𝗔𝗜 ഉപയോഗിച്ച് പ്ലേജിയറിസവും ഇമേജ് പരിശോധനകളും ഓട്ടോമേറ്റ് ചെയ്യാം
ഒരു മാനസ്ക്രിപ്റ്റിൽ (manuscript) മറഞ്ഞിരിക്കുന്ന പ്ലേജിയറിസമോ മാറ്റം വരുത്തിയ ചിത്രങ്ങളോ ഉണ്ടെങ്കിൽ എഡിറ്റർമാർ വലിയൊരു അപകടസാധ്യത നേരിടുന്നു. മാനുവൽ പരിശോധനയ്ക്ക് മണിക്കൂറുകൾ എടുക്കുകയും പ്രധാനപ്പെട്ട തീരുമാനങ്ങൾ വൈകുകയും ചെയ്യുന്നു. ചെറിയ എഡിറ്റോറിയൽ ടീമുകളെ സംബന്ധിച്ചിടത്തോളം, ഈ മാനുവൽ ജോലി പ്രസിദ്ധീകരണ പ്രക്രിയ മുഴുവൻ മന്ദഗതിയിലാക്കുന്നു.
നിങ്ങളുടെ പരിശോധനകൾ വിപുലീകരിക്കുന്നതിന് 'ഇവന്റ്-ഡ്രൈവൻ ഓട്ടോമേഷൻ' (event-driven automation) ഉപയോഗിക്കണം. ഈ തത്വം ഓരോ പുതിയ സബ്മിഷനെയും ഒരു മോഡുലാർ വർക്ക്ഫ്ലോ (modular workflow) ആരംഭിക്കുന്ന ഒരു ഒറ്റപ്പെട്ട ഇവന്റായി പരിഗണിക്കുന്നു. ഫയൽ ക്യാപ്ചർ, ടെക്സ്റ്റ് എക്സ്ട്രാക്ഷൻ, ഇമേജ് അനാലിസിസ് എന്നിങ്ങനെയുള്ള സ്വതന്ത്ര ഘട്ടങ്ങൾ നിങ്ങൾക്ക് ഇതിലൂടെ നിർമ്മിക്കാം. ഈ ഘട്ടങ്ങളെല്ലാം ഒരേ ട്രിഗറിനോട് (trigger) പ്രതികരിക്കുന്നു. ഈ ഡിസൈൻ ഉപയോഗിച്ച്, മുഴുവൻ സിസ്റ്റവും മാറ്റാതെ തന്നെ ഒരു AI സർവീസ് മാത്രം അപ്ഗ്രേഡ് ചെയ്യാൻ നിങ്ങൾക്ക് സാധിക്കും. കൂടാതെ, പിഴവുകൾ ഒറ്റപ്പെട്ടതാക്കി നിലനിർത്താനും ഇത് സഹായിക്കുന്നു. ഉദാഹരണത്തിന്, ഇമേജ് ചെക്കർ പരാജയപ്പെട്ടാലും പ്ലേജിയറിസം പരിശോധന തുടർന്നും നടക്കും.
ഒരു ഗവേഷകൻ നിങ്ങളുടെ പോർട്ടലിൽ ഒരു PDF അപ്ലോഡ് ചെയ്യുന്നു. സിസ്റ്റം ആ ഫയൽ ഒരു Dropbox ഫോൾഡറിൽ സൂക്ഷിക്കുന്നു. Zapier ആ ഫയൽ തിരിച്ചറിയുകയും, അതിന്റെ Email Parser ഉപയോഗിച്ച് സബ്മിഷൻ ഐഡി (submission ID) കണ്ടെത്തുകയും, പ്ലേജിയറിസം, ഇമേജ് പരിശോധനകൾ എന്നിവ സ്വയമേവ നടത്തുകയും ചെയ്യുന്നു.
നിങ്ങളുടെ പൈപ്പ്ലൈൻ നിർമ്മിക്കുന്നതിന് ഈ മൂന്ന് ഘട്ടങ്ങൾ പിന്തുടരുക:
ഒരു ലാൻഡിംഗ് സോൺ (landing zone) സ്ഥാപിക്കുക. Dropbox അല്ലെങ്കിൽ Google Drive-ൽ ഒരു ക്ലൗഡ് സ്റ്റോറേജ് ഫോൾഡർ നിർമ്മിക്കുക. ഓരോ പുതിയ മാനസ്ക്രിപ്റ്റും ചിത്രവും നേരിട്ട് ഈ ഫോൾഡറിലേക്ക് അയക്കാൻ നിങ്ങളുടെ പോർട്ടൽ ക്രമീകരിക്കുക. ഈ ഫയലുകൾക്കായി submissions@yourjournal.org പോലുള്ള ഒരു പ്രത്യേക ഇമെയിൽ ഉപയോഗിക്കുക.
ട്രിഗർ (trigger) സജ്ജമാക്കുക. നിങ്ങളുടെ സ്റ്റോറേജ് ഫോൾഡർ നിരീക്ഷിക്കാൻ Zapier പോലുള്ള ഒരു ഓട്ടോമേഷൻ ടൂൾ ഉപയോഗിക്കുക. ഒരു പുതിയ ഫയൽ വരുമ്പോൾ, ആ ടൂൾ സബ്മിഷൻ ഐഡി എടുക്കുകയും ഫയലുകളെ നിങ്ങളുടെ AI സർവീസുകളിലേക്ക് എത്തിക്കുകയും ചെയ്യുന്നു.
ഫലങ്ങൾ ഓട്ടോമേറ്റ് ചെയ്യുക. ഒരു ടെക്സ്റ്റ് സമ്മറി (text summary) നിങ്ങളുടെ സിസ്റ്റത്തിലേക്ക് തിരികെ അയക്കാൻ AI ടൂളുകളെ നിർദ്ദേശിക്കുക. നിങ്ങളുടെ ടീമിന് പരിശോധിക്കുന്നതിനായി ഈ റിപ്പോർട്ട് സബ്മിഷൻ ലോഗുകളിലോ അല്ലെങ്കിൽ ഒരു സ്വകാര്യ സ്പ്രെഡ്ഷീറ്റിലോ (spreadsheet) ഓട്ടോമേഷൻ വഴി പോസ്റ്റ് ചെയ്യണം.
ഒരു ഇവന്റ്-ഡ്രൈവൻ പൈപ്പ്ലൈൻ നിർമ്മിക്കുന്നതിലൂടെ, നിങ്ങൾക്ക് ശക്തമായ ഒരു പ്രതിരോധ നിര തന്നെ സൃഷ്ടിക്കാനാകും. ഇത് സമയം ലാഭിക്കാനും മനുഷ്യസഹജമായ പിഴവുകൾ കുറയ്ക്കാനും സഹായിക്കുന്നു. ആവർത്തിച്ചുള്ള മാനുവൽ പരിശോധനകൾക്ക് പകരം പാണ്ഡിത്യപരമായ വിലയിരുത്തലുകളിൽ (scholarly judgment) ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ ഇത് നിങ്ങളെ അനുവദിക്കുന്നു.
Optional learning community: https://t.me/GyaanSetuAi