Lasiet tālāk, lai gūtu ieskatu reproducējamā izmēģinājuma projektā, kas apvienoja Europeana.eu platformas un API izmantošanu, iepriekš apmācītus MI modeļus, reāllaika kodu un semantisko datu modelēšanu, cilvēku pienesumus pūļa pakalpojumu platformā, neobjektīvu tēzaura rīku un datu rādītājus, kā rezultātā tika bagātināta Ukrainas etnogrāfiskā kolekcija Europeana.eu, izmantojot 55 000 anotāciju darbību un gandrīz 6000 jaunu metadatu tagu.

Iedzīvotāju vadīta Ukrainas mantojuma aizsardzība

Kopš 2025. gada Web2Learn kopā ar Luksemburgas un Latvijas universitātēm Kijevu Tarasu Ševčenko (Kiev Taras Shevchenko) un Europeana fondu ir sadarbojies Erasmus+ projektā AISTER, kas pievēršas MI iespējotai iedzīvotāju līdzdalībai Ukrainas kultūras mantojuma aizsardzībā. Web2Learn sniedz savu pieredzi iedzīvotāju virzītas inovācijas jomā projektā, izmantojot atvērtā pirmkoda tehnoloģijas, kas veicina izglītību, apmācību un aktīvu pilsoniskumu.

HITL Crowdsourcing Pilot Plakāts Web2Learn ietver tautas glezniecību "meitenes portrets", kā minēts iepriekš, iekļauts pašreizējā sastāvā ar papildu atļauju no tiesību turētāja.

Konsorcijs AISTER ir paredzējis vairākus darbseminārus, iesaistot pētniekus, studentus un jaunos profesionāļus visā projekta darbības laikā. Pieci darbsemināri, ko vadīja Web2Learn tiešsaistē un klātienē Latvijas Universitātes bibliotēkā, sniedza iespēju vadīt pilotprojektu: testēt darbplūsmu “cilvēks ciklā”, lai bagātinātu attēlu digitālās kolekcijas, izmantojot pūļa pakalpojumu un MI rīkus, aicinot semināra dalībniekus sadarboties ar Ukrainas etnogrāfisko mantojumu un kļūt par aktīviem līdzdalībniekiem, bagātinot un validējot MI ģenerētās apraksta birkas.

Izmēģinājuma projekts tika izstrādāts kā atvērts un reproducējams resurss ar detalizētu dokumentāciju, lai atvieglotu digitālo humanitāro zinātņu pētniecību un apmācību, un tas ir brīvi pieejams atkalizmantošanai zinātniekiem, studentiem un skolotājiem, kā arī radošai atkalizmantošanai.

Ukraiņu tautas māksla portālā Europeana.eu

2025. gadā Krovets Online Museum of Traditional Art of Ukraine, kas, pateicoties muzeja dibinātāju brīvprātīgajiem centieniem, darbojas kopš 2014. gada, ar agregatora MUSEU starpniecību publicēja Europeana.eu datu kopu, kurā ietilpst 3840 etnogrāfiskā mantojuma artefakti, tostarp tradicionālie tērpi, tekstila amatniecība, tautas māksla, materiālā kultūra un fotogrāfijas.

Pilotam izmantotie attēli ir iegūti no šīs etnogrāfiskās kolekcijas. Izmēģinājuma projekta ietvaros Europeana.eu tika publicēta Ukrainas tautas mākslas galerija, kas nodrošina piekļuvi muzeja tautas mākslas apakškolekcijai, kurā ietilpst 312 artefakti, kas klasificēti kā tautas gleznas vai tautas ikonas. Lielākā daļa gleznu, kas ataino ikdienas lauku dzīvi, folkloru un reliģiskās tēmas, nāk no Ukrainas centrālajiem etnogrāfiskajiem reģioniem, Viduspodniprovijas un Poltavščinas, un tās galvenokārt datējamas ar 20. gadsimta sākumu un vidu.

Kolekcija sastāv galvenokārt no žanra ainām, ainavām un atsevišķiem portretiem. Tautas gleznas veido vizuālus naratīvus, piedāvājot lauku ainavu, reliģisko tradīciju, tautas mākslas motīvu un ikdienas materiālās kultūras momentuzņēmumus. Daudzas detaļas ir viegli pamanāmas, aplūkojot attēlus, bet ne vienmēr ir viegli atklāt, izmantojot meklēšanu.

