Wyszukiwanie informacji człowiek-komputer

Wyszukiwanie informacji między człowiekiem a komputerem ( HCIR ) to badanie i inżynieria technik wyszukiwania informacji , które wprowadzają ludzką inteligencję do procesu wyszukiwania . Łączy dziedziny interakcji człowiek-komputer (HCI) i wyszukiwania informacji (IR) i tworzy systemy, które usprawniają wyszukiwanie, biorąc pod uwagę kontekst ludzki lub poprzez wieloetapowy proces wyszukiwania, który zapewnia możliwość uzyskania informacji zwrotnej od człowieka.

Historia

Termin ten został ukuty przez Gary'ego Marchioniniego w serii wykładów wygłoszonych w latach 2004-2006. Główną tezą Marchioniniego jest to, że „HCIR ma na celu umożliwienie ludziom eksploracji baz informacji na dużą skalę, ale wymaga, aby ludzie również wzięli odpowiedzialność za to kontrolę poprzez wydatkowanie energii poznawczej i fizycznej”.

Uniwersytecie w Glasgow odbyły się dwa warsztaty poświęcone wyszukiwaniu informacji i interakcji człowiek-komputer, które miały na celu zajęcie się nakładaniem się tych dwóch dziedzin. Marchionini zwraca uwagę na wpływ sieci World Wide Web i nagły wzrost umiejętności informacyjnych – zmiany, które dopiero pod koniec lat 90. były w zarodku.

Kilka warsztatów skupiło się na przecięciu IR i HCI. Warsztaty dotyczące wyszukiwania eksploracyjnego, zainicjowane przez University of Maryland Human-Computer Interaction Lab w 2005 r., Przeplatają się z konferencjami Association for Computing Machinery Special Interest Group on Information Retrieval (SIGIR) i Special Interest Group on Computer-Human Interaction (CHI). Również w 2005 r. Europejska Fundacja Nauki zorganizowała warsztaty eksploracyjne na temat wyszukiwania informacji w kontekście. Następnie w 2007 roku odbyły się pierwsze Warsztaty na temat wyszukiwania informacji w komputerze człowieka Instytut Technologii Massachusetts .

Opis

HCIR obejmuje różne aspekty IR i HCI. Należą do nich wyszukiwanie eksploracyjne , w ramach którego użytkownicy zazwyczaj łączą strategie wyszukiwania i przeglądania w celu wspierania nauki i badania; wyszukiwanie informacji w kontekście (tj. uwzględnianie aspektów użytkownika lub środowiska, które zwykle nie są odzwierciedlane w zapytaniu); oraz interaktywne wyszukiwanie informacji, które Peter Ingwersen definiuje jako „interaktywne procesy komunikacyjne zachodzące podczas wyszukiwania informacji poprzez zaangażowanie wszystkich głównych uczestników wyszukiwania informacji (IR), tj. użytkownika, pośrednika i systemu IR”.

Kluczową troską HCIR jest to, aby systemy IR przeznaczone dla ludzi były wdrażane i oceniane w sposób odzwierciedlający potrzeby tych użytkowników.

Większość nowoczesnych systemów IR wykorzystuje rankingowy model wyszukiwania, w którym dokumenty są oceniane na podstawie prawdopodobieństwa trafności dokumentu dla zapytania. W tym modelu system prezentuje użytkownikowi tylko najwyżej ocenione dokumenty. Systemy te są zwykle oceniane na podstawie ich średniej średniej precyzji w zestawie zapytań porównawczych z organizacji takich jak Text Retrieval Conference (TREC).

