@misc{Graf2018, author = {Graf, Nicole}, title = {Citizen Science - Freiwillige lokalisieren Bilder im virtuellen Globus}, series = {TK 2: kommunizieren \& handeln / Citizen Science und Kooperationen (14.06.2018, 16:30 - 18:00 Uhr, Raum I)}, journal = {TK 2: kommunizieren \& handeln / Citizen Science und Kooperationen (14.06.2018, 16:30 - 18:00 Uhr, Raum I)}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-34893}, year = {2018}, abstract = {Das Bildarchiv der ETH-Bibliothek setzt seit fast zehn Jahren mit Erfolg Crowdsourcing in der Bildererschliessung ein. Allein seit Januar 2016 haben {\"u}ber 850 Freiwillige etwa 31'000 Bildtitel identifziert resp. verbessert, indem sie dem Bildarchiv spezifischere Informationen und Kontextwissen {\"u}ber die Kommentar-Funktion der Bilddatenbank zur{\"u}ckmeldeten. Ab 1. Februar 2018 wird das Bildarchiv nun einen Schritt weiter gehen: {\"U}ber die Publikation von Bildern auf der neuen und innvoativen Online-Plattform sMapshot kann die Crowd zus{\"a}tzliche Metadaten beisteuern. sMapshot ist eine partizipative und kollaborative Plattform f{\"u}r die Geolokalisierung von Bildern. Mit dem notwendigen lokalen geografischen Wissen k{\"o}nnen historische Bilder der Schweiz in einem virtuellen 3D-Globus der Gegenwart punktgenau platziert werden. Auf dieser Basis werden im Hintergrund wertvolle Metadaten wie die urspr{\"u}ngliche Aufnahmeposition, der Kamerawinkel sowie die Aufnahmeh{\"o}he berechnet. So wird auch das aufwendige Beschreiben bspw. von ganzen Bergketten mittels exakter Metadatenextraktion vorgenommen. sMapshot ist ein Projekt der Hochschule f{\"u}r Wirtschaft und Ingenieurwissenschaften des Kantons Waadt (HEIG-VD). Die Plattform wurde in Zusammenarbeit mit dem Bildarchiv der ETH-Bibliothek weiter ausgebaut. So stehen Funktionalit{\"a}ten wie ein Dashbord, die Benutzerstatistik oder ein ausbauf{\"a}higes Rollen- und Rechtemanagement zur Verf{\"u}gung, bei dem ggf. Poweruser aus der Crowd in die internen Validierungsprozesse integriert werden k{\"o}nnten. Im Vortrag werden erste Erfahrungen der technischen Umsetzung sowie Erfahrungen aus Nutzersicht diskutiert werden.}, language = {de} } @misc{GrafMeier2023, author = {Graf, Nicole and Meier, Ursula}, title = {"Meet the Library" - Ein Onboardingformat f{\"u}r neue Mitarbeitende}, series = {TK 2: Qualifikationen in Ausbildung und Beruf/ Personalentwicklung im Spannungsfeld von On- und Offboarding (23.05.2023, 16:00 - 17:30, Roter Saal (mit Streaming))}, journal = {TK 2: Qualifikationen in Ausbildung und Beruf/ Personalentwicklung im Spannungsfeld von On- und Offboarding (23.05.2023, 16:00 - 17:30, Roter Saal (mit Streaming))}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-183540}, year = {2023}, abstract = {Der sogenannte «Grundkurs» f{\"u}r neue Mitarbeitende - {\"u}berwiegend Powerpointpr{\"a}sentationen aller Teams, Gruppen und Sektionen w{\"a}hrend sechs bis sieben Halbtagen -, war nicht mehr zeitgem{\"a}ß. Ein Projektteam bestehend aus sieben Mitarbeitenden aller Sektionen wurde beauftragt, ein neues Format zu kreieren, das nicht wie bisher eine m{\"o}glichst umfassende Informationsvermittlung, sondern das gemeinsame Erleben und Schaffen einer Zugeh{\"o}rigkeit zum neuen Arbeitgeber beinhaltet. Es wurde ein vierteiliges Onboardingformat entwickelt: 1) Auf der Plattform "Meet the Library" k{\"o}nnen alle Mitarbeitenden (nicht nur die Neuen) Informationen {\"u}ber Teams, Gruppen, Sektionen jederzeit und selbst{\"a}ndig entdecken. Die Inhalte wurden von den Mitarbeitenden selbst erstellt. 