Empirische Informationswissenschaft. HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 1

Größe: px
Ab Seite anzeigen:

Download "Empirische Informationswissenschaft. HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 1"

Transkript

1 Empirische Informationswissenschaft HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 1

2 Empirische Informationswissenschaft Informetrie: nomothetische Informetrie (informetrische Gesetzmäßigkeiten) - deskriptive Informetrie Online-Informetrie Web-Informetrie Analyse von Informationssystemen: Retrievalsysteme (Relevanz, Recall, Precision) Datenbasen (Availability) empirische Studien Usability von Websites Wissenschaftliche Kommunikation: Der Ethos der Wissenschaft Zitationen und Referenzen Zitatenanalyse Impact Factor akademischer Zeitschriften - Themenanalyse Wissenschaft und Öffentlichkeit Thematisierungen HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 2

3 Empirische Informationswissenschaft Empirische Wissenschaftsforschung / Wissenschaftsgeschichte: Szientometrie - Wissenschaftsevaluation Wissenschaftsgeschichtsschreibung mittels Datenbanken Knowledge Mining: Data Mining (Informetrie strukturierter Daten) Text Mining (Informetrie unstrukturierter Daten) Nutzeranalyse: Informationsbedarf und bedürfnis, Nutzung von Informationssystemen und diensten Empirie der Informationstätigkeiten: Bibliotheksforschung - Informationswirtschaft HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 3

4 Informetrie HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 4

5 Informetrie Zeitschriften: Scientometrics - Cybermetrics Journal of the American Society for Information Science and Technology Kongress: International Conference on Scientometrics and Informetrics (seit 1987; alle 2 Jahre) Basisliteratur: Leo Egghe; Ronald Rousseau: Introduction to Informetrics. Amsterdam [u.a.]: Elsevier Science, Wolfgang G. Stock: Informationswirtschaft. München; Wien: Oldenbourg, Kap. 5 (Data Mining bei externen Informationen) HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 5

6 Informetrie Nomothetische Informetrie Konzentrationsgesetze Zipfsches Gesetz: Verteilung von Worthäufigkeiten in Texten Lotkas Gesetz: Verteilung von Publikationen eines Fachgebiets auf Autoren Bradfordsches Gesetz: Verteilung von Artikeln eines Fachgebiets auf Zeitschriften Garfieldsches Gesetz: Verteilung von Zitationen auf wissenschaftliche Zeitschriften Gesetz der zeitlichen Verteilung Halbwertzeit: Zeit, nach der die Hälfte einer Literaturmenge nicht mehr benutzt wird Virgil P. Diodato: Dictionary of Bibliometrics. New York [u.a.]: Haworth, HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 6

7 Informetrie Zipfsches Gesetz George Kingsley Zipf ( ) gegeben: Text (Artikel, Buch,...) Auszählen der Häufigkeiten jedes Wortes Ordnung der Wörter nach Häufigkeit (absteigend) r * f = C r =: Rangplatz des Wortes f =: Häufigkeit des Wortes C =: Konstante (abhängig vom Text) HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 7

8 Informetrie Zipfsches Gesetz Beispiel: Ulysses (James Joyce) Wort auf Rang 10 kommt 2.653mal vor: C = Wort auf Rang 20 kommt 1.311mal vor: C = Wort auf Rang kommt 26mal vor: C = C (Ulysses) ~ Das Gesetz gilt für Hochfrequenzworte, z.t. auch - je nach Text - für alle Worte eines Textes. Für Niedrigfrequenzworte hat Zipf ein weiteres Gesetz entwickelt (Zweites Zipfsches Gesetz). George K. Zipf: Human Behavior and the Principle of Least Effort. Cambridge, MA: Addison-Wesley, HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 8

9 Lotkas Gesetz Alfred J. Lotka ( ) Informetrie gegeben: Fachgebiet mit umfassender Liste der Publikationen zum Fachgebiet (Bibliographie, Spezialdatenbank) Auszählen der Publikationsraten für alle Autoren Sortieren der Autoren nach der Anzahl der Publikationen Zählen der Autoren mit gleichviel Publikationen n n x * y = c oder y = c / x x =: Anzahl der Publikationen y =: relative Häufigkeit der Autoren mit x Publikationen n, c =: Konstanten (je nach Fachgebiet) [n ~ 2] Alfred J. Lotka: The frequency distribution of scientific productivity. In: Journal of the Washington Academy of Sciences 16 (1926), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 9

10 Informetrie Lotkas Gesetz Beispiel: Journal of Finance, ; insgesamt Artikel) Autoren (67,1%) produzierten je 1 Artikel 295 Autoren (16,0%) produzierten je 2 Artikel 140 Autoren (7,6%) produzierten je 3 Artikel 63 Autoren (3,4%) produzierten je 4 Artikel 41 Autoren (2,2%) produzierten je 5 Artikel angenommen: n = 2 (1 * 1) * 0,671 = 0,671 (2 * 2) * 0,160 = 0,640 (3 * 3) * 0,076 = 0,684 c ~ 0,6 (4 * 4) * 0,034 = 0,544 (5 * 5) * 0,022 = 0,550 M. Keenan: Report on the 1987 membership survey. In: Journal of Finance 43 (1988), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 10

11 Informetrie Lotkas Gesetz Kreise: empirische Daten Linie: nach Theorie erwartet Reduktion der Daten auf genau 100 Autoren, die 1 Aufsatz publiziert haben (C = 1, n = 2) Derek J. de Solla Price: Litte Science, Big Science. Frankfurt: Suhrkamp, HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 11

12 Informetrie Bradfordsches Gesetz Samuel Clement Bradford ( ) gegeben: Artikel eines Fachgebiets Zählen der Anzahl der Artikel pro Zeitschrift Sortieren der Zeitschriften nach der Anzahl der Artikel Bildung von drei Mengen, die jeweils die gleiche Anzahl der Artikel enthalten die Anzahl der Zeitschriften in den drei Zonen folgt der Formel 1 : n : n2 n =: Konstante ( Bradford Multiplikator ) HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 12

13 Informetrie Bradfordsches Gesetz drei Zonen: Kern - Mitte - Rand empirisches Beispiel: Bradford (1934): Schmiermittel (395 Artikel in 164 Zeitschriften) Kern: 8 Zeitschriften produzieren 110 Artikel Mitte: die nächsten 29 Zs. produzieren 133 Artikel Rand: die nächsten 127 Zs. produzieren 152 Artikel 8 : 29 : 127 = 1 : 3,625 : 15,875 ~ 1 : 4 : 16 Samuel C. Bradford: Sources of information on specific subjects. In: Engineering 137 (1934), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 13

14 Informetrie Bradford-Zipf-Bibliograph Verallgemeinerung des Bradfordschen Gesetzes im Sinne des Zipfschen Gesetzes Zuordnung der kumulierten Anzahl der Artikel zur kumulierten Anzahl der Zeitschriften Berechnung der Logarithmen (Basis 10) der beiden Zahlenreihen Darstellung als Graph der absoluten Häufigkeiten Darstellung als Graph der Logarithmen Darstellung als Graph in halblogarithmischer Darstellung (nur eine Achse logarithmisch; in der Regel die Anzahl der Zeitschriften); typische Formen J-Kurve S-Kurve Kurve mit umgekehrtem J HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 14

15 Informetrie Bradford-Zipf-Bibliograph Ausgangsdaten (Quelle: Bradford 1934: Angewandte Geophysik Jg ) HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 15

16 Informetrie Bradford-Zipf-Bibliograph Absolute Häufigkeiten HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 16

17 Informetrie Bradford-Zipf-Bibliograph Log-Log-Graph HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 17

18 Informetrie Bradford-Zipf-Bibliograph Halb-Log-Graph J-Kurve: Disziplin mit ergiebigen Zeitschriften ohne großen Rand S-Kurve: Disziplin mit ergiebigen, aber auch mit vielen Zeitschriften im Rand Kurve wie umgekehrtes J: Disziplin konzentriert auf eigene Zeitschriften, aber mit Rand HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 18

19 Garfieldsches Gesetz Eugene Garfield (geb. 1925) Informetrie gegeben: Referenzen aus Quellenzeitschriften Reihen des ISI (multidisziplinär) Zuordnung von Zitationsraten zu Zeitschriften Sortierung der Zeitschriften nach Zitationsraten Konzentration wie bei Bradford-Zipf: 75% aller Zitationen entfallen auf knapp Zeitschriften; 84% auf ca Zeitschriften Praktische Konsequenz: eine Datenbank, die einige Tausend Zeitschriften (nämlich die jeweils meistzitierten) auswertet, ergibt ein repräsentatives Abbild der Wissenschaft; hieran orientiert sich die Quellenauswahl bei SCI, SSCI, A&HCI Eugene Garfield: The mystery of the transposed journal list wherein Bradford s law of scattering is generalized according to Garfield s law of concentration. In: E.Garfield: Essays of an Information Scientist, Vol 1. Philadelphia: ISI Press, 1977, HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 19 der

20 Informetrie Garfieldsches Gesetz Beispiel: Philosophie (Drei-Zonen-Einteilung wie Bradford) gegeben: 735 Referenzen (Jg. 1975); darin zitierte Zeitschriften: 223 Kern: 6 Zeitschriften (genannt in 245 Zitationen) Mitte: 23 Zeitschriften (genannt in 245 Zitationen) Rand: 194 Zeitschriften (genannt in 245 Zitationen) also: 6 : 23 : 194 = 1 : 3,8 : 32,3 ~ 1 : 4 : 32 (erwartet: 1 : 4 : 16), demnach: sehr große Randzone Kernzeitschriften: Journal of Philosophy Philosophical Review Analysis Mind Philosophy of Sciences American Philosophical Quarterly HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 20

21 Informetrie Das informetrische Verteilungsgesetz f (x) ca. 80 % ca. 20% f (x) = C HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 21 x a x

22 Informetrie Gesetz der zeitlichen Verteilung: Halbwertszeit Analogie zum radioaktiven Zerfall Die Halbwertszeit ist die Zeit, in der die Hälfte eines radioaktiven Stoffes in einen anderen Stoff zerfallen ist. Dieser Prozess ist zufallsabhängig; d.h. man weiß nicht, welches Atom zu welcher Zeit zerfällt. Beispiele für Halbwertszeiten: Uran-238: 4,5 Mrd. Jahre Jod-131: 8 Tage C-14: Jahre HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 22

23 Informetrie Gesetz der zeitlichen Verteilung: Halbwertszeit gegeben: Zitationen / Referenzen Sortierung der Zitationen nach der Zeit Zählen der Anzahl der Zitationen pro Jahr; Zählen der Gesamtanzahl der Zitationen Markierung des Jahres, an dem die Hälfte (ein Viertel, ein Achtel usw.) der Zitationen erreicht wird Gesetz: Die Halbwertzeiten sind (bei großen Zahlen) jeweils gleich. HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 23

24 Informetrie Deskriptive Informetrie Beschreibung von Dokumentmengen. Beispiele: Werke eines Wissenschaftlers (Wieviel geschrieben? In welcher Zeit? Worüber? Welche Wirkung?) Artikel und Bücher von Angehörigen eines Instituts Patente und Artikel eines Wirtschaftsunternehmens Wissenschaftliche Zeitschriften (Wieviele Publikationen? Wieviele unterschiedliche Autoren? Welche Wirkung?) Wissenschaftliche und technische Themen (Wann zuerst aufgekommen? Wie verbreiteten sie sich? Wie lange diskutiert? Welche Autoren?) Länder / Weltregionen (Nationaler Output? Internationale Wirkung?) Websites / Domains (Einfluss? Verlinkung?) HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 24

25 Informetrie deskriptive Informetrie: Aufspüren von neuen Informationen in Datenbanken ( Knowledge Mining ) Rangordnungen Zeitreihen Semantische Netze Informationsfluß- und Linkanalysen dabei soweit möglich: Vergleich der beschriebenen Verteilungen mit den (nach den informetrischen Gesetzen) erwarteten HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 25

26 Informetrie Rangordnungen Fragestellung: Welches sind die Top-X-Items in einer Dokumentenmenge? Theoretische Basis: Konzentrationsgesetze Ziel: 1. Retrievalverbesserung; 2. Neue Informationen Vorgehen: Suche nach allen Datensätzen zum Thema Rangordnung zur gewünschten Ausprägung (in den meisten Systemen der Befehl: RANK) Ausgabe der Hitparade bis Platz X Beispiel: Welche Unternehmen sind in der FuE bei Verpackungsmaschinen führend? Wolfgang G. Stock: Wirtschaftsinformationen aus informetrischen Online-Recherchen. In: Nachrichten für Dokumentation 43 (1992), Wolfgang G. Stock: Das Online-Unternehmensbild anhand von Wirtschaftsdaten und informetrischen F&E-Indikatoren. In: Harald Killenberg et al. (Hrsg.): Wissensbasierte Informationssysteme und Informationsmanagement. Konstanz: Univ.-Verl., 1991, HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 26

27 Informetrie Rangordnung der Unternehmen nach Patenten bei Verpackungsmaschinen Rang absolute H. relative H. Unternehmen ,74 % Focke & Co GmbH & Co ,66 % Grace & Co ,55 % Robert Bosch GmbH ,45 % Packaging Filling Equip. N = Patentfamilien in der IPC-Unterklasse B65B (nebst aller Unterbegriffe) N = (unterschiedliche) Unternehmen mit mindestens einem Patent in B65B HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 27

28 Informetrie Informetrische Zeitreihen Fragestellung: Wie entwickelt sich ein Aspekt einer Dokumentmenge im Laufe der Zeit? Ziel: Neue Informationen Vorgehen: Suche nach allen Datensätzen zum Thema Ausgabe der Inhalte des Feldes Jahrgang (mit Angabe der Anzahl der DE) graphische Aufbereitung als Zeitreihe (Tabellenkalkulationsprogramm) Beispiel: Wieviele Patente für Verpackungsmaschinen haben die führenden Unternehmen pro Jahr zwischen 1981 und 1993 angemeldet? HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 28

29 Informetrie Patentaktivitäten der führenden Unternehmen bei Verpackungsmaschinen 80 Patentanmeldungen pro Jahr Bosch Focke Grace HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 29

30 Informetrie Semantische Netze Fragestellung: Gibt es in einer Dokumentenmenge zusammengehörige Komplexe? Bsp.: kooperierende Autoren oder Institute; gemeinsam auftretenden Themen; gemeinsame Referenzen oder Zitationen Ziel: 1. Retrievalverbesserung; 2. Neue Informationen Vorgehen: Suche nach allen Datensätzen zum Thema clusteranalytische Aufbereitung der DE (Spezialsoftware) graphische Aufbereitung Beispiel: Wie hängen die Forschungsthemen der Krones AG im Bereich der Etikettiermaschinen zusammen? HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 30

31 Informetrie Thematisches Cluster der Artikel von Krones- Mitarbeitern im Bereich der Etikettiermaschinen (im Bild der Deskriptoren der FIZ Technik- Datenbank DOMA) HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 31

32 Informetrie Informationsflussgraphen / Linkanalysen (1) Fragestellung: Fließen innerhalb einer Dokumentenmenge Informationen (welche?, wieviele?) von A nach B? Sofern Hypertextdokumente vorliegen: Sind A und B verlinkt? Ziel: 1. Retrievalstrategie; 2. Neue Informationen Vorgehen bei Zitationen: Aufruf einer Datenbank, die Zitationen speichert (wiss. Artikel; Patente; Grundsatzurteile) Suche nach zitierenden Dokumenten (nach vorne) und nach zitierten Dokumenten (nach hinten) Hostsoftware graphische Aufbereitung als Informationsflussgraph Beispiel: Woher stammen die Technologieinformationen der Krones AG? Wohin fließen die Technologieinformationen von Krones? HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 32