Ze względu na nacisk kładziony na wykorzystanie ludzkiej inteligencji w procesie wyszukiwania informacji, HCIR wymaga różnych modeli oceny – takiego, który łączy ocenę komponentów IR i HCI systemu. Kluczowym obszarem badań w HCIR jest ocena tych systemów. Wczesne prace nad interaktywnym wyszukiwaniem informacji, takie jak badanie Juergena Koenemanna i Nicholasa J. Belkina z 1996 r. Dotyczące różnych poziomów interakcji w celu automatycznego przeformułowania zapytań, wykorzystują standardowe miary precyzji i przypominania IR ale zastosuj je do wyników wielu iteracji interakcji użytkownika, a nie do pojedynczej odpowiedzi na zapytanie. Inne badania HCIR, takie jak model oceny IIR Pii Borlund, stosują metodologię bardziej przypominającą HCI, koncentrując się na charakterystyce użytkowników, szczegółach projektu eksperymentalnego itp.

Cele

Badacze HCIR postawili sobie następujące cele w kierunku systemu, w którym użytkownik ma większą kontrolę nad określaniem odpowiednich wyników.

Systemy powinny

  • nie tylko dostarczają już odpowiednie dokumenty, ale muszą również dostarczać informacje semantyczne wraz z tymi dokumentami
  • zwiększyć odpowiedzialność i kontrolę użytkownika; to znaczy systemy informacyjne wymagają ludzkiego wysiłku intelektualnego
  • mają elastyczną architekturę, dzięki czemu mogą ewoluować i dostosowywać się do coraz bardziej wymagających i dobrze poinformowanych użytkowników
  • mają na celu być częścią ekologii informacyjnej osobistych i współdzielonych wspomnień i narzędzi, a nie dyskretnymi samodzielnymi usługami
  • wspierać cały cykl życia informacji (od stworzenia do zachowania), a nie tylko fazę rozpowszechniania lub użytkowania
  • wsparcie strojenia przez użytkowników końcowych, a zwłaszcza przez specjalistów ds. informacji, którzy dodają wartość do zasobów informacyjnych
  • być wciągająca i przyjemna w użyciu

Krótko mówiąc, oczekuje się, że systemy wyszukiwania informacji będą działać w sposób, w jaki działają dobre biblioteki. Systemy powinny pomagać użytkownikom w wypełnianiu luki między danymi lub informacjami (w bardzo wąskim, granularnym znaczeniu tych terminów) a wiedzą (przetworzone dane lub informacje, które zapewniają kontekst niezbędny do poinformowania o kolejnej iteracji procesu poszukiwania informacji). Oznacza to, że dobre biblioteki dostarczają zarówno informacji potrzebnych czytelnikowi, jak i partnera w procesie uczenia się — informatora — aby poruszać się po tych informacjach, nadać im sens, zachować je i przekształcić w wiedzę (co z kolei tworzy nowe, bardziej świadome potrzeby informacyjne).

Techniki

Techniki związane z HCIR kładą nacisk na reprezentacje informacji, które wykorzystują ludzką inteligencję, aby doprowadzić użytkownika do odpowiednich wyników. Techniki te mają również na celu umożliwienie użytkownikom eksploracji i analizowania zestawu danych bez ponoszenia kosztów, tj. bez niepotrzebnego nakładu czasu, kliknięć myszą lub zmiany kontekstu.

Wiele wyszukiwarek ma funkcje, które zawierają techniki HCIR. Sugestie dotyczące pisowni i automatyczne przeformułowanie zapytania zapewniają mechanizmy sugerowania potencjalnych ścieżek wyszukiwania, które mogą prowadzić użytkownika do odpowiednich wyników. Sugestie te są przedstawiane użytkownikowi, oddając w jego ręce kontrolę nad wyborem i interpretacją.

Wyszukiwanie fasetowe umożliwia użytkownikom hierarchiczną nawigację po informacjach , przechodząc od kategorii do jej podkategorii, ale wybierając kolejność, w jakiej prezentowane są kategorie. Kontrastuje to z tradycyjnymi taksonomiami , w których hierarchia kategorii jest stała i niezmienna. Nawigacja fasetowa , podobnie jak nawigacja taksonomiczna, prowadzi użytkowników, pokazując im dostępne kategorie (lub aspekty), ale nie wymaga od nich przeglądania hierarchii, która może nie odpowiadać dokładnie ich potrzebom lub sposobowi myślenia.

