Pořádání a vyhledávání informací

Prezentace na téma: "Pořádání a vyhledávání informací"— Transkript prezentace:

1 Pořádání a vyhledávání informací
Helena Kučerová Obsah kurzu: teoretické principy procesy metody, techniky, pravidla standardy systémy PVI UISK – PVI 01

2 Proč pořádat informace a znalosti?
Více než 20 % pracovní doby znalostních pracovníků je věnováno vyhledávání informací. 62 % z nich je nespokojeno s výsledky vyhledávání. Zdroj: Studie Delphi Group, 2004 Podstatnou část práce „znalostních“ profesí představuje vyhledávání informací UISK – PVI 01

3 Pořádání a vyhledávání informací a znalostí aneb…
Organizace informací / znalostí (knowledge organization) Reprezentace znalostí (knowledge representation) Konceptuální (pojmové) modely Indexování, klasifikace, taxonomie Systémy organizace informací / znalostí (knowledge organization systems – KOS) Selekční jazyky Informační architektura Ontologie Search – retrieval Organizace znalostí = preferovaný termín pro tento kurz Paradox: Terminologie organizace znalostí je málo „organizovaná“ UISK – PVI 01

4 Pořádání znalostí a 3 světy K. R. Poppera
širší (sociální) pojetí ČNB1 ČNB2 Wikipedie svět 1 svět 2 svět 3 užší pojetí (dokumenty) identifikační popis věcné pořádání UISK – PVI 01

5 Jsou „knihovnické“ znalosti v éře Googlu relevantní?
folksonomie UISK – PVI 01

6 UISK – PVI 01

7 UISK – PVI 01

8 Rekapitulace Základní principy organizace
Organizace = pořádek místo chaosu (entropie) Princip pořádku = ekvivalence Organizace = analyticko–syntetický proces: oddělení rozdílného, spojení stejného (kategorizace, klasifikace) Podobnost se systémovým přístupem UISK – PVI 01

9 Důležité pojmy kategorie kritérium členění ekvivalence UISK – PVI 01

10 Základní princip organizace - ekvivalence
podobné (stejné, ekvivalentní) věci se seskupují, rozdílné věci se oddělují Ekvivalence? ekvivalence  identita Ne úplná totožnost (na světě nejsou dvě zcela identické věci), ale totožnost vybraných aspektů. UISK – PVI 01

11 Které věci jsou ekvivalentní?
objektivní ty, které jsou složeny ze stejných částí ty, které mají stejnou sadu atributů ty, jejichž atributy mají stejné hodnoty ty, mezi jejichž atributy panují stejné vztahy ale i ty, které se stejně jmenují ty, které za ekvivalentní považujeme obsah Ty, které jsou složeny ze stejných částí: pneumatiky – motor – karosérie: traktor, motocykl, osobní automobil, autobus… Ty, které mají stejnou sadu atributů: hmotnost – cena – trvanlivost: zboží v prodejně Ty, jejichž atributy mají stejné hodnoty: všechny žluté košile za 750 Kč k dodání do 1 týdne (barva – cena – dodací podmínky) „Ty, které se stejně jmenují“ – formální určení ekvivalence „Ty, které za ekvivalentní považujeme“ – subjektivní, arbitrární určení ekvivalence forma subjektivní UISK – PVI 01

12 Kategorie též: třída, typ, taxon, pojem, entita, množina, klastr, topik (námět, topic), klasifikátor (classifier) skupina materiálních nebo abstraktních objektů, procesů či událostí, jež považujeme z určitého pohledu nebo pro daný účel za ekvivalentní kognitivní a lingvistický model umožňující využít existující znalosti v nových situacích a rozpoznat instance nebo události UISK – PVI 01

13 Kategorizace (třídění, klasifikace)
jedna z forem analýzy rozdělení předmětů a jevů do skupin a podskupin podle jejich vzájemné shody a odlišnosti kritérium členění (principium divisionis, order principle, filing criterion / principle, criterion of distinction) atribut, na základě jehož hodnot se třídí UISK – PVI 01

14 Typy kategorizace (určování ekvivalence)
1) „zevnitř“, objektivně, analýzou obsahu, (vnitřní) struktury (co jsme zjistili) atributy a jejich hodnoty náročné na inteligenci 2) „zvenčí“, subjektivně, podle „povrchu“, formy (co vidíme) názvy, metadata lze automatizovat (svěřit počítači) UISK – PVI 01

