Ik negeerde deze NotebookLM-functie maandenlang — nu kan ik niet meer onderzoeken zonder het

Mappen zijn zo ingebakken in onze gewoonten dat het moeilijk is om zonder hen te denken. Nou, de 'notebooks' van NotebookLM zijn een manier om naar mappen te kijken. Maar upload je er 50 bronnen in, dan verandert het in een gigantisch verkeersongeluk. Zodra mijn notitieboeken begonnen te groeien tot meer dan 20 of 30 bronnen, werd het Sources-paneel een nachtmerrie om te navigeren. Labels lossen dat probleem op. Ze hebben veranderd hoe ik mijn onderzoek in NotebookLM organiseer vanaf het begin.

Wanneer je meer dan vijf bronnen hebt, verschijnt er een Auto-label knop in het Bronnenpaneel van NotebookLM. Eén klik en NotebookLM analyseert al je bronnen en maakt thematische categorieën aan. Deze kleine automatische functie kan op verschillende creatieve manieren worden gebruikt.

Automatisch labelen vermindert de chaos onmiddellijk

Met één klik kan een rommelig notitieboek worden georganiseerd

Zodra je vijf of meer bronnen in een notitieboek hebt, verschijnt er een Auto-label-knop in het bronnenpaneel. Klik erop en NotebookLM leest de inhoud van elke bron en sorteert ze in thematische clusters. De AI leest je bronnen daadwerkelijk en groepeert ze automatisch in hoofdcategorieën. Je hoeft je bronnen niet te hernoemen of je zorgen te maken over de volgorde van uploaden.

Ik verwachtte generieke labels die overal van alles konden betekenen. Maar de clusters die het produceert zijn behoorlijk nauwkeurig. Een notitieboek dat ik had gemaakt voor een project over levenslang leren gaf me een directe groepering van wat ik had verzameld. Soms kan een enkele functie de manier waarop je onderzoek doet in NotebookLM veranderen.

De labels hoeven niet permanent te zijn. Als je je traditionele lay-out wilt zien, kies dan Terug naar lijstweergave. NotebookLM stelt je in staat om heen en weer te gaan. Om je eigen labelnamen te maken, kun je een nieuw label maken, het een nieuwe naam geven en het handmatig aanvinken voor relevante bronnen.

Etiketten onthullen hiaten voordat je begint

Zie in één oogopslag de blinde vlekken in uw bronnen

Zodra je bronnen zijn gelabeld, wordt het paneel een visuele audit van je onderzoek. Een dunne cluster van een enkele bron onder 'Psychologie van Leren' vertelt je iets nog voordat je een enkel woord hebt geschreven. Nogmaals, een label met tien bronnen kan betekenen dat je te veel bent gericht op één invalshoek en te weinig op een andere. Waar we naar kunnen streven is balans.

Eerder was het met een lange lijst van bronnen onmogelijk om dit overkoepelende overzicht te krijgen. Ik controleerde gewoon de documenten aan en uit en bekeek de samenvattingen als mijn eerste stap bij het onboardingproject. Nu kan ik de kwaliteit van het onderzoek evalueren voordat ik begin met de prompts.

Scan dus de labelclusters. Als er een dun uitziet, voeg dan meer bronnen toe. Wanneer je nieuwe documenten toevoegt, zullen ze je bestaande indeling niet door elkaar halen. In plaats daarvan verschijnen ze in een alfabetische lijst onder je gelabelde categorieën als niet-gelabelde bronnen. Om ze te sorteren, klik je op de knop automatisch labelen en selecteer je Niet-gelabelde bronnen herschikken.

Je kunt bronnen halverwege een gesprek filteren

Richt de hulpmiddelen van NotebookLM precies op wat u nodig heeft

Labels zijn kleine zandbakken. Je kunt hele labelgroepen in- en uitschakelen terwijl je met NotebookLM chat. Selecteer er één of twee en schakel alles anders uit. De AI zal antwoord geven met gefundeerde antwoorden op basis van de actieve bronnen. Bijvoorbeeld, een sectie opbouwen op basis van casestudy's? Schakel alleen die cluster in. Het is als een extra laag van een privékennisbasis.