Cilvēks-in-the-Cilvēks-Cilvēks-in-the-Cilvēks-Cilvēks-in-Cilvēks-Cilvēks-

Izmēģinājuma projekta mērķis bija radīt jaunu redzamības slāni Ukrainas tautas mākslai. Tā izstrādāja darbplūsmu, kas apvieno Europeana API izmantošanu, uz mākslīgo intelektu balstītas metodes dabiskās valodas apstrādei un datorredzei, Jupyter piezīmjdatoru kā interaktīvu darba telpu reproducējamai kodēšanai un uz ētiku balstītu datu apstrādi, kā arī sabiedrības iesaisti, izmantojot pūļa pakalpojumu platformu CrowdHeritage, lai izveidotu meklējamus, cilvēka apstiprinātus un ētiski novērtētus apraksta tagus kopumā.

Lai sāktu darbu, galerijas vienumu un metadatu iegūšanai tika izmantotas divas Europeana API: Europeana lietotāju kopas API piekļuvei lietotāju veidotām galerijām, kas publicētas Europeana, un Europeana meklēšanas API metadatu izgūšanai no Europeana satura, kas modelēts, izmantojot Europeana datu modeli (EDM). Pēc tam, izmantojot MI rīkus, kas dabiskās valodas apstrādē un datorredzē izmantoja atvērtā pirmkoda iepriekš apmācītus MI modeļus un bibliotēkas, tika ģenerētas jaunas aprakstošas anotācijas. Automātiskās anotācijas tika ģenerētas Jupyter piezīmjdatoros un serializētas JSON-LD saskaņā ar W3C (World Wide Web Consortium) tīmekļa anotāciju datu modeli, lai atbalstītu to importu Datoptron uzturētajā CrowdHeritage crowdsourcing platformā.

Kopumā pilots izstrādāja astoņus Jupyter piezīmjdatorus, kas darbojās kā interaktīva datošanas vide, kas ļauj veikt tiešo kodēšanu un reproducējamību, lai atbalstītu datu apstrādes posmu izpildi no viena gala līdz otram. Piezīmjdatori tika ieviesti Google Colab, lai nodrošinātu reāllaika sadarbību un koprediģēšanu, un pēc tam nodoti kā atvērts GitHub repozitorijs versiju kontrolei, veicinot sadarbības koda optimizācijas pārredzamību un izsekojamību. Tie aptver visu izmēģinājuma projekta datu procesu secīgos posmos, kas ietver:

posms. Automatizēta anotāciju ģenerēšana no teksta metadatiem (pamatojoties uz NLP)

1i. Izgūt priekšmetu ID publicētajā Ukrainas tautas mākslas galerijā, izmantojot Europeana lietotāju kopu ΑPI, un iegūt artefaktu teksta metadatus (piemēram, nosaukumus, priekšmetus), izmantojot Europeana Search API.

1ii. Izveidot automatizētas anotācijas (apraksta tagus) no metadatiem, izmantojot dabiskās valodas apstrādes (NLP) metodes, jo īpaši uz noteikumiem balstītu heiristiku un nosaukto vienību atpazīšanu (NER), izmantojot atvērtā pirmkoda Python bibliotēku spaCy.

posms. Automatizēta anotāciju ģenerēšana no attēliem (uz datorredzi balstīta)

2i. Lejupielādējiet galerijas artefaktus kā attēlus, izmantojot Europeana lietotāju kopas API.

2ii. Izveidot aprakstošus attēlu parakstus, izmantojot datorredzes paņēmienus ar iepriekš apmācītiem MI modeļiem, jo īpaši atklātā pirmkoda Qwen modeļu variantus – Qwen3-VL-2B-Instruct multimodālo vizuālās valodas modeli (VLM) un Qwen3.5-4B lielo valodas modeli (LLM).

2iii. Izveidot automatizētas anotācijas no attēlu parakstiem.

posms. Automātisku anotāciju sagatavošana kolektīvai validācijai (JSON-LD formatējums)

3i. Formatējiet visas ģenerētās anotācijas, pamatojoties uz W3C anotācijas modeli tiešai norīšanai pūļa pakalpojumu platformā CrowdHeritage.