Lookahead zapewnia ogólne podejście do eksploracji bez kar. Na przykład różne aplikacje internetowe wykorzystują technologię AJAX do automatycznego uzupełniania zapytań i sugerowania popularnych wyszukiwań. Innym typowym przykładem wyprzedzania jest sposób, w jaki wyszukiwarki dodają do wyników adnotacje z podsumowaniem tych wyników, w tym zarówno informacje statyczne ( np . zapytanie.

Informacje zwrotne dotyczące trafności pozwalają użytkownikom kierować systemem IR, wskazując, czy określone wyniki są bardziej, czy mniej istotne.

Podsumowanie i analiza pomagają użytkownikom przetworzyć wyniki zapytania. Podsumowanie w tym miejscu ma obejmować wszelkie sposoby agregowania lub kompresowania wyników zapytania do postaci bardziej przystępnej dla człowieka. Wyszukiwanie aspektowe, opisane powyżej, jest jedną z takich form podsumowania. Innym jest grupowanie , które analizuje zestaw dokumentów poprzez grupowanie podobnych lub współwystępujących dokumentów lub terminów. Grupowanie umożliwia podzielenie wyników na grupy powiązanych ze sobą dokumentów. Na przykład wyszukiwanie „java” może zwrócić klastry dla Java (język programowania) , Java (wyspa) lub Java (kawa) .

Wizualna reprezentacja danych jest również uważana za kluczowy aspekt HCIR. Reprezentacja podsumowań lub analiz może być wyświetlana jako tabele, wykresy lub podsumowania zagregowanych danych. Inne rodzaje wizualizacji informacji , które umożliwiają użytkownikom dostęp do podsumowania wyników wyszukiwania, obejmują chmury tagów i mapowanie drzew .

Powiązane obszary

  1. ^ ab Marchionini , G. (2006). Toward Human-Computer Information Retrieval Bulletin, w czerwcu / lipcu 2006 Biuletyn Amerykańskiego Towarzystwa Nauk Informacyjnych
  2. ^ "Ingwersen, P. (1992). Interakcja wyszukiwania informacji. Londyn: Taylor Graham" . Zarchiwizowane od oryginału w dniu 2007-11-25 . Źródło 2007-11-28 .
  3. ^ „Grupa robocza Mira (1996). Ramy oceny interaktywnych aplikacji do wyszukiwania informacji multimedialnych” . Zarchiwizowane od oryginału w dniu 2008-02-01.
  4. ^ Grossman, D. i Frieder, O. (2004). Algorytmy i heurystyka wyszukiwania informacji.
  5. ^ Koenemann, J. i Belkin, NJ (1996). Przypadek interakcji: badanie zachowania i skuteczności interaktywnego wyszukiwania informacji. W Proceedings of the SIGCHI Conference on Human Factors in Computing Systems: Common Ground (Vancouver, British Columbia, Kanada, 13–18 kwietnia 1996). MJ Tauber, wyd. CHI '96. ACM Press, Nowy Jork, NY, 205-212
  6. ^ Borlund, P. (2003). Model oceny IIR: ramy oceny interaktywnych systemów wyszukiwania informacji. Badania informacji, 8(3), Paper 152
  7. ^ Biały, R., Capra, R., Golovchinsky, G., Kules, B., Smith, C. i Tunkelang, D. (2013). Wprowadzenie do wydania specjalnego dotyczącego wyszukiwania informacji z komputera na człowieku. Journal of Information Processing and Management 49 (5), 1053-1057
  8. ^ Hearst, M. (1999). Interfejsy użytkownika i wizualizacja, rozdział 10 książki Baeza-Yates, R. i Ribeiro-Neto, B., Modern Information Retrieval.
  9. ^ Rocchio, J. (1971). Informacje zwrotne dotyczące przydatności w wyszukiwaniu informacji. W: Salton, G (red.), The SMART Retrieval System.

Linki zewnętrzne

Pobrano z „ https://en.wikipedia.org/w/index.php?title=Human–computer_information_retrieval&oldid=1053533799 ”