یک طرح نمونه سیستم حفاظت دیجیتال موثر در کتابخانه های دانشگاهی

An effective digital safeguarding system in university libraries: A model plan

چکیده

1 مقدمه

2 هداف مطالعه

3 مروری بر مقالات

4 موضوعات و روش

5 بیان مسئله

6 طرح نمونه

7 اعتبارسنجی مدل

8 نتیجه گیری

منابع

چکیده

     هدف از این مطالعه، ارائه یک طرح نمونه برای توسعه یک سیستم تعمیر و نگهداری دیجیتال موثر به کمک نرم افزار مخزن سازمانی در محوطه کتابخانه دانشگاه است. محققان با بررسی دانشگاه و وب سایت دانشگاه دریافتند که تنها 11 % از کتابخانه‌های دانشگاهی در حفظ منابع دیجیتال خود فعال بودند، در حالیکه 89 % از کتابخانه‌های دانشگاهی یا در کل ناآگاه بودند یا تمایل کمتری به پذیرش این سیستم داشتند. محققان دریافتند که به دلیل عدم وجود دستورالعمل‌های مناسب و طرح نمونه ایده‌آل، اکثر کتابخانه‌های دانشگاهی در اتخاذ یک سیستم مخزن برای حفاظت از برون‌دادهای فکری خود بسیار عقب مانده بودند. از این رو، این مطالعه طرح نمونه ای را برای کتابخانه های دانشگاهی بنگلادش در مورد ایجاد راحت و موثر یک سیستم حفاظت پایدار توصیف می کند. طرح نمونه برای این مطالعه، مبتنی بر مشاهده و بررسی ادبیات مرتبط با این زمینه است. همه مسئولین دانشگاه می توانند برای حفظ پایدار سرمایه های دیجیتال فکری خود از مدل مذکور پیروی کنند.

مروری بر مقالات
     اولین جنبش OA در بنگلادش از icddr,b با در دسترس قرار دادن مجله در دسترس عموم icddr,b در مورد تحقیقات بیماری اسهالی (JDDR) در سال 1997، سپس مجله سلامت، جمعیت و تغذیه (JHPN) در سال 2000، و پس از آن ساخت مخازن سازمانی (IR) در سال 2005 آغاز شد (Uddin, K. & Hossain2014). Mostofa و همکاران (2015) نقش IR در تقویت آموزش عالی و ارتباطات علمی در بنگلادش را مورد بحث قرار دادند. Tabassum و همکاران بر اساس مطالعه موردی کتابخانه دیجیتال دانشگاه شرق غرب (EWUDL) در بنگلادش، عوامل موثر بر استفاده از کتابخانه های دیجیتال را بررسی کردند. Chowdhury و همکاران (2011) به ویژه بر توسعه مخازن سازمانی با استفاده از نرم افزار DSpace در بنگلادش تمرکز کردند و یک بررسی از وضعیت موجود و چشم اندازهای IR را ارائه کردند. Islam و Akter (2013) بر جنبه های مختلف OA در کشورهای در حال توسعه و وضعیت OA در بنگلادش تمرکز کردند. بزرگترین چالش در برنامه های دیجیتالی سازی در بنگلادش، هزینه مداوم مونتاژ محتوا و فراهم کردن دسترسی به ساکنین کشور است (Alam ، 2012). Ahmed و همکاران (2014) به تز ها و پایان نامه ها برای افزودن به مخزن سازمانی اشاره کردند. Hossain & Islam (2012) در مورد استفاده از نرم افزار مخزن سازمانی به بحث پرداختند، و بررسی کلی خدمات کتابخانه را مورد توجه قرار دادند. Ahmed & Shoeb (2009) عملکرد مخزن سازمانی DSpace و Greenstone را توضیح دادند. اگرچه تعیین اینکه کدام یک بهترین است کار بسیار دشواری است. DSpace، در اکثر مواقع می تواند برای کتابخانه های دانشگاه استفاده شود. برخی از تحقیقات اشاره کرده اند که کارهای تحقیقاتی ها و پایان نامه ها باید در مخزن سازمانی گنجانده شوند. آنها پیشنهاد کردند که نشریات دیجیتال، باید در مخازن سازمانی گنجانده شوند. انواع مختلف سیستم های نرم افزاری موجود در زمانی که یک سازمان قصد داشته باشد یک زیرساخت مخزن را برای میزبانی مجموعه های خود ایجاد کند، دردسرساز می شود (Pyrounakis و همکاران، 2014). با این حال، موفقیت IR به مشارکت محققان و اعضای هیئت علمی بستگی دارد (Alemayehu، 2010). Kumar (2009) اظهار داشت که اکثر موسسات از نرم افزار منبع باز IR برای ایجاد/توسعه مخازن خود استفاده می کنند. Bankier و Gleason (2014) پنج پلتفرم پرکاربرد IR را مورد مقایسه قرار دادند: Digital Commons، DSpace، Eprints، Fedora و Islandora. مقایسه دیگری که توسط Castagn e (2013) مورد بررسی قرار گرفت، یک مرور اجمالی محیطی از بسته ها و چارچوب های نرم افزاری مخزن سازمانی را گزارش کرد. DSpace، Eprints، Digital Commons و Fedora Commons بر اساس آمار ROAR و بطور کلی مناسب بودن آنها برای یک کتابخانه تحقیقاتی بزرگ انتخاب شدند.