2) Ein- bis zweimal pro Jahr findet ein Marktplatz statt: eine Auswahl an T{\"a}tigkeiten der einzelnen Teams sowie unterschiedliche Themen anhand von Hands-on-Beispielen von Mitarbeitenden f{\"u}r Mitarbeitende werden vorgestellt. Zielgruppe: neue und "alte" Mitarbeitende. 3) Ein Bibtrail legt den Fokus auf dem Besuch von Zweig-Bibliotheken außerhalb des Hauptgeb{\"a}udes. Zielgruppe: neue Mitarbeitende 4) Das Meet again findet 100 Tage nach dem Marktplatz statt. Es ist ein informelles Treffen f{\"u}r den Austausch und Feedback zum Onboarding-Prozess. Am Vortrag werden wir das vierteilige Onboardingformat, das bisher zweimal durchgef{\"u}hrt wurde, vorstellen sowie Feedback von neuen wie «alten» Mitarbeitenden dazu pr{\"a}sentieren.}, language = {de} } @misc{Graf2024, author = {Graf, Nicole}, title = {Zwischen Ritual und Relief - wenn der Computer schielt: Analyse KI-gest{\"u}tzter Erschliessung im Bildarchiv der ETH-Bibliothek}, series = {TK 6: Sammlungen, Repositorien, Retrodigitalisierung und Kulturgut(schutz)/ Kollegin KI in der Erschließung (05.06.2024, 09:00 - 10:30, Saal F / 2. OG)}, journal = {TK 6: Sammlungen, Repositorien, Retrodigitalisierung und Kulturgut(schutz)/ Kollegin KI in der Erschließung (05.06.2024, 09:00 - 10:30, Saal F / 2. OG)}, url = {http://nbn-resolving.de/urn:nbn:de:0290-opus4-192256}, year = {2024}, abstract = {Das Bildarchiv der ETH-Bibliothek setzt seit 2021 gezielt k{\"u}nstliche Intelligenz zur automatisierten Klassifikation seiner Bilder ein, weniger als Ersatz, sondern als Erg{\"a}nzung zur intellektuellen Verschlagwortung. Nach dem ersten Durchlauf mit dem Computer-Vision-Modell «General» der Firma Clarifai sind {\"u}ber eine Million Bilder mit Keywords getaggt. Der Aufwand an Zeit und Rechenleistung war betr{\"a}chtlich. Erste Stichproben zeigten, dass die Qualit{\"a}t der Ergebnisse der automatisierten Erkennung sehr unterschiedlich ist. So gibt es Keywords mit nahezu 100 \%iger Treffersicherheit, wie etwa «Schlagzeuger». Allerdings kommt es auch zu {\"U}bersetzungsfehlern, wie etwa «Relief» zu «Erleichterung», falschen Zuordnungen, wie etwa Berge und Gletscher als «Becham{\´e}lsauce» oder gar verzerrten Zuordnungen wie «Ritual» Um die Qualit{\"a}t der KI-gest{\"u}tzten Klassifikation zu verbessern, wurde der Datenpool des Bildarchivs von {\"u}ber einer Million getaggten Bildern einer qualitativen Analyse unterzogen. Dazu wurden zun{\"a}chst alle 4.600 Keywords einzeln visualisiert, um die Erkennungsqualit{\"a}t der KI zu bewerten und die Keywords zu validieren. Die Analyse ergab, dass etwa die H{\"a}lfte der Keywords fehlerhaft oder inhaltlich problematisch war und gel{\"o}scht werden musste. Die verbleibenden Keywords wurden anschließend einer semantischen Analyse unterzogen. Dabei wurden folgende Fragen untersucht: Gibt es Wortarten, die f{\"u}r die KI-basierte Bildklassifikation besser geeignet sind? Welche Inhalte funktionieren gut und welche f{\"u}hren zu problematischen Zuordnungen? Die qualitative Analyse des Bildarchivs der ETH-Bibliothek liefert wertvolle Erkenntnisse f{\"u}r die Entwicklung und Anwendung von KI-gest{\"u}tzten Bildklassifikationsverfahren in der Praxis. Die Ergebnisse zeigen, dass die KI ein wertvolles Werkzeug f{\"u}r die Digitalisierung und Erschließung von Bilddaten sein kann. Allerdings ist es wichtig, die Grenzen der KI zu kennen und diese bei der Anwendung zu ber{\"u}cksichtigen.}, language = {de} }