Kittapat Ratanaphupha, Author at Big Data Institute

บทความทั้งหมด

All Articles

ความเคลื่อนไหวระดับประเทศเกี่ยวกับข้อมูลในเศรษฐกิจดิจิทัล กรณีศึกษาสหภาพยุโรป สหราชอาณาจักร และสหรัฐอเมริกา

หากกล่าวถึงสภาพสังคมโลก เทคโนโลยีสื่อสารโทรคมนาคมเป็นส่วนหนึ่งที่ช่วยขับเคลื่อนให้การส่งข้อมูล การจัดการข้อมูล และการใช้ประโยชน์จากข้อมูลเพิ่มขึ้นอย่างมีนัยสำคัญ กล่าวด้วยประจักษ์พยานดังต่อไปนี้ การส่งข้อมูล: เอกสาร Cisco Visual Networking Index ปี 2017-2022 ได้ประมาณการการจราจรทางอินเทอร์เน็ตผ่านเกณฑ์วิธีไอพี (IP Traffic) พบว่าตั้งแต่ พ.ศ. 2560 มีการส่งข้อมูลถึงกันในเครือข่ายอินเทอร์เน็ตอยู่ที่ 1.5 เซตตะไบต์ต่อปี (หรือคิดเป็น 47.5 เทระไบต์ต่อวินาที) ซึ่งประมาณการว่าเพิ่มขึ้นเป็น 3 เท่าใน พ.ศ. 2565[1] นับว่าเป็นการก้าวเข้าสู่ “ยุคเซตตาไบต์”[2] อย่างเป็นทางการ โดยข้อมูลที่ส่งผ่านนั้นมีตั้งแต่ ข้อมูลพฤติกรรมการใช้อินเทอร์เน็ตในอุปกรณ์สื่อสารส่วนบุคคล ข้อมูลส่วนตัว รวมถึงข้อมูลติดต่อสื่อสารระหว่างเครื่องสู่เครื่อง (Machine-to-Machine: M2M)[3] การจัดการข้อมูล: สืบเนื่องจากข้อมูลที่ส่งผ่านระหว่างเครือข่ายคอมพิวเตอร์มีขนาดใหญ่มากตามที่กล่าวไว้ข้างต้น สถาปัตยกรรมที่รองรับข้อมูลขนาดใหญ่จึงมีความจำเป็นอย่างยิ่ง อย่างไรก็ตามโครงสร้างพื้นฐานเหล่านี้ก็เป็นดาบสองคมที่มีการสร้างแบบจำลองธุรกิจใหม่ที่อยู่บนฐานคิดจากข้อมูล และอาจทำให้แบบจำลองธุรกิจแบบเก่าไม่สามารถคงอยู่ได้เพราะความไม่ทันโลก[4] การใช้ประโยชน์ข้อมูล: การใช้ประโยชน์จากเทคโนโลยีข้อมูลขนาดใหญ่สามารถส่งผลกับหลายภาคส่วนซึ่งมีผลต่อเศรษฐกิจโลกอย่างมีนัยสำคัญ[5] และมีผลต่อวิถีชีวิตของมนุษย์เป็นอย่างยิ่ง ทว่าการหาประโยชน์จากการใช้เทคโนโลยีข้อมูลขนาดใหญ่หลายครั้งที่ปรากฏชี้ให้เห็นว่าจำเป็นต้องมีการควบคุมในระดับรัฐและสากล เช่น ความกังวลในการสอดส่องตรวจตราภายใต้อัลกอริทึมที่อาจมีการเลือกปฏิบัติ[6] การใช้ข้อมูลส่วนบุคคลเกินวัตถุประสงค์ซึ่งก่อให้เกิดความเสียหายต่อเจ้าของข้อมูล (เช่น กลุ่มมิจฉาชีพผ่านโทรศัพท์มือถือ[7] หรือ Cambridge Analytica[8]) และการเกิดอิสระแห่งตน (Autonomy) ในปัญญาประดิษฐ์อย่าง Tay[9] หรือ Deepfake[10] สิ่งที่เกิดขึ้นที่ผ่านมาตลอดทศวรรษ 2010 สามารถสรุปได้ว่าการเปิดเสรีด้านข้อมูลสามารถพิสูจน์ให้เห็นถึงศักยภาพทางเศรษฐกิจและคุณภาพชีวิตที่พัฒนาสู่อุดมคติได้ แต่ก็สร้างความเสียหายทั้งในเรื่องดุลยภาพของตลาด ความมั่นคงของชาติ และความปลอดภัยส่วนบุคคลได้เช่นกัน เหตุการณ์ที่เกิดขึ้นที่กล่าวไปแล้วข้างต้นมีลักษณะคล้ายกับยุคอินเทอร์เน็ตเมื่อแรกเริ่ม[11] ในบทความนี้จึงนำเสนอถึงความเคลื่อนไหวของแต่ละประเทศ ซึ่งยกตัวอย่างกรณีศึกษา 3 กลุ่มประเทศ คือ สหภาพยุโรป สหราชอาณาจักร และสหรัฐอเมริกา โดยแรกเริ่มบทความนี้จะกล่าวถึงภาพรวมของการควบคุมเรื่องข้อมูลในเศรษฐกิจดิจิทัลในส่วนที่ 1 จากนั้นจึงเทียบเคียงกระบวนการทางกฎหมายที่เกี่ยวกับข้อมูลในแต่ละประเทศที่สนใจในส่วนที่ 2 ซึ่งกล่าวถึงความเหมือนกันในแต่ละประเทศเกี่ยวกับธรรมนูญข้อมูลส่วนบุคคล