3ii. Konvertējiet JSON formāta galīgās anotācijas mašīnlasāmā CSV un apvienojiet visas piecu pūļa pakalpojumu darbnīcu anotācijas.

posms. Datu kvalitātes nodrošināšana un cilvēka apstiprinātu anotāciju pārbaude, ņemot vērā neobjektivitāti

4i. Pārbaudiet galīgās anotācijas pret kaitīgiem, neobjektīviem vai strīdīgiem terminiem DE-BIAS vārdnīcā, izmantojot RDF balstītu tēzauru meklēšanu.

Piecu pūļa pakalpojumu darbsemināru laikā, kas notika uz vietas un tiešsaistē, 70 dalībnieki, tostarp pētnieki, augstskolu studenti un tautas mākslas eksperti, pārskatīja MI ģenerētās anotācijas, apstiprinot precīzas birkas, noraidot maldinošas, izmantojot augšupejošas un lejupejošas balsis, un sniedzot papildu anotācijas.

Ieskats datos un ētiskais novērtējums

Lielākā daļa attēlu tika papildināti ar 15 līdz 20 jauniem aprakstošiem tagiem. Kopumā tika reģistrēti gandrīz 55 000 anotāciju darbību, tostarp tagu ģenerēšana, augšupbalsošana un lejupbalsošana. Rezultātā paveras bagātīgāki ceļi Ukrainas tautas mākslas atklāšanai un iesaistei tajā. Pēckampaņas rādītāji liecina, ka lielākā daļa MI ģenerēto anotāciju tika pieņemtas kā precīzas, un tikai dažas tika noraidītas.

Šie pieci MI radītie marķējumi saņēma augstākos pieņemšanas rādītājus:

• ikona
• krāsošana
• vecīt
• koki
• sieviete.

Šie pieci MI radītie marķējumi saņēma visaugstākos noraidīšanas rādītājus:

• plaisas
• uzvilkt
• bojājums
• mazs objekts
• personāls.

Ētiskās ietekmes novērtējuma piemērošana galīgajām anotācijām izmēģinājuma projektā tika uzskatīta par svarīgu soli. Otrais pārskatīšanas līmenis tika veikts, lai apzinātu potenciāli problemātisku valodu un stiprinātu pārskatatbildību. Pārbaudot cilvēka apstiprināto marķējumu atbilstību DE-BIAS vārdnīcai, tika identificēts viens termins – vergs, kas pēc tam saskaņā ar ieteikumu tika pārskatīts, to attiecinot uz paverdzinātu personu. Vārdnīca tika izmantota kā ētiskās ietekmes novērtējuma pasākums pirms galīgās atvērto datu kopas publicēšanas, ņemot vērā UNESCO Ieteikumu par mākslīgā intelekta ētiku (2022) un Ētiskās ietekmes novērtējuma rīku (2023).

Izmēģinājuma projekta izstrādē un izpratnē par tā ar MI saistītajām ētikas dimensijām tika ņemts vērā arī AISTER datu analīzes pētījums, kurā tika kartēti 22 starptautiski pētniecības projekti, kas izmanto mākslīgo intelektu un iedzīvotāju līdzdalību kultūras mantojuma saglabāšanā ārkārtas situācijās. Pētījumā atlasītie projekti tika klasificēti, izmantojot AISTER klasifikācijas sistēmu, kas piedāvā sistemātisku kategorizāciju 24 analītiskajās dimensijās, kuras paredzētas MI virzītu līdzdalības mantojuma iniciatīvu analīzei. Satvara dimensijas ietver kultūras mantojuma jomas, iedzīvotāju līdzdalības modeli (Shirk et al., 2012) un sadarbības modeli (Carayannis & Campbell, 2009), kā arī MI specifiskās dimensijas, tostarp MI tehnoloģiju veidus, racionālā aģenta modeli (Russell & Norvig, 2020, 4. izdevums), piemēroto ētisko MI tipoloģiju (Morley et al., 2019), licenču veidus un citas. Pētījuma datu atziņas tiek publicētas kā atvērtas piekļuves interaktīvas tīmekļa vizualizācijas, kas piedāvā salīdzinošu šīs jomas izpēti. Izmēģinājuma darbplūsma un konstatējumi tiek publicēti gaidāmajā konferences dokumentā (Ziku, Zourou, & Kouzelis, 2026. gads).