15 Jak označit kategorie? Název Symbol (např. obrázek, zvukový signál)
Definice Název / symbol , který „zastřešuje“ obsažené prvky Název / symbol typického reprezentanta obsažených prvků Účel obsažených prvků (úloha, kterou mají pomoci řešit / otázka, na kterou mají dát odpověď) Pojmenování typického uživatele obsažených prvků Souvislost s teorií kategorizace – Lakoff, Rosch, Wittgenstein UISK – PVI 01

16 Organizace je… Činnost (proces) Produkt (struktura + metadata)
Příklad metadat: Výsledky Sčítání lidu, domů a bytů 2011 UISK – PVI 01

17 Základní principy organizace informací
Organizace = (nepovinný) zpracovatelský proces Cíl: přizpůsobit informaci uživateli Výstup: transformovaná (změněná) informace Zpracování informací přináší následující efekty „ospravedlňující“ náklady na zpracovatelský proces: zvýšení hodnoty umožnění komunikace (v čase, v prostoru) usnadnění přístupu k nim UISK – PVI 01

18 Základní principy organizace informací
Usnadnění přístupu = nalezitelnost, srozumitelnost, využitelnost Nalezitelnost (findability) = klíčový důvod pro organizaci informací UISK – PVI 01

19 Organizované a neorganizované informace
Přínos organizace informací: srozumitelnost nalezitelnost UISK – PVI 01

20 Procesy přístupu k informaci
UISK – PVI 01

21 Procesy přístupu k informaci
UISK – PVI 01

22 Procesy přístupu k informaci
Čím více úsilí věnujeme organizaci informací, tím méně ho budeme muset vynaložit při jejich vyhledávání – a naopak. UISK – PVI 01

23 Procesy přístupu k informaci – sociální a citační sítě
UISK – PVI 01

24 Vyhledávání – od hledání známého po objevování neznámého:
search browse discover UISK – PVI 01

25 Způsoby vyhledávání podle Morvilla a Rosenfelda
The right thing, or known item seeking (search) Exploratory search (browse) Exhaustive research (search and browse) I’ve seen you before, or re-finding Once upon a time, some or all of these activities would have been carried out by the information specialist who knew their way around the thesaurus or other specialist finding aid. Now it’s all of us, and so we need tools to help us get to the information we need. Zdroj: MORVILLE, Peter a ROSENFELD, Louis. Information architecture for the World Wide Web: designing large-scale web sites. 3. ed. Sebastopol: O'Reilly, 2006, s. 35. UISK – PVI 01

26 UISK – PVI 01

27 Podstata organizace informací
UISK – PVI 01

28 Podstata organizace informací
UISK – PVI 01

29 Podstata organizace informací
UISK – PVI 01

30 Tvůrci metadat autoři dokumentů (autorské resumé, META tag, TEI header...) jiné subjekty (zprostředkovatelé) správci souborů (katalogizátoři) ostatní (specializované instituce) čtenáři, (koncoví) uživatelé počítačové programy UISK – PVI 01 30

31 tvůrci metadat výhody nevýhody
lidé autoři informací rychlost nezvyšují se náklady subjektivita nejednotnost koncoví uživatelé /čtenáři časový odstup od publikování zprostředkovatelé / agenti objektivita jednotnost vyšší náklady počítačové programy obtížnost algoritmizace tvorby metadat UISK – PVI 01

32 Uživatelé metadat koncový uživatel zprostředkovatel (agent) člověk
počítačový program UISK – PVI 01

33 Systémy organizace informací
UISK – PVI 01

34 Systémy organizace informací
Zdroj: SOUZA, Renato Rocha, TUDHOPE, Douglas a ALMEIDA, Maurício Barcellos. Towards a taxonomy of KOS: dimensions for classifying knowledge organization systems. Knowledge organization. 2012, vol. 39, no. 3, s ISSN 0943–7444 UISK – PVI 01

35 Ekvivalenci vyjádříme: umístěním označením (pojmenováním)
UISK – PVI 01

36 Ekvivalence (1) umístěním a (2) označením
1984 ORWELL, George vyd. Praha: Naše vojsko, s. ISBN (1) (2) Co znamená (do jaké kategorie zařadíme) „1984“? Název Rok vydání Cena Počet stran UISK – PVI 01