ส่วนที่ 3 กล่าวถึงความแตกต่างในแต่ละประเทศเกี่ยวกับแนวคิดในการร่างกฎหมายดิจิทัล และส่วนที่ 4 กล่าวถึงความแตกต่างในแต่ละประเทศเกี่ยวกับลักษณะอำนาจของหน่วยงานรับผิดชอบตามกฎหมาย 1 องค์ประกอบในเศรษฐกิจดิจิทัล จากนิยามของเศรษฐกิจดิจิทัลที่เป็นการผสมแนวคิดระหว่างการประมวลผลดิจิทัลและเศรษฐกิจ[12] ประกอบกับพลวัตของกิจกรรมในเศรษฐศาสตร์ระดับจุลภาคดังที่มีองค์ประกอบสำคัญ คือ ห่วงโซ่อุปทานและผู้บริโภค เรียกโดยรวมว่าระบบนิเวศแพลตฟอร์มดิจิทัล ซึ่งสังเคราะห์ภาพรวมและสรุปจากผู้เขียนอ้างอิงโดยใช้งาน Hein et al. (2019) พบว่าระบบนิเวศแพลตฟอร์มดิจิทัลที่สำคัญประกอบไปด้วยทั้งสิ้น 5 แบบตามภาพที่ 2 ดังนี้ ทั้ง 5 ส่วนดังกล่าวในแต่ละกลุ่มประเทศได้ให้ความสำคัญในการกำกับดูแลไม่เท่ากัน ซึ่งมีผลต่อพลวัตของเศรษฐกิจเมื่อมองในมุมมองของเศรษฐศาสตร์ระดับมหภาค แต่ในเบื้องต้นทั้งสามกลุ่มประเทศได้ให้การรับประกันเกี่ยวกับสิทธิเสรีภาพส่วนบุคคลของประชาชนด้วยกฎหมายระดับกลุ่มประเทศ ซึ่งเห็นเป็นที่ประจักษ์ชัดว่าการใช้ประโยชน์ข้อมูลในแพลตฟอร์มดิจิทัลมากจนเกินควรเป็นการลิดรอนสิทธิเสรีภาพความเป็นส่วนตัวอย่างยิ่ง[14] สรุปสาระสำคัญนโยบายทางข้อมูลของ 3 กลุ่มประเทศ ความเหมือน ความแตกต่าง 2 ธรรมนูญสิทธิเสรีภาพในข้อมูลส่วนบุคคล จุดเริ่มต้นของการคำนึงถึงสิทธิเสรีภาพในความเป็นส่วนตัว (privacy) เกิดขึ้นนับตั้งแต่สมัยหลังสงครามโลกครั้งที่ 2 จากปฏิญญาสากลว่าด้วยสิทธิมนุษยชนในข้อ 12 ซึ่งกล่าวไว้ว่า “ข้อ 12 บุคคลใดจะถูกแทรกแซงตามอำเภอใจในความเป็นส่วนตัว ครอบครัว ที่อยู่อาศัย หรือการสื่อสาร หรือจะถูกลบหลู่เกียรติยศและชื่อเสียงไม่ได้ ทุกคนมีสิทธิที่ได้รับความคุ้มครองตามกฎหมายต่อการแทรกแซงสิทธิหรือการลบหลู่ดังกล่าวนั้น” Universal Declaration of Human Rights[15] ซึ่งเป็นธรรมนูญในการดำเนินนโยบายของรัฐสำคัญหลังสงครามโลกครั้งที่ 2 อันเกี่ยวข้องจากการถูกสอดส่องในกิจการส่วนตัวอันส่งผลต่อเสรีภาพในการตัดสินใจของตนเอง ทั้งในเชิงความสัมพันธ์และเชิงข้อมูล[16] โดยในที่นี้ทั้ง 3 กลุ่มประเทศกฎหมายของทั้งสามกลุ่มประเทศจึงได้ให้ความสำคัญกับสิทธิความเป็นส่วนตัวเป็นอย่างยิ่ง สหภาพยุโรป: ได้จัดทำระเบียบคุ้มครองข้อมูลทั่วไป (General Data Protection Regulation: GDPR[17]) ซึ่งได้ประกาศใช้เมื่อ พ.ศ. 2559 และได้บังคับใช้เมื่อวันที่ 25 พฤษภาคม พ.ศ. 2561 ซึ่งเห็นได้ว่าตลอดเวลาที่บังคับใช้ได้มีการฟ้องร้องเรียกค่าเสียหายอย่างมีนัยสำคัญ เช่น เมื่อ Google Analytics ผิดกฎหมาย GDPR – Big Data Thailand สหราชอาณาจักร: ได้จัดทำพระราชบัญญัติคุ้มครองข้อมูล (The Data Protection Act) ในปี พ.ศ. 2561 เพื่อสอดรับกับ GDPR ของสหภาพยุโรป[18] ประกอบกับการใช้ GDPR ของสหภาพยุโรปร่วมผสมด้วย แต่เมื่อ พ.ศ. 2562 สหราชอาณาจักรได้ออกจากการเป็นสมาชิกสหภาพยุโรป จึงทำให้มีการประยุกต์กฎหมาย GDPR ของสหภาพยุโรปให้เป็นในรูปแบบของสหราชอาณาจักร โดยแก้ในสาระของพระราชบัญญัติคุ้มครองข้อมูลเมื่อ พ.ศ. 2563[19] สหรัฐอเมริกา: รูปแบบลักษณะของการคุ้มครองข้อมูลส่วนบุคคลมีลักษณะเป็นรัฐบัญญัติเช่นเดียวกับสหภาพยุโรปและสหภาพอาณาจักร แต่ความแตกต่างหนึ่งในระดับรัฐบาลกลาง คือ การบังคับใช้กฎหมายเกี่ยวกับข้อมูลส่วนบุคคลเฉพาะเรื่อง ประกอบด้วย ข้อมูลทางการแพทย์ (Health Insurance Portability and Accountability Act: HIPAA) ข้อมูลเด็ก (Children’s Online Privacy Protection Act: COPPA) ข้อมูลการศึกษา (Family Educational Rights and Privacy Act: FERPA) ข้อมูลเครดิตบูโร (Fair Credit Reporting Act: FCRA)[20] และในภาคส่วนอื่น ๆ ทั้งนี้ในช่วงปี ค.ศ. 2023 แต่ละรัฐ เช่น แคลิฟอร์เนีย คอนเนทิคัต ยูทาห์ มีการผลักดันการใช้กฎหมายที่เกี่ยวข้องข้อมูลส่วนบุคคลในลักษณะรูปแบบธรรมนูญข้อมูลส่วนบุคคลอ้างอิงจาก GDPR ของสหภาพยุโรปเป็นสำคัญ[21] จากเอกสารและกฎหมายประกอบอ้างอิง สหรัฐอเมริกามีลักษณะการบังคับใช้กฎหมายที่แตกต่างจากสหภาพยุโรปและสหราชอาณาจักร โดยแม้การยึดอาศัยหลักการจำกัดสิทธิเสรีภาพเท่าที่จำเป็น (Virtue jurisprudence) แต่สหรัฐอเมริกาได้เลือกใช้การจำกัดสิทธิเสรีภาพตามภาคส่วนทางเศรษฐกิจและกำหนดการคุ้มครองข้อมูลส่วนบุคคลเฉพาะภาคส่วนจำเพาะ ซึ่งแตกต่างจากสหภาพยุโรปและสหราชอาณาจักรที่ใช้เป็นธรรมนูญทั่วไป หากพูดถึงกฎหมายในระดับรัฐบาลกลาง อย่างไรก็ตามในระดับรัฐแต่ละรัฐของสหรัฐอเมริกาก็เริ่มมีการใช้การจำกัดสิทธิรายการกระทำอันเกี่ยวข้องกับข้อมูลส่วนบุคคลเป็นกรณีทั่วไปเหมือนกับ GDPR ของสหภาพยุโรปมากยิ่งขึ้น โดยมีปรากฏการณ์ในลักษณะเกิดขึ้นภายใน พ.ศ. 2566 ในจำนวนอย่างน้อย 5 รัฐซึ่งถือว่ามีนัยสำคัญกับการปฏิบัติตามกฎหมายของสหรัฐอเมริกา จากที่กล่าวมาทั้งหมดนี้ การนำกฎหมายข้อมูลส่วนบุคคลมาบังคับใช้ในแต่ละกลุ่มประเทศเป็นตัวอย่างสำคัญไม่กี่สิ่งที่มีลักษณะการบังคับใช้คล้ายคลึงกันทั้งในหลักการและเหตุผล หากพิจารณาส่วนอื่น ๆ ของระบบนิเวศแพลตฟอร์มดิจิทัลตามที่กล่าวไว้ในบทที่ 1 จะพบว่าแต่ละกลุ่มประเทศมีหลักการ เหตุผล และการบังคับใช้ที่แตกต่างกันอย่างสิ้นเชิงดังที่แสดงไว้ในภาพที่ 3 3 แนวคิดในการยกร่างกฎหมาย ทั้งสามกลุ่มประเทศได้กำหนดเป็นแผนยุทธศาสตร์เกี่ยวกับข้อมูลไว้อย่างชัดเจน ซึ่งในสาระสำคัญจะพบว่าแต่ละกลุ่มประเทศมีโจทย์ที่ต้องแก้ไขปัญหาไม่เหมือนกัน โดยในบริบทของสหภาพยุโรปและสหรัฐอเมริกาจะเน้นไปที่การปกป้องสิทธิเสรีภาพของประชาชนจากเทคโนโลยีดิจิทัลเป็นสำคัญ ขณะที่สหราชอาณาจักรจะเน้นไปที่การส่งเสริมและปรับเปลี่ยนโครงสร้างทางเศรษฐกิจให้มีความเป็นดิจิทัลทัดเทียมนานาประเทศ แนวคิดในการขับเคลื่อนด้านข้อมูลของสหภาพยุโรป เมื่อวันที่ 19 กุมภาพันธ์ พ.ศ. 2563 คณะกรรมาธิการยุโรปได้เผยแพร่เอกสารเลขที่ COM (2020) 66 Final ว่าด้วยเรื่องยุทธศาสตร์ยุโรปสำหรับข้อมูล (A European strategy for data) ซึ่งเป็นจุดกำเนิดในการเคลื่อนไหว Digital Decade ของสหภาพยุโรป[22] เนื้อหาสาระของเอกสารดังกล่าวได้กล่าวถึงเป้าหมายของสหภาพยุโรปว่าจะเป็นผู้นำต้นแบบสังคมที่ให้อำนาจกับข้อมูลเพื่อการตัดสินใจเชิงนโยบายทั้งในภาคธุรกิจและภาคสาธารณะได้ดียิ่งขึ้น[23] โดยเรียกแบบจำลองนี้ว่า...

