Välkomna till SFIS vårkonferens 2023

Välkomna till Svensk Förening för Informationsspecialisters digitala vårkonferens 2023, som går av stapeln den 8 juni på Zoom. Konferensen har temat ”Mellan Människa och Maskin”, där vi kommer att utforska gränslandet mellan teknologi och mänsklig interaktion.

Under konferensen kommer ni att höra från flera experter inom området och diskutera de senaste trenderna och utmaningarna som rör teknologins påverkan på samhället. Vi kommer att ha spännande talare som kommer att ta upp ämnen som sökmotorer, digitala metoder, och mycket mer. Vi är också glada över att kunna presentera utmärkelsen ”Årets Informationsspecialist 2023” under konferensen.

Vi är stolta över att kunna erbjuda en plattform där yrkesverksamma informationsspecialister, akademiker och experter kan utbyta idéer, erfarenheter och tankar kring den teknologiska utvecklingen. Vi ser fram emot en spännande konferens och hoppas att ni vill vara med!

Här följer en kort presentation av de fem föredragshållarna.

Olof Sundin: Sökmotorer och kontrollen av information: från pagerank till AI
Sökmotorer för webben hjälper oss inte enbart att hitta vad vi letar efter, de bidrar också till att forma vad som anses vara viktigt. Samtidigt är de premisser som sökmotorer rankar sina resultat utifrån i ständig förändring och frågor för diskussion eller rent av dispyt. I presentationen belyses argument för, diskussioner om och lösningar för sökmotorers rankning av sökresultat. I presentationen berörs även AI-teknologi som redskap för informationssökning.

Sundin disputerade vid Göteborgs universitet 2003 och är sedan 2012 professor i biblioteks- och informationsvetenskap vid Lunds universitet. Hans forskning handlar om informationspraktiker, källkritik och tillit, medie- och informationskunnighet, digital kultur, informationssökning samt kunskapsbildning och trovärdighet. De senaste åren har Sundin forskat om sökmotorers roll i vardagen samt medie- och informationskunnighet. (https://www.kultur.lu.se/person/OlofSundin/)

Olle Häggström: AI-utvecklingen och dess samhällskonsekvenser
Utvecklingen inom artificiell intelligens (AI) går idag snabbare än någonsin, och vi verkar närma oss den tidpunkt då den nått så långt att vi människor inte längre är planetens mest intelligenta varelser. Ett sådant genombrott kan bli den mest omvälvande förändringen någonsin i mänsklighetens historia – på gott eller ont. Länge såg det ut att ligga minst ett par årtionden in i framtiden, men till följd av de senaste årens dramatiska utveckling som tydligast manifesterar sig i GPT-4 och annan så kallad generativ AI har tidsperspektiven förkortats så till den grad att genombrottet mycket väl kan komma under innevarande årtionde. För att detta skall sluta lyckligt behöver forskningen kring AI-säkerhet, som idag släpar efter, i tid lösa frågan om hur vi säkerställer att avancerad AI agerar för mänsklighetens bästa.

Olle Häggström är professor i matematisk statistik på Chalmers och ledamot i Kungliga Vetenskapsakademien. Huvuddelen av hans forskningsmeriter ligger inom sannolikhetsteori, men han fokuserar numera mer på områden som AI och existentiell risk. Han är författare till fem böcker, varav senast Tänkande maskiner: Den artificiella intelligensens genombrott (Fri Tanke, 2021) (https://www.gu.se/om-universitetet/hitta-person/ollehaggstrom).

Erik Enqvist: Immaterialrätt och patentinformation: vad är det?
Hur använder vi oss av AI-verktyg för att söka efter information och vad händer härnäst?

 Erik Enqvist är patentingenjör på PRV mot det lite smått breda området uppfinningar som styrs av datorer och telekom. Han jobbar däremot nu med uppdragsverksamhet, vilken är en verksamhet på PRV där man kan beställa våra ingenjörers och handläggares tid för att plocka fram information om patent, varumärken och design. Har man en idé som man vill utveckla så kan uppdragsverksamheten på PRV alltså hjälpa till med att ta fram underlag för vad som finns redan. På så sätt kan man göra strategiska val hur man ska gå vidare med sin idé (https://se.linkedin.com/in/erik-enqvist-71116333).

Fereshta Westin: Comparing Feature Engineering Techniques for the Time Period Categorization of Novels 
Kategorisering av skönlitterära verk baserat på tidsperioden historien utspelar sig, kan förbättra tillgängligheten för biblioteksbesökare i online-kataloger. Med tidsperiod menas ämnesord som är av typen kronologisk ordning exempelvis Vasatiden och Gustavianska tiden. Dock implementeras inte denna kategorisering frekvent, vilket gör det svårt för låntagare att hitta verk från en viss tidsperiod. Anledningen till detta är att tilldelning av tidsperiodskategorier är en tidskrävande uppgift som kräver omfattande analys av texten. I artikeln Comparing Feature Engineering Techniques for the Time Period Categorization of Novels jämförs olika maskininlärningstekniker för att analysera skönlitterära verk hämtade från Litteraturbanken. Syftet med studien är att undersöka hur väl olika analystekniker fungerar vid tidsperiodkategorisering av skönlitterära verk. Maskininlärningstekniker som används i studien är följande: Topic Modeling – Latent Dirichlet Allocation, TF-IDF och Word Embedding med Sentence BERT. Resultaten av experimenten visar att en enklare modell som TF-IDF predikterar texters tidsperioder mer träffsäkert än avancerade modeller som Topic Modeling och språkmodellen Sentence BERT.

Westin påbörjade sina doktorandstudier år 2020 vid institutionen för Biblioteks- och Informationsvetenskap vid Högskolan i Borås. Hennes avhandling handlar om att organisera skönlitterära verk baserat på tidsperioder, specifikt när handlingen i texten äger rum, till exempel under Vasatiden eller under första världskriget. Maskininlärningsmetoder används för att prediktera vilken eller vilka tidsperioder en text tillhör. Westins forskningsintressen befinner sig i gränslandet mellan organisation av kunskap, maskininlärning samt skönlitteratur. Innan doktorandstudierna undervisade Westin i olika programmeringsspråk vid Högskolan i Borås (https://www.hb.se/genvagar/kontakt/anstalld/FEWE/). 

Pelle Snickars: AI-driven uppskalning – av det förflutna
ABM-sektorn är full med material som i närtid kan komma att se helt annorlunda ut genom artificiell intelligens. När källmaterial ändrar form – sker då detsamma med vårt förflutna? All historieskrivning kräver tolkningsarbete, men vilka algoritmiska uttolkningar av det förflutna åstadkommer mjukvara? Vad ser och hör samtida algoritmer för mönsterigenkänning när de appliceras på mediehistoriskt källmaterial? 

Pelle Snickars är professor i digitala kulturer vid Lunds universitet. Hans forskningsintressen befinner sig i skärningspunkten mellan mediehistoria och digital humaniora. Snickars leder två forskningsprojekt: Moderna tider 1936 (RJ) samt Välfärdsstaten analyserad: textanalys och modellering av svensk politik, media och kultur 1945-89 (VR). (https://www.kultur.lu.se/person/PelleSnickars/)