تحلیل رفتار اطلاع یابی پژوهشگران در موتور جستجوی سامانه ی ملّی اطلاعات پایان نامه ها/ رساله های دانش آموختگان داخل کشور(گنج)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار مهندسی کامپیوتر، پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)

2 استادیار مهندسی صنایع، پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)

چکیده

یکی از رسالت‌های مهم هر سامانه‌ی اطلاعاتی ارائه بهترین خدمات متناسب با نیازهای کاربران می‌باشد. این امر باعث افزایش رضایت کاربران و علاقه‌مندی آنان به استفاده از سامانه‌های اطلاعاتی می‌گردد. امروزه موتورهای جستجو یکی از مهمترین ابزارهای بازیابی اﻃﻼﻋﺎت و بستری برای عرضه‌ی اﻧﻮاع اﻃﻼﻋﺎت ﺑﺮای ﺑﺴﻴﺎری از ﻛﺎرﺑﺮان هستند. داﻧﺸﺠﻮﻳﺎن، اساتید دانشگاه و ﭘﮋوﻫﺸـﮕﺮان ﺑـﻪ ﻃـﻮر روزاﻧﻪ ﺑﻪ ﺟﺴﺘﺠﻮ در موتورهای جستجو ﭘﺮداﺧﺘﻪ و ﻧﻴﺎزﻫﺎی اﻃﻼﻋﺎﺗﻲ ﺧﻮد را ﺑﺮآورده ﻣـﻲﺳـﺎزﻧﺪ. پایگاه اطلاعاتی گنج (گنجینه علمی ایرانیان) پژوهشگاه علوم و فناوری اطلاعات ایران، با برخورداری از 870 هزار رکورد علمی، امکان جستجو برای پژوهشگران را در پایان‌نامه‌ها، نشریات علمی داخلی، مقالات، همایش‌ها، طرح‌های پژوهشی وگزارش‌های دولتی فراهم می‌کند. واضح است که کاربران تحت تأثیر عوامل مختلف از شیوه‌ها و روش‌های گوناگون برای کسب اطلاعات استفاده می‌نمایند و رفتارهای جستجوی اطلاعات متفاوتی را از خود بروز می‌دهند. هدف اصلی پژوهش حاضر، تحلیل رفتار جستجوی اطلاعات کاربران در موتور جستجوی سامانه‌ی گنج می‌باشد. تحلیل رفتار جستجوی کاربران می‌تواند به درک بهتر نیازهای آنان کمک کند. نتایج تحلیل بیانگر آنست که میزان مراجعه حضوری در مقایسه با غیر حضوری بسیار اندک است و ساعات مراجعه حضوری در بین پژوهشگران حوزه علوم انسانی و فنی مهندسی متفاوت است. همچنین نتایج این تحلیل می-تواند جهت ارزیابی و رفع ﻧـﻮاﻗﺺ اﺣﺘﻤـﺎﻟﻲ ﻣﻮﺟﻮد در زمینه بازیابی اطلاعات توسط موتور جستجو کمک نماید.

کلیدواژه‌ها


عنوان مقاله [English]

Analysis of Researchers'''' Information Seeking Behavior in National Search Engine Thesis Information System in Iran

نویسندگان [English]

  • Somayeh Fattahi 1
  • Ali Naeimi Seddigh 2
1 Assistant Professor of Computer Engineering , Institute of Science and Information Technology (IranDoc)
2 Assistant Professor of Industrial Engineering, Iranian Research Institute for Information Science and Technology (IranDoc)
چکیده [English]

An important mission of any information system is to provide the best service tailored to the needs of users.  This increases users'' satisfaction and interest in using information systems.  Nowadays, search engines are one of the most important tools in the recovery of pets and provide a variety of pets for many users.  Students, university professors, and tutors pay for search engines on a daily basis and meet their basic needs.  Treasure Database (Iranian Scientific Treasury) The Iranian Institute of Information Science and Technology, with 870,000 scientific records, enables researchers to search for dissertations, internal scientific journals, articles, conferences, research projects and government reports.  It is obvious that users are influenced by different ways to obtain information and exhibit different information-seeking behaviors.  The main purpose of this study is to analyze the information search behavior of users in the search engine of the treasure system.  Analyzing users'' search behavior can help them better understand their needs.  The results of the analysis indicate that the attendance rate is very low compared to the non-attendance time and the attendance hours vary among researchers in the humanities and engineering.  The results of this analysis can also help to evaluate and resolve existing search engine retrieval issues.

کلیدواژه‌ها [English]

  • Databases
  • Information Behavior Analysis
  • Treasure System
  • Search engine

جریری، نجلا؛ اسدی، مریم؛ نوشین فرد، فاطمه. 1392. تحلیل رفتاری جستجوی اطلاعات پژوهشگران حوزه­های مختلف علوم از وب بر اساس سبک‌های شناختی کلامی و تصویری. پژوﻫﺸﻨﺎﻣه­ی ﭘﺮدازش و ﻣﺪﻳﺮﻳﺖ اﻃﻼﻋﺎت

ﺟﻤﺎﻟﻲ ﻣﻬﻤﻮﺋﻲ، ﺣﻤﻴﺪرﺿﺎ.1383. ﻳﺎدداﺷﺘﻲ ﺑﺮ روش ﺗﺤﻠﻴﻞ ﮔﺰارش­های وب (وبلاگ). اطلاع‌شناسی.1 (3):175-186

خسروی، مریم؛ مهموئی، حمیدرضا. 1392. ﺗﺤﻠﻴﻞ ﻻگ ﭘﺎﻳﮕﺎه اﻃﻼﻋﺎت و ﻣﺪارک ﻋﻠﻤﻲ اﻳﺮان (اﻳﺮاﻧﺪاک) و رﻓﺘﺎر ﺟﺴﺘﺠﻮی ﻛﺎرﺑﺮان آن. ﭘﮋوﻫﺸﻨﺎﻣﺔ ﭘﺮدازش و ﻣﺪﻳﺮﻳﺖ اﻃﻼﻋﺎت. پ‍ژوه‍ش‍گ‍اه‌ ع‍ل‍وم‌ و ف‍ن‍اوری‌ اطلاع‍ات‌ ای‍ران.‌

رﺟﺒﻌﻠﻲ ﺑﮕﻠﻮ، رﺿﺎ.1386. آﺷﻨﺎﻳﻲ ﺑﺎ شیوه‌های ﺗﺤﻠﻴـﻞ ﮔـﺰارش: ﻓﺮاﻳﻨـﺪ ﺗﻌﺎﻣـﻞ در نظام‌های اﻟﻜﺘﺮوﻧﻴﻜـﻲ. ﻓﺼﻠﻨﺎﻣﻪ ﻛﺘﺎﺑﺪاری و اطلاع‌رسانی.10 (39).

زوارﻗﻲ، رﺳﻮل.1384. تحلیل گزارش‌های وب، روﺷﻲ ﻧﻮﻳﻦ ﺑـﺮای ارزﻳـﺎﺑﻲ ﻋﻤﻠﻜـﺮد وب‌سایت‌ها: ﻣﻄﺎﻟﻌـﺔ ﻣﻮردی: وب اﻳﺮان ﺳﺎﻳﺖ ﻣﺮﻛﺰ اﻃﻼﻋﺎت و ﻣﺪارک ﻋﻠﻤﻲ. اطلاع‌شناسی 2 (3-4): 88-116.

ستوده، ﻫﺎﺟﺮ.1382. «روش ﺗﺤﻠﻴﻞ گزارش‌های وب (وبلاگ). اطلاع‌شناسی. 1(1):69-84

 

Alspaugh, S., Di Chen, B., Lin, J., Ganapathi, A., Hearst, M. A., & Katz, R. H. (2014, November). Analyzing Log Analysis: An Empirical Study of User Log Mining. In LISA (pp. 53-68).

Ahiauzu, B. E., & Ani, O. E. (2015). A Survey of Information Seeking-Behavior of Academic Staff in a Nigerian University in Digital Age. Science3(4), 89-94.

Beitzel, S. M., Jensen, E. C., Chowdhury, A., Grossman, D., & Frieder, O. (2004, July). Hourly analysis of a very large topically categorized web query log. In Proceedings of the 27th annual international ACM SIGIR conference on Research and development in information retrieval (pp. 321-328). ACM.

Bendersky, M., & Croft, W. B. (2009, February). Analysis of long queries in a large scale search log. In Proceedings of the 2009 workshop on Web Search Click Data (pp. 8-14). ACM.

Cetindil, I., Esmaelnezhad, J., Li, C., & Newman, D. (2012). Analysis of Instant Search Query Logs. In WebDB (pp. 7-12).

Downey, D., Dumais, S., Liebling, D., & Horvitz, E. (2008, October). Understanding the relationship between searchers'' queries and information goals. In Proceedings of the 17th ACM conference on Information and knowledge management (pp. 449-458). ACM.

Ellis, D., & Oldman, H. (2005). The English literature researcher in the age of the Internet. Journal of Information Science31(1), 29-36.

Facca, F. M., & Lanzi, P. L. (2005). Mining interesting knowledge from weblogs: a survey. Data & Knowledge Engineering53(3), 225-241.

Gan, Q., Attenberg, J., Markowetz, A., & Suel, T. (2008, April). Analysis of geographic queries in a search engine log. In Proceedings of the first international workshop on Location and the web (pp. 49-56). ACM.

Gleeson, A. C. (2001). Information-seeking behavior of scientists and their adaptation to electronic journals. University of North Carolina dissertation.

Jansen, B. J., Taksa, I., & Spink, A. (2009). Handbook of Research on Web Log Analysis, chapter Research and Methodological Foundations of Transaction Log Analysis. IGI Global, 226-253.

Jansen, B. J. (2009). Understanding user-web interactions via web analytics. Synthesis Lectures on Information Concepts, Retrieval, and Services1(1), 1-102.

Jansen, B. J., Spink, A., & Saracevic, T. (2000). Real life, real users, and real needs: a study and analysis of user queries on the web. Information processing & management36(2), 207-227.