استفاده از داده کاوی اطلاعات بمنظور پیشرفت خدمات کتابخانه دیجیتالی

Using data mining to improve digital library services

فهرست مطالب
چکیده

1- مقدمه

2- کارهای مرتبط

3- رکوب

3-1- بررسی کلی فرایند داده کاوی

3-2- پیشنهادات

3-3- اطلاعات

3-4- اماده سازی اطلاعات

3-5- شناسایی الگوهای کاربر

4- ارزیابی

5- نتیجه گیری و کار اینده

منابع

چکیده

هدف: این مقاله تلاش می کند تا یک راه حل برای خدمات کتابخانه دیجیتال بر اساس تکنیک های داده کاوی ارائه کند (تقسیم بندی خوشه ای و پیشگویانه)
طرح/روش شناسی/رویکرد: تکنیک های داده کاوی برای ارائه ی خدمات کتابخانه ی دیجیتال بر اساس شخصیت و تاریخچه ی جستجوی کاربر مورد استفاده قرار می گیرند. نخست، کاربران یکسان در کنار هم بر اساس شخصیت و جستجوها خوشه بندی می شوند. سپس تقسیم بندی پیشگویانه برای ارائه ی خدمات مناسب به انها مورد استفاده قرار می گیرند. نشان داده شده است کاربران در خوشه های یکسان از احتمال بالایی برای پذیرش خدمات مشابه یا الگوهایشان برخوردار هستند.
یافته ها: نتایج حاکی از ان هستند که k که به معنای تقسیم بندی نایو بیز و خوشه بندی می باشد، ممکن است برای بهبود درستی ارائه ی خدمات مورد استفاده قرار گیرد. درستی کلی رضایت بخش است در حالیکه درستی میانگین به خدمت خاص بستگی دارد. نتایج در ارتباط با خدمات دائمی بهتر بودند. محدودیت ها/پیامدهای پژوهش: پایگاه های داده از کتابخانه ی دیجیتال کوبسون مورد استفاده قرار گرفتند. تنها تقسیم بندی خوشه بندی و پیشگویانه به کار گرفته شد. اگر پیوستگی میان خدمت و موسسه بیشتر باشد، در نهایت درستی بیشتری خواهد داشت.
اصالت/ارزش: این مقاله تکنیک های داده کاوی مختلف و کارامدی را برای خوشه بندی کاربران کتابخانه ی دیجیتالی و رفتار پژوهشی انها یعنی تعامل با خدمات کتابخانه ای پیشنهاد نموده است و به الگوهای کاربران با توجه به خدمت کتابخانه ای که استفاده می کنند دست یافته است. یک کتابخانه ی دیجیتال ممکن است این رویکرد را برای ارائه ی اسانتر خدمات مناسب به کاربران جدید به کار گیرد. پیشنهادات باید بر اساس ایتم های کتابخانه ای باشند که کاربران مشابه انها را مناسب دیده اند.

