تجربۀ زیسته متخصصان کتابداریِ پزشکی در زمینه ربط اطلاعات در شبکۀ اجتماعی لینکدین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای علم اطلاعات و دانش‌شناسی‌‌‌‌‌‌، دانشگاه پیام نور‌‌‌‌‌‌، تهران‌‌‌‌‌‌، ایران

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

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

10.30484/nastinfo.2020.2470.1933

چکیده

هدف:‌‌ شناسایی عوامل مؤثر بر بهبود ربط در بازیابی اطلاعات در شبکۀ اجتماعی لینکدین.
روش: 17 مشارکت‌کننده (9 مرد و 8 زن) به‌روش نمونه‌گیری هدفمند انتخاب شدند و در مصاحبه نیمه‌ساختاریافته شرکت کردند. داده‌‌ها به‌روش دیکلمنکدگذاری و تحلیل شد.
یافته‌­ها: استخراج 441 کد اولیه و هفت مقوله شامل سامانه‌ اطلاعاتی‌‌‌‌‌‌، سامانه بازیابی‌‌‌‌‌‌، ویژگی‌های‌ سند‌‌‌‌‌‌، ویژگی‌های‌ پایگاه‌‌‌‌‌‌، ویژگی‌های کاربر‌‌‌‌‌‌، درخواست‌ها و پرسش­ها و وجود بازخورد‌‌ از داده‌‌ها استخراج‌ شد و نشان داد شبکۀ لینکدین نقش مهمی در رفع نیازهای اطلاعاتی مشارکت‌کنندگان دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Relevance in LinkedIn from the views of Medical Librarians

نویسندگان [English]

  • M. Shirzad 1
  • A. Mousavi 2
  • S. Ziaei 2
  • F. Soheili 2
  • M. S,alami 3
1 PhD Candidate in knowledge & Information Science, Payame Noor University, Tehran. Iran,
2 Associate professor, Department of knowledge & Information Science, Payame Noor University, Tehran. Iran
3 Assistant Professor, Department of knowledge & Information Science, Payame Noor University, Tehran. Iran
چکیده [English]

Background and Purpose: Considering the important role of social networks, this study aims to identify factors affecting relevance in LinkedIn .
Method: 17 information specialists participated in the study. Data was collected using semi-structured interviews, then coded and analyzed using Dickelman method.
Results: 441 primary codes and seven categories including information system, retrieval system, document attributes, database attributes, user attributes, requests and queries, and feedback.
Conclusion: LinkedIn plays an important role in meeting the information needs of the participants
 
 

کلیدواژه‌ها [English]

  • Information Recovery
  • relevance
  • social networking
  • LinkedIn
امیری‌‌‌‌‌‌، مقصود‌‌‌‌‌‌؛ انتظاری‌‌‌‌‌‌، علی‌‌‌‌‌‌؛ مرتجی‌‌‌‌‌‌، نجمه السادات (1395)‌‌‌‌‌‌. الگوی رفتار اشتراک دانش متخصصین ایرانی در شبکه­های اجتماعی تخصصی: شناسایی شاخص­ها. تعامل انسان و اطلاعات‌‌‌‌‌‌، 3(3): 66-81.
بیابانی‌‌‌‌‌‌، مریم (1398). استفاده از روش‌های مبتنی بر جاسازی بردار کوئری در بازیابی اطلاعات‌‌‌‌‌‌، پایان نامه کارشناسی ارشد، دانشگاه شهید بهشتی‌‌‌‌‌‌، دانشکده مهندسی و علوم کامپیوتر.
بیگم مرتضوی‌‌‌‌‌‌، لیلا (1394). یک روش نوین بازیابی اطلاعات با تلفیق مدل‌های فازی و فضای برداری‌‌‌‌‌‌، پایان نامه کارشناسی ارشد، دانشگاه شیراز‌‌‌‌‌‌، دانشکده مهندسی برق و کامپیوتر.
جوادی مقدم‌‌‌‌‌‌، سید محمد‌‌‌‌‌‌؛ عبدالرزاق نژاد‌‌‌‌‌‌، مجید‌‌‌‌‌‌؛ قادری فریز‌‌‌‌‌‌، مهناز (1396)‌‌‌‌‌‌. بهبود بازیابی اطلاعات بر اساس تشابه معنایی کلمات کلیدی با استفاده از رتبه­دهی مبتنی بر گراف‌‌‌‌‌‌، چهارمین کنفرانس ملی فناوری اطلاعات‌‌‌‌‌‌، کامپیوتر و مخابرات‌‌‌‌‌‌، مشهد‌‌‌‌‌‌، دانشگاه تربت حیدریه.
حسن­زاده‌‌‌‌‌‌، محمد‌‌‌‌‌‌؛ غفاری‌‌‌‌‌‌، سعید‌‌‌‌‌‌؛ زارعی‌‌‌‌‌‌، عاطفه‌‌‌‌‌‌، کمندی‌‌‌‌‌‌، حسین (1393)‌‌‌‌‌‌. کارکرد عنوان و نشانی اینترنتی در بهبود ربط نتایج بازیابی اطلاعات‌‌‌‌‌‌، پژوهش­های نظری و کاربردی در علم اطلاعات و دانش‌شناسی، پژوهشنامه کتابداری و اطلاع رسانی 4 (1). https://doi.org/10.22067/riis.v4i1.19408
 
Berger, A., & Lafferty, J. (2017, August). Information retrieval as statistical translation. In ACM SIGIR Forum (Vol. 51, No. 2, pp. 219-226). New York, NY, USA: ACM. https://doi.org/10.1145/3130348.3130371
Farhi, S. H., & Boughaci, D. (2018). Graph based model for information retrieval using a stochastic local search. Pattern Recognition Letters, 105, 234-239. https://doi.org/10.1016/j.patrec.2017.09.019
Greenwood, S., Perrin, A., & Duggan, M. (2016). Social media update 2016. Pew Research Center, 11(2).
Losada, D. E., Parapar, J., & Barreiro, A. (2018). A rank fusion approach based on score distributions for prioritizing relevance assessments in information retrieval evaluation. Information Fusion, 39, 56-71. DOI: 
Thangaraj, M., & Sujatha, G. (2014). An architectural design for effective information retrieval in semantic web. Expert Systems with Applications, 41(18), 8225-8233. https://doi.org/10.1016/j.eswa.2014.07.017