بررسي تاثير رتبه نويسندگان در شبكه‌هاي كتابشناختي بر عملكرد مدل سند - محور بازيابي تخصص

Investigating the Impact of Authors’ Rank in Bibliographic Networks on Expertise Retrieval

هدف و زمينه: اين پژوهش به بررسي تاثير رتبه نويسندگان در شبكه‌هاي كتاب شناختي بر مدل سند - محور بازيابي تخصص مي‌پردازد. هدف آن پي بردن به اين نكته است كه كدام يك از شبكه‌هاي كتابشناختي نويسندگان مي‌تواند عملكرد مدل سند - محور بازيابي تخصص را بهبود ببخشد. روش‌شناسي: روش پژوهش تجربي مقدماتي است. براي انجام پژوهش، مجموعه آزموني متشكل از 55 پرس‌وجو و 96375 سند ايجاد شد: پرس‌وجوهايي كه توسط دانشجويان و فارغ‌التحصيلان دكتري علم اطلاعات و دانش‌شناسي ايران ساخته شد و اسنادي كه از مقالات نمايه‌شده علم اطلاعات و دانش‌شناسي در پايگاه وب آو ساينس تشكيل شده بود. پرس‌وجوها به پيكره آزمون عرضه، و مدل بازيابي DLH13 براي بازيابي اسناد به كار گرفته شد. 100 سند اول بازيابي‌شده براي هر پرس‌وجو انتخاب شد. سپس اسامي افراد موجود در آنها استخراج و پردازش، و بر اساس 5 شاخص مورد استفاده در تحليل شبكه‌هاي اجتماعي رتبه‌بندي گرديد. 10 نتيجه اول هر روش انتخاب و در انبوهه نويسندگان پرس‌وجوي مربوطه قرار گرفت. افراد موجود در سياهه مورد قضاوت ربط قرار گرفتند تا مقايسه عملكرد رتبه‌بندي‌‌هاي افراد از حيث يافتن خبرگان ميسر شود. يافته‌ها: يافته‌ها نشان داد عملكرد مدل‌هاي مبتني بر رتبه‌بندي نويسندگان در شبكه‌هاي استنادي تفاوت معناداري با مدل سند-محور بازيابي تخصص ندارند، اما عملكرد مدل مبتني بر رتبه‌بندي نويسندگان در شبكه هم‌تأليفي ضعيف‌تر از مدل سند-محور بازيابي تخصص بوده و آن را كاهش مي‌دهد. نتيجه‌گيري: در مقايسه با شبكه‌هاي پديدآوري، موقعيت افراد در شبكه‌هاي استنادي شاهد بهتري براي تخصص افراد در حوزه‌هاي موضوعي مختلف به شمار مي‌رود.

Background and Aim: this research investigates the impact of authors’ rank in Bibliographic networks on document-centered model of Expertise Retrieval. Its purpose is to find out what kind of authors’ ranking in bibliographic networks can improve the performance of document-centered model. Methodology: Current research is an experimental one. To operationalize research goals, a new test collection was developed which includes 55 queries and 96375 documents. The queries were made by Iran Knowledge and Information Science PhD students, and the documents were papers indexed in the Web of Science database under Library Science and Information Science category. The queries were submitted to the database consisting of test collection documents, and then DLH13, a known IR model, were used to retrieve documents from database. The first 100 documents retrieved by DLH13 model for each query were chosen for second stage. All people names occurred in the retrieved documents were extracted, processed, and ranked in 5 different ways based on micro metrics of Social Network Analysis. The top 10 results of every method accumulated in a pool of authors. After relevance judgment on authors’ expertise, the expert finding performance of every ranking method was measured. Findings: Results showed that performance of authors’ ranking in citation networks hadn’t significant difference with document-centered model, whereas authors’ ranking in co-authorship networks was weaker than document-centered model, and impact it negatively. Conclusion: compared with author-based networks, citation-based networks are better evidence for individual’s expertise in different subject areas.