اینترنت سازماندهی و جستجو

رشد اینترنت شگفت آور شده است با توجه به تحقیق میدانی در سال ۱۹۹۶ این رشد تصاعدی همچنان ادامه دارد و تخمین زده شده كه شبكه از نظر اندازه و حجم هر ۱۲ تا ۱۵ ماه دوبرابر می شود بطور تقریبی ۰۰۰ ۱۰۰ وب گاه در اگوست ۱۹۹۵ وجود داشته و این تعداد در اگوست ۱۹۹۶ به ۰۴۱ ۵۳۶ رسیده است

مقدمه

رشد اینترنت شگفت‌آور شده است. با توجه به تحقیق میدانی در سال ۱۹۹۶ این رشد تصاعدی همچنان ادامه دارد. و تخمین زده شده كه شبكه از نظر اندازه و حجم هر ۱۲ تا ۱۵ ماه دوبرابر می‌شود. بطور تقریبی ۰۰۰/۱۰۰ وب‌گاه در اگوست ۱۹۹۵ وجود داشته و این تعداد در اگوست ۱۹۹۶ به ۰۴۱/۵۳۶ رسیده است. از آنجائی كه هر پایگاه می‌تواند بسیاری از صفحات وب را در خود داشته باشد این باعث می‌شود كه تعداد بیشتری از صفحات وب بوجود آید. در حالیكه كیفیت بسیاری از صفحات ممكن است مورد سؤال باشد و نگهداری بسیاری از صفحات پراكنده است. اما صفحات معتبری هم وجود دارد كه اطلاعات با ارزشی در مورد بسیاری از موضوعات ارائه می‌دهد. آنچه استفاده‌كنندگان به آن نیاز دارند یك سیستم جداكننده است كه مو از ماست بكشد.تلاشهای زیادی صورت گرفته كه این وظیفه را آسان كند: كتابداران و متخصصان موضوعی راهنماهای موضوعی را گردآوری كرده‌اند.«اخبار كتابخانه‌های تحقیقاتی و دانشكده‌ای»۱ بطور دوره‌ای راهنماهای منابع اینترنتی را در موضوعات انتخابی منتشر می‌كند. علاوه بر آن فهرستنویسان Intercat را (كه یك فهرست آزمایشی برای اینترنت است) بوجود آورده‌اند. OCLC نیز پایگاه Netfirst را برای نمایه‌سازی منابع اینترنت با سرعنوانهای موضوعی كتابخانه كنگره و اعداد طرح دهدهی دیویی ایجاد كرده است. كتابداران مرجع یك پایگاه وب را به نام Infofilter بوجود آورده‌اند كه مرور منابع اینترنتی را به اشتراك بگذارند و كتابداران رده‌بندی موضوعی را برای سازماندهی منابع اینترنت مورد آزمایش قرار داده‌اند. اما چیزی كه بیشترین توجه استفاده‌كنندگان اینترنت را به خود معطوف داشته است، احتمالاً عنكبوتها و روباتهایی هستند كه خدمات جستجو را انتخاب می‌كنند. برای بسیاری از جستجوگران اینترنت، این موتورها با راه دادن آنها به فضای اطلاعاتی عظیم كمك موقتی ارائه می‌دهند. كاربران اینترنت بزودی فهمیدند كه این موتورها كامل و مناسب نیستند زیرا آنها منطقه جغرافیایی خاصی را پوشش می‌دهند، بصورت متفاوت نمایه‌سازی می‌شوند و منابع را با كلیدواژه‌ها بازیابی می‌كنند. استفاده‌كنندگان هرگز نمی‌توانند اعتماد كنند كه یك جستجو جامع یا قطعی باشد. با وجود اینكه نتایج بازیابی ظاهراً بوسیله میزان ارتباط مرتب شده است و استفاده‌كنندگان مبارزه با ریزش كاذب مواد تكراری و نامربوط را ادامه می‌دهند. در كل پیشرفت خوبی در كمك به استفاده‌كنندگان برای جهت‌یابی در اینترنت بوجود آمده، اما این ابزارها آنقدر زیاد هستند كه انتخاب صحیح یكی از آنها كار سختی است.علاوه بر آن انتخاب موتورهای جستجوی مناسب ممكن است برای استفاده‌كنندگان عمومی و نیز كتابداران، به علت رویه‌های پیچیده، مهمتر باشد. بعنوان مثال، اینفوسیك سرویس رایگان دارد، اما سرویسهای هزینه بر، یعنی متخصصان اینفوسیك، نمایهء بزرگتر و قابلیتهای جستجوی قویتر ارائه می‌دهند. وب كروكر یك درخواست حق عضویت دارد كه زمانی آن را تحمیل می‌كند. اگر این عمل در مقابل هزینه برای خدمات یك رویه شود، لازم خواهد بود برای استفاده كنندگان و بخصوص كتابداران كه بدانند كدامیك از موتورهای جستجو را باید به خدمت بگیرند.