33 Informetrie Wissensimport und export bei der Krones AG (im Bild von Derwent World Patents Index bei Questel-Orbit) HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 33

34 Informetrie Informationsflussgraphen / Linkanalysen (2) Fragestellung: Fließen innerhalb einer Dokumentenmenge Informationen (welche?, wieviele?) von A nach B? Sofern Hypertextdokumente vorliegen: Sind A und B verlinkt? Ziel: 1. Retrievalstrategie; 2. Neue Informationen Vorgehen bei Hypertextdokumenten: Aufruf einer Suchmaschine, die eine Feldsuche zu Links, Ankertexten, Hosts und Domains anbietet entweder direkte Ausgabe der Landkarte oder graphische Aufbereitung als Linkgraph Beispiel 2: Wie sind deutsche Webseiten zu Miranda Otto verlinkt? HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 34

35 Informetrie Link-Topologie deutscher Webseiten zu Miranda Otto (im Bild von Kartoo.com) HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 35

36 Informetrie Datengewinnung der Informetrie Online-Informetrie bei Content-Aggregatoren Voraussetzungen: (1) spezifische informetrische Befehle (2) adäquates Feldschema (3) adäquate Datenbasis Web-Informetrie bei Suchmaschinen Voraussetzungen: (1) Abfrage der HTML-Tags (2) adäquate Datenbasis Offline-Informetrie mittels spezifischer Analysesoftware Download von Datensätzen Weiterverarbeitung offline HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 36

37 Informetrie Online-Informetrie bei Content-Aggregatoren HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 37

38 Informetrie Informetrische Befehle bei STN Rangordnungen mit ANALYZE ANALYZE and TABULATE Commands. In: STNotes No. 17 (1998), 1-5. HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 38

39 Informetrie Informetrische Befehle bei STN Zusammenhänge zweier Variablen mit TABULATE (wenn eine Variable PY ist: Zeitreihe) ANALYZE and TABULATE Commands. In: STNotes No. 17 (1998), 6-8. HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 39

40 Informetrie Informetrische Befehle bei DIALOG: Zusammenspiel von MAP und RANK In welche Technikgebiete hinein haben Düsseldorfer Unternehmen die größte Wirkung? Welches ist das meistzitierte Patent des Jahres 1995? MAP PN/CT= Mechtild Stock; Wolfgang G. Stock: Dialog/DataStar. One-Stop-Shops internationaler Fachinformationen. In: Password Nr. 4 (2003), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 40

41 Informetrie Zusammenspiel von MAP und RANK Zwischenergebnis; unter SC004 gespeichert Datenbankwechsel: b 342 Ausführen der gespeicherten Suche: EXS SC004 HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 41

42 Informetrie RANK IC(1-4) RANK CT C11D : Reinigungsmittel G08G : Verkehrsregelungsund -überwachungssysteme HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 42

43 Informetrie Web-Informetrie bei Suchmaschinen Web Impact Factor (WIF) WIF(C) = (# Links auf Seiten von C) / (# Seiten innerhalb C) bei AltaVista: Zähler: link:.xx/ Nenner: domain:xx oder host:www.xxx/ Self-Link WIF (C) = (# Links aus C auf C) / (# Seiten innerhalb C) bei AltaVista: Zähler: domain/host:xx/ AND link:.xx/ Ext-Link WIF (C) = (# Links außerhalb C auf C) / (# Seiten innerhalb C) bei AltaVista: Zähler: link:.xx/ AND NOT (domain/host:xx AND link:.xx/) Es gilt: WIF(C) = Self-Link (C) + Ext-Link (C) Peter Ingwersen: The calculation of Web Impact Factors. In: Journal of Documentation 54 (1998), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 43

44 Informetrie Web Impact Factor (WIF): Die klassischen Ergebnisse von Ingwersen (AltaVista; Mitte 1997) HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 44

45 Informetrie Web Impact Factor (WIF) für Norwegen (.no) und Deutschland (.de) April 2003 WIF (NO) = 2,97 WIF (DE) = 0,65 Self-Link WIF (NO) = 0,46 Self-Link WIF (DE) = 0,38 Ext-Link WIF (NO) = 2,51 Ext-Link WIF (DE) = 0,25 N (Seiten NO) = 4,77 Mio. N (Seiten DE) = 86,61 Mio. HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 45

46 Informetrie Web Impact Factor (WIF) für Uni Düsseldorf und Uni Köln April 2003 WIF (DDF) = 0,44 WIF (KÖLN) = 0,49 Self-Link WIF (DDF) = 0,03 Self-Link WIF (KÖLN) = 0,14 Ext-Link WIF (DDF) = 0,41 Ext-Link WIF (KÖLN) = 0,35 N (Seiten DDF) = N (Seiten KÖLN) = HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 46

47 Informetrie Variante des Web Impact Factor von Thelwall Kritik am Verfahren von Ingwersen: Die Zahl der Webseiten eines Hosts sagt nichts über die dahinterstehende Organisation aus. Vorschlag: (a) Beschränkung auf externe Links (b) Relativierung auf die Anzahl der Vollzeitäquivalente akademischer Mitarbeiter einer Institution (was heißt, dass diese Variante ausschließlich auf Universitäten und andere Forschungseinrichtungen anwendbar ist) Academic-WIF (C) = (# Links außerhalb C auf C) / (# Wissenschaftler- Vollzeitäquivalente in C) Mike Thelwall: A comparison of sources of links for academic Web impact factor calculation. In: Journal of Documentation 58 (2002), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 47

48 Informetrie Academic Web Impact Factor (Acad. WIF) und Wissenschaftsevaluation Gibt es Korrelationen (Pearson) zwischen Acad. WIF und Official Government Research Assessment Exercise (RAE) für britische Universitäten? Domain der externen Links HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 48

49 Analyse von Informationssystemen HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 49

50 Analyse von Informationssystemen Die klassischen Kennwerte zur Bewertung von Retrievalsystemen Haben wir alle Datensätze gefunden, die handlungsrelevantes Wissen beinhalten? (Vollständigkeit; Recall) Recall R = a / (a + c) Haben wir nur solche Datensätze gefunden? (Genauigkeit, Precision) Precision P = a / (a + b) a =: gefundene relevante Treffer b =: nichtrelevante Datensätze, die in der Treffermenge enthalten sind (Ballast) c =: relevante Datensätze in der Datenbank, die nicht gefunden wurden Salton Gerard Salton; Michael J. McGill: Information Retrieval Grundlegendes für Informationswissenschaftler. Hamburg [u.a.]: McGraw-Hill, Kap. 5: Die Bewertung von Retrievalsystemen, HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 50

51 Analyse von Informationssystemen Recall / Precision Relevanz: kontextuelle Übereinstimmung zwischen einem Suchargument und einem Dokument - unabhängig von konkreten subjektiven Informationsbedürfnissen (Salton/McGill) Pertinenz: Übereinstimmung zwischen einem subjektivem Informationsbedürfnis und einem Dokument Ein Relevanzurteil nimmt in der klassischen Variante genau einen von zwei Werten an: relevant nicht relevant. Relevanzurteile sind mitunter unscharf, insofern unterschiedliche Beurteiler zu abweichenden Urteilen kommen können. HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 51

52 Analyse von Informationssystemen Recall / Precision Mengentheoretische Betrachtung (A: relevante Dokumente; B: Dokumente in Treffermenge) C.J. van Rijsbergen: Information Retrieval. 2nd. Ed. London; Boston: Butterworth, HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 52

53 Analyse von Informationssystemen Recall / Precision Quelle: Salton; McGill, 180 HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 53

54 Analyse von Informationssystemen Die klassischen Kennwerte zur Bewertung von Retrievalsystemen: Das Effektivitätsmaß von v.rijsbergen E: Effektivität; R: Recall; P: Precision : Wert zwischen 0 und 1 = 0 : Effektivität wird auf Recall (1-R) reduziert = 1 : Effektivität wird auf Precision (1-P) reduziert = ½ : Effektivität beruht ausgewogen auf R und P van Rijsbergen Quelle: v.rijsbergen, 174 E ist zwischen 0 (beste Effektivität) und 1 (unendlich schlechte Effektivität) definiert. HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 54

55 Analyse von Informationssystemen Serendipity Kennwert zur Erfassung der Fähigkeit eines Informationssystems, im Ballast nützliche Informationen zu finden b: Anzahl der Dokumente, die nicht relevant zum Suchargument sind (wie bei Precision) b(u): Anzahl der Dokumente im Ballast, die völlig unbrauchbar sind b(s): Anzahl der Dokumente im Ballast, die durchaus auch für ein völlig anderes Suchargument brauchbar sind Serendipity S = b(s) / b Jutta H.T. Klawitter-Pommer; Wolf D. Hoffmann: Übersicht über die für den Leistungsvergleich mehrerer Literatur-Datenbasen wichtigsten Parameter. In: Nachrichten für Dokumentation 27 (1976), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 55

56 Analyse von Informationssystemen Serendipity Term eingeführt von Horace Walpole ( ) in einem Brief aus dem Jahre 1754 Basis: Märchen The Three Princes of Serendip diese finden unerwartet Sachen heraus, die kein anderer weiß seitdem: Bezeichnung für etwas, was gefunden, aber nicht gesucht worden ist einer der Prinzen Serendip: Ceylon Richard Boyle: The Three Princes of Serendip URL: HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 56

57 Analyse von Informationssystemen Recall/Precision bei Systemen mit Relevance Ranking Definition eines Cut-off-Wertes X (etwa: X=25, d.h. die Top 25 Treffer) Precision rangspezifische Precision (Wie groß ist die Precision auf Rang 1, Rang 2 usw.?) rangunabhängige Precision (Wie groß ist die durchschnittliche Precision bis zum Cut-off-Wert X?) Problemfall: a = 0. Wie groß ist die Precision? wenn a=0 und c=0, dann gilt P = 1 wenn a=0 und c>0, dann gilt P = 0 Recall hier stets: Wie groß ist der durchschnittliche Recall bei einem Cut-off-Wert X? HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 57

58 Analyse von Informationssystemen Relevanzbestimmung bei Systemen mit verlinkten Dokumenten Variante 1: es werden ausschließlich diejenigen Dokumente beurteilt, die vom Retrievalsystem angezeigt werden dann aber Problem: einige Suchmaschinen übergehen im Relevance Ranking Seiten derselben Domain (Variante 1 würde diese methodisch benachteiligen); Webkataloge verweisen i.d.r. auf Websites, nicht auf einzelne Seiten Beispiel: WiseNut Variante 2: ein weiterer Klick (oder sogar mehrere Klicks) wird (werden) gestattet; falls die verlinkte Seite relevant, gilt dies als Treffer für das Retrievalsystem HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 58

59 Analyse von Informationssystemen Absoluter und relativer Recall absoluter Recall: Problemfall der Formel ist c. Woher weiß ich, was ich NICHT gefunden habe, was aber relevant wäre? Der absolute Recall kann nur bei kleinen überschaubaren Datenbasen berechnet werden. relativer Recall: nicht ein System wird isoliert betrachtet, sondern mehrere Systeme gleichzeitig ( Pooling- Methode ). c ist die Anzahl der Dokumente in der Vereinigungsmenge der relevanten Treffer c(1), c(2) usw. aller betrachteter Systeme relativer Recall R = a / (a + c ), wobei c = c(1) c(2)... c(n) bei n Systemen HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 59

60 Analyse von Informationssystemen Availability (Verfügbarkeit) Term eingeführt in der empirischen Bibliothekswissenschaft Paul B. Kantor: Availability analysis. In: Journal of the American Society for Information Science 27 (1976), bei Retrievaltests: Wie hoch ist die relative Häufigkeit, dass ein Retrievalsystem ein bekanntes Dokument ( Known Item ) findet? A: Availability; D gef : # der gefundenen Known Items (bei Relevance Ranking: bis Cut-off-Wert); D: # aller gesuchten Known Items A = D gef / D Mechtild Stock; Wolfgang G. Stock: Internet-Suchwerkzeuge im Vergleich. Teil 1: Retrievaltest mit Known Item Searches. In: Password Nr. 11 (2000), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 60

61 Analyse von Informationssystemen Weitere Indikatoren zur Qualität von Datenbanken Datenbasis Anzahl der Datensätze / Abdeckungsgrad Dateitypen Aktualität Richtigkeit Auswertungstiefe (Feldschema / Anteil mit Inhalt gefüllter Felder) inhaltliche Erschließung eingesetzte Methoden Indexierungstiefe (Indexierungsspezifität, Indexierungsbreite) Indexierungskonsistenz: # der Deskriptoren, die beide Indexer A und B dem Dokument zugeordnet haben / # der Deskriptoren, die A bzw. B insgesamt dem Dokument zugeordnet haben Dagobert Soergel: Indexing and retrieval performance: The logical evidence. In: Journal of the American Society for Information Science 45 (1994), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 61

62 Analyse von Informationssystemen Weitere Indikatoren zur Qualität von Datenbanken Retrievalsystem Suchfunktionalität (Befehlsumfang) Markieren und Sortieren von Treffern (Befehlsumfang) Pull- und Push-Service Ausgabeschnittstellen Website Usability (s.u.!) heuristische Evaluation Nutzertests Logfile-Analysen HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 62

63 Analyse von Informationssystemen Empirische Analysen von Informationssystemen: Cranfield Testkollektion: Dokumente zur Aerodynamik Testfragen: 221 Suchargumente, zu denen die relevanten Dokumente bekannt sind Indexierung I: single terms : einzelne Terme der Dokumente (in natürlicher Sprache); Varianten: Grundformen, Synonyme,... Indexierung II: simple concepts : Mehrwortausdrücke der Dokumente (in natürlicher Sprache); mit Varianten Indexierung III: controlled terms : kontrollierte Schlagworte; Varianten: mit/ohne Relationen Indexierung IV: Titelterme, Terme aus Abstract Forschungsfrage: Welche Indexierungsmethode bringt den besten Recall? Cyril Cleverdon: The Cranfield tests on index languages devices. In: Aslib Proceedings 19 (1967), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 63

64 Analyse von Informationssystemen Cranfield: Ergebnisse HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 64

65 Analyse von Informationssystemen Cranfield: Ergebnisse Sieger : natürlichsprachige Terme verbessert wird die Retrievalleistung nur durch Grundformbildung Synonyme alle anderen Varianten und Indexierungsformen bringen schlechtere Ergebnisse als die Suche nach natürlichsprachigen Termen (in der Wortform des Textes) Brauchen wir demnach überhaupt keine Dokumentationssprachen? Kritik an Cranfield: als Labortest kaum auf die Praxis (auch sehr großer) Datenbanken übertragbar Relevanzbeurteilung hier sehr problematisch HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 65

66 Analyse von Informationssystemen Empirische Analysen von Informationssystemen: MEDLARS MEDLARS (Medical Literature Analysis and Retrieval System) der National Library of Medicine (USA) heute: Medline Online-Datenbank zur Medizin (derzeit [1966] Datensätze); erschlossen durch Thesaurus (MeSH) Fragen: 299 ( echte Suchargumente) Recall: direkte Messung unmöglich; Befragung von Experten nach einschlägigen Dokumenten; damit Schätzung auf c Precision: problemlos gemessen F.W.Lancaster: MEDLARS: Report on the evaluation of ist operating efficiency. In: American Documentation 20 (1969), HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 66

