پژوهشنامه کتابداری و اطلاع رسانی

پژوهشنامه کتابداری و اطلاع رسانی

امکان‌سنجی استفاده از شبکه استنادی فهرست منابع موجود در پیشنهاده پژوهشِ (پروپوزالِ) دانشجویان تحصیلات تکمیلی برای پیشنهاد مقاله‌های مرتبط به آنها

نوع مقاله : مقالات پژوهشی

نویسندگان
1 دانش آموخته کارشناسی ارشدعلم اطلاعات و دانش شناسی/ دانشگاه شیراز، ایران
2 استادیارگروه علم اطلاعات و دانش شناسی/دانشگاه شیراز، ایران
3 استادیارگروه علم اطلاعات و دانش شناسی/ دانشگاه شیراز، ایران
چکیده
هدف: هدف اصلی این پژوهش امکان­سنجی استفاده از شبکه استنادی فهرست منابع موجود در پیشنهاده پژوهش دانشجویان تحصیلات تکمیلی برای پیشنهاد مقاله­ های مرتبط به آنهاست.
روش‌شناسی: این پژوهش از نظر هدف کاربردی و از حیث روش‌شناختی، پژوهشی شبه ­آزمایشی است. تعداد 60 دانشجوی کارشناسی ارشد و دکتری از حوزه علوم انسانی در رشته‌های تحصیلی گوناگون دانشگاه شیراز، به‌صورت هدفمند و داوطلبانه  به‌ کار گرفته شدند. در پژوهش حاضر پایگاه اطلاعاتی «وب آو ساینس» و نرم‌افزار VOSviewer به ترتیب برای گردآوری و تحلیل داده­های پژوهش مورد استفاده قرار گرفتند.
یافته ­ها: یافته ­ها نشان داد فراوانی تعداد مقاله‌های تا حدی مرتبط قضاوت شده با اختلافی مثبت بیشترین فراوانی را بین سه طبقه (مرتبط، تا حدی مرتبط، نامرتبط) دارد. کاربران مقاله­ های مرتبط پیشنهادی از طریق شبکه استنادی منابع پیشنهاده پژوهش را اثربخش دانستند؛ همچنین، دانشجویان دکتری بیش از دانشجویان ارشد مقاله ­های پیشنهاد شده از طریق شبکه استنادی منابع پیشنهاده پژوهش را اثربخش دانستند؛ به‌عبارتی، دانشجویان دکتری مقالات پیشنهاد شده را مرتبط­تر تشخیص دادند. همچنین دانشجویان با سطوح متفاوت دانش زبان انگلیسی به یک میزان مقاله ­های پیشنهادی بر اساس شبکه استنادی را مرتبط تشخیص دادند. اطلاعات استنادی پیشنهاده پژوهش می­تواند برای یافتن منابع مرتبط و در نتیجه، غنی­تر ساختن پژوهش­ها به کار گرفته شود و سامانه­ های پیشنهاددهنده مدارک علمی می­توانند از شبکه استنادی منابع مورد استفاده در پیشنهاده پژوهش ­ها، برای پیشنهاد مدارک مرتبط به کاربران استفاده کنند.
کلیدواژه‌ها

 گزانی، سحر (1392). به‌کارگیری روش­های ترکیبی در سیستم­های پیشنهاددهنده برای مقابله با مشکل شروع سرد (مورد مطالعه: سایت پارسی بلاگ). پایان‌نامه کارشناسی ارشد. وزارت علوم، تحقیقات و فناوری‌ـ‌دانشگاه قم‌ـ‌‌دانشکده فنی و مهندسی. بازیابی شده در 12 شهریور 1400 از
مرادی­منش، زهرا؛ درزی، محمد و اصغری، حبیب اله (1388). بررسی و تحلیل فاکتورهای اساسی در طراحی سیستم­های توصیه­گر. دومین کنفرانس بین­المللی شهر الکترونیک. بازیابی شده در
 https://civilica.com/doc/71948.
Agarwal, N., Haque, E., Liu, H., & Parsons, L. (2005). Research paper recommender systems: A subspace clustering approach. In International Conference on Web-Age Information Management, 475-491. https://doi.org/10.1007/11563952_42.
Bai, X., Wang, M., Lee, I., Yang, Z., Kong, X., & Xia, F. (2019). Scientific paper recommendation: A survey. IEEE Access, 7, 9324-9339.  doi: 10.1109/ACCESS.2018.2890388.
Beel, J., Aizawa, A., Breitinger, C., & Gipp, B. (2017). Mr. DLib: recommendations-as-a-service (RaaS) for academia. In 2017 ACM/IEEE Joint Conference on Digital Libraries, 1-2. doi: 10.1109/JCDL.2017.7991606.
Hanyurwimfura, D., Bo, L., Havyarimana, V., Njagi, D., & Kagorora, F. (2015). An Effective Academic Research Papers Recommendation for Non-profiled Users. International Journal of Hybrid Information Technology, 8(3), 255-272.‏ DOI: 10.14257/ijhit.2015.8.3.23
Meng, F., Gao, D., Li, W., Sun, X., & Hou, Y. (2013). A unified graph model for personalized query-oriented reference paper recommendation. In Proceedings of the 22nd ACM international conference on Information & Knowledge Management, 1509-1512. https://doi.org/10.1145/2505515.2507831.
Ollagnier, A., Fournier, S., & Bellot, P. (2018). BIBLME RecSys: Harnessing bibliometric measures for a scholarly paper recommender system. In BIR 2018 workshop on bibliometric-enhanced information retrieval. Retrieved in: https://hal.archives-ouvertes.fr/hal-01770588.
Rollins, J., McCusker, M., Carlson, J., & Stroll, J. (2017). Manuscript Matcher: A Content and Bibliometrics-based Scholarly Journal Recommendation System. In BIR@ ECIR, 18-29.‏Retrived in: https://www.semanticscholar.org/paper/Manuscript-Matcher%3A-A-Content-and-Scholarly-Journal-Rollins- McCusker/ae77408944882af61196021e562ce1cdcee9b4ef.
‏Xia, F., Liu, H., Lee, I., & Cao, L. (2016). Scientific article recommendation: Exploiting common author relations and historical preferences. IEEE Transactions on Big Data, 2(2), 101-112.‏ doi: 10.1109/TBDATA.2016.2555318.
ارسال نظر در مورد این مقاله
نام را وارد کنید.
نشانی پست الکترونیکی را به درستی وارد کنید.
وابستگی سازمانی را به درستی وارد کنید.
توضیحات را وارد کنید (حداقل 50 حرف)
CAPTCHA Image
شناسه امنیتی را به درستی وارد کنید.

  • تاریخ دریافت 28 اسفند 1398
  • تاریخ بازنگری 02 اسفند 1399
  • تاریخ پذیرش 10 خرداد 1400