10 January 2024

Movements

ความท้าทายในงานจดหมายเหตุเมื่อเข้าสู่ยุค Big Data: ตอนที่ 1 ความหมายของจดหมายเหตุ (Archives)

ความท้าทายงานจดหมายเหตุเมื่อเข้าสู่ยุค Big Dataตอนที่ 1. ความหมายของจดหมายเหตุ (ท่านกำลังอ่านบทความนี้)ตอนที่ 2. การทำให้เป็นดิจิทัลของเอกสารจดหมายเหตุตอนที่ 3. การใช้ประโยชน์ข้อมูลงานจดหมายเหตุ เมื่อพูดถึงการวิเคราะห์หรือบรรยายเหตุการณ์ ตัวตน และสภาพการณ์ของสิ่ง ๆ หนึ่ง สิ่งที่ขาดไม่ได้ คือ ข้อมูลในอดีตหรือข้อมูลทางประวัติศาสตร์ (Historical Data) โดยมีประโยชน์ที่เห็นได้ในเชิงประจักษ์ดังนี้ ทั้งสามตัวอย่างนี้ สิ่งหนึ่งที่เป็นสิ่งสำคัญมาก คือ ข้อมูลเหล่านั้นต้องสะท้อนถึงความเป็นจริง (Integrity) โดยสิ่งนี้ย่อมควรถูกจัดการตั้งแต่กระบวนการที่วางไว้ในการปฏิบัติงานในตอนต้น ซึ่งหนึ่งในโครงสร้างที่สามารถช่วยเรื่องได้ คือ ธรรมาภิบาลข้อมูล (Data Governance) โดยในภาพรวมนั้นเป็นไปตามภาพประกอบนี้ โดยในบทความนี้เราจะกล่าวถึง Archive และ Destroy เป็นหลัก หากต้องการรายละเอียดเต็มที่เกี่ยวข้องกับ Data Governance สามารถรับชมได้ที่นี่ หนึ่งในกระบวนการที่จะขาดไม่ได้ หากต้องการทำให้ธรรมาภิบาลข้อมูลสามารถใช้ได้ครบถ้วนสมบูรณ์ ซึ่งจะเป็นหัวข้อที่จะอภิปรายในบทความนี้ คือ กระบวนการจัดเก็บข้อมูลถาวร และ กระบวนการทำลายข้อมูล บทความนี้จะพาไปศึกษานิยามและลักษณะตัวตนของงานจดหมายเหตุ ก่อนที่จะเริ่มความท้าทายในงานจดหมายเหตุในปัจจุบัน นิยามของงาน “จดหมายเหตุ” (Archives) อ้างอิงจากภาษาอังกฤษ คำว่า “จดหมายเหตุ” จะสามารถเทียบเคียงได้กับคำว่า “Archives” โดยคำว่า Archives สามารถแปลได้ทั้งสิ้น 3 ความหมายดังนี้ หลักเกณฑ์ในการจำแนกเอกสารจดหมายเหตุ ตามนิยามของ “เอกสารจดหมายเหตุ” ของปัจเจกหนึ่ง ๆ เราสามารถพิจารณาได้โดยสององค์ประกอบหลัก คือ ตัวอย่างการระบุว่าใช่หรือไม่ใช่เอกสารจดหมายเหตุเป็นไปตามภาพที่ 5 ประเด็นที่น่าสนใจเกี่ยวกับเอกสารจดหมายเหตุ เมื่อกล่าวถึงปัจจุบันกาลแล้ว เทคโนโลยีในการจัดเก็บข้อมูลหรือรูปแบบข้อมูลที่สามารถจัดเก็บได้มีความหลากหลายยิ่งขึ้นนอกจากข้อมูลในอดีตที่อยู่ในรูปแบบหนังสือลายลักษณ์ (Manuscript) หรือเอกสารภาพ รวมทั้งเทคโนโลยีในการประมวลผลที่มีความสามารถในการวิเคราะห์มากขึ้นอย่างต่อเนื่องจากการพัฒนาเทคโนโลยี Data Analytics ที่เป็นกระแสเรื่อยมาตลอด 10 ปี ทำให้การทำงานจดหมายเหตุให้มีประสิทธิภาพในยุคปัจจุบันจึงมีความท้าทายมากขึ้นอีกด้วย โดยความท้าทายในงานจดหมายเหตุนั้นจะกล่าวถึงต่อไปในตอนที่ 2 เชิงอรรถ เรียบเรียงโดย กฤตพัฒน์ รัตนภูผาตรวจทานและปรับปรุงโดย นววิทย์ พงศ์อนันต์

6 September 2023

Movements

ความท้าทายในงานจดหมายเหตุเมื่อเข้าสู่ยุค Big Data: ตอนที่ 2 การทำให้เป็นดิจิทัลของเอกสารจดหมายเหตุ (Digitization)

ความท้าทายงานจดหมายเหตุเมื่อเข้าสู่ยุค Big Dataตอนที่ 1. ความหมายของจดหมายเหตุตอนที่ 2. การทำให้เป็นดิจิทัลของเอกสารจดหมายเหตุ (ท่านกำลังอ่านบทความนี้)ตอนที่ 3. การใช้ประโยชน์ข้อมูลงานจดหมายเหตุ ก่อนหน้านี้ในบทความ งาน “จดหมายเหตุ” ความท้าทายเมื่อเข้าสู่ยุค Big Data เราได้รู้จักคำจำกัดความของงาน “จดหมายเหตุ” และการคัดแยกระหว่างสิ่งที่เป็นเอกสารจดหมายเหตุและสิ่งที่ไม่ใช่เอกสารจดหมายเหตุ ซึ่งจะเห็นได้ว่ารูปแบบของเอกสารจดหมายเหตุเปลี่ยนไปตามกาลเวลาดังภาพที่ 1 การจัดการเอกสารจดหมายเหตุในปัจจุบันสมัยจึงเป็นสิ่งที่ท้าทายมากยิ่งขึ้นทั้งในปัจจัยทางรูปแบบเอกสารและปัจจัยทางการวิเคราะห์ข้อมูล ซึ่งในบทความนี้จะแบ่งความท้าทายในงานจดหมายเหตุออกเป็น 4 ประเด็นดังนี้ โดยบทความนี้จะพูดถึงในสองหัวข้อแรกก่อน ซึ่งเกี่ยวข้องกับส่วนของการแปลงข้อมูลให้อยู่ในรูปแบบดิจิทัล (Digitalization) ข้อมูลที่หลากหลายมากขึ้นในยุค Big Data ด้วยความที่หลักฐานทางประวัติศาสตร์สามารถเป็นเอกสารจดหมายเหตุได้ โดยขึ้นอยู่การจัดการเก็บรวบรวมของเอกสารหรือวัสดุนั้น ๆ หากหลักฐานทางประวัติศาสตร์นั้นได้ถูกจัดเก็บและได้ทำบัญชีแล้ว หลักฐานทางประวัติศาสตร์นั้นจะนับเป็นเอกสารจดหมายเหตุตามนิยามของเอกสารจดหมายเหตุ ฉะนั้นการพิจารณารูปแบบของเอกสารจดหมายเหตุจึงสามารถทำได้เหมือนกับ “หลักฐานทางประวัติศาสตร์” เอกสารจดหมายเหตุสามารถเป็นได้ทั้งในรูปแบบที่เป็นลายลักษณ์อักษรและไม่ใช่ลายลักษณ์อักษร โดยผันแปรไปตามเทคโนโลยี ซึ่งในปัจจุบัน รูปแบบการจัดเก็บของเอกสาร มีความซับซ้อนยิ่งขึ้นตามเทคโนโลยี เอกสารจดหมายเหตุนั้นสามารถอยู่ทั้งในรูปแบบดิจิทัลและรูปแบบไม่เป็นดิจิทัล ซึ่งสามารถแบ่งออกมาได้เป็นดังภาพที่ 2 การคัดแยกเอกสารที่สามารถเป็นจดหมายเหตุได้ว่าเป็น Digital-born จะสามารถคัดแยกได้จากความจำเป็นในการทำ Digitization ต่อเอกสารนั้น ๆ หากต้องการให้คอมพิวเตอร์สามารถอ่านได้ หากเอกสารนั้นไม่มีความจำเป็นในการทำ Digitization จะนับว่าเอกสารที่เป็น Digital-born ว่าด้วยรูปแบบเอกสาร Digital-born และโครงการที่เกี่ยวข้อง เอกสารที่เป็น Digital-born จะกล่าวถึงเอกสารที่สร้างขึ้นจากคอมพิวเตอร์ โดยไม่ได้เกิดจากกระบวนการ Digitization โดยตัวอย่างเอกสาร Digital-born จะเป็นไปดังภาพที่ 3 การแบ่งรูปแบบเอกสาร Digital-born นี้มีความแตกต่างในการจัดเก็บข้อมูล อย่างข้อมูลเว็บไซต์อาจต้องเก็บข้อมูลให้ยังสามารถเข้าถึงผ่านเว็บเบราว์เซอร์ได้ในปัจจุบัน โดยมีเซิร์ฟเวอร์ที่สามารถโฮสต์เว็บนั้นได้อยู่ ข้อมูลที่เกี่ยวข้องกับ e-Service อาจสามารถเก็บอยู่ภายใต้ Relational Database, ข้อมูลสถิติอาจปล่อยเป็นรูปแบบหน้า View ซึ่งให้เข้าถึงผ่าน API ได้ หรือข้อมูลประเภทอื่น ๆ ซึ่งวิธีการเก็บข้อมูลต่าง ๆ จะใช้สถาปัตยกรรมข้อมูลที่แตกต่างกันขึ้นกับข้อมูลนั้น ๆ ความท้าทายแรกที่ว่านี้จึงเป็นส่วนของการวางสถาปัตยกรรมข้อมูลและการวางนโยบายธรรมาภิบาลข้อมูลขององค์กร ซึ่งโครงการธรรมาภิบาลข้อมูลจากแต่ละประเภทข้อมูลที่ได้ยกตัวอย่างมาอาจยกตัวอย่างได้ 2 กรณี คือ แต่ถ้าหากว่าเราสนใจเอกสารที่ไม่เป็น