67 Analyse von Informationssystemen MEDLARS Forschungsfrage 1: Wie groß sind Recall und Precision von MEDLARS? HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 67

68 Analyse von Informationssystemen MEDLARS Forschungsfrage 2: Wie hängen Recall / Precision und Indexierungsbreite zusammen? je breiter indexiert, desto höher der Recall HHU Düsseldorf, SS 2003 Empirische Informationswissenschaft 68

Empirische Informationswissenschaft. Empirische Informationswissenschaft 1

Empirische Informationswissenschaft. Empirische Informationswissenschaft 1 Empirische Informationswissenschaft Empirische Informationswissenschaft 1 Forschungsfelder der empirischen Informationswissenschaft Empirische Informationswissenschaft 2 Informetrie Empirische Informationswissenschaft

Mehr

Empirische Informationswissenschaft. HHU Düsseldorf, WS 2010/11 Empirische Informationswissenschaft 1

Empirische Informationswissenschaft. HHU Düsseldorf, WS 2010/11 Empirische Informationswissenschaft 1 Empirische Informationswissenschaft HHU Düsseldorf, WS 2010/11 Empirische Informationswissenschaft 1 Forschungsfelder der empirischen Informationswissenschaft HHU Düsseldorf, WS 2010/11 Empirische Informationswissenschaft

Mehr

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

Kapitel 11 Informetrische Analysen. HHU Düsseldorf, WS 2008/09 Information Retrieval 180 Kapitel 11 Informetrische Analysen HHU Düsseldorf, WS 2008/09 Information Retrieval 180 Gewinnung neuer Informationen aus Datenbanken Unterstützung der normalen Recherche Information-Retrieval-Forschung

Mehr

Deutsche Suchmaschinen im Vergleich: AltaVista.de, Fireball.de, Google.de und Lycos.de

Deutsche Suchmaschinen im Vergleich: AltaVista.de, Fireball.de, Google.de und Lycos.de Deutsche Suchmaschinen im Vergleich: AltaVista.de, Fireball.de, Google.de und Lycos.de Joachim Griesbaum 1 / Marc Rittberger 2 / Bernard Bekavac 1 1 Universität Konstanz Fach D 87 D-78457 Konstanz 2 Heinrich-Heine-Universität

Mehr

I1 Basismodul Theoretische Informationswissenschaft

I1 Basismodul Theoretische Informationswissenschaft B.A. und Sprachtechnologie 12 I1 Basismodul Theoretische work load Studiensemester 300 h 10 CP 1-2 6 SWS 1a. VL Einfu hrung in die 2 SWS/ 1b. BS Theoretische 2 SWS/ 1c. VL Wissensreprasentation 2 SWS/

Mehr

User Experience vs. Retrievaltests Wie lässt sich die Relevanz von Suchergebnissen bewerten?

User Experience vs. Retrievaltests Wie lässt sich die Relevanz von Suchergebnissen bewerten? User Experience vs. Retrievaltests Wie lässt sich die Relevanz von Suchergebnissen bewerten? Prof. Dr. Dirk Lewandowski Hochschule für Angewandte Wissenschaften Hamburg dirk.lewandowski@haw-hamburg.de

Mehr

Literaturrecherche Thema: Analyse sozialer Netzwerke in wissenschaftlichen Communities. Peter Kraker. Empirische Methoden WS09/10 Prof.

Literaturrecherche Thema: Analyse sozialer Netzwerke in wissenschaftlichen Communities. Peter Kraker. Empirische Methoden WS09/10 Prof. Literaturrecherche Thema: Analyse sozialer Netzwerke in wissenschaftlichen Communities Peter Kraker Empirische Methoden WS09/10 Prof. Schlögl Inhalt Themenfindung Ziele der Recherche Recherchestrategie

Mehr

2 Evaluierung von Retrievalsystemen

2 Evaluierung von Retrievalsystemen 2. Evaluierung von Retrievalsystemen Relevanz 2 Evaluierung von Retrievalsystemen Die Evaluierung von Verfahren und Systemen spielt im IR eine wichtige Rolle. Gemäß der Richtlinien für IR der GI gilt es,...

Mehr

Web-Suchmaschinen: Suchverhalten, Informationsqualität, Trends. Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de

Web-Suchmaschinen: Suchverhalten, Informationsqualität, Trends. Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Web-Suchmaschinen: Suchverhalten, Informationsqualität, Trends Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Agenda Nutzerverhalten Wie gut sind die gängigen Suchmaschinen? Suche und Web 2.0

Mehr

Der BIBLIOTHEKSDIENST in szientometrischer Analyse

Der BIBLIOTHEKSDIENST in szientometrischer Analyse THEMEN Informationsvermittlung Der BIBLIOTHEKSDIENST in szientometrischer Analyse Kerstin Juchem Der BIBLIOTHEKSDIENST ist das Organ der Bundesvereinigung Deutscher Bibliotheksverbände (BDB) und wird von

Mehr

Wissenschaftliche Suchmaschinen

Wissenschaftliche Suchmaschinen Wissenschaftliche Suchmaschinen Beatrice Altorfer 14.5.2013 1 Überblick 1. Grundlagen des Internet 2. Allgemeine Suchmaschinen 3. Metasuchmaschinen 4. Wissenschaftliche Suchmaschinen 5. Google Scholar

Mehr

Arbeiten mit Datenbanken

Arbeiten mit Datenbanken Prof. Dr. Rüdiger Zarnekow TU Berlin, Fakultät VII Kommunikationsmanagement Kommunikationsmanagement Inhalte und Ziele 1. wichtige Hinweise 2. Freie Datenbanken der TU 3. Schlagwortsuche 4. Übung 1 5.

Mehr

Wissenschaftssuchmaschinen

Wissenschaftssuchmaschinen Wissenschaftssuchmaschinen Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Vision Eine Datenbank die alle Themenbereiche abdeckt, eine optimale Recherche erlaubt, leicht zu bedienen ist, die

Mehr

Webinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten

Webinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten Webinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten Vortrag anlässlich der ODOK 2007 (20. September 2007, Graz) Joachim Pfister Schweizerisches

Mehr

Suchmaschinen und ihre Architektur. Seminar: Angewandtes Information Retrieval Referat von Michael Wirz

Suchmaschinen und ihre Architektur. Seminar: Angewandtes Information Retrieval Referat von Michael Wirz Suchmaschinen und ihre Architektur Seminar: Angewandtes Information Retrieval Referat von Michael Wirz Ziel Rudimentäre Grundkenntnisse über die Funktionsweise von Suchmaschinen und Trends Einführung in

Mehr

Wie können wir (Suchmaschinen-)Nutzer besser verstehen? Dirk Lewandowski Hochschule für Angewandte Wissenschaften Hamburg

Wie können wir (Suchmaschinen-)Nutzer besser verstehen? Dirk Lewandowski Hochschule für Angewandte Wissenschaften Hamburg Wie können wir (Suchmaschinen-)Nutzer besser verstehen? Dirk Lewandowski Hochschule für Angewandte Wissenschaften Hamburg Suchmaschinen E-Commerce Site-intern und andere Datenbestände Nutzer verstehen

Mehr

Web Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion

Web Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion Web Information Retrieval Hauptseminar Sommersemester 2003 Thomas Mandl Überblick Mehrsprachigkeit Multimedialität Heterogenität Qualität, semantisch, technisch Struktur Links HTML Struktur Technologische

