Teoria e tecniche della catalogazione e classificazione

(1)

Teoria e tecniche della

catalogazione e classificazione

Utenti, documenti, linguaggi di indicizzazione ricerca5ir

Prof.ssa Elisa Grignani

Università degli studi di Parma aa. 2004/2005

(2)

Abbiamo visto:

• Informazione

• Gerarchia dell’informazione

• Teoria dell’informazione (C. Shannon)

• Ciclo di trasferimento dell’informazione

• Sistemi di recupero dell’informazione

(3)

Gerarchia dell’informazione

Wisdom Knowledge Information

Data

(4)

Teoria dell’informazione

Noise

Source Encoding Decoding Destination

Message Message

Channel

Decoding Encoding

Message Message

(5)

Ciclo di trasferimento dell’informazione

Creation

Active

Semi-Active Retention/

Mining Discard

Using Creating

Authoring Modifying

Organizing Indexing

Storing Retrieval

Distribution Networking Accessing

Filtering

(6)

Struttura di un sistema IR

Search

Line Interest profiles

& Queries

Documents

& data

Rules of the game = Rules for subject indexing + Thesaurus (which consists of

Lead-In Vocabulary

and Indexing Language

Storage Line

Indexing (Descriptive and

Subject) Formulating query in

terms of descriptors

Storage of

profiles Storage of

Documents Information Storage and Retrieval System

(7)

Sistemi IR: struttura

(Cooper - Maron, 1985)

1. l’insieme delle possibili chiavi di accesso assegnate ai documenti;

2. l’insieme delle domande formulabili dagli utenti;

3. l’insieme degli indicatori di valore

informativo da assegnare ai documenti;

4. una regola di recupero.

(8)

Oggi (e domani)

• IR: alcuni concetti di base

(9)

Concetti di base IR

• Utenti, bisogni informativi, domande

• Documenti, raccolte di documenti

• Linguaggi di indicizzazione, vocabolari controllati

• Processo di ricerca

• Valutazione - Rilevanza

(10)

Concetti di base IR

• Utenti, bisogni informativi, domande

(11)

Utenti: bisogni informativi

• Perchè costruire sitemi IR?

• Le diverse persone hanno bisogni

informativi diversi e del tutto svariati

• Le persone spesso non sanno cosa cercano, o possono non essere in grado di esprimere il loro bisogno informativo in modo utile

(12)

Utenti: domande

• Una domanda (query) è una forma di espressione dei bisogni informativi dell’utente

• Può essere espressa in vari modi

– in linguaggio naturale

– nei termini di un linguaggio di indicizzazione

• Le domande talvolta non rappresentano in modo accurato il bisogno informativo

(13)

Utenti: domande: cataloghi

Indagine sponsorizzata dal Council on Library Resources sull’utilizzo dei cataloghi online

nelle biblioteche USA: Using online catalogs:

a nationwide survey, New York, Neal- Schuman, 1983.

(14)

(15)

Utenti: domande: Web

Indagini sull’uso del Web:

• La gente che cosa cerca?

• Come utilizza i motori di ricerca?

–In quale percentuale trova ciò che sta cercando?

–Qual è il livello di difficoltà nel trovare ciò che cerca?

• Come si possono migliorare i motori di ricerca?

(16)

La gente che cosa cerca nel Web?

• Studio di Amanda Spink et al., Ott. 1998

Indagine su Excite; dati tratti da un campione di 316 utenti intervistati tramite questionario

<www.shef.ac.uk/~is/publications/infres/paper53.html>

(17)

What Do People Search for on the Web?

Self-reported topics

• Genealogy/Public Figure: 12%

• Computer related: 12%

• Business: 12%

• Entertainment: 8%

• Medical: 8%

• Politics & Government 7%

• News 7%

• Hobbies 6%

• General info/surfing 6%

• Science 6%

• Travel 5%

• Arts/education/shopping/images 14%

• Something is missing…

(18)

What Do People Search for on the Web?

• 4660 sex

• 3129 yahoo

• 2191 internal site administr.

• 1520 chat

• 1498 porn

• 1315 horoscopes

• 1284 pokemon

• 1223 hotmail

• 1163 games

• 1151 mp3

• 1140 weather

• 1127 www.yahoo.com

• 1110 maps

• 1036 yahoo.com

50,000 queries from Excite 1997 Most frequent terms:

(19)

Google come spirito del tempo Zeitgeist

• Andiamo a vedere la pagina:

<http://www.google.com/press/zeitgeist.html

>

(20)

Concetti di base IR

• Documenti, raccolte di documenti

(21)

Documenti

• Un documento è una rappresentazione di una

aggregazione di informazioni, considerata come una unità

• Cosa intendiamo con documento?

– l’intero documento?

– un suo surrogato?

– pagine?

• M. Buckland, What is a Document, “JASIS”, Sept. 1997, pp. 804-809

• J. LeGoff, Documento/Monumento, in Enciclopedia, Torino, Einaudi, 1977-1982, vol. 5, pp. 38-48

(22)

Raccolte di documenti / Collezioni

• Una collezione è una aggregazione fisica o logica di documenti

– museo, pinacoteca – biblioteca

– base di dati

– biblioteca digitale – ...

• Krzysztof POMIAN, Memoria, in Enciclopedia,

(23)

Concetti di base IR

• Linguaggi di indicizzazione, vocabolari controllati (da approfondire nel modulo B del corso)

(24)

Linguaggi di indicizzazione

• Indicizzazione a parole chiave non

controllate: p.e. KWIC, KWOC, “cerca” nel titolo in un OPAC

• Linguaggi di indicizzazione controllati ma non strutturati

• Thesauri: controllati e strutturati

• Schemi di classificazione: controllati,

(25)

Vocabolari controllati

• Il controllo terminologico è un tentativo di fornire un insieme standardizzato e coerente di termini (quali voci di soggetto, nomi di persone o enti, notazioni di uno schema di classificazione) con lo scopo di portare un aiuto nella ricerca di informazioni

• Un esempio linguistico: Word Net <www.cogsci.princeton.edu/~wn>

(26)

Vocabolari controllati

• Soggettari: p.e., Soggettario di Firenze, Library of Congress Subject Headings: <http://authorities.loc.gov/>

• Thesauri: p.e., ERIC Thesaurus of Descriptors

<www.ericfacility.net/extra/pub/thessearch.cfm>, The Art and Architecture Thesaurus

<www.getty.edu/research/conducting_research/vocabularies/>, Medical Subject Headings (MESH)

• Name Authority File: <http://authorities.loc.gov/>

(27)

Sistemi pre- e post-coordinati

• Sistemi pre-coordinati: è l’indicizzatore

(bibliotecario, etc.) che costruisce adeguate rappresentazioni del contenuto dei

documenti.

• Sistemi post-coordinati: è l’utente o chi conduce la ricerca che combina i singoli concetti per descrivere documenti che

(28)

Concetti di base IR

• Processo di ricerca

• Valutazione - Rilevanza

(29)

Prossimamente

• Processo di ricerca dell’informazione

• Valutazione – Rilevanza

• Cataloghi e bibliografie come sistemi IR