1 / 26

Keuzes in het zoekproces en structuur van het web

Keuzes in het zoekproces en structuur van het web. Jeroen Bosman VOGIN, 4 juni 2009 Wageningen. Kenmerken zoekexpert. Kennis onderwerp Bronnenkennis Kennis zoektools Talenkennis, taalcreativiteit Logica Zorgvuldig gebruik zoektools Snelheid Reflectie op eigen zoekproces.

emerson-morin
Télécharger la présentation

Keuzes in het zoekproces en structuur van het web

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Keuzes in het zoekproces en structuur van het web Jeroen Bosman VOGIN, 4 juni 2009 Wageningen

  2. Kenmerken zoekexpert • Kennis onderwerp • Bronnenkennis • Kennis zoektools • Talenkennis, taalcreativiteit • Logica • Zorgvuldig gebruik zoektools • Snelheid • Reflectie op eigen zoekproces

  3. Zoeksystematiek • Vraaganalyse • Wensen ‘opdrachtgever’ • Verkenning • Opstellen zoekprofiel: waaraan moet de informatie voldoen • Aanbod • Keuze ingang(en): zoekmachines, databases, gidsen, bookmarksites • Match • Daadwerkelijk zoeken • Selecteren • Nabewerking per relevante bron • Evaluatie • Opslaan, printen, delen • Eventueel doorzoeken via auteurs en verwijzingen uit gevonden bronnen • Nabewerking zoekactie geheel • Bij doorlopende interesse evt. web en page alerts/feeds instellen • Expliciete reflectie op zoekproces en zoekresultaat • Vervolg op zoekactie • Eventueel andere ingangen of geheel andere typen bronnen (gedrukte literatuur, deskundigen) • Reflectie

  4. Vraaganalyse 1: wensen opdrachtgever • Opdrachtgever: wat wil men met de informatie? • Voorwaarden aan aard van informatie (onderzoek, opinie, peer reviewed, actualiteit etc.) • Randvoorwaarden: tijd, geld, vertrouwelijkheid • Rapportagevorm (inhoudelijk, technisch)

  5. Vraaganalyse 2: Verkenning • Welke vraag/onderwerp • Wat ligt er al, nuttig als uitgangspunt? • Inhoudelijk verkennen (via bv Wikipedia of ander naslagwerk of via korte zoekactie) • Ideeën opdoen qua context, jargon, zoektermen, typen bronnen, auteurs

  6. Vraaganalyse 3: Zoekprofiel • Onderscheiden elementen (variabelen) • Welke? • Allebei even belangrijk? • Vooraf genereren zoektermen • Uit reeds gevonden bronnen • Uit naslagwerken/zoekacties van verkenningsfase • Uit woordenboeken, thesauri (Het juiste woord, Roget’s Thesaurus) • Afbakening in tijd, ruimte, speciale omstandigheden waaronder een proces moet spelen • Relevante typen informatie en publicaties • Relevante publicatieperiode

  7. Aanbod: Keuze zoekingang • Bepaald door zoekprofiel: onderwerp, type informatie, type publicatie, relevante publicatiejaren • Bepaald door beschikbaarheid: toegankelijkheid, kosten, licenties • Bepaald door extra wensen: • Zoekmethode: catalogus-, bibliografische, sneeuwbal(citatie)methode (op het web: zoekmachines, gidsen/directories, backlinks) • Zoeken in full-text, links naar full-text • Ook letten op volgorde ingangen (dekking, bekendheid, selectiviteit) • Zie voor links naar ingangen de ‘startpagina’ bij deze cursus

  8. Match 1: Daadwerkelijk zoeken • Let op woordvarianten en spelling: • Varianten in OR-relatie of: • Trunceren: alles wat met woordstam begint (alleen Exalead) • Automatische “stemming” (enkel-/meervoud enz. bij Google?) • Oxford-English of American–English (s/z, ou/o) • Samenstellingen in Engels los: kwaliteitscontrole > quality control • Denken in termen van het te vinden document (jargon/slang), gebruik zinsnedes / exact phrase met “… …” • Gebruik termsuggesties • voor zoekactie Yahoo, Google Suggest • na zoekactie: Ask, Exalead, Quintura • termen uit gevonden goede webpagina’s • Gewicht aanbrengen met zoektermherhaling in Google • Voorbeeldzoeken voor ‘lijstjes’ • Iteratief proces: één of meer keren snelle beoordeling zoekresultaat en aanpassing termen/instellingen • Aantallen treffers: wel letten op veranderingen, niet op absolute niveau

  9. Match 2: Selectie op relevantie • De rangorde: beïnvloeden, vertrouwen of alles bekijken? • Meer dan titels, bij boeken/artikelen: • samenvattingen • citaties • omvang (bv LexisNexis) • Bij web: • domein/organisatie • wel/niet PDF • omvang (in KB, vooral zinnig bij PDF)

  10. Nabewerking per bron I: beoordeling • Inhoudelijk (vooral bij reguliere publicaties) • Status bron (peer reviewed, uitgever, gezaghebbende instantie) • Plaats in citatienetwerk (door wie, hoe vaak) • Bronvermelding (voldoende, geen kernpublicaties gemist) • Formeel (vooral bij websites): • Aanduiding maker/auteur (“about us”) • Aanduiding postadres, telefoonnummer • Aanduiding doel/doelgroep • Goede opmaak • Geen reclame en pop-ups • Heldere navigatie • Interne zoekfunctie • Voldoende snelheid server • Backlinks door gezaghebbende organisaties • Up to date? • Zinnige datering inhoud • Geen grof taalgebruik • Geen kinderlijk taalgebruik • Geen storende taalfouten

  11. Nabewerking per bron II: • opslaan (mail, document, endnote/refworks/zotero e.d) • versturen (handmatig, vanuit systeem) • bookmark (browser, delicious, connotea, citeUlike etc.) • alert/spion • RSS-feed

  12. Vervolg op zoekactie: Reflectie • Hoeveel gevonden in hoeveel tijd? • Voldoet oogst aan zoekprofiel? • Welke aspecten van zoekprofiel waren meest selectief? • Waren alle vooraf bedachte ingangen even nuttig? • Wat was de overlap tussen de ingangen? • Goede volgorde ingangen gehanteerd? • Iets geleerd over eigen sterke/zwakke punten?

