อีกหนึ่งความย้อนแย้งในยุคดิจิทัล http://www.salon.com/2015/05/30/google_is_not_the_answer_how_the_digital_age_imperils_history/ เราผลิตสารสนเทศกันมากกว่าในอดีตที่เคยเป็นมา แต่เราแทบไม่ค่อยนึกถึงการสงวนรักษาความรู้ในรูปแบบดิจิทัล สำหรับไว้ศึกษาประวัติของมวลมนุษยชาติในยุคดิจิทัลเลย JOHN PALFREY ยกประเด็นที่น่าสนใจว่า คนในสังคมได้ปล่อยให้กลไกการจัดเก็บข้อมูล/เนื้อหา/สารสนเทศ และความรู้ อย่างถาวร (Archiving) ตกอยู่ในการควบคุมของบริษัทด้านสื่อและเทคโนโลยีสารสนเทศ ทีต่างก็เน้นเรื่องปริมาณและความรวดเร็ว มากจนเกินไป ซึ่งจริงๆ แล้วบริษัทที่มุ่งแสวงหากำไรทางธุรกิจเหล่านี้มีการดำเนินงานที่ไม่ยืนยาว และมีความเปลี่ยนแปลงอยู่ตลอดเวลา ผิดกับการสงวนรักษาสารสนเทศดิจิทัลของมหาวิทยาลัย ห้องสมุด หอจดหมายเหตุ พิพิธภัณฑ์ และหน่วยงานด้านศิลปวัฒนธรรมอื่นๆ ที่ดำรงอยู่เป็นร้อยปี หากเรายังพึ่งพาบริษัท "ผู้ผลิต" ให้ทำหน้าที่ "จัดเก็บ" สารสนเทศดิจิทัลต่อไปเรื่อยๆ ก็น่าจะทำให้การศึกษาประวัติศาสตร์ในยุคดิจิทัลเสี่ยงต่อการขาดสารสนเทศที่สำคัญๆ ไป อันเนื่องมาจาก บริษัทเหล่านี้มองสารสนเทศที่ไม่ใช้แล้ว เป็นแค่ "ความล้าสมัย" (Obsolescence) ปราศจากการเลือกสรรและสงวนรักษา "มรดกตกทอด" ทางปัญญาจากรุ่นสู่รุ่นที่มีความสำคัญเชิงประวัติศาสตร์ ตามความเห็นของผู้เขียนบทความนี้ ชี้ว่า สังคมอเมริกัน (ความจริงสังคมไทยก็คงไม่ต่างกัน) ประเมินคุณค่าของห้องสมุดและหอจดหมายเหตุต่ำจนเกินไป อีกทั้งยังลงทุนกับการพัฒนาระบบสารสนเทศในการปลี่ยนผ่านสารสนเทศจากระบบอานาล็อกไปเป็นระบบดิจิทัล น้อยเกินไปด้วย ด้วยเหตุนี้ บรรณารักษ์และนักจดหมายเหตุจึงไม่ค่อยได้เข้าไปเกี่ยวข้องมากนักกับการคัดเลือกและดูแลรักษาความรู้ที่ถูกสร้่างขึ้นมาในรูปแบบดิจิทัลตั้งแต่แรก (Born-digital format) หรือแม้แต่เข้าไปมีส่วนร่วมพัฒนาเทคโนโลยี ที่เป็นหลักประกันว่าสารสนเทศดิจิทัลที่จัดเก็บนั้น จะใช้งานข้ามระบบได้ (Interoperability) ตลอดไป ซ้ำร้าย บรรณารักษ์และนักจดหมายเหตุยังแทบจะไม่ได้รับการสนับสนุน หรือส่งเสริมให้มีทักษะที่จำเป็นสำหรับพวกเขาในการเข้าไปมีบทบาทสำคัญต่อการสงวนรักษาวัฒนธรรมของชาติที่อยู่ในรูปแบบดิจิทัล เท่าที่ควร JOHN PALFREY ยังปิดท้ายด้วยข้อเตือนใจว่า ถ้าหากเรายังไม่ชูประเด็นเรื่องการไม่ใส่ใจที่จะลงทุนให้กับงานสงวนรักษาสารสนเทศดิจิทัลในห้องสมุดและหอจดหมายเหตุ ขึ้นเป็นวาระเร่งด่วนแล้ว ก็คงไม่แคล้วที่เราต่างก็ตกอยู่ในสถานการณ์ของ การมีสารสนเทศที่เรา "ไม่ต้องการ" มาก แต่กลับมีความรู้อันเกิดจากสิ่งที่เรา "ทำ" น้อย มันช่างย้อนแย้งอะไรเช่นนี้ ? การวิเคราะห์ข้อมูลขนาดใหญ่ (Big data analytics) วิธีปฏิบัติที่บรรณารักษ์ควรใส่ใจ
