Kapitel 11 Informetrische Analysen. HHU Düsseldorf, WS 2008/09 Information Retrieval 180

Transkript

1 Kapitel 11 Informetrische Analysen HHU Düsseldorf, WS 2008/09 Information Retrieval 180

2 Gewinnung neuer Informationen aus Datenbanken Unterstützung der normalen Recherche Information-Retrieval-Forschung deskriptive Informetrie (Bibliometrie, Szientometrie) nomothetische Informetrie Knowledge Mining HHU Düsseldorf, WS 2008/09 Information Retrieval 181

3 Datengewinnung der Informetrie Online-Informetrie bei Content-Aggregatoren Voraussetzungen: (1) spezifische informetrische Befehle (2) adäquates Feldschema (3) adäquate Datenbasis Offline-Informetrie mittels spezifischer Analysesoftware Download von Datensätzen Weiterverarbeitung offline Analysesoftware: Anacubis HistCite (u.a.) HHU Düsseldorf, WS 2008/09 Information Retrieval 182

4 Auswahl der Datenbanken (fast immer) keine komplette Datenbank absolute Zahlen manchmal ohne große Aussagekraft, abgeleitete Werte (z.b. Rangpositionen) gut brauchbar häufig: gemeinsames Abfragen mehrerer Datenbanken stets Löschen der Duplikate Achtung auf Reihenfolge beim Aufruf (ggf. reversed duplicate removal; RDR) Wilson, C.S. (1999b): Using online databases to form subject collections for informetric analyses. In: Scientometrics 46 (1999), S Ingwersen, P.; Hjortgaard Christensen, F. (1997): Dataset isolation for bibliometric online analyses of research publications: Fundamental methodological issues. In: Journal of the American Society for Information Science 48 (1997), S HHU Düsseldorf, WS 2008/09 Information Retrieval 183

5 Probleme auf der Mikroebene (Datensätze) Bezeichnungsvarianten (Abkürzungen, Transliterationen, brit. / amerikan. Englisch,...) Eingabefehler Konsistenz der Sacherschließung Personennamen: Synonyme / Homonyme Affiliation: Synonyme / Homonyme (z.b. Wales-Problem ) Zeitschriftentitel (besser: ISSN benutzen) Zeitangaben unterschiedlich Feldstruktur (z.b. Quelle mit enthaltenem Jahrgang) W.W.Hood; C.S.Wilson (2003): Informetric studies using databases: Opportunities and challenges, Scientometrics 58, HHU Düsseldorf, WS 2008/09 Information Retrieval 184

6 Probleme auf der Makroebene (Datenbasis) Abdeckungsgrad Duplikate Berichtszeitraum vorgesehene Felder mit Inhalt gefüllte Felder Zeitverzug im Bearbeitungsprozess Datenbankpolitik (z.b. Neuaufnahme weiterer Zeitschriften) invertierte Datei (Phrasenindex?) HHU Düsseldorf, WS 2008/09 Information Retrieval 185

7 Recherche Isolation der zu analysierenden Dokumentenmenge Überarbeitung Fehlerquellen erkennen und beheben Dokumenten menge Treffer Informetrische Analyse Rangordnungen, Zeitreihen, semantische Netze, Informationsflussanalysen HHU Düsseldorf, WS 2008/09 Information Retrieval 186

8 Rangordnung (Quelle: Web of Knowledge) HHU Düsseldorf, WS 2008/09 Information Retrieval 187

9 Zeitreihe (Quelle: Questel-Orbit) Patentaktivitäten der führenden Unternehmen bei Verpackungsmaschinen 80 Patentanmeldungen pro Jahr Bosch Focke Grace HHU Düsseldorf, WS 2008/09 Information Retrieval 188

10 Semantisches Netz Errechnung von Ähnlichkeiten (SIM) zwischen zwei Termen A und B a: # der Dokumente, in denen A vorkommt b: # der Dokumente, in denen B vorkommt g: # der Dokumente, in denen A und B gemeinsam vorkommen 3 Methoden: JACCARD-SNEATH: SIM(A-B) = g / (a + b - g) DICE: SIM(A-B) = 2g / (a + b) Cosinus: SIM(A-B) = g / (a * b) 1/2 HHU Düsseldorf, WS 2008/09 Information Retrieval 189

11 Semantisches Netz (Quelle: Datenbank Grazer Schule ) HHU Düsseldorf, WS 2008/09 Information Retrieval 190

12 Informationsflussanalyse Garfield, E. (2004): Historiographic mapping of knowledge domains literature. HHU Düsseldorf, WS 2008/09 Information Retrieval 191 In: Journal of Information Science 30, S