بررسي عملكرد موتورها و ابرموتورهاي كاوش عمومي در بازيابي اطلاعات رشته علم اطلاعات و دانش شناسي و ميزان همپوشاني آنها

Exploring and Comparing the Performance of Search Engines and Meta Search Engines in Retrieving Information in the Field of Information Sciences and Knowledge Studies

هدف: هدف پژوهش حاضر بررسي و مقايسه عملكرد موتورها و ابرموتورهاي كاوش عمومي در بازيابي اطلاعات رشته علم اطلاعات و دانش‌شناسي و ميزان همپوشاني آنها مي‌باشد. روش­شناسي: پژوهش كاربردي حاضر از نوع پيمايشي- تحليلي است. جامعه آماري، شامل تمام موتورها و ابرموتورهاي كاوش عمومي فعال در وب بوده كه بر اساس نمونه‌گيري طبقه‌اي تصادفي، هفت موتور كاوش و پنج ابرموتور كاوش عمومي اصلي كه در searchenginewatch.com www. انتخاب شدند. سپس نتايج با استفاده از فرمول هاي دقت و بازيافت در نرم افزار اكسل مورد تحليل قرار گرفتند. همچنين به منظور آزمون فرضيه از دو آزمون خي دو و t زوجي، با استفاده از نرم­افزار اس­پي­اس­اس نسخه 21 انجام گرفت. يافته‌ها: در ميان 7 موتور كاوش مورد بررسي، موتور كاوش گوگل بيشترين ميزان دقت را در بازيابي اطلاعات مرتبط كسب كرد و در ميان 5 ابرموتور كاوش مورد بررسي، متاگوفر، بيشترين ميزان دقت را بدست آورد. علاوه بر اين، موتورهاي كاوش گوگل و ياندكس، بيشترين ميزان همپوشاني را با يكديگر داشتند و موتور كاوش گيگابلاست كمترين ميزان همپوشاني را با ساير موتورهاي كاوش از خود نشان داد. نتيجه گيري: به طور كلي مشخص شد موتورهاي كاوش و ابرموتورهاي كاوش عمومي عملكرد يكساني در بازيابي اطلاعات مرتبط با رشته علم اطلاعات و دانش شناسي دارند و فرضيه پژوهش مبني بر اينكه ابرموتورهاي كاوش عملكرد بهتري در بازيابي اطلاعات مرتبط دارند با توجه به نتايج بدست آمده رد شد. همچنين از نظر همپوشاني نيز مي­توان گفت استفاده از ابرموتورهاي كاوش نسبت به موتورهاي كاوش در بازيابي اطلاعات اين رشته ارجح­تر است.

Purpose: the purpose of this study was to explore and compare the performance of search engines and meta search engines in information retrieval of information science and knowledge science. Methodology: the research is applied one and in semi-experimental design. The statistical population consisted of all search engines and meta search engines active on the web divided into two categories of exploratory engines and exploratory meta search based on randomized sampling. In these two categories, seven search engines were selected based on purposeful sampling and five metasearch engines were also selected from www.searchenginewatch.com. Findings: among the seven search engine searches, Google search engine obtained the highest precision in retrieving relevant information, and among the five metasearch engines metagofer was identified as having the most precision. Moreover, the Google search engine and Yandex have the most overlap, and gigablast search engine showed the lowest overlap with the other search engines. Conclusion: search engines and metasearch engines have the same function in retrieving information related to the field of information Science and Knowledge Studies. The hypothesis of the research regarding the better performance in information retrieval has been rejected due the achieved results. However, in relation with overlap issues metasearch engines are of higher preference.