37 UISK – PVI 01

38 UISK – PVI 01

39 Organizace informací a znalostí v životním cyklu informace
UISK – PVI 01

40 Archivy, knihovny a muzea
UISK – PVI 01

41 UISK – PVI 01

42 UISK – PVI 01

43 UISK – PVI 01

44 UISK – PVI 01

45 Ekvivalence obsahu prvky mají stejný význam synonymie
formy prvky mají stejný vzhled nebo stejnou strukturu homonymie UISK – PVI 01 45

46 Jaká ekvivalence? 3 4 5 Příklad: srovnávání cen zboží v e-shopech 6 7
Otázka: Jak pozná počítačový program, které objekty jsou ekvivalentní? 8 9 UISK – PVI 01 46

47 Typologie atributů vnitřní (vlastní, přirozený, intrinsic)
vnější (zevní, cizí, přidělený, extrinsic) statický (neměnný v čase) dynamický (proměnlivý v čase) popisný (forma) obsahový kontextový (vztah) podstatný nepodstatný UISK – PVI 01 47

48 Rekapitulace Pořádání znalostí a 3 světy K. R. Poppera
širší (sociální) pojetí svět 1 svět 2 svět 3 užší pojetí (dokumenty) identifikační popis věcné pořádání

49 Jsou „knihovnické“ znalosti v éře Googlu relevantní?
folksonomie UISK – PVI 02

50 Organizace je… Činnost (proces) Produkt (struktura + metadata)
Příklad metadat: Výsledky Sčítání lidu, domů a bytů 2011 UISK – PVI 02

51 Základní principy organizace informací
Organizace = (nepovinný) zpracovatelský proces Cíl: přizpůsobit informaci uživateli Výstup: transformovaná (změněná) informace Zpracování informací přináší následující efekty „ospravedlňující“ náklady na zpracovatelský proces: zvýšení hodnoty umožnění komunikace (v čase, v prostoru) usnadnění přístupu k nim UISK – PVI 02

52 Základní principy organizace informací
Usnadnění přístupu = nalezitelnost, srozumitelnost, využitelnost Nalezitelnost (findability) = klíčový důvod pro organizaci informací UISK – PVI 02

53 Organizované a neorganizované informace
Přínos organizace informací: srozumitelnost nalezitelnost UISK – PVI 02

54 Procesy přístupu k informaci
UISK – PVI 02

55 Procesy přístupu k informaci
UISK – PVI 02

56 Procesy přístupu k informaci
Čím více úsilí věnujeme organizaci informací, tím méně ho budeme muset vynaložit při jejich vyhledávání – a naopak. UISK – PVI 02

57 Procesy přístupu k informaci – sociální a citační sítě
UISK – PVI 02

58 Vyhledávání – od hledání známého po objevování neznámého:
search browse discover UISK – PVI 02

59 Způsoby vyhledávání podle Morvilla a Rosenfelda
The right thing, or known item seeking (search) Exploratory search (browse) Exhaustive research (search and browse) I’ve seen you before, or re-finding Once upon a time, some or all of these activities would have been carried out by the information specialist who knew their way around the thesaurus or other specialist finding aid. Now it’s all of us, and so we need tools to help us get to the information we need. Zdroj: MORVILLE, Peter a ROSENFELD, Louis. Information architecture for the World Wide Web: designing large-scale web sites. 3. ed. Sebastopol: O'Reilly, 2006, s. 35. UISK – PVI 02

60 UISK – PVI 02

61 Podstata organizace informací
UISK – PVI 02

62 Podstata organizace informací
UISK – PVI 02

63 Podstata organizace informací
UISK – PVI 02

64 Tvůrci metadat autoři dokumentů (autorské resumé, META tag, TEI header...) čtenáři, (koncoví) uživatelé jiné subjekty (zprostředkovatelé) správci souborů (katalogizátoři) ostatní (specializované instituce) počítačové programy UISK – PVI 02 64

65 tvůrci metadat výhody nevýhody
lidé autoři informací rychlost nezvyšují se náklady subjektivita nejednotnost koncoví uživatelé /čtenáři časový odstup od publikování zprostředkovatelé / agenti objektivita jednotnost vyšší náklady počítačové programy obtížnost algoritmizace tvorby metadat UISK – PVI 02