Secinājumi

Izmēģinājuma projekta mērķis bija izveidot atvērtu un reproducējamu ceļu MI rīku izmantošanai, lai apstrādātu datus plašā mērogā, apvienojumā ar cilvēka līdzdalību, ētisko novērtējumu un datu ieskatu, lai atbalstītu precīzākus, pārskatatbildīgākus, metrikas virzītus un bagātinātus veidus, kā atklāt Ukrainas tautas mākslu. Dažreiz svētlaimīgais ceļojums mantojumā sākas ar meklēšanas lodziņā ievadīto vārdu. Un dažreiz pareizie vārdi var izgaismot jaunu kolekciju.

Trīs aktīvākie pūļa pakalpojumu kampaņas atbalstītāji saņēma attiecīgi honorāru, kā arī zelta, sudraba un bronzas nozīmītes: Inna Kaika, Mīkola Gogoļa Valsts universitātes studente angļu valodā un svešvalodā; Darja Markova, Tulkošanas studente, Pryazovskyi Valsts tehniskā universitāte; Marko Lakhmatov, kiberdrošības students, Pryazovskyi Valsts tehniskā universitāte.

Pārdomājot savu līdzdalību, Inna dalījās: “Ukrainas māksla atspoguļo mūsu cilvēku izturētspēju un radošumu, un dalīšanās tajā ir svarīgāka nekā jebkad agrāk. Šīs aizraušanās dēļ es pievienojos kampaņai, kuras mērķis bija padarīt kultūras mantojumu pieejamāku. Man īpaši patika anotācijas process un etnogrāfiskās kolekcijas izpēte. Bija gods piedalīties projektā, kas apvieno mākslu un tehnoloģijas.”

Izpētīt un atkārtoti izmantot izmēģinājuma resursus

Interesē līdzīgu metožu piemērošana savām kolekcijām?

• Skatiet pūļa pakalpojumu kampaņu Ukrainas tautas mākslai vietnē CrowdHeritage.
• Izpētiet pilotprojektu “Cilvēks cilpā” (crowdsourcing pilot).
• Atkalizmantojiet atvērtā pirmkoda Jupyter piezīmju grāmatiņas , kas dokumentē visu darbplūsmu no datu izguves līdz MI ģenerētām anotācijām un platformai gatavam eksportam.
• Piekļūstiet atvērtajām datu kopām Zenodo atvērtajā repozitorijā, kas ietver pilota datus un izvaddatus saglabāšanai, citēšanai un atkalizmantošanai.
• Izpētiet interaktīvās datu vizualizācijas un atklājiet ieskatus no 22 starptautiskām pētniecības iniciatīvām, kurās tiek izmantots mākslīgais intelekts un iedzīvotāju līdzdalība kultūras mantojuma saglabāšanā ārkārtas situācijās un ārpus tām.

Apliecinājumi

Vēlamies pateikties visiem AISTER projekta partneriem un līdzstrādniekiem, jo īpaši Jevgēnijam Dmitrukam Kroveta muzejā, Eirīniem Kaldeliem CrowdHeritage un Datoptronam, Hugo Manguinhasam Europeana fondā un Uldim Zariņam un Sanitai Reinsonei Latvijas Universitātē.

Atsevišķas atsauces

• Jupyter piezīmju grāmatiņu dokumentācijā ir ievēroti GLAM iestāžu Jupyter projektu kvalitātes novērtēšanas kritēriji, kas publicēti Candela, G., Chambers, S., & Sherratt, T. (2023). GLAM iestāžu publicēto Jupyter projektu kvalitātes novērtēšanas pieeja. Informācijas zinātnes un tehnoloģiju asociācijas žurnāls, 74(13), 1550–1564.
• Izmēģinājuma projekta README dokumentācijā par GitHub ir pieņemta uz Git balstītās datu kopas KU Leuven Libraries Git dokumentācijas struktūra. Skatīt: KU Leuven Libraries, Digitalizācijas departaments. (2019). The Portraits Collection Dataset of KU Leuven Libraries, Special Collections (KU Leuven bibliotēku portretu kolekcijas datu kopa, īpašās kolekcijas) (01. versija, beta2. versija) [Datu kopa]. Zenodo.
• M. Ziku, K. Zourou un A. Kouzelis, “AI-Assisted Metadata Enrichment for Ethnographic Heritage: A Reproducable Human-in-the-Loop Crowdsourcing Workflow,” 2026. gada IEEE starptautiskā konference par kiberhumānām zinātnēm (IEEE-CH), Venēcija, Itālija, 2026. gada 7.–9. septembris, presē.