بررسی عملکرد موتورها و ابرموتورهای کاوش عمومی در بازیابی اطلاعات رشته علم اطلاعات و دانش شناسی و میزان همپوشانی آنها
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 327
This Paper With 28 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STIM-5-2_004
تاریخ نمایه سازی: 6 خرداد 1399
Abstract:
هدف: هدف پژوهش حاضر بررسی و مقایسه عملکرد موتورها و ابرموتورهای کاوش عمومی در بازیابی اطلاعات رشته علم اطلاعات و دانش شناسی و میزان همپوشانی آنها می باشد. روششناسی: پژوهش کاربردی حاضر از نوع پیمایشی- تحلیلی است. جامعه آماری، شامل تمام موتورها و ابرموتورهای کاوش عمومی فعال در وب بوده که بر اساس نمونه گیری طبقه ای تصادفی، هفت موتور کاوش و پنج ابرموتور کاوش عمومی اصلی که در searchenginewatch.com www. انتخاب شدند. سپس نتایج با استفاده از فرمول های دقت و بازیافت در نرم افزار اکسل مورد تحلیل قرار گرفتند. همچنین به منظور آزمون فرضیه از دو آزمون خی دو و t زوجی، با استفاده از نرمافزار اسپیاساس نسخه 21 انجام گرفت. یافته ها: در میان 7 موتور کاوش مورد بررسی، موتور کاوش گوگل بیشترین میزان دقت را در بازیابی اطلاعات مرتبط کسب کرد و در میان 5 ابرموتور کاوش مورد بررسی، متاگوفر، بیشترین میزان دقت را بدست آورد. علاوه بر این، موتورهای کاوش گوگل و یاندکس، بیشترین میزان همپوشانی را با یکدیگر داشتند و موتور کاوش گیگابلاست کمترین میزان همپوشانی را با سایر موتورهای کاوش از خود نشان داد. نتیجه گیری: به طور کلی مشخص شد موتورهای کاوش و ابرموتورهای کاوش عمومی عملکرد یکسانی در بازیابی اطلاعات مرتبط با رشته علم اطلاعات و دانش شناسی دارند و فرضیه پژوهش مبنی بر اینکه ابرموتورهای کاوش عملکرد بهتری در بازیابی اطلاعات مرتبط دارند با توجه به نتایج بدست آمده رد شد. همچنین از نظر همپوشانی نیز میتوان گفت استفاده از ابرموتورهای کاوش نسبت به موتورهای کاوش در بازیابی اطلاعات این رشته ارجحتر است.
Keywords:
Authors
مینا قاسمی الوری
علم اطلاعات و دانش شناسی، دانشگاه اصفهان، اصفهان، ایران.
ندا عباسی دشتکی
علم اطلاعات و دانش شناسی، دانشگاه اصفهان، اصفهان، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :