Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Aprendizajes de trabajo en bibliotecas digitales
Search
Mauricio Giraldo
November 13, 2019
Technology
0
160
Aprendizajes de trabajo en bibliotecas digitales
Cinco cosas que he aprendido en ocho años de trabajo en bibliotecas digitales
Mauricio Giraldo
November 13, 2019
Tweet
Share
More Decks by Mauricio Giraldo
See All by Mauricio Giraldo
Aereo: An experimental bird’s eye view of the digital collections from the State Library of New South Wales
mgiraldo
0
350
From food to buildings and beyond: what happens when a library opens its digital collections to human-computer collaboration
mgiraldo
2
180
building inspector
mgiraldo
0
94
Talk at the NYU ITP Data Art class / Spring 2017
mgiraldo
0
160
Humanidades Digitales en los laboratorios de la Biblioteca Pública de New York
mgiraldo
0
100
FOSS4G Nara/Tokyo
mgiraldo
0
1.9k
Human-Computer Collaboration at NYPL Labs
mgiraldo
2
460
NYPL Labs @ Eyeo Festival 2015
mgiraldo
1
730
NYPL Labs Design @ MITH Digital Dialogues
mgiraldo
0
700
Other Decks in Technology
See All in Technology
リモートワークで心掛けていること 〜AI活用編〜
naoki85
0
200
はじめての転職講座/The Guide of First Career Change
kwappa
5
4.5k
Rethinking Incident Response: Context-Aware AI in Practice - Incident Buddy Edition -
rrreeeyyy
0
130
AIは変更差分からユニットテスト_結合テスト_システムテストでテストすべきことが出せるのか?
mineo_matsuya
5
3k
AIエージェントの開発に必須な「コンテキスト・エンジニアリング」とは何か──プロンプト・エンジニアリングとの違いを手がかりに考える
masayamoriofficial
0
170
Claude Code x Androidアプリ 開発
kgmyshin
1
490
Preferred Networks (PFN) とLLM Post-Training チームの紹介 / 第4回 関東Kaggler会 スポンサーセッション
pfn
PRO
1
120
GitHub Copilot coding agent を推したい / AIDD Nagoya #1
tnir
0
480
会社にデータエンジニアがいることでできるようになること
10xinc
9
1.4k
信頼できる開発プラットフォームをどう作るか?-Governance as Codeと継続的監視/フィードバックが導くPlatform Engineeringの進め方
yuriemori
1
360
Amazon S3 Vectorsは大規模ベクトル検索を低コスト化するサーバーレスなベクトルデータベースだ #jawsugsaga / S3 Vectors As A Serverless Vector Database
quiver
2
1.1k
PFEM Online Feature Flag @ newmo
shinyaishitobi
2
270
Featured
See All Featured
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
31
2.2k
[RailsConf 2023] Rails as a piece of cake
palkan
56
5.8k
The Language of Interfaces
destraynor
160
25k
Six Lessons from altMBA
skipperchong
28
4k
How to train your dragon (web standard)
notwaldorf
96
6.2k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
131
19k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
110
20k
Building Better People: How to give real-time feedback that sticks.
wjessup
367
19k
A better future with KSS
kneath
239
17k
Imperfection Machines: The Place of Print at Facebook
scottboms
268
13k
Embracing the Ebb and Flow
colly
86
4.8k
Transcript
mauricio giraldo arteaga @mgiraldo algunas cosas que he aprendido hasta
ahora red de bibliotecas de bogotá, noviembre 2019
hola
mi nombre es mauricio
None
None
None
None
foto: wallyg en flickr
None
None
llevo en esto cerca de ocho años* *el fellowship empieza
en 2020
algunas cosas que he aprendido hasta el momento …y que
creo pueden beneficiar a la red de bibliotecas de bogotá
cinco cosas
prácticas
quizás obvias
1
tener una visión clara* *y no me refiero a visiones
grandilocuentes
…con capacidad de ejecución* *con presupuesto y prestando atención a
una diversidad de experiencias
None
None
None
foto: myleen hollero
NYPL Labs
¿qué hacer cuando todo esté digitalizado?