  13. Systematisch zoeken: toegepast op internetzoeken

  14. domeinen • soorten top-level-domains (TLD) iso-3166 • generiek: • com / org / net (vrij) • int / edu / gov / mil / arpa (beperkt) • landen: nl/be/au/at/de/uk/us (ccTLD’s, 34%) • jump: tv / nu / to / tk • nieuw: biz/info/name/coop/pro/aero/museum/mobi • generieke ‘subtopleveldomeinen’: co / gob / ac / org etc. (zie http://www.iana.org/domains/root/db/ en http://www.whois365.com/en/listtld/gtld)

  15. opbouw URL • protocol : // servernaam . subdomein . domein . TLD / map / filenaam . extensie • http : // www . library . uu . nl / geosource / index . html

  16. URL’s van databasepagina’s • http://hardy.library.uu.nl:4505/ALEPH0/SESSION66067604868/scan?VALUE=geografische+huis&SCAN=TIT • http://www.ussc.alltheweb.com/cgi-bin/advsearch?offset=40&terms=3&type=any&query=utrecht&exec=FAST+Search&lang=any&enco=iso-88591&A1=+&A2=%2B&A3=-&hits=10&nooc=on

  17. zoektools: wanneer wat? • indien zoekvraag feitelijk, specialistisch, met voorkennis, onder tijdsdruk: zoekmachines • indien zoekvraag breed, exploratief, inventariserend, met weinig voorkennis, met relatief veel tijd: onderwerpsgidsen

  18. Onderwerpsgidsen: algemeen + geen zoektermen nodig vaak actueel annotaties weinig ruis - onvolledig dode links voorkeur maker houdt groei niet bij voor homepages

  19. Onderwerpsgidsen • Alle onderwerpen: Open Directory, Yahoo • Nederlands: startpagina, meta: startnederland • Breed wetenschappelijk: Intute, Infomine, BUBL • Web2.0-variant: Delicious, Furl etc. • Zoeken: • via Yahoo (per onderwerp onder ‘webdirectories’) • via Open Directory • via Pinakes (wetenschappelijk) • Tijd besteden aan vinden van goede onderwerpsgidsen: • via collegae • via discussielijsten

  20. Zoekmachines: dekking • > 15% van de webpagina’s in geen enkele van de grootste zoekmachines • van resterende wel geïndexeerde pagina’s zelfs Google maar 76%, Yahoo 69%, Live 62% (http://www.cs.uiowa.edu/~asignori/web-size/) • dekking zeer ongelijkmatig • verschil in actualiteit

  21. Zoekmachines: ontwikkeling • 1994 Webcrawler, Lycos, Alta Vista (10) • 1995 concurrentie Hotbot, Excite, Yahoo (50) • 1997 Northern Light, MSN, sterke groei web > 200 • 1999 opkomst Google en Alltheweb en crisis Infoseek, Northern Light, AV, Excite, ILSE o.a. (100) • 2002 komst Teoma, Wisenut, Gigablast (1000) • 2003 renaissance AV, glorietijd Google (3000) • 2004 consolidatie/concurrentie (4000): • Google+Blogger, verbreding: boeken, kritiek, beursgang • Overture+Alltheweb+AV+Yahoo, ontmanteling AV/ATW • Microsoft: introductie MSNsearch beta: zelf indexeren • 2005 verbreding/innovatie/content (5000-10000) • Samenwerking content providers-zoekmachines? • Teoma wordt Ask en opkomst Amazon met A9 • Doorgroei Gigablast (2000) • 2006-2007 puur zoeken raakt op achtergrond (20000-40000) • Live gelanceerd, YouTube gekocht • uploaden, web 2.0 • gemengde content (Google universal, iGoogle bv.) • specifieke diensten (Google CSE bv) • 2008 Google universal verder ingevoerd (>100000) • 2009 Nieuwe zoekmachine van Microsoft: Bing

  22. Zoekmachines: wat vind je niet? • recente webpagina’s/wijzigingen • dynamisch gegenereerde pagina’s • informatie in databases • pagina’s met no robots file • pagina’s met toegangsrestricties • verdwenen pagina’s (maar: cache en Wayback Machine archive.org)

  23. Zoekmachines: beperkingen Google • genest Booleaans zoeken > Bing/Exalead • backlinksindex vrij klein > Yahoo • zeer grote pagina’s soms niet volledig geïndexeerd > Yahoo • truncatie, nabijheids- en patroonzoeken > Exalead • daterange zoeken > Exalead/Alltheweb (maar periodes bij Google werken weer)

  24. Land/taalversies Google Interfacetaal beinvloedt ook resultaat! Taalinstelling zoekactie voorkeuren of eenmalig Landsversie: beinvloedt ranking sterk ncr

More Related