Jansen, B. J., & Spink, A. (2006). How are we searching the World Wide Web? A comparison of nine search engine transaction logs. Information processing & management42(1), 248-263.

Ke, H. R., Kwakkelaar, R., Tai, Y. M., & Chen, L. C. (2002). Exploring behavior of E-journal users in science and technology: Transaction log analysis of Elsevier''s ScienceDirect OnSite in Taiwan. Library & Information Science Research24(3), 265-291.

Kumar, A., Salmani, N., & Baweja, S. (2014). Information Seeking Behaviour by the Research Scholars & Faculty Members: A Survey Study of Kurukshetra University Kurukshetra in the Disciplines of Life Science. IOSR Journal Of Humanities And Social Science (IOSR-JHSS)19(6), 119-138.

Kurth, M. (1993). The limits and limitations of transaction log analysis. Library Hi Tech11(2), 98-104.

Marchionini, G. (1989). Information-seeking strategies of novices using a full-text electronic encyclopedia. Journal of the American Society for Information Science40(1), 54.

Morzy, T., Wojciechowski, M., & Zakrzewicz, M. (2000). Web users clustering. In Proc. of the 15th International Symposium on Computer and Information Sciences (pp. 374-382).

Murray, G. C., & Teevan, J. (2007, December). Query log analysis: social and technological challenges. In ACM SIGIR Forum (Vol. 41, No. 2, pp. 112-120). ACM.

Nicholas, D., Huntington, P., & Jamali, H. R. (2008). User diversity: as demonstrated by deep log analysis. The Electronic Library26(1), 21-38.

Oduntan, O. (2014). Information seeking behavior on an academic library search engine.

Park, M., & Lee, T. S. (2013). Understanding science and technology information users through transaction log analysis. Library Hi Tech31(1), 123-140.

Park, M., Park, M., Lee, T. S., & Lee, T. S. (2016). A longitudinal study of information needs and search behaviors in science and technology: A query analysis. The Electronic Library34(1), 83-98.

Pareek, A. K., & Rana, M. S. (2013). Study of information seeking behavior and library use pattern of researchers in the Banasthali University. Library Philosophy and Practice (e-journal), Paper 887, http://digitalcommons.unl.edu/libphilprac/ 887

Peters, T. A. (1993). The history and development of transaction log analysis. Library hi tech11(2), 41-66.

Rose, D. E., & Levinson, D. (2004, May). Understanding user goals in web search. In Proceedings of the 13th international conference on World Wide Web (pp. 13-19). ACM.

Rabiei, M., Hosseini-Motlagh, S. M., & Haeri, A. (2017). Using text mining techniques for identifying research gaps and priorities: a case study of the environmental science in Iran. Scientometrics110(2), 815-842.

Sato, S., Nishiura, M., Nagai, Y., Itsumura, H., サトウショウ, ニシウラミナコ, ... & 永井裕子. (2015). Usage Log Analysis of Articles in Five Japanese Institutional Repositories: the Relationships between Users, Access Paths, and Accessed Articles. 同志社図書館情報学= Doshisha Journal of Library and Infomation Science, (25), 20-37.

Shivalingaiah, D. (2010). Information seeking patterns of researchers in the university libraries in Karnataka state. SRELS Journal of Information Management47(1), 83-101.

Silvestri, F. (2009). Mining query logs: Turning search usage data into knowledge. Foundations and Trends® in Information Retrieval4(1–2), 1-174.

Spink, A., & Jansen, B. J. (2006). Searching multimedia federated content web collections. Online Information Review30(5), 485-495.

Tyler, S. K., & Teevan, J. (2010, February). Large scale query log analysis of re-finding. In Proceedings of the third ACM international conference on Web search and data mining (pp. 191-200). ACM.

Wang, P., Berry, M. W., & Yang, Y. (2003). Mining longitudinal Web queries: Trends and patterns. Journal of the Association for Information Science and Technology54(8), 743-758.

Wen, J. R., Nie, J. Y., & Zhang, H. J. (2002). Query clustering using user logs. ACM Transactions on Information Systems20(1), 59-81.

White, R. W., & Morris, D. (2007, July). Investigating the querying and browsing behavior of advanced search engine users. In Proceedings of the 30th annual international ACM SIGIR conference on Research and development in information retrieval (pp. 255-262). ACM.

Wilson, T. D. (2000). Human information behavior. Informing science3(2), 49-56.

Xie, K., Yu, H., & Cen, R. (2012). Using log mining to analyze user behavior on search engine. Frontiers of Electrical and Electronic Engineering7(2), 254-260.

Xi, W., Chowdhury, A., Sidhu, K., & Pass, G. (2001). Query Log Analysis. Laporan teknis, American Online, Inc.

Yi, K., Beheshti, J., Cole, C., Leide, J. E., & Large, A. (2006). User search behavior of domain‐specific information retrieval systems: An analysis of the query logs from PsycINFO and ABC‐Clio''s Historical Abstracts/America: History and Life. Journal of the Association for Information Science and Technology57(9), 1208-1220.

Yu, L., & Apps, A. (2000). Studying e-journal user behavior using log files: the experience of superjournal. Library & Information Science Research22(3), 311-338.