66 Uživatelé metadat koncový uživatel zprostředkovatel (agent) člověk
počítačový program UISK – PVI 02

67 Systémy organizace informací
UISK – PVI 02

68 Systémy organizace informací
Zdroj: SOUZA, Renato Rocha, TUDHOPE, Douglas a ALMEIDA, Maurício Barcellos. Towards a taxonomy of KOS: dimensions for classifying knowledge organization systems. Knowledge organization. 2012, vol. 39, no. 3, s ISSN 0943–7444 UISK – PVI 02

69 Ekvivalenci vyjádříme: umístěním označením (pojmenováním)
UISK – PVI 02

70 Ekvivalence (1) umístěním a (2) označením
1984 ORWELL, George vyd. Praha: Naše vojsko, s. ISBN (1) (2) Co znamená (do jaké kategorie zařadíme) „1984“? Název Rok vydání Cena Počet stran UISK – PVI 02

71 UISK – PVI 02

72 UISK – PVI 02

73 Organizace informací a znalostí v životním cyklu informace
UISK – PVI 02

74 Archivy, knihovny a muzea
UISK – PVI 02

75 UISK – PVI 02

76 UISK – PVI 02

77 UISK – PVI 02

78 UISK – PVI 02

79 Paradigmata organizace znalostí
19.–20. století 21. století 1 industriální ekonomika znalostní ekonomika idea národního státu globalizace, multikulturalismus 2 lineární komunikace v informačním systému síťový model komunikace v datových, dokumentových a sociálních sítích tištěné dokumenty elektronické dokumenty statické dokumenty / záznamy jednotlivá fakta (linked data) 3 uchování, ochrana dokumentů přístup k dokumentům /informacím (dostupnost) výběr kvality (filtrování) informační zahlcení, problém důvěryhodnosti technologický přístup (know-how) vědecký přístup (know-why) hledání jednoho „dokonalého“ systému organizace propojení (interoperabilita) stávajících systémů 4 paměťové instituce (knihovny, archivy, muzea) všechny typy institucí, orientace na nejširší veřejnost (laicizace, crowdsourcing, folksonomie) UISK – PVI 02 79

80 Ekvivalence obsahu prvky mají stejný význam synonymie
formy prvky mají stejný vzhled nebo stejnou strukturu homonymie UISK – PVI 02 80

81 Jaká ekvivalence? 3 4 5 Příklad: srovnávání cen zboží v e-shopech 6 7
Otázka: Jak pozná počítačový program, které objekty jsou ekvivalentní? 8 9 UISK – PVI 02 81

82 Typologie atributů vnitřní (vlastní, přirozený, intrinsic)
vnější (zevní, cizí, přidělený, extrinsic) statický (neměnný v čase) dynamický (proměnlivý v čase) popisný (forma) obsahový kontextový (vztah) podstatný nepodstatný UISK – PVI 02 82

83 Co se organizuje? Věci Informace analogové digitální o informaci
o věci Rekapitulace z UIM analogové digitální UISK – VPIZ 03

84 Jednotka organizace informací / znalostí
UISK – VPIZ 03

85 Úrovně organizace informací a znalostí
makroúroveň = granularita mikroúroveň UISK – VPIZ 03

86 Přístupy k organizaci znalostí
top–down klasifikace hierarchické Aristoteles Jan Amos Komenský Carl von Linné Francouzští encyklopedisté Dimitrij Ivanovič Mendělejev Melvil Dewey Mezinárodní desetinné třídění bottom–up kategorizace síťové Wikipedia Open Directory Project (dmoz) folksonomie YouTube Flicker.com del.icio.us Facebook sémantický web Bottom-up: od instance ke kategorii Top-down: od kategorie k instanci Doplnit: middle-out – od nejdůležitějších pojmů „vzhůru“ ke kategoriím a „dolů“ k instancím

87 Principy organizace Závislost času a prostoru: uspořádáním věcí v prostoru určujeme čas, potřebný k přístupu k nim. Reciproční vztah organizace / vyhledávání Nalezitelnost věcí podporují metadata. Ekvivalenci věcí lze vyjádřit kolokací nebo označením (pojmenováním). Jeden soubor (množinu) věcí lze uspořádat různými způsoby: podle různých kritérií členění s uplatněním různé míry granularity (podrobnosti členění). + ekvivalence? UISK – VPIZ 03