Digital-born ความท้าทายที่เกิดขึ้นจะเป็นอีกรูปแบบหนึ่ง ซึ่งเจาะจงไปที่การทำให้อยู่ในรูปแบบดิจิทัลของเอกสารนั้น ๆ โดยจะกล่าวถึงในหัวข้อถัดไป กระบวนการ Digitization ในเอกสารจดหมายเหตุ การทำ Digitization เบื้องต้นในเอกสารจดหมายเหตุจะสามารถแบ่งขั้นตอนได้ออกมาเป็น 4 ขั้นตอนหลักดังภาพที่ 4 ซึ่งกระบวนการที่มีความแตกต่าง คือ กระบวนการที่ 1 ในการสแกนเอกสารซึ่งใช้อุปกรณ์และเทคนิคที่แตกต่างกันตามชนิดเอกสารนั้น ๆ และกระบวนการที่ 3 ที่จะทำการดึงสารสนเทศของเอกสาร (Information Retrieval) นั้นออกมา เช่น เอกสารลายลักษณ์ สามารถใช้เทคนิค Optical Character Recognition (OCR) ในดึงข้อความจากเอกสาร หรือ เอกสารจำพวกเสียง อาจนำเทคนิคที่เกี่ยวกับ Speech-to-text มาแปลงเป็นรูปคำที่กล่าวออกมาในไฟล์เสียงนั้น ๆ ได้อีกด้วย ทว่าในบางครั้ง ความแม่นยำในการดึงสารสนเทศออกมาจากเอกสารเหล่านั้นอาจมีไม่สูงนัก เนื่องจากข้อจำกัดทางอุปกรณ์และอัลกอริทึมที่ใช้ในการดึงข้อมูล โดยในที่นี้เราจะยกตัวอย่างเป็นเอกสารลายลักษณ์ที่ปรากฏอยู่ในประวัติศาสตร์ไทย Digitization งานเอกสารลายลักษณ์ภาษาไทย ในบริบทของภาษาไทย การปฏิรูปอักขระไทยมีส่วนสำคัญในการประเมินความสะดวกในการทำ digitization โดยการปฏิรูปอักขระไทยเกิดขึ้นในสมัยรัชกาลที่ 3 จากใบประกาศห้ามสูบฝิ่นและเอกสารไวยากรณ์ไทย และมีแบบอักขระในการจัดพิมพ์ที่เหมาะสมกับการพิมพ์เอกสารด้วยแท่นเดิม ซึ่งเรียกว่าตัวพิมพ์ตะกั่ว เหตุการณ์สำคัญดังกล่าวที่ใช้แยกเกณฑ์การทำ Digitization คือ การทำให้ตัวอักขระไทยเป็นอักขระตั้งตรง (Latinization,) โดยความแตกต่างเป็นไปดังภาพที่ 5 นอกจากนี้แล้ว รูปแบบเอกสารอาจไม่ได้มีลักษณะเป็นการเขียนเรียงเป็นบรรทัดอย่างที่เป็นในปัจจุบันดังตัวอย่างในภาพที่ 6 เช่น กลบท หรือ การเขียนรวบรัดอย่างฉบับขอม รวมทั้งในบางครั้งเอกสารนั้นอาจไม่ได้ใช้ตัวอักษรไทย แต่อาจใช้ไวยากรณ์และการสะกดแบบภาษาไทย เช่น ตัวอักษรไทยย่อ ไทยขอม ปัลลวะ ตัวธรรมอีสาน/เมือง หรืออาจเขียนเป็นภาษาอื่น เช่น ภาษาจีน หากว่ากระบวนการ OCR ไม่สามารถนำมาใช้ได้แล้ว โดยปกติ วิธีการทางโบราณคดีในการตีความเอกสารเหล่านี้จะแบ่งออกเป็น 5 ขั้นตอนตามภาพที่ 7 จะเห็นได้ว่าในกระบวนการ Digitization ขั้นตอนที่ 1 และ 3 ในภาพที่ 4 นั้นมีความละเอียดอ่อนและบางครั้งอาจต้องใช้ผู้เชี่ยวชาญจากสาขาที่เกี่ยวข้องกับเอกสารชุดนั้น ๆ มาทำ Digitization อีกด้วย นอกจากนี้แล้ว กระบวนการ Digitization ยังมีความซับซ้อนเพิ่มเติมในส่วนขั้นตอนที่ 2 และขั้นตอนที่ 4 อีกด้วย ซึ่งความซับซ้อนดังกล่าวเกี่ยวข้องกับการจัดการข้อมูลขนาดใหญ่และลักษณะภววิทยาของเอกสารจดหมายเหตุที่แปลงมาอยู่ในรูปแบบดิจิทัลเป็นที่เรียบร้อยแล้วอีกด้วย เมื่อเรากล่าวถึงกระบวนการที่ทำให้เอกสารต่าง ๆ เป็นข้อมูลดิจิทัลซึ่งนำไปใช้ประโยชน์ได้แล้ว ความท้าทายหนึ่งที่สำคัญไม่แพ้กับกระบวนการ Digitization คือ การนำข้อมูลไปใช้ประโยชน์ได้อย่างมีประสิทธิภาพ ซึ่งเราจะกล่าวในตอนถัดไป เชิงอรรถ เรียบเรียงโดย กฤตพัฒน์ รัตนภูผาตรวจทานและปรับปรุงโดย นววิทย์ พงศ์อนันต์