5- نتیجه گیری و کار اینده:

در این مقاله، ما یک راه حل برای ارائه ی خدمات کتابخانه ای به کاربران کتابخانه های دیجیتالی ارائه نمودیم که نه تنها بر اساس اهمیت اماری کاربرد خدمت می باشد بلکه پروفایل های کاربران را نیز بررسی می نماید. پژوهش اصلی ما متمرکز بر کمک به کاربران برای یافتن اسانتر محتوای مرتبط می باشد. ما به این هدف با استفاده از تکنیک های داده کاوی در داده های تاریخی و با ارائه ی خدماتی که کاربران مشابه انتخاب می کنند دست یافتیم. در ابتدا، کاربران را بر اساس پروفایل ها همراه با رفتار پژوهشی شان خوشه بندی نمودیم. نشان داده شده است که کاربران در خوشه ی یکسان اولویت بالایی برای انتخاب خدمات مشابه قائل می شوند. نتایج نشان می دهند که خوشه بندی k میانگین و نایو بیز را می توان با هم برای بهبود ارائه ی خدمات استفاده نمود. نهایتا، مدل خود را در داده های ازمایشی برای ارزیابی درستی ان به کار بردیم. نشان داده شد که درستی کلی رضایت بخش است مخصوصا در خدمات پرکاربرد. در اینده ای نزدیک، قصد داریم تا نمایش تصویری موثری برای ارائه ی خدمات خاص به کاربران و کشف مهم ترین مسائل در نظر بگیریم که کاربران با استفاده از تکنیک های متن کاوی برای تحلیل ایمیل ها یا مصاحبه های ازاد با انها مواجه خواهند شد.

Abstract

Purpose This paper aims to propose a solution for recommending digital library services based on data mining techniques (clustering and predictive classification).
Design/methodology/approach Data mining techniques are used to recommend digital library services based on the user’s profile and search history. First, similar users were clustered together, based on their profiles and search behavior. Then predictive classification for recommending appropriate services to them was used. It has been shown that users in the same cluster have a high probability of accepting similar services or their patterns. Findings The results indicate that k‐means clustering and Naive Bayes classification may be used to improve the accuracy of service recommendation. The overall accuracy is satisfying, while average accuracy depends on the specific service. The results were better for frequently occurring services.
Research limitations/implications Datasets were used from the KOBSON digital library. Only clustering and predictive classification was applied. If the correlation between the service and the institution were higher, it would have better accuracy.
Originality/value The paper applied different and efficient data mining techniques for clustering digital library users based on their profiles and their search behavior, i.e. users’ interaction with library services, and obtain user patterns with respect to the library services they use. A digital library may apply this approach to offer appropriate services to new users more easily. The recommendations will be based on library items that similar users have already found useful. Keywords

5- Conclusion and future work

In this paper we have proposed a solution for recommending digital library users a service from the library, based not only on statistical significance of service usage, but also considering the users’ profiles. Our main research was focused on helping users to find relevant material more easily. We achieved it by using data mining techniques on historical data and by recommending the services that similar users would choose. We first clustered the users based on their profiles together with their search behavior. It has been shown that the users in the same cluster have high preference for using similar services. The results show that the k-means clustering and the Naı¨ve Bayes classification can be used together to improve the service recommendation. Finally, we applied our model to test data in order to evaluate its accuracy. It has been shown that the overall accuracy is satisfactory, especially in frequently occurring services. In the near future, we plan to add an effective visual representation for recommending specific services to the users and to discover most significant problems that the users encounter by using text mining techniques to analyze the users’ e-mails or free text interviews.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

استفاده از داده کاوی اطلاعات بمنظور پیشرفت خدمات کتابخانه دیجیتالی

Using data mining to improve digital library services