شناسایی عوامل موثر بر بهبود ربط در بازیابی اطلاعات در شبکه‌های اجتماعی علمی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه علم اطلاعات و دانش‌شناسی، دانشگاه پیام نور، تهران، ایران

2 دانشیار، گروه علم اطلاعات و دانش‌شناسی، دانشگاه پیام نور، تهران، ایران

3 دانشیار، گروه علم اطلاعات و دانش‌شناسی، دانشگاه پیام نور، تهران، ایران.

چکیده

هدف: هدف این مطالعه شناسایی عوامل موثر بر بهبود ربط در بازیابی اطلاعات از نظر اعضای هیئت علمی گروه علم اطلاعات و دانش‌شناسی در دو گروه علوم انسانی و کتابداری پزشکی، در شبکه‌های اجتماعی علمی لینکدین و ریسرچ گیت بود.
روش: این پژوهش از نوع کاربردی بوده و به روش پیمایشی اجرا شده است. حجم جامعه مورد مطالعه در سه بخش علوم ‌انسانی، کتابداری پزشکی و جامع، به ترتیب برابر با 110، 102 و 207 نفر می‌باشند که براساس فرمول کوکران، تعداد نمونه آماری به ترتیب برابر با 86، 81 و 135 نفر از افرادی که از شبکه‌های علمی لینکدین و ریسرچ گیت استفاده کرده‌اند، در نظر گرفته شده است. علت انتخاب این دو شبکه علمی به دو دلیل تعداد مراجعه بیشتر و معرفی برخی خبرگان بود. به منظور تعیین پایایی پرسشنامه از ضریب آلفای کرونباخ و برای تعیین پایایی سازه‌ها از روش پایایی مرکب و همچنین به منظور تعیین روایی پرسشنامه، از نظر تعدادی از خبرگان و متخصصان رشته‌های مدیریت، کتابداری و اطلاع‌رسانی و جامعه‌شناسی، و برای اندازه‌گیری روایی (اعتبار) از شاخص میانگین واریانس استخراج‌شده استفاده شده است. تجزیه و تحلیل برازش مدل ساختاری بر مبنای تحلیل عامل تأییدی و فرم معادلات و استفاده از نرم‌افزار SmartPLS می‌باشد.
یافته‌ها: براساس نتایج تحلیل رگرسیون، در بین مؤلفه‌های تحقیق، وجود بازخورد با ضریب 775/0، بیشترین اثر را بر ربط و بهبود آن در بازیابی اطلاعات در پایگاه لینکدین دارد. پس از متغیر وجود بازخورد، متغیرهای درخواست‌ها و پرسش‌ها، ویژگی‌های کاربر و ویژگی‌های پایگاه به ترتیب با ضرایب 515/0، 492/0 و 471/0 در اولویت‌های بعدی قرار دارند. در این بین، نظام اطلاعاتی اثر معناداری را نشان نمی‌دهد. در طرف دیگر، براساس نتایج تحلیل رگرسیون، در بین مؤلفه‌های تحقیق، وجود بازخورد با ضریب 812/0 بیشترین اثر را بر ربط و بهبود آن در بازیابی اطلاعات در پایگاه ریسرچ گیت دارد. پس از متغیر وجود بازخورد، متغیرهای ویژگی‌های سند، ویژگی‌های کاربر و درخواست‌ها و پرسش‌ها به ترتیب با ضرایب 726/0، 608/0 و 541/0 در اولویت‌های بعدی قرار دارند. در این بین، نظام اطلاعاتی و نظام بازیابی اثر معناداری را نشان نمی‌دهند.
نتیجه‌گیری: براساس مدل جامع تحقیق، عوامل موثر شناسایی شده در شبکه‌های اجتماعی علمی مانند نظام اطلاعاتی و نظام بازیابی می‌توانند به عنوان مدلی جامع برای افزایش ربط بازیابی اطلاعات در شبکه‌های اجتماعی علمی به‌شمار آیند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Identify the Effective Factors of Improving Relevance in Information Retrieval in Scientific Social Networks

نویسندگان [English]

  • Majid Shirzad 1
  • Afshin Mousavi 2
  • Soraya Ziaei 3
  • Faramarz Sohieli 3
  • Mariam Salami 3
1 Assistant Professor, Department of Knowledge and Information Science, Payam Noor University, Tehran, Iran.
2 Associate Professor, Department of Knowledge and Information Science, Payam Noor University, Tehran, Iran
3 Associate Professor, Department of Knowledge and Information Science, Payam Noor University, Tehran, Iran
چکیده [English]