Mehr

Erfolgreich suchen im Internet

Erfolgreich suchen im Internet Erfolgreich suchen im Internet Steffen-Peter Ballstaedt 05.10.2015 Statistik Weltweit: etwa 1 Milliarde Websites BRD: 15 Millionen Websites Das Internet verdoppelt sich alle 5,32 Jahre Die häufigste Aktivität

Mehr

Universitätsbibliothek. Technische Universität München. Internetsuche. Wissenswertes und Wissenschaftliches

Universitätsbibliothek. Technische Universität München. Internetsuche. Wissenswertes und Wissenschaftliches Internetsuche Wissenswertes und Wissenschaftliches 1. Allgemeine Suchmaschinen 2 Gezielter Suchen in Google Bestimmt nutzen Sie allgemeine Suchmaschinen (beinahe) täglich. Allerdings ist die Menge und

Mehr

Web of Science. eine Datenbank im Web of Knowledge. Sabine Teitge

Web of Science. eine Datenbank im Web of Knowledge. Sabine Teitge Web of Science eine Datenbank im Web of Knowledge Sabine Teitge Teildatenbanken Social Sciences Citation Index (SSCI)--1956-present Arts & Humanities Citation Index (A&HCI)--1975-present Conference Proceedings

Mehr

Zeitschriften des Informationswesens: eine Expertenbefragung

Zeitschriften des Informationswesens: eine Expertenbefragung Zeitschriften des Informationswesens: eine Expertenbefragung Christian Schlögl, Graz Abstract In diesem Beitrag werden die Ergebnisse einer empirischen Studie vorgestellt, welche die Nutzung von Zeitschriften

Mehr

Bibliothek. Kurzanleitung für Scopus

Bibliothek. Kurzanleitung für Scopus Bibliothek Kurzanleitung für Scopus Scopus ist eine interdisziplinäre Abstract- und Zitationsdatenbank, in der Forschungsliteratur aus mehr als 16.000 laufenden internationalen Zeitschriften, Patente und

Mehr

Einführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr

Einführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr Einführung Information Retrieval Norbert Fuhr 13. Oktober 2011 IR in Beispielen Was ist IR? Daten Information Wissen Dimensionen des IR Rahmenarchitektur für IR-Systeme Adhoc-Suche: Web IR in Beispielen

Mehr

MLA International Bibliography

MLA International Bibliography Württembergische Landesbibliothek MLA International Bibliography 09/12 Inhaltsverzeichnis 1. Über MLA...2 2. Startbildschirm (Advanced Search)...3 2.1 Eingabefelder in der Advanced Search...3 2.2 Sucheinschränkungen...3

Mehr

Suchen, um zu finden. Sta,s,k BRD (Quelle: Comscore, 2013) Beziehungsgeflecht der Suchmaschinen. Antworten auf folgende Fragen: 24.06.

Suchen, um zu finden. Sta,s,k BRD (Quelle: Comscore, 2013) Beziehungsgeflecht der Suchmaschinen. Antworten auf folgende Fragen: 24.06. Suchen, um zu finden Sta,s,k BRD (Quelle: Comscore, 2013) Steffen- Peter Ballstaedt 24.6.2015 etwa 6 Milliarden Suchanfragen pro Monat etwa 2.500 Anfragen pro Sekunde 96% der Suchanfragen über Google Beziehungsgeflecht

Mehr

Usability von Bedienkonzepten auf Tablets

Usability von Bedienkonzepten auf Tablets Usability von Bedienkonzepten auf Tablets Milena Rötting Master Informatik HAW Hamburg 26. April 2012 Gliederung Einführung Verwandte Arbeiten User-defined Gestures Usability of ipad Apps and Websites

Mehr

Erfolgreich publizieren: Peer-Reviewed Articles

Erfolgreich publizieren: Peer-Reviewed Articles 1 Erfolgreich publizieren: Peer-Reviewed Articles Prof. Dr. Oliver Treib Diskussionsveranstaltung für DoktorandInnen, Graduate School of Politics, Universität Münster, 24.01.2012 Struktur der Veranstaltung

Mehr

Einführung in das Seminarthema Web-Analyse. WS 2001/2002 H.-J. Hoffmann 9. November 2001

Einführung in das Seminarthema Web-Analyse. WS 2001/2002 H.-J. Hoffmann 9. November 2001 Einführung in das Seminarthema Web-Analyse WS 2001/2002 H.-J. Hoffmann 9. November 2001 Web-Analyse: Warum? Fehler technischer Art: - Nichtbeherrschung von HTML - Inkompatibilität der Stöberer (engl. Browser)

Mehr

Praktikum Entwicklung von Mediensystemen mit ios

Praktikum Entwicklung von Mediensystemen mit ios Praktikum Entwicklung von Mediensystemen mit ios WS 2011 Prof. Dr. Michael Rohs michael.rohs@ifi.lmu.de MHCI Lab, LMU München Today Heuristische Evaluation vorstellen Aktuellen Stand Software Prototyp

Mehr

Suchmaschinen. Anwendung RN Semester 7. Christian Koczur

Suchmaschinen. Anwendung RN Semester 7. Christian Koczur Suchmaschinen Anwendung RN Semester 7 Christian Koczur Inhaltsverzeichnis 1. Historischer Hintergrund 2. Information Retrieval 3. Architektur einer Suchmaschine 4. Ranking von Webseiten 5. Quellenangabe

Mehr

Geschichte des Internets Suchmaschinen Fachinformationszentren. Institute for Science Networking

Geschichte des Internets Suchmaschinen Fachinformationszentren. Institute for Science Networking Geschichte des Internets Suchmaschinen Fachinformationszentren Kurze Geschichte des Internets Internet: Geschichte beginnt mit der Entwicklung paketvermittelter Netze. Bei der Paketvermittlung werden Nachrichten

Mehr

Informationssystem der GBE Datenbedarf der potenziellen Nutzer

Informationssystem der GBE Datenbedarf der potenziellen Nutzer Informationssystem der GBE Datenbedarf der potenziellen Nutzer www.gbe-bund.de karin.boehm@destatis.de 01888 / 644-8115 GBE des Bundes Institutionen und Produkte Bundesministerium für Gesundheit GBE als

Mehr

User Guide: PsycINFO, PsycARTICLES

User Guide: PsycINFO, PsycARTICLES Search Interfaces: via EBSCOhost stehen verschiedene Suchmasken zur Verfügung, u.a.: Basic Search: Geben Sie Ihre Suchbegriffe in die Suchbox ein. Öffnen Sie die Search Options und wählen Sie den Search

Mehr

Fragebogen- und Testkonstruktion in der Online-Forschung

Fragebogen- und Testkonstruktion in der Online-Forschung Fragebogen- und Testkonstruktion in der Online-Forschung Dr. Meinald T. Thielsch 13. Juni 2008 Globalpark Innovations 2008 Diagnostisches Problem der (Online-)Forschung Es werden in vielen Arbeiten der

Mehr

Sehen und gesehen werden. Wie WissenschaftlerInnen im Web (un-)sichtbar werden.

Sehen und gesehen werden. Wie WissenschaftlerInnen im Web (un-)sichtbar werden. Sehen und gesehen werden. Wie WissenschaftlerInnen im Web (un-)sichtbar werden. Mediatraining 25. April 2012 Agenda Vorerfahrungen des Plenums Einführung Ziele dieses Mediatrainings Was ist Sichtbarkeit?

