RAG mint könyvtári tudásrendszer : a mesterséges intelligencia hangja az IR vs. DR vitában = RAG as a Library Knowledge System : The Voice of Artificial Intelligence in the IR vs. DR Debate

Fülöp, Endre (2026) RAG mint könyvtári tudásrendszer : a mesterséges intelligencia hangja az IR vs. DR vitában = RAG as a Library Knowledge System : The Voice of Artificial Intelligence in the IR vs. DR Debate. In: A tudomány, az oktatás és a közgyűjteményi kiszolgálás új informatikai szinergiái : NETWORKSHOP 2026 : 35. Országos Informatikai Konferencia : 2026. március 31-április 2. Debreceni Egyetem, Debrecen. Hungarnet Egyesület, Budapest, pp. 275-285. ISBN 9786156792297 (In Press)

Preview

Text nws_2026_inpress_fulop.pdf - Published Version Available under License Creative Commons Attribution. Download (407kB) | Preview

Abstract

Miután Calvin Mooers – bizonyos értelemben Paul Otlet monografikus elvét követve – 1950-ben megalkotja az információ-visszakeresés (Information Retrieval, IR) terminust, a könyvtártudomány szinte azonnal átveszi és magáévá teszi a fogalmat és a mögötte álló elvet. Ezzel lényegében azt az elvárást támasztja a könyvtári tudásrendszerrel szemben, hogy amikor a felhasználó információt keres, akkor a könyvtári rendszer ne pusztán a kérdés szempontjából releváns dokumentumokhoz legyen képes őt irányítani, hanem adjon közvetlenül és azonnal tényszerű választ a megfogalmazott kérdésre. A könyvtári tudásrendszer IR-rendszerként való felfogásának gondolatát nem fogadta egyöntetű lelkesedés. Számos elméletalkotó (többek között Robert Fairthorne, Bernd Frohmann, Birger Hjørland és Rafael Capurro) különböző okokból és nézőpontokból, de egyaránt bírálja a paradigmaváltást, és amellett érvel, hogy a könyvtári tudásrendszer fő feladatának mégis inkább a dokumentum-visszakeresést (Document Retrieval, DR) kellene tekinteni. Tanulmányomban arra a kérdésre keresek választ, hogy a nagy nyelvi modellek (LLM) és különösen a Retrieval Augmented Generation (RAG) megjelenését tekinthetjük-e fordulópontnak ebben az IR vs. DR vitában. Szolgáltat-e a RAG érveket akár az egyik, akár a másik oldal számára? Mit kell, mit lehet, mit célszerű elvárnunk egy könyvtári tudásrendszerként működő RAG-alkalmazástól? | After Calvin Mooers coined the term Information Retrieval (IR) in 1950 – in a sense following Paul Otlet’s monographic principle – library science almost immediately adopted and integrated both the concept and its underlying principle. This essentially imposed an expectation on library knowledge systems: when a user searches for information, the system should not merely direct them to documents relevant to their query, but should provide a direct and immediate factual answer to the formulated question. The notion of conceiving the library knowledge system as an IR system was not met with unanimous enthusiasm. Numerous theorists (including Robert Fairthorne, Bernd Frohmann, Birger Hjørland, and Rafael Capurro), for various reasons and from different perspectives, criticized this paradigm shift, arguing that the primary task of library knowledge systems should remain Document Retrieval (DR). In my paper, I seek to answer whether the emergence of Large Language Models (LLM) and, in particular, Retrieval-Augmented Generation (RAG) can be considered a turning point in this IR vs. DR debate. Does RAG provide arguments for either side? What should, what can, and what is it practical to expect from a RAG application functioning as a library knowledge system?

Actions (login required)

Edit Item