88 Metafory uspořádání věcí v prostoru: seznam, kartotéka, index
UISK – VPIZ 03

89 Metafory uspořádání věcí v prostoru: seznam, kartotéka, index
UISK – VPIZ 03

90 Index UISK – VPIZ 03

91 Neorganizovaná data 1. Co má půjčené který čtenář?
2. Které knihy jsou půjčené a komu? 3. Které výpůjčky byly realizovány v určitém dni? UISK – VPIZ 03

92 Kartotéky evidence výpůjček v knihovně
Řešení vícehlediskového přístupu duplikací celých souborů 1. 2. 3. Co má půjčené který čtenář? Které knihy jsou půjčené a komu? Které výpůjčky byly realizovány v určitém dni? UISK – VPIZ 03

93 Kartotéky a indexy výpůjček v knihovně
Řešení vícehlediskového přístupu pomocí indexů 1. 2. 3. UISK – VPIZ 03

94 Problémy spojené s organizací informací a znalostí
1) Obtížné určování efektivnosti 2) Subjektivnost v chápání obsahu/potřeby informace 3) Proměnlivost obsahu/potřeby informace v čase 4) Závislost na (přirozeném) jazyce 5) Závislost na kulturním kontextu 6) Pragmatický aspekt organizace versus teoretické principy 7) Znalostní ekonomika 8) Přechod od „papírových“ dokumentů k elektronickým 9) Informační zahlcení 10) Důvěryhodnost UISK – VPIZ 03

95 Problémy kolokace a označování / pojmenování
Fyzické omezení prostoru: 1) Stejné věci („jedna věc“) jsou na jednom místě. 2) Na jednom místě může být v jednom časovém okamžiku vždy jen jedna věc. Sémantické problémy označování: 1) Pro jednu věc může být více označení 2) Jedno označení může být použito pro více věcí + ekvivalence? UISK – VPIZ 03

96 Reprezentace informací v počítači
Znak (character) jakýkoli symbol reprezentující písmeno abecedy, číslici nebo jiný znak, včetně interpunkce, mezer a diakritických znamének LATINSKÉ MALÉ PÍSMENO C S HÁČKEM (LATIN SMALL LETTER C WITH CARON) – 14/08 – U+010D – E8 glyf, font vizuální reprezentace grafického znaku Název: LATINSKÉ MALÉ PÍSMENO C S HÁČKEM (LATIN SMALL LETTER C WITH CARON) bitová kombinace: 14/08 identifikátor: U+010D Hex: E8 ch – 1 znak (čeština), 2 znaky (angličtina) ch UISK – VPIZ 03

97 Fasetová kategorizace / klasifikace
= multikriteriální přístup faseta (facet): jedno konkrétní použité kritérium členění Z lat. facies = tvář UISK – VPIZ 03

98 Fasetová kategorizace / klasifikace
1 téma členěné podle více hledisek více kategorizací / klasifikací pro 1 téma účel materiál UISK – VPIZ 03

99 Fasety v rozvrhu VOŠIS UISK – VPIZ 03
Kolik faset je použito na této stránce? UISK – VPIZ 03

100 SWOT analýza − vícekriteriální přístup
strengths silné stránky opportunities příležitosti weaknesses slabé stránky threats hrozby S – W – O – T = kategorie UISK – VPIZ 03

101 SWOT analýza − vícekriteriální přístup
faseta „vnější – vnitřní“ vnitřní faktory vnější faktory strengths silné stránky opportunities příležitosti weaknesses slabé stránky threats hrozby S – W – O – T = kategorie UISK – VPIZ 03

102 SWOT analýza − vícekriteriální přístup
faseta „vnější – vnitřní“ vnitřní faktory vnější faktory + strengths silné stránky opportunities příležitosti − weaknesses slabé stránky threats hrozby faseta „kladný – záporný“ S – W – O – T = kategorie UISK – VPIZ 03

103 Harold Dwight Lasswell 1902 – 1978
fasetový pohled na sociální komunikaci: „Kdo říká co komu jak s jakým výsledkem?“ Kdo Co Komu Jak Výsledek UISK – VPIZ 03 103