این تحقیق تلاش كرده كه كارآیی موتورهای كاوش را در آدرس دهی نیازهای اطلاعاتی ارزیابی كند. آیا آنها می‌توانند جوابهایی برای سؤالات مرجع واقعی بازیابی كنند؟ آیا آنها منابع خوبی برای سؤالات موضوعی ارائه می‌دهند؟ آنها تا چه حد نتایج جستجو را براساس میزان ارتباط مرتب می‌كنند؟ كدامیك از موتورهای جستجو بهتر عمل می‌كنند؟ جواب این سؤالات به ما كمك خواهد كرد كه نقاط ضعف و قوت موتورهای كاوش را بهتر بفهمیم و ما را قادر می‌سازد كه برای برطرف كردن نیازهای اطلاعاتی موتور كاوش مناسب را انتخاب كنیم.

پیشینه پژوهش

موتورهای كاوش بسیاری موجود هستند و براحتی در دسترس قرار می‌گیرند Netsearch متعلق به نت اسكیپ و www by subject or keyword مربوط به كتابخانه كنگره، هر دو با هم موتورهای كاوش اصلی را گرد آورده‌اند. همچنین ابرموتورهایی وجود دارد كه به جستجوگران اجازه می‌دهد كه سریعاً به چندین موتور كاوش دسترسی پیدا كنند، اما فقط Savy search قادر به جستجوی بیش از ۵ پایگاه در یك زمان است. “All-in-one” گروهی دیگر از ابزارهائی را كه ارائه دهنده نمونه‌های جستجو بسیاری از موتورهای كاوش در یك پایگاه وب برای آسان‌سازی عمل جستجو هستند را نشان می‌دهد.

كار عنكبوتها، روباتها و دیگر برنامه‌های خودكار بوسیله پروسیس خلاصه شده است. (۱۹۹۵) و محدودیتهای این ابزارها بوسیلهء كاستر تجزیه و تحلیل شده‌اند. (۱۹۹۵) چندین مقاله ادعا كرده‌اند كه ابزارهای جستجوی اینترنت را ارزیابی كرده‌اند، اما اغلب آنها توصیفهایی از شبكه جهانی وب یا موتورهای كاوش ارائه داده‌اند. برینكلی و بیورك (۱۹۹۵) هایتلنت، آرچی، گوفر، و ایزو شبكه جهانی وب را شرح داده‌اند. كورتولیس، بیرواستارك (۱۹۹۵) پرسشهایی بكار برده‌اند برای اینكه موتورهای كاوش و نمایه‌های وب را آزمایش كنند. اما گزارش آنها بیشتر توصیفی است. كایمل (۱۹۹۶) تاریخچه‌ای از پایگاههای تولید شده بوسیله رباتها را ارائه داده و به جستجوگران مبتدی راهنمائی‌های خوبی در مورد موتورهای كاوش پیشنهاد كرده است. وندیتو(۱۹۹۶) هفت موتور كاوش را آزمایش كرده و ویژگیهای جستجوی آنها را شرح داده است. گزارشهای مشابه در مورد اینترنت فراوان است و بسیاری از آنها را می‌توان در لیت كمپبل پیدا كرد. نمونه‌های خوب بسیار كم هستند. مثل گزارشهای لین (۱۹۹۵)، وین شیپ (۱۹۹۵) وبستر و پانول (۱۹۹۵).مطالعات ارزشیابی نسبتاً كمی وجود داشته كه شامل تحقیق میدانی در مورد موتورهای جستجو باشد. دسای (۱۹۹۵) قدرت بازیابی سیزده ابزار جستجو را با یك سؤال آزمایش كرده است. او قادر بود با جستجوی نامش تعیین كند كه چگونه بسیاری از اسناد وبی او بازیابی شده است. اینفوسیك و لایكاس با بازیابی هفت سند از ۲۴ سند بهتر عمل كردند. در حالیكه دیگر موتورها و نمایه‌ها نظیر وب كرولر و یاهو ضعیف عمل كردند. لیتون (۱۹۹۵) عملكرد اینفوسیك، لایكاس، وب كرولر و ورلد واید وب وارم را با استفاده از ۸ سؤال مقایسه كرده است. او این آزمایش را با ۴ معیار انجام داد-نسبت تكراری بودن، دقت، دقت كامل و حداكثر ۱۰ دقت- و نتیجه گرفت كه لایكاس و اینفوسیك بهتر از بقیه عمل كردند. پكروتومایولو ۲ سؤال مرجع را در آلتاویستا، ماژلان، اینفوسیك، لایكاس و یونیت جستجو كردند. امتیاز دقت آنها مبتنی بود بر ۱۰ نتیجه اول، آنها فهمیدند كه آلتاویستا بهترین عملكرد را داشت بعد از آن اینفوسیك، لایكاس، ماژلان و پوینت. مقابقاب (۱۹۹۵) ۵ سؤال را برای امتحان كردن ۵ موتور كاوش با اجرای جستجوهای اصلی و اصلاح شده در هر موتور بكار برد. او دقت نتیجه اول را تغییر داد. با استفاده از ۲۵ نتیجه بعنوان پایه و مبنا. او یاهو را بعنوان بهترین عمل كننده شناخت. یافته‌های این مطالعات بطور قطعی بهترین موتورهای كاوش را مشخص نكرد بعلت سؤالات مختلف، تعداد متفاوت سؤالات و مقیاسهای مختلف بكار رفته برای ارزشیابی. با این وجود، این مطالعات شیوه‌های مختلف ارزیابی موتورهای كاوش را ثابت كرد و معیارهای جدید و منطقی برای اجرای جستجو پیشنهاد كرد.