6 September 2023

Movements

ความท้าทายในงานจดหมายเหตุเมื่อเข้าสู่ยุค Big Data: ตอนที่ 3 การใช้ประโยชน์ข้อมูลงานจดหมายเหตุ (Data Utilization)

ความท้าทายงานจดหมายเหตุเมื่อเข้าสู่ยุค Big Dataตอนที่ 1. ความหมายของจดหมายเหตุตอนที่ 2. การทำให้เป็นดิจิทัลของเอกสารจดหมายเหตุตอนที่ 3. การใช้ประโยชน์ข้อมูลงานจดหมายเหตุ (ท่านกำลังอ่านบทความนี้) จาก 4 ประเด็นความท้าทายในงานจดหมายเหตุ ในบทความตอนที่ 2 ได้พูดถึงประเด็นความท้าทาย 2 ประเด็นแรกเป็นที่เรียบร้อยแล้ว ซึ่งเกี่ยวข้องกับการทำเอกสารให้อยู่รูปแบบดิจิทัล (Digitization) ซึ่งชี้ให้เห็นว่ากระบวนการทั้งระบบในการเก็บเอกสารให้อยู่ในรูปแบบดิจิทัลจะต้องทำอย่างไรบ้าง บทความนี้จึงต้องการให้เห็นถึงการใช้ประโยชน์ข้อมูลจดหมายเหตุเป็นกรณีศึกษาทั้งในหอจดหมายเหตุและนอกหอจดหมายเหตุ ซึ่งสามารถปรับใช้ทฤษฎีทางจดหมายเหตุและการบริหารจัดการข้อมูลกับองค์กรได้ และความท้าทายอื่น ๆ ที่เกี่ยวข้องกับงานจดหมายเหตุที่ยังไม่ได้กล่าวถึงในบทความตอนที่ 2 การจัดการและหาข้อมูลเชิงลึกในเอกสารจดหมายเหตุในปัจจุบัน เนื่องจากเอกสารจดหมายเหตุในปัจจุบันมีความหลากหลายและมีจำนวนที่มาก การเตรียมการทางสถาปัตยกรรมข้อมูลสำหรับเอกสารเหล่านี้จึงเป็นเรื่องที่สำคัญเป็นอย่างยิ่ง ซึ่งในบริบทของประเทศไทย ทางเราได้มีการจัดทำระเบียบวิธีวิจัยดังภาพที่ 1 ซึ่งสามารถแบ่งออกได้เป็น 2 ส่วนการวิจัย คือ ความท้าทายในการเข้าถึงข้อมูลเพื่องานด้านสังคมศาสตร์และมนุษยศาสตร์ จากการให้ข้อมูลผ่านแบบสอบถามประกอบกับประสบการณ์การเข้าใช้ของผู้เขียน จึงสามารถประกอบออกมาเป็นความท้าทายออกมาได้ดังนี้ นอกจากนี้ยังมีความท้าทายอื่น เช่น ข้อมูลในอินเทอร์เน็ต หรือ ข้อมูลจากฐานข้อมูลขององค์กรซึ่งเป็น Digital-born (ข้อมูลที่เป็นดิจิทัลมาตั้งแต่เริ่มต้น) ไม่ครอบคลุมเมื่อเทียบกับที่มีอยู่ในสถานที่จริง หรือ แม้แต่ความหลากหลายของชนิดเอกสารที่จัดเก็บซึ่งมีความท้าทายในกระบวนการ digitization, การจัดเก็บข้อมูลดิจิทัลเหล่านั้น และการเก็บรักษาเอกสารต้นฉบับให้คงอยู่ได้นานที่สุดอีกด้วย ความท้าทายเชิงเทคนิคเพื่อสัมฤทธิ์ผลความต้องการของผู้ใช้ จากการอนุเคราะห์ข้อมูลและคำสัมภาษณ์ตามส่วนที่ 2 ที่ระบุในระเบียบวิธีวิจัย รวมถึงการศึกษางานวิจัยที่เกี่ยวข้องกับการจัดการข้อมูลจดหมายเหตุ พบว่าความท้าทายในเชิงเทคนิคสามารถแบ่งออกมาได้เป็น 3 รูปแบบ คือ 1. การค้นหาเอกสารด้วยเนื้อหาและความหมายภายในเอกสารนั้น (Semantic Search) นับตั้งแต่ พ.ศ. 2550 (ค.ศ. 2007) เป็นต้นมา แนวคิดวิทยาการเปิดเผย (Open Science) ได้ถูกนำมาพูดถึงและปฏิบัติใช้ในวงการวิจัยและแพร่กระจายไปยังวงการอื่น ๆ รวมถึงการทำข้อมูลเปิดเผยอีกด้วย ซึ่งโครงสร้างและความเชื่อมโยงของแนวคิดวิทยาการเปิดเผยเป็นไปตามภาพที่ 2 โดยแนวคิดแกนหลักของวิทยาการเปิดเผยจะมีวัตถุประสงค์เพื่อเพิ่มความโปร่งใสในกระบวนการวิจัย นับตั้งแต่กระบวนการทำวิจัย การบริหารจัดการงานวิจัย ไปจนถึงการบริหารข้อมูลที่มาจากงานวิจัย ในปัจจุบัน เนื่องจากข้อมูลนั้นเพิ่มขึ้นมาเป็นจำนวนมาก การบริหารจัดการข้อมูลเพื่อทำให้สามารถเพิ่มศักยภาพในการค้นพบความรู้ใหม่และนวัตกรรมเป็นสิ่งที่จำเป็นอย่างยิ่ง จึงทำให้ Wilkinson, et al. (2016) ได้สรุปหลักการพื้นฐานที่ทำให้การบริหารจัดการข้อมูลเป็นไปอย่างมีประสิทธิภาพ คือ Findable-Accessible-Interoperable-Reusable (FAIR Principles) ซึ่งเจาะจงไปที่ตัวข้อมูลและเมตาเดตาให้มีรายละเอียดอธิบายที่มากเพียงพอให้สามารถค้นหาได้ เปิดเผย และเป็นมาตรฐาน Hawkins (2022) ได้ระบุว่าการทำให้ผู้ศึกษาวิจัยสามารถค้นคว้าข้อมูลในเชิงความหมาย (Semantic Search) สามารถยกระดับความเร็วในการค้นพบความรู้สู่การเป็นวิทยาการใหม่หรือแนวทางการศึกษาแบบใหม่ให้กับผู้ศึกษาวิจัยที่เกี่ยวข้องกับสาขาวิชานั้นมากขึ้น โดยพื้นฐานโครงสร้างหลักจะแบ่งออกเป็น 4 องค์ประกอบหลักดังภาพที่ 3 คือ โครงสร้างพื้นฐานทางข้อมูล (Data Infrastructure) ชั้นภววิทยา (Ontological Layer) ชั้นจัดการตรรกะ (Unifying Logic Layer) และชั้นพิสูจน์ข้อเท็จจริง (Proof Layer) โดยชั้นที่มีความท้าทายในการทำงานที่สุด คือ ชั้นจัดการตรรกะและชั้นพิสูจน์ข้อเท็จจริง แต่อย่างไรนั้น การสร้างแพลตฟอร์มที่สามารถค้นหาบริบทอย่างชาญฉลาดดังที่กล่าวไว้ ข้อมูลเป็นสิ่งที่จำเป็น ซึ่งข้อมูลดังกล่าวมีความเป็นไปได้ทั้งเป็น Digital-born และ Non-digital-born Documents โดยจากที่พูดถึงในตอนที่ 2 เรื่อง Digitalization นั้นจะเห็นถึงปัญหาในการแกะตัวอักษรทั้งด้วยเทคโนโลยีและโบราณคดี หากสรุปโดยง่าย เราสามารถทำ Digitization ได้ด้วย OCR อย่างที่ผู้เขียนได้ทำไว้ในภาพที่ 4 ซึ่งหากยังไม่มีข้อมูลที่เพียงพอในการทำการวิเคราะห์ผล การทำให้มีข้อมูลอย่างเช่นการนำเข้าข้อมูลเอกสารจริงเป็นรูปแบบดิจิทัลเป็นปัจจัยที่จำเป็นอย่างยิ่ง 2. การสืบประวัติการแก้ไขของเอกสารทางกฎหมาย นอกจากนี้แล้ว