http://www.ala.org/acrl/publications/keeping_up_with/big_data แนวคิดเรื่องข้อมูลขนาดใหญ่หรือ Big data และการนำข้อมูลไปใช้ประโยชน์ได้รับการเผยแพร่ขยายวงกว้างจากภาคธุรกิจ ภาครัฐ ภาคการศึกษา และในที่สุดก็มาถึงวงการห้องสมุด นอกจากการทำความรู้จักและเข้าใจกับ Big data ว่าคืออะไร มีประโยชน์อย่างไร ซึ่งเนื้อหาดังกล่าวคิดว่าคงมีคนพูดถึงกันอยู่มากแล้ว บทความซึ่งเขียนโดย Mark Bieraugel บรรณารักษ์สาขาวิชาธุรกิจ แห่ง California Polytechnic State University ชิ้นนี้นำเสนอจากมุมมองที่เจาะลึกลงไปที่งานห้องสมุดและบริการสารสนเทศ เพราะเมื่ออ่านจบแล้วจะทำให้บรรณารักษ์ได้ตระหนักถึงบทบาท ตลอดจนการมีส่วนร่วมในการวิเคราะห์ข้อมูลขนาดใหญ่ให้กับองค์กรต้นสังกัดของห้องสมุดเอง ขออนุญาตสรุปคร่าวๆ ว่า ในมุมมองของ Mark Bieraugel แล้ว อะไรบ้างที่บรรณารักษ์จำเป็นต้องรู้เกี่ยวกับ Big data พอเป็นน้ำจิ้มนะครับ - ความรู้พื้นฐานและผลของ Big data ที่มีต่อการวิจัยเชิงวิชาการ - บรรณารักษ์สาขาวิชาธุรกิจ จำเป็นต้องรู้ว่าบริษัทต่างๆ ใช้ข้อมูลขนาดใหญ่เพื่อสร้างมูลค่าแก่สินค้าและบริการอย่างไร การทำเหมืองข้อมูล (Data mining) ช่วยสร้่างความได้เปรียบเชิงแข่งขันได้อย่างไร และนิสิตสาขาวิชาธุรกิจจำเป็นต้องใช้ชุดข้อมูลขนาดใหญ่อย่างไรเมื่อจบการศึกษาและต้องทำงานต่อไปในอนาคต - บรรณารักษ์สาขาวิชาวิทยาศาสตร์ จำเป็นต้องทราบว่า Big data แตกต่างจากข้อมูลทางวิทยาศาสตร์อื่นๆ อย่างไร ตลอดจนผลกระทบของซอฟต์แวร์และฮาร์ดแวร์ใหม่ๆ ที่ถูกใช้ในการวิเคราะห์ข้อมูลขนาดใหญ่ - บรรณารักษ์สาขาวิชามนุษยศาสตร์และสังคมศาสตร์ ควรทราบว่า Big data ได้กลายเป็นสิ่งที่พบเจอได้ทั่วไปในสาขาวิชานี้ และเป็นมากกว่าการสะสมคลังคำทางภาษาศาสตร์ (Corpus linguistics) - เพื่อให้บริการสนับสนุนการทำวิจัยมีประสิทธิภาพยิ่งขึ้น บรรณารักษ์ทุกสาขาวิชาจำเป็นต้องทราบว่า Big data ถูกนำไปใช้อย่างไรบ้างในกระบวนการทำวิจัย และจะหา ฺBig data ได้จากที่ไหนบ้าง ในบทความของ Mark Bieraugel ยังได้กล่าวถึงการดูแลรักษาข้อมูลขนาดใหญ่ (Big data curation) และห้องสมุดมหาวิทยาลัยจะนำเสนอบริการพิเศษอะไรที่เกี่ยวข้องกับ Big data ได้บ้าง ซึ่งผมจะได้นำประเด็นทั้งสองนี้มาบอกเล่าแก่ผู้อ่านในโอกาสต่อไปนะครับ |