[논문 리뷰] AI in Archival Science -- A Systematic Review

G. N. Shinde, Tiana Kirstein외 2명|arXiv (Cornell University)|2024. 10. 07.

Anomaly Detection Techniques and Applications인용 수 4

한 줄 요약

이 체계적 리뷰는 인공지능(AI)이 기록학 분야에 통합되는 것을 조사하며, 기록 관리, 평가, 보존 및 데이터 검색과 같은 과제를 해결하기 위해 현재 사용 중인 AI 기법을 분석한다. 연구는 기록 워크플로우의 효율성과 투명성을 향상시키는 데 기여하는 핵심 AI 기반 전략을 규명하며, 디지털 보존 및 정보 조직 분야의 발전을 위해 AI와 기록학 간의 다학제적 협업을 주장한다.

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.

연구 동기 및 목표

• 기록학 및 기록 관리 분야에서 AI 통합의 현재 상태를 분석하기 위해.
• 기록 보존, 평가 및 조직과 같은 기록 과제를 해결하기 위해 사용되는 특정 AI 기법을 규명하기 위해.
• 기록 보관의 간소화와 데이터 검색 효율성 향상에 있어 AI의 효과성을 평가하기 위해.
• 재현 가능성과 신뢰성 확보를 위해 AI-기록학 연구 분야에서의 투명한 리뷰 방법론을 수립하기 위해.
• 향후 혁신을 위해 인공지능과 기록학 간의 다학제적 협업을 촉진하기 위해.

제안 방법

• 디지털 라이브러리 및 AI 분야의 동료 심사 논문에 중점을 두어 체계적 문헌 리뷰를 수행하였다.
• AI 기반 기록학 연구와 관련된 논문 선별을 위해 사전 정의된 포함 및 배제 기준을 적용하였다.
• 분류, 메타데이터 생성 및 콘텐츠 분석과 같은 기록 작업에 응용된 기반 기반 AI 기법을 분류하였다.
• 선택된 연구의 방법론적 투명성과 재현 가능성을 평가하여 리뷰의 엄밀함을 확보하였다.
• 기록 평가, 정리 및 보존과 같은 핵심 기록 기능에 대해 식별된 AI 응용을 매핑하였다.
• 분류 및 통합을 위한 명확한 기준을 갖춘 구조화된 보고 방식을 사용하여 결과를 문서화하였다.

실험 결과

연구 질문

• RQ1 현재 기록학 및 기록 관리 분야에서 어떤 AI 기법이 적용되고 있는가?
• RQ2 AI 기반 접근 방식은 기록 평가, 보존 및 데이터 검색과 같은 기록 과정의 효율성을 어떻게 향상시키는가?
• RQ3 기록 워크플로우에 AI를 통합함에 있어 주요 과제와 한계는 무엇인가?
• RQ4 기존 기록학 분야의 AI 응용에서 사용된 방법론은 얼마나 투명하고 재현 가능한가?
• RQ5 AI와 기록학 간의 다학제적 협업을 통해 분야 발전을 위한 기회가 무엇이 있는가?

주요 결과

• 자연어 처리와 기계 학습 등의 AI 기법은 기록 보관소에서 메타데이터 생성 및 콘텐츠 분류 자동화에 점점 더 널리 사용되고 있다.
• AI 기반 시스템은 데이터 검색 효율성 향상에 명확한 개선 효과를 보이며, 관련 기록 자료를 찾는 데 소요되는 시간과 노력을 줄였다.
• 이 리뷰는 자동 평가 및 보존 일정 설정을 위한 AI의 사용 증가 추세를 규명하였지만, 연구 간 방법론적 투명성은 일관되지 않은 것으로 나타났다.
• 상호보완적인 잠재력이 크지만, AI와 기록학 간의 다학제적 협업은 여전히 뚜렷한 격차를 보이고 있다.
• 기록 실무에서 신뢰성과 확장 가능성을 확보하기 위해 AI 응용에 표준화되고, 투명하며 재현 가능한 방법론이 필요하다는 점을 강조하였다.
• 이 리뷰는 향후 새로운 AI 기법이 기록 워크플로우에 통합될 수 있는 기반을 마련하였으며, 윤리적이고 지속 가능한 구현을 강조하였다.