None
None
None
None
None
None
None
las expectativas* están establecidas por terceros *y los puntos de
referencia de interacción
None
es un reto común en colecciones digitales
None
None
dependen de metadatos de texto
None
None
None
None
None
None
es imposible hacer descripciones exhaustivas pero es un trabajo valioso
además es lenguaje técnico-bibliográfico no el lenguaje al que estamos
acostumbrados
None
tecnología digital para automatizar la creación* de metadatos *y mejorar
los existentes
None
None
2
empezar con prototipos
empezar (y continuar) con prototipos
None
None
None
None
None
“¿qué tal si…?”
None
None
un fin de semana después…
None
reducir la labor a sus componentes básicos
los prototipos ayudan a establecer viabilidad
los prototipos ayudan a comunicar la idea
–@mikeindustries “un prototipo vale mil reuniones”
None
“¡excelente! es cuestión de refinarlo y ya”
3
el refinamiento toma tiempo
el refinamiento toma (un montón de) tiempo
None
tres meses después…
None
stereo.nypl.org
None
None
en todo caso, tres meses no es tanto tiempo cuando
se está acostumbrado a proyectos que tardan años
87,000 imágenes creadas
el refinamiento genera valor* *cuando se hace de manera informada
por cierto, el refinado puede esperar
None
podría beneficiarse de un rediseño
None
None
1.1 millón platos más y eso que la biblioteca ya
no digitaliza menús con la misma prioridad
@katie_rawson y @trevormunoz
@_BadTaste_ por @bibliotechy
refinar funciona
…pero toma tiempo
“bueno… lo tendré en cuenta en planeación”
4
todo toma más tiempo que el estimado
las gente es mala para hacer estimados* *S. Grimstada, M.
Jørgensena, 2007; I. Newby-Clark, M. Ross, R. Buehler, D. Koehler, D. Griffin, 2007; V. Mahnič, T. Hovelja, 2012; y más…
(sí, aún en desarrollo “ágil”)
no puede estimar lo que no ha hecho
–@jasonfried “planear es adivinar”
rediseño de colecciones digitales nypl ca. 2005
None
None
None
“tomémonos 90 días para rediseñar esto”
(una bandera roja gigante)
siempre habrá sorpresas usualmente de las que no son bienvenidas
None
None
None
None
“tenemos que incluir esta funcionalidad”
18 meses después…
None
None
None
None
None
None
None
digitalcollections.nypl.org
empezar con un alcance o una fecha
…pero no ambos
pero no se demore demasiado en mostrar algo a sus
usuarios
–Reid Hoffman “si no te avergüenza la primera versión de
tu producto, lo has lanzado demasiado tarde”
…pero tómese cuanto sea necesario* *ver punto sobre el refinamiento
…y prepárese para las sorpresas
5
los “hackatones” son puntos de partida* *no esperar proyectos terminados
listos para producción
None
None
None
None
planta material uso calles dirección pisos nombre clase geo localización
año claraboyas jardines
None
None
“¿qué tal si…?”
None
luego de preguntar a muchos expertos y no recibir ayuda
alguna
None
¿será que podemos automatizarlo?
None
None
None
None
None
None
None
None
cinco semanas después de refinamiento del proceso
None
github.com/NYPL/map-vectorizer
None
más de 80 mil edificios en un día en lugar
de años
None
“¿qué tan bueno es el algoritmo?”
…hicimos un prototipo
None
None
buildinginspector.nypl.org
dos meses después…
None
None
84%: SI 7%: ARREGLAR o 91% suficientemente bueno
None
…así que hicimos más prototipos
None
2 millones de clasificaciones en unos 24 meses
None
None
None
None
spacetime.nypl.org
foto: knight foundation
None
None
None
None
None
None
…y todo empezó con un prototipo en un hackatón
resumen
tener una visión clara y ejecutable empezar (y continuar) con
prototipos el refinamiento toma tiempo todo toma más tiempo que el estimado los “hackatones” son puntos de partida
@mgiraldo que gracias