104 Multidimensional Management and Development of Information Systems
A znovu fasety 1) fáze rozvoje IS podniku globální podniková strategie (GST) informační strategie (IST) úvodní studie (US) globální analýza a návrh (GAN) detailní analýza a návrh (DAN) implementace (IM) zavádění systému (ZA) provoz a údržba (PU) vyřazení systému (VY) 2) obsahové dimenze funkce/procesy (PRO) data/informace (INF) organizační a legislativní aspekty (ORG) pracovní, sociální a etické aspekty – aspekty lidských zdrojů (PRA) software (SW) hardware (HW) uživatelské rozhraní (UR) bezpečnost (BE) ekonomické a finanční aspekty (EKO) UISK – VPIZ 03

105 Fasetová klasifikace složených témat
1) bez faset navzájem nezávislá složená témata 2) s fasetami tzv. semantic factoring (sémantický rozklad, analýza) faseta objektů faseta činnosti historie automobilu automobil historie údržba automobilu motocykl údržba výroba automobilu výroba historie motocyklu údržba motocyklu výroba motocyklu UISK – VPIZ 03

106 Co se organizuje? hmotné věci nehmotné věci UISK – VPIZ 03
Rekapitulace z UIM UISK – VPIZ 03

107 Analogové a digitální věci
merchandising Kde vzít pravidla pro organizaci digitálních věcí?

108 Analogové a digitální věci
merchandising knihovnictví Kde vzít pravidla pro organizaci digitálních věcí? 108108 UISK – VPIZ 03

109 Analogové a digitální informace
Chamurappiho zákoník, př. n.l. Louvre, Paříž. Výška 225 cm.

110 Analogová a digitální metadata
7,5 x 12,5 cm Granularita – podrobnost členění Metadata v knihkupectví Amazon UISK – VPIZ 03

111 Kde vzít pravidla pro organizaci digitálních informací / znalostí?
Příklad „svět 1“ – organizace fyzických věcí „svět 2“ – organizace znalostí v mysli „svět 3“ – organizace „nehmotných“ věcí v minulosti klasifikace věd logika, teorie množin lingvistika informační věda /archivnictví / muzeologie softwarové inženýrství UISK – VPIZ 03

112 Vztahy ekvivalence hierarchie asociace obsahu formy
generická (rod – druh) partitivní (celek – část) třída – instance (obecné – individuální) asociace sekvenční (prostor, čas) příčinná … UISK – VPIZ 03

113 UML Unified modeling language
Třída (kategorie) Instance (prvek) UISK – VPIZ 03

114 Rekapitulace Které věci jsou ekvivalentní?
objektivní ty, které jsou složeny ze stejných částí ty, které mají stejnou sadu atributů ty, jejichž atributy mají stejné hodnoty ty, mezi jejichž atributy panují stejné vztahy ale i ty, které se stejně jmenují ty, které za ekvivalentní považujeme obsah Ty, které jsou složeny ze stejných částí: pneumatiky – motor – karosérie: traktor, motocykl, osobní automobil, autobus… Ty, které mají stejnou sadu atributů: hmotnost – cena – trvanlivost: zboží v prodejně Ty, jejichž atributy mají stejné hodnoty: všechny žluté košile za 750 Kč k dodání do 1 týdne (barva – cena – dodací podmínky) „Ty, které se stejně jmenují“ – formální určení ekvivalence „Ty, které za ekvivalentní považujeme“ – subjektivní, arbitrární určení ekvivalence forma subjektivní UISK – VPIZ 03

115 Jaký typ ekvivalence? (1) Studenti ÚISK (2) Tramvaje pražské MHD
(3) Zboží na regále „v akci“ části atributy názvy kniha – časopis – webová stránka – (zpráva) – webové sídlo UISK – VPIZ 03

116 Ekvivalence obsahu / formy
(1) (2) (3) UISK – VPIZ 03

117 (Generická) hierarchie
rod (genus) generalizace, abstrakce, zobecnění specializace, taxonomie druh (species) UISK – VPIZ 03

118 (Partitivní) hierarchie
celek agregace, kompozice část UISK – VPIZ 03

119 Asociace Obecný sémantický vztah UISK – VPIZ 03