Mehr

Claudia Hewelt Sarah Waschkewitz

Claudia Hewelt Sarah Waschkewitz Claudia Hewelt Sarah Waschkewitz Ziele der Softwareevaluation Anforderungen an die Software Methoden Expertenevaluation Benutzerevaluation Ergebnisse auswerten Optimierung/ Vergleich von Software Benutzerfreundlichkeit

Mehr

Relevanzranking als Erfolgsfaktor für Discoverysysteme. Elmar Haake Staats und Universitätsbibliothek Bremen

Relevanzranking als Erfolgsfaktor für Discoverysysteme. Elmar Haake Staats und Universitätsbibliothek Bremen Relevanzranking als Erfolgsfaktor für Discoverysysteme Elmar Haake Staats und Universitätsbibliothek Bremen GBV Verbundkonferenz Hannover 05.09.2012 1 Relevanzranking als Erfolgsfaktor für Discoverysysteme

Mehr

Deutsche Suchmaschinen im Vergleich: AltaVista.de, Fireball.de, Google.de und Lycos.de

Deutsche Suchmaschinen im Vergleich: AltaVista.de, Fireball.de, Google.de und Lycos.de In: Hammwöhner, Rainer; Wolff, Christian; Womser-Hacker, Christa (Hg.): Information und Mobilität, Optimierung und Vermeidung von Mobilität durch Information. Proceedings des 8. Internationalen Symposiums

Mehr

Studierende, die diese Vorlesung hören, haben sich auch für folgende Lehrveranstaltungen interessiert:

Studierende, die diese Vorlesung hören, haben sich auch für folgende Lehrveranstaltungen interessiert: Studierende, die diese Vorlesung hören, haben sich auch für folgende Lehrveranstaltungen interessiert: Lehrangebot des FG Informationssysteme Modellierung Datenbanken Internet-Suchmaschinen Information

Mehr

SEO - Optimierung von Websites für Suchmaschinen

SEO - Optimierung von Websites für Suchmaschinen WWW-Workshop 2005: Suchtechnologien & Web-CD SEO - Optimierung von Websites für Suchmaschinen Universität Zürich, 18.10.2005 Sandra Gubler, unicommunication Agenda 1. Einleitung 2. Verbindliche Regeln

Mehr

Das System sollte den Benutzer immer auf dem Laufenden halten, indem es angemessenes Feedback in einer angemessenen Zeit liefert.

Das System sollte den Benutzer immer auf dem Laufenden halten, indem es angemessenes Feedback in einer angemessenen Zeit liefert. Usability Heuristiken Karima Tefifha Proseminar: "Software Engineering Kernkonzepte: Usability" 28.06.2012 Prof. Dr. Kurt Schneider Leibniz Universität Hannover Die ProSeminar-Ausarbeitung beschäftigt

Mehr

Vorlesung Information Retrieval Wintersemester 04/05

Vorlesung Information Retrieval Wintersemester 04/05 Vorlesung Information Retrieval Wintersemester 04/05 14. Oktober 2004 Institut für Informatik III Universität Bonn Tel. 02 28 / 73-45 31 Fax 02 28 / 73-43 82 jw@informatik.uni-bonn.de 1 Themenübersicht

Mehr

Eine semantische Suchmaschine in der Biomedizin

Eine semantische Suchmaschine in der Biomedizin Eine semantische Suchmaschine in der Biomedizin Jena University Language and Information Engineering Lab Anne Schneider Friedrich-Schiller-Universität Jena Einstieg Großes Wachstum von Daten im Bereich

Mehr

Deep Web Suchen wir was man finden könnte?

Deep Web Suchen wir was man finden könnte? Deep Web Suchen wir was man finden könnte? Dr. Dirk Lewandowski dirk.lewandowski@uni-duesseldorf.de www.durchdenken.de/lewandowski Gliederung Die Bedeutung des Deep Web Die Größe des Deep Web Strategien

Mehr

Verwendung von Skalenbewertungen in der Evaluierung von Suchmaschinen

Verwendung von Skalenbewertungen in der Evaluierung von Suchmaschinen Verwendung von Skalenbewertungen in der Evaluierung von Suchmaschinen Dirk Lewandowski dirk.lewandowski@haw-hamburg.de http://www.bui.haw-hamburg.de/lewandowski.html @Dirk_Lew ISI 2013, 22. März 2013 Gliederung

Mehr

Literatursuche in PubMed: Medical Subject Headings (MeSH) http://www.ncbi.nlm.nih.gov/pubmed

Literatursuche in PubMed: Medical Subject Headings (MeSH) http://www.ncbi.nlm.nih.gov/pubmed EbM-Splitter 17 Literatursuche in PubMed: Medical Subject Headings (MeSH) http://www.ncbi.nlm.nih.gov/pubmed Die in PubMed enthaltenen bibliographischen Angaben werden von Mitarbeitern der National Library

Mehr

Supporting Consumers by Characterizing the Quality of Online Health Information: A Multidimensional Framework. Von Dominic Kipry

Supporting Consumers by Characterizing the Quality of Online Health Information: A Multidimensional Framework. Von Dominic Kipry Supporting Consumers by Characterizing the Quality of Online Health Information: Von Inhalt Einführung Methoden zur Bewertung der Qualität A Multidimensional Quality Framework Content Quality Dimension

Mehr

Maßgeschneiderte Suchmaschinen

Maßgeschneiderte Suchmaschinen Maßgeschneiderte Suchmaschinen Usability Stammtisch Frankfurt am Main 17.11.2009 Walter Ebert Web Development www.walterebert.de Braucht meine Website eine Suchmachine? Wahrscheinlich, wenn: Eine gute

Mehr

Auswahl an bibliografischen Datenbanken, Internetportalen und wissenschaftlichen Suchmaschinen

Auswahl an bibliografischen Datenbanken, Internetportalen und wissenschaftlichen Suchmaschinen Auswahl an bibliografischen Datenbanken, Internetportalen und wissenschaftlichen Suchmaschinen Datenbanken für die bibliografische Recherche: GVK-PLUS - Online-Katalog des Gemeinsamen Bibliotheksverbundes

Mehr

Ebsco Business Source Premier: Recherche

Ebsco Business Source Premier: Recherche Ebsco Business Source Premier: Recherche Wenn Sie in der Datenbank Business Source Premier recherchieren wollen müssen Sie diese auf der Startseite auswählen: Choose Databases: Business Source Premier

Mehr

Lehrangebot. Fachgebiet Informationssysteme Prof. Dr. Norbert Fuhr. N. Fuhr, U. Duisburg-Essen. Lehrangebot

Lehrangebot. Fachgebiet Informationssysteme Prof. Dr. Norbert Fuhr. N. Fuhr, U. Duisburg-Essen. Lehrangebot Lehrangebot Fachgebiet Informationssysteme Prof. Dr. Norbert Fuhr N. Fuhr, U. Duisburg-Essen Lehrangebot 1 Lehrangebot des FG Informationssysteme Datenbanken Internet-Suchmaschinen Information Retrieval

Mehr

Recommender Systems. Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006

Recommender Systems. Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006 Recommender Systems Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006 Inhalt 1 - Einführung 2 Arten von Recommender-Systemen 3 Beispiele für RCs 4 - Recommender-Systeme und

Mehr

Deutsche Suchmaschinen im Vergleich: AltaVista.de, Fireball.de, Google.de und Lycos.de

Deutsche Suchmaschinen im Vergleich: AltaVista.de, Fireball.de, Google.de und Lycos.de Deutsche Suchmaschinen im Vergleich: AltaVista.de, Fireball.de, Google.de und Lycos.de Joachim Griesbaum 1 / Marc Rittberger 2 / Bernard Bekavac 1 1 Universität Konstanz Informationswissenschaft Fach D

Mehr

«Web und Multimedia» Usability

«Web und Multimedia» <Grundlagen und Technologien> Usability «Web und Multimedia» Usability 1 Usability: Definition Was ist Usability? Der Begriff «Usability» tritt bei verschiedenen Gelegenheiten z.b. Produkte, Gegenstände, Software...

Mehr

Praktische Tipps für die wissenschaftliche Arbeit

Praktische Tipps für die wissenschaftliche Arbeit Praktische Tipps für die wissenschaftliche Arbeit Prof. Dr. Helmut Brall-Tuchel Dr. Jürgen Rauter Die wissenschaftliche Arbeit Wissenschaftliche Arbeit Seite 2 Formale Kriterien einer Seminararbeit (/).

Mehr

Mensch Technisch. Fallstudien

Mensch Technisch. Fallstudien Zusammenfassung Überblick Mensch Technisch h h titativ iv Quan Qualitat Kontrollierte Experimente mit Probanden Fragebög en Interview Fallstudien Zeitreihen analysen Perform ance Beweise Think Aloud Protokolle

Mehr

Literaturverwaltungsprogramm EndNote. Einführung in das Literaturverwaltungsprogramm

Literaturverwaltungsprogramm EndNote. Einführung in das Literaturverwaltungsprogramm Einführung in das Literaturverwaltungsprogramm Was bietet Endnote Endnote ist ein Literaturverwaltungsprogramm, in dem Sie folgendes machen können: Ihre Dokumentation verwalten durch Erstellen Ihrer persönlichen

Mehr

Universelle Benutzbarkeit und Barrierefreiheit bei Webseiten der breiten Masse und der öffentlichenhand

Universelle Benutzbarkeit und Barrierefreiheit bei Webseiten der breiten Masse und der öffentlichenhand Markus Tressl Universelle Benutzbarkeit und Barrierefreiheit bei Webseiten der breiten Masse und der öffentlichenhand Grundlagen, Erklärungen und Lösungswege zur Erstellung von behindertengerechten, gesetzeskonformen

Mehr

Messen, Bewerten, Vergleichen Zitationsanalyse mit Google Scholar

Messen, Bewerten, Vergleichen Zitationsanalyse mit Google Scholar Harry Müller Messen, Bewerten, Vergleichen Zitationsanalyse mit Google Scholar Vortrag bei der 6. Jahrestagung der Gesellschaft für Hochschulforschung in Wittenberg Gliederung 1. Grundlegendes 2. Google

Mehr

Fit für die Recherche?! Literatursuche für die Seminar- oder Abschlussarbeit in den Sozialwissenschaften

Fit für die Recherche?! Literatursuche für die Seminar- oder Abschlussarbeit in den Sozialwissenschaften Fit für die Recherche?! Literatursuche für die Seminar- oder Abschlussarbeit in den Sozialwissenschaften Sommersemester 2016 März 2016 Verlauf der Veranstaltung vor der Recherche richtige Vorbereitung

Mehr

Usability Testing. Theorien, Modelle und Methoden der Softwareevaluation. Andreas Simon. Seminar Software Management

Usability Testing. Theorien, Modelle und Methoden der Softwareevaluation. Andreas Simon. Seminar Software Management Usability Testing Theorien, Modelle und Methoden der Softwareevaluation Andreas Simon Seminar Software Management Agenda Motivation Usability Referenz-Modell Analytische Evaluationsmethoden Heuristische

Mehr

Herzlich willkommen zum Vortrag Suchmaschinenoptimierung (SEO)

Herzlich willkommen zum Vortrag Suchmaschinenoptimierung (SEO) Herzlich willkommen zum Vortrag Suchmaschinenoptimierung (SEO) Elisabeth Langwieser Die Konzepter Marketing online.offline Independence Day - Friendsfactory München, 1. März 2012 3 x 10 = 45 Agenda 10

Mehr

Data Mining im Internet

Data Mining im Internet Data Mining im Internet Dipl.-Dok. Helga Walter Bayer HealthCare, Wuppertal PH-R-EU Scientific Information and Documentation 1 Arten / Quellen wissenschaftlicher Information Strukturierte Informationen:

Mehr

CHECKLISTE SUCHMASCHINENOPTIMIERUNG

CHECKLISTE SUCHMASCHINENOPTIMIERUNG CHECKLISTE SUCHMASCHINENOPTIMIERUNG Suchmaschinenoptimierung, auch Search Engine Optimization (SEO) genannt, ist ein Marketing-Instrument, das dazu dient, Websites auf den Ergebnisseiten der Suchmaschinen

Mehr

PsycINFO. Kurzanleitung zur Online-Datenbank. Eine weitere Beschreibung dieser Datenbank bieten die folgende Internetadressen:

PsycINFO. Kurzanleitung zur Online-Datenbank. Eine weitere Beschreibung dieser Datenbank bieten die folgende Internetadressen: PsycINFO Kurzanleitung zur Online-Datenbank Eine weitere Beschreibung dieser Datenbank bieten die folgende Internetadressen: http://www.apa.org/psycinfo/about/ http://www.apa.org/psycinfo/training/ovid-web.pdf

Mehr

$QNH 5HLQKROG )RUVFKXQJVGDWHQ LQ GHU YLGHREDVLHUWHQ 8QWHUULFKWVIRUVFKXQJ %HQXW]HU]HQWULHUWH 0RGHOOLHUXQJ XQG (YDOXLHUXQJ HLQHU

$QNH 5HLQKROG )RUVFKXQJVGDWHQ LQ GHU YLGHREDVLHUWHQ 8QWHUULFKWVIRUVFKXQJ %HQXW]HU]HQWULHUWH 0RGHOOLHUXQJ XQG (YDOXLHUXQJ HLQHU Inhaltsverzeichnis 3 4 Inhaltsverzeichnis A. Reinhold: Forschungsdaten in der videobasierten Unterrichtsforschung Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

Jakob Nielsen Usability, alertbox. FH-Aachen VK SS06 Datarama Prof. Gasteier

Jakob Nielsen Usability, alertbox. FH-Aachen VK SS06 Datarama Prof. Gasteier Jakob Nielsen Usability, alertbox FH-Aachen VK SS06 Datarama Prof. Gasteier Inhalt 1 Kurzbiographie: Jakob Nielsen 2 Nielsen Norman Group (NNG) 3 Erfolgskonzept 4 Heuristische Evaluation 5 www.amazon.com

Mehr

Internet- und Literaturrecherche für Ingenieurwissenschaften

Internet- und Literaturrecherche für Ingenieurwissenschaften Internet- und Literaturrecherche für Ingenieurwissenschaften Milena Pfafferott milena.pfafferott@tu-ilmenau.de 03.11.2011 Seite 1 THEMATISCHES GOOGLE? BIBLIOTHEKSKATALOGE DATENBANKEN 03.11.2011 Seite 2

Mehr

Datenbank- Recherche. SS 2015 8. Veranstaltung 18. Juni 2015. Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.

Datenbank- Recherche. SS 2015 8. Veranstaltung 18. Juni 2015. Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis. Datenbank- Recherche SS 2015 8. Veranstaltung 18. Juni 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz- InsFtut für SozialwissenschaJen 2 Themen der heu2gen

Mehr

Basiswissen für den Relaunch

Basiswissen für den Relaunch Erfolgreiche Internet Seiten Basiswissen für den Relaunch Übersicht zum Programm Vorstellung netzlabor Status Quo einer Seite im Netz Statistiken richtig Interpretieren Checkliste für eine gute Internet

Mehr

Jump Start in die Literaturrecherche für die Bachelorarbeit

Jump Start in die Literaturrecherche für die Bachelorarbeit Jump Start in die Literaturrecherche für die Bachelorarbeit Die Top 10 Tipps und Unterstützungsangeboteder WiSo-Bibliothek für VWL-Studierende Verfasser/in Dr. Sabine Rauchmann Webadresse, http://www.wiso.uni-hamburg.de/bibliothek

Mehr

Leitfaden Grundlagenkurs. Literaturrecherche

Leitfaden Grundlagenkurs. Literaturrecherche Leitfaden Grundlagenkurs Literaturrecherche 1 Literatur ermitteln Vorüberlegungen Literatur ermitteln ist ein Handwerk. Um dieses Handwerk nutzen zu können, müssen vier Voraussetzungen geklärt werden