سؤالات تحقیقی

پژوهش حاضر با مطالعات قبلی متفاوت است از این نظر كه این مطالعه بر دو نوع سئوال متمركز شده است: سؤالات مرجعی كه در یك میز مرجع جمع شده و سؤالات موضوعی ساختگی برای این تحقیق. همچنین دو معیار قبلی را تغییر داده و دو معیار جدید برای ارزیابی نحوه مرتب‌سازی براساس میزان ارتباط موتورهای كاوش معرفی كرده است. طراحی این تحقیق بوسیلهء این سؤالات تحقیقی هدایت شده است:

۶۱۵۹۱; موتورهای كاوش تا چه حد می‌توانند در مورد سؤالات موضوعی اطلاعاتی را بازیابی كنند؟ سه موتور كاوش مناسب برای این قبیل سؤالات كدامند؟

۶۱۵۹۱; آیا موتورهای كاوش در مورد سؤالات موضوعی و سؤالات مرجع عمومی بطور متفاوت عمل می‌كنند؟

۶۱۵۹۱; آیا موتورهای كاوش برای سؤالات مرجع واقعی و سؤالات ساختگی بطور متفاوت عمل می‌كنند؟

روش‌شناسی

این مطالعه هشت موتور كاوش را كه مشهور هستند و برای عموم رایگانند ارزیابی می‌كند. این موتورها عبارتند از: آلتاویستا، اكسایت، اینفوسیك، گاید، لایكاس، ماژلان، این تكست، وب كرولر و ورد واید وب وارم.عوامل بسیاری ممكن است برای موفقیت یك جستجو مشاركت كنند. درك صحیح از تقاضای جستجو، استراتژی جستجو، پایگاه اطلاعاتی، موتور كاوش، و قضاوت میزان ارتباط بوسیلهء جستجوگران. در این تحقیق تعدادی از این معیارها كنترل شده بودند بنحوی كه تفاوت موتورهای كاوش قابل مشاهده بود. موتورهای كاوش از نظر اندازه، محتوای پایگاه اطلاعاتی‌شان، خط‌مشی‌های نمایه‌سازیشان، كنترل كیفیت، شیوه‌های بازیابی و ارائه نتایج جستجو متفاوتند. فرض بر این شد كه سؤالات آزمایشی با پیچیدگی و وضع متفاوت در تعیین بهترین موتور جستجو با ارزش‌تر خواهد بود. با این وجود، مطالعات پیشین مشخص كردند كه امكان اینكه یك موتور جستجو در جوابگویی همه نوع سؤالات بهتر از همه باشد، وجود ندارد. ما تقاضاهای جستجو را با استفاده از ۲۰ سؤال مطرح شده در میز مرجع استاندارد كردیم. و ۵ سؤال موضوعی كه در حوزه‌هایی كه منابع اینترنتی بسیاری داشت، بوجود آمده بود-سرگرمی، تجارت، سیاست اقتصاد و بهداشت. سؤالات مرجع گردآوری شده شامل سؤالات تخصصی و پرسشهای موضوعی وسیع بود و از نظر اینكه توانایی موتورهای كاوش را در جوابگویی به سؤالات مرجع واقعی مورد آزمایش قرار داد با ارزش بودند. ۵ سؤال موضوعی ساختگی بودند، اما این طراحی ما را قادر می‌ساخت كه تجزیه و تحلیل معنی‌دار بیشتری انجام دهیم. با این همه، هیچ ارزشیابی خیلی خردمندانه نبود اگر ما از سؤالاتی كه برای آن هیچ چیز قابل بازیابی نبود، استفاده می‌كردیم.مجموعه داده‌ها۲ به هشت موتور كاوش چهار جستجو اختصاص یافته بود برای اطمینان از اینكه هر سؤال دو بار در یك موتور جستجو شده است. به جستجوگران آموزش داده شد كه از مرورگر نت اسكیپ برای دسترسی به اینترنت استفاده كنند و سؤالات داده شده را در موتورهای كاوش تعیین شده جستجو كنند و نسخه‌های چاپی از نتایج جستجو ارائه دهند. جستجوگران كار را در آوریل شروع كردند و در ژوئن ۱۹۹۶ نتیجه‌گیری انجام شد. جمله‌بندی سؤالات مرجع برای جستجوهای اینترنتی كمی تغییر داده شد. برای اطمینان یافتن از تكنیكهای مشابه بكار رفته، كلیدواژه‌ها تعیین شده بودند و پارامترهای اساسی در مورد اینكه در هر موتور كاوش جستجو به چه صورت انجام شود ارائه شدند. به جستجوگران گفته شد كه بهترین قضاوتشان را در ارزیابی ارتباط منابع بازیابی شده بكار گیرند.

یكی از سؤالات مرجع دو بخش داشت، بنابراین سئوالات مرجع به ۲۱ تبدیل شد. هر كدامیك از سؤالات ۲۱ گانه مرجع و ۵ سؤال موضوعی دو بار در هر موتور، جستجو شده بود. اما در اكسایت ۴ بار جستجو شد، زیرا در این موتور، جستجوگر قادر به جستجوی كلیدواژه‌ای و نیز جستجوی مفهومی می‌باشد. در میانه راه با ماژلان جستجوگران گزینه‌ای از جستجو را در بخش خاصی از پایگاههای اطلاعاتی یا كل پایگاهها به منظور هماهنگی و یكدستی همه جستجوگران در كل پایگاهها انجام دادند. در كل ۴۶۸ جستجو انجام شده بود.

متغیرهای وابسته. چهار متغیر برای این تحقیق اندازه‌گیری شدند. «دقت»۳ كه بطور سنتی تعریف شده بود: تعداد منابع مرتبط بازیابی شده تقسیم بر تعداد منابع بازیابی شده و یك معیار استانداردی برای سیستمهای بازیابی اطلاعات بوده است. از آنجائی كه ارزیابی ارتباط تعداد زیاد صفحات بازیابی شده بوسیلهء موتورهای كاوش غیرممكن بود. این متغیر در این تحقیق بطور عملیاتی چنین تعریف شده:

دقت: تعداد منابع مرتبط در ۱۰ گزینه اول

شیوه استفاده از ده گزینه اول قابل توصیه است، زیرا این گزینه‌ها بیشتر امكان دارد كه به وسیله جستجوگران دیده شود. این معیار را لیتون، پیكروتومایولو بكار برده است. اما برخلاف تحقیق لیتون، این تحقیق پایگاههای ارجاعی و تكراری را در معیار دقت درنظر می‌گیرد. زیرا آنها بالقوه مفید بودند (در صورتی كه گزینه‌های تكراری مرتبط باشد) و حذف آنها باعث می‌شد كه پایهء مقایسه (كه ده تا بود) كوچكتر شود.

«تكراری بودن»۴: در همان اوایل جستجو در موتورهای كاوش گزارشهای حكایت گونه‌ای از تكراریها بوجود آمد. در نتیجه این معیار در ارزیابی‌های ما وارد شد. تكراری بودن بطور عملیاتی «تعداد گزینه‌هایی كه تكرار شدند و قبل از آن نیز ارائه شده بودند» تعریف شده بود. پایگاههای ارجاعی هم جزء تكراریها به حساب آمدند. در این مطالعه ما تعداد گزینه‌های تكراری را بر اساس ده نتیجه اول در نظر گرفتیم.

«امتیاز مرتبط‌ترین گزینه»۵: همه موتورهای كاوش انتخابی، نتایج بازیابی را با استفاده از الگوریتم متفاوت مرتب می‌كنند و بهترین تطبیقها را اول ارائه می‌دهند. اما تنظیم همیشه مفید نبوده است. این متغیر برای امتحان كردن توانایی درجه‌بندی موتورهای كاوش طراحی شده بود. كه بر این فرضیه مبتنی است كه شیوه درجه‌بندی مؤثر، مرتبط‌ترین گزینه‌ها را در بالاترین لیست نتایج جستجو قرار می‌دهد. جستجوگران، بطور عملیاتی مرتبط‌ترین گزینه از بین ده گزینه تعریف كردند و به آن بخاطر جایگاهش یك امتیاز دادند. اگر این گزینه در اولین، دومین یا سومین گزینه بود این موتور امتیازی بین ۱ یا ۲ یا سه می‌گرفت. اگر این گزینه جای دیگر ظاهر می‌شد به آن امتیاز ۶ داده می‌شد. عدد ۶ به این علت انتخاب شده بود كه نشان می‌داد این گزینه در خارج از اولین نیمه لیست ده تایی قرار گرفته است.

---