ประเด็นที่น่าสนใจอีกหนึ่งอย่างจากที่ได้ข้อมูลมาจากผู้เชี่ยวชาญ คือ การสืบประวัติการแก้ไขของเอกสารทางกฎหมาย ซึ่งมีลักษณะคล้ายกับ Git Version Control System โดยในเบื้องต้น การทำให้เห็นการชำระและปรับปรุงกฎหมายเป็นสิ่งที่รัฐหลายประเทศทำ เช่น สหราชอาณาจักร หรือ สหรัฐอเมริกาใน District of Columbia ซึ่งทำให้เห็นถึงการเปลี่ยนแปลงและตีความกฎหมายได้อย่างเป็นระบบมากยิ่งขึ้น ประการหนึ่ง คือ การทำให้เห็นเป็นที่ประจักษ์ว่าศัพท์ทางกฎหมายหนึ่ง ๆ มีบริบทความหมายว่าอย่างไร 3. การจัดการเอกสารจดหมายเหตุด้วยกฎเกณฑ์การจำแนกเอกสาร (Document Classification) ในทางงานจัดการบันทึกเอกสารและจัดการจดหมายเหตุ กฎเกณฑ์การจำแนกเอกสารเป็นสิ่งที่จำเป็นอย่างยิ่งเพื่อทำให้ผู้ค้นคว้าสามารถหยิบหาได้ง่ายยิ่งขึ้นและเห็นภาพรวมของการจัดเก็บเอกสารยิ่งขึัน ซึ่งในงานจัดการบันทึกเอกสารและงานทางจดหมายเหตุจะมีหลักการคิดไม่เหมือนกันดังภาพที่ 5 ซึ่งหลักการในการจัดการเอกสารบันทึกนั้นจะเน้นการใช้งานที่ทำให้องค์กร สะดวกในการทำงานตามภารกิจขององค์กรที่สุด โดยจะเริ่มแบ่งขั้นตอนตามหน้าที่ขององค์กร แล้วลงมาที่กิจกรรมซึ่งทำให้วัตถุบรรลุวัตถุจุดประสงค์นั้น โครงการ และชิ้นงานเอกสารตามลำดับ แต่หากพูดถึงมาตรฐาน ISAD(G) ซึ่งเป็นมาตรฐานในการจัดการเอกสารจดหมายเหตุหรือการจัดเก็บข้อมูลถาวร โจทย์ประธานของมาตรฐานนี้จึงเป็นวัตถุประสงค์ในการสืบสาวความเป็นมาและเหตุในการกระทำเชิงประวัติ การจัดมาตรฐานจึงจำเป็นต้องแบ่งตามหัวข้อที่ชี้ให้เห็นถึงเหตุการณ์สำคัญขององค์กร อย่างไรก็ตาม Payne (2018) และนักวิจัยอื่น ๆ ที่เกี่ยวข้อง ได้เล็งเห็นถึงอิทธิพลสำคัญของขนาดของข้อมูลที่เพิ่มขึ้นมาอย่างมีนัยสำคัญ จึงทำให้เกิดวิทยาการใหม่อย่าง “วิทยาการจดหมายเหตุเชิงคำนวณ (Computational Archival Sciences)” ซึ่งเห็นว่าการนำวิทยาการคอมพิวเตอร์มาใช้ในการจัดการเอกสารจดหมายเหตุ ทั้งในมิติของการทำให้เห็นความสัมพันธ์ระหว่างมนุษย์ เทคโนโลยี และสังคม การเก็บรักษาเอกสารระยะยาว และประกอบสร้างซึ่งข้อเท็จจริงให้มีความคงเส้นคงวามากขึ้นผ่านเทคโนโลยี ตัวอย่างหนึ่งที่ทำให้เห็นว่าบทบาทของแบบจำลองการเรียนรู้ของเครื่อง ซึ่ง Franks (2022) ได้ใช้แบบจำลองการเรียนรู้ 3 ประเภท คือ Machine Learning Model กับ TF-IDF ปกติ Neural Networks และ Language Model ในการคัดแยกหมวดหมู่ของเอกสารในองค์กร Australian Human Rights Commission ที่มีจำนวนบทความทั้งสิ้น 6,217 บทความใน 29 กลุ่มชุดของเอกสาร พบว่าความถูกต้องในการจัดหมวดหมู่เอกสารอยู่ที่ประมาณ 67-88% และมีความแม่นยำ 54-81% ซึ่งร้อยละจะแปรผันตามประเภทของแบบจำลองที่ใช้ การ Resampling จากความไม่สมดุลของจำนวนข้อมูลในแต่ละประเภท (Imbalanced Data) และจำนวนของข้อมูลในแต่ละประเภท นอกจากนี้ เมื่อสามารถจัดหมวดหมู่ของเอกสารได้แล้ว แบบจำลองการเรียนรู้ของเครื่องอื่น ๆ ยังสามารถสร้างคำอธิบายให้กับคลังจดหมายเหตุ, การตอบคำถามจากสารานุกรม, และการสรุปสาระสังเขป โดย Generative AI อย่าง ChatGPT สามารถทำงานเหล่านี้ได้ หากมีการปรับปรุงแบบจำลองให้มีความจำเพาะกับบริบทที่สนใจ เช่น WangchanBERTa ซึ่งก็จะย้อนไปตอบคำถามในส่วนแรกที่เกี่ยวข้องกับการค้นหาข้อมูลเชิงความหมาย ทว่าแบบจำลองเหล่านี้ยังคงสร้างข้อมูลที่ไม่มีอยู่จริงและขัดแย้งกับข้อเท็จจริงที่มนุษย์ทราบ (Hallucination) และยังต้องใช้ทรัพยากรการคำนวณที่ค่อนข้างมาก จึงยังคงเป็นความท้าทายอยู่ในปัจจุบันนี้ การตีความผลการวิเคราะห์จากเอกสารจดหมายเหตุ สามารถอ่านได้เพิ่มเติมที่ Critical Questions for Archives as (Big) Data (core.ac.uk) หากเรามองว่าเอกสารจดหมายเหตุเป็นข้อมูลที่ถูกนำมาใช้ในการวิเคราะห์ได้นั้น การทำ data analytics สามารถกระทำได้โดยนักวิทยาศาสตร์ข้อมูลและผู้เชี่ยวชาญทางการคำนวณอื่น ๆ เพื่อแสดงให้เห็นถึงผลสัมฤทธิ์จากโจทย์ปัญหาโดยมีเอกสารจดหมายเหตุเป็นข้อมูลตัวตั้ง ชะรอยผู้เชี่ยวชาญเหล่านี้อาจไม่ได้มีความรู้ที่เกี่ยวข้องกับเอกสารsหรือโจทย์ที่เกี่ยวข้อง ซึ่งเป็นปกติในงานทางวิทยาศาสตร์ข้อมูลที่จะมีผู้เชี่ยวชาญด้านอื่น ๆ มาช่วยพิจารณาความสมเหตุสมผลในการวิเคราะห์ข้อมูลจากนักวิทยาศาสตร์ข้อมูล การวิเคราะห์ข้อมูลตามโจทย์ปัญหาที่ตั้งไว้นับตั้งแต่กระบวนการคิดโจทย์ไปจนถึงกระบวนการตอบคำถามและอภิปรายผล ย่อมมีปรัชญาที่แทรกซึมอยู่ภายในปัญหาเหล่านั้นเสมอ หากได้เป็นตั้งแต่การวิเคราะห์ประวัติศาสตร์ ไปจนถึงการค้นหาความจริงของโลก ซึ่งเป็นสิ่งที่ ณ...

6 September 2023

รู้จัก BDI

Organization

Policy and Plan

Personnel

Operations

Kittapat Ratanaphupha

บทความทั้งหมด

All Articles

สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

Big Data Institute (Public Organization)

234/432 Soi Lat Phrao 12, Chomphon, Chatuchak, Bangkok 10900, Thailand

Contact Us

Quick Link

About Us

© Big Data Institute | Privacy Policy