سنجش رتبه‌بندی سامانه‌های پیشنهاددهندۀ مقاله در تقابل با رتبه‌بندی کاربران

Abstract

<strong>هدف:</strong> سامانه‌های پیشنهاددهنده مقاله‌های علمی در تلاش‌اند به‌جای الزام کاربر به اصلاح راهبرد جستجو و فرمول‌بندی واژگان پرسش، الگوریتم‌ها و رویکردهای مناسب را برای عرضه مرتبط‌ترین مدارک به‌کار گیرند. علاوه بر ربط، رتبه‌بندی مدارک بازیابی‌شده نیز می‌تواند رضایت کاربران را تضمین کند. این مقاله نتیجه تحلیل رتبه‌ مقاله‌ها را در سامانه‌های پیشنهاددهنده پایگاه وب‌آوساینس و موتور جستجوی گوگل‌اسکالر از دیدگاه کاربران و سنجه (NDCG) Normalized Discounted Cumulative Gain گزارش می‌کند.<br /> <strong>روش‌شناسی: </strong>از 120 دانشجوی داوطلب دکترای دانشگاه شیراز در رشته‌های علوم انسانی، علوم پایه، فنی-مهندسی، کشاورزی، و دام‌پزشکی (از هریک ۳۰ نفر) خواسته شد 2400 مقاله (1200 مقاله پیشنهادی گوگل‌اسکالر و 1200 مقاله پایگاه وب‌آو‌ساینس) را به‌لحاظ ربط، رتبه‌بندی کنند. داده‌ها با پرسشنامه و نرم‌افزار پژوهشگرساخته گردآوری شد.<br /> <strong>یافته‌ها:</strong> میان رتبه‌ انتسابی کاربران و رتبه انتسابی پایگاه شباهت ضعیف بود. شباهت رتبه‌بندی مقالات در سامانه‌های هر دو پایگاه نیز ضعیف، اما معنادار بود.الگوریتم‌ها و شاخص‌های سامانه‌های پیشنهاددهنده هر دو پایگاه برای رتبه‌بندی چندان موفق نیست و نیاز به بازنگری دارد<strong>.</strong><br /> <strong>نتیجه‌گیری: </strong>الگوریتم‌ها و شاخص‌هایی که سامانه پیشنهاددهنده دو پایگاه برای رتبه‌بندی مقاله‌های مرتبط پیشنهادی درنظر گرفته‌اند، در تأمین رضایت کاربران زیاد موفق نبوده است؛ بنابراین بازنگری در الگوریتم‌های رتبه‌بندی این دو پایگاه ضروری به‌نظر می‌رسد.