4 既存の記錣学におけるAI応用で使用されている方法論は、どの程度透明で再現可能であるか？
• RQ5 AIと記錣学の間での学際的協働の機会は、今後どのように分野の前進に寄与できるか？

主な発見

• 自然言語処理や機械学習などのAI技術は、記錣リポジトリにおけるメタデータ生成およびコンテンツ分類の自動化にますます利用されている。
• AI駆動のシステムは、関連する記錣資料を特定する際の時間的・人的負担を削減するという点で、データ検索の効率性に明確な改善効果を示している。
• 本レビューでは、自動鑑定および保存期間スケジューリングのためのAIの利用傾向が顕著に増加していると特定したが、研究間で方法論の透明性が一貫していないことが判明した。
• AIと記錣学の間の協働は、依然として著しいギャップがあるが、両者の相乗効果の可能性は非常に高い。
• 信頼性とスケーラビリティを確保するため、AI応用における標準化、透明性、再現可能性の高い方法論の必要性が強調された。
• 本レビューは、今後の記錣ワークフローへの新興AI技術の統合の基盤を築いた。倫理的かつ持続可能な実装を重視するものである。