Ik dacht vroeger dat dit niet nodig was, aangezien het antwoord van NotebookLM alleen gebaseerd is op onze geüploade materialen. Maar gerichte bronnen geven betere antwoorden. Wanneer ik zelfs goed ontworpen NotebookLM-prompts gebruik over 30 bronnen, haalt het antwoord dingen binnen die ik niet nodig heb van andere onderwerpen.

Wanneer beperkt tot één gelabelde cluster, zijn de antwoorden scherper, minder vervuild en gemakkelijker te controleren op juistheid. Het schakelen duurt vijf seconden. Ik weet het niet zeker, maar het versnelt waarschijnlijk de reactietijden van de chat aangezien het contextvenster is beperkt. Je kunt de chatfunctie gebruiken om te achterhalen wat je onderzoek mist.

Gebaseerd uitsluitend op de bronnen in deze specifieke cluster, wat zijn de logische hiaten, ontbrekende gegevenspunten of onbehandelde perspectieven?

Één bron kan tot meerdere labels behoren

Overlappende onderwerpen hebben geen dubbele bestanden nodig

NotebookLM laat één bron meer dan één label dragen. Een onderzoeksartikel over "De synergie van gespreide herhaling en retrieval practice" kan zowel onder "Gespreide Herhaling" als "Leerstrategieën" vallen. Een marktrapport kan tegelijkertijd in "Databronnen" en "Concurrentieanalyse" geplaatst worden. Het systeem tagt het waar het past.

Hier werken labels niet zoals mappen; het is meer als een tagsysteem dan een archiefkast. Deze ondersteuning voor meerdere labels helpt veel bij onderzoek. Je bronnen verschijnen overal waar ze relevant zijn zonder enige duplicatie of handmatig kopiëren.

Je kunt nu clusters tegen elkaar laten uitspelen om onderzoeksgoud te vinden. Kies bijvoorbeeld twee tegenovergestelde of aangrenzende categorieën en geef de chat een opdracht (zie screenshot in de galerij hierboven):

Analyseer de tegenstrijdigheden, wrijvingspunten of kernverschillen tussen de bronnen in Label A en de bronnen in Label B.

Gebruik clusters voor nauwkeurige Studio-uitvoer

Verdeel je leren en ophalen met Labels

In plaats van een algemene audio-overzicht, dia-presentatie of set flashcards voor je hele notitieboek te genereren, kun je een enkele cluster selecteren en een studio-uitvoer genereren.

Dit levert een ongelooflijk hyper-geconcentreerde podcast of presentatie op die volledig gewijd is aan dat subonderwerp zonder te worden verwaterd door de rest van het notitieboek. Bijvoorbeeld, ik heb altijd moeilijk gevonden om een mindmap van te veel bronnen te verwerken op het beperkte scherm van een laptop.

Ik heb dit ook vooral nuttig gevonden voor het verbeteren van de kwaliteit van NotebookLM's Audio Overview. Een groot NotebookLM-notitieboek kan leiden tot een zwervende podcast van de AI-hosts. Het specifiek houden bespaart niet alleen tijd, maar maakt het ook gemakkelijker om de podcast te segmenteren en te analyseren met je eigen vervolgvragen.

Probeer labels op je rommeligste notitieboek

Labels zullen je manier van denken niet reorganiseren. Maar ze zullen je precies laten zien waar je al die tijd mee hebt gewerkt. En dat is vaak het duidelijkste startpunt voor onderzoek dat je ergens naartoe wilt brengen. Gebruik het om mappen te vinden die veel te leeg zijn, en om onderwerpen aan te wijzen die je totaal vergeten was.