Purpose: The purpose of this study was to identify the factors affecting the improvement of relevance in information retrieval, as perceived by faculty members of the Department of Information Science and Knowledge in the Humanities and Medical Librarianship departments, within the scientific social networks of LinkedIn and ResearchGate.
Method: This research is applied in nature and was conducted using a survey methodology.
The study population sizes in the three departments—Humanities, Medical Librarianship, and Comprehensive Sciences—are 110, 102, and 207 individuals, respectively. Based on the Cochran formula, the sample sizes for statistical analysis are 86, 81, and 135 individuals, respectively, all of whom have utilized the scientific networks LinkedIn and ResearchGate. The selection of these two scientific networks was based on their higher number of referrals and the involvement of several experts. To assess the reliability of the questionnaire, Cronbach's alpha coefficient was employed. Additionally, the composite reliability method was utilized to evaluate the reliability of the constructs. To establish the validity of the questionnaire, input from various experts and specialists in management, library and information science, and sociology was considered. The extracted mean variance index was used to measure validity (credibility). The analysis of the structural model fit was conducted through confirmatory factor analysis and equation modeling, utilizing SmartPLS software.
Findings: The results of the regression analysis indicate that among the research components, the presence of feedback, with a coefficient of 0.775, has the most significant impact on relevance and its enhancement in information retrieval within the LinkedIn database. Following the feedback variable, the variables of requests and questions, user characteristics, and database characteristics rank next, with coefficients of 0.515, 0.492, and 0.471, respectively. In the meantime, the information system does not demonstrate a significant effect. However, based on the results of the regression analysis, among the research components, the presence of feedback, with a coefficient of 0.812, has the most substantial impact on relevance and its enhancement in information retrieval within the ResearchGate database. Following the feedback variable, the variables of document characteristics, user characteristics, and requests and questions rank next, with coefficients of 0.726, 0.608, and 0.541, respectively. Overall, the information system and retrieval system do not exhibit a significant effect.
Conclusion: Based on the comprehensive research model, the effective factors identified in scientific social networks, such as the information system and retrieval system, can be regarded as a holistic framework for enhancing the relevance of information retrieval in these networks.

کلیدواژه‌ها [English]

  • Information retrieval
  • Relevance
  • Scientific social networks LinkedIn
  • Research Gate
اسدی، ح.، نقشینه، ن.، نظری، م. (1394). بررسی شبکه‌های اجتماعی علمی به‌عنوان ابزاری جایگزین یا مکمّل در ارزیابی پژوهشگران ایرانی. پژوهشنامه علم‌سنجی، 1(2): 84-71. https://doi.org/10.22070/RSCI.2016.383
اصنافی، ا.، سامی، م.، سیاح برگرد، م.، حسینی آهنگری، ع. (1394). حضور پژوهشگران دانشگاه‌های علوم پزشکی، آزاد و دولتی شهر اهواز در شبکة اجتماعی علمی ریسرچ گیت. توسعه آموزش جندی شاپور، 6(1): 67-73.
امیری، م.، انتظاری، ع.، سادات مرتجی، ن. (1395). الگوی رفتار اشتراک دانش متخصصین ایرانی در شبکه‌های اجتماعی تخصصی: شناسایی شاخص‌ها. تعامل انسان و اطلاعات، 3(3): 81-66.
بتولی، ز. (1392). قابلیت‌های شبکه اجتماعی ریسرچ گیت برای پژوهشگران. گفتمان علم وفناوری، 5(3): 19-15.
بیگم مرتضوی، ل. (1394). یک روش نوین بازیابی اطلاعات با تلفیق مدل‌های فازی و فضای برداری. دانشگاه شیراز.
خالوئی، م. (1387). ربط و مفهوم آن در بازیابی اطلاعات. پژوهشنامه پردازش و مدیریت اطلاعات، 28(3): 118-105.
عرفان منش، م.ا.، اصنافی، ا.ر.، ارشدی، ه. (1394). دانشگاه‌ها و موسسات پژوهشی کشور در ریسرچ گیت: مطالعه آلتمتریکس. دانش‌شناسی، 8(30): 72-59.
عنبری، ا.م.، حریری، ت. (1394). نقش شبکه‌های اجتماعی تخصصی وبی فارسی در اشتراک دانش. مطالعات ملی و کتابداری و سازماندهی اطلاعات، 26(3): 132-115.
میرزایی، م. (1394). بررسی نقش شبکه‌های اجتماعی مجازی در تبادلات علمی میان دانشجویان تحصیلات تکمیلی دانشگاه رازی. پایان‌نامه کارشناسی ارشد. دانشکده علوم اجتماعی، دانشگاه رازی.
میری، ا.، شریف مقدم، ه.، سلامی، م. (1398). وضعیت حضور اعضای هیئت علمی رشته علم اطلاعات و دانش‌شناسی در شبکه‌های اجتماعی. پژوهشنامه کتابداری و اطلاع‌رسانی، 9(1): 58-46.
https://doi.org/10.22067/RIIS.V0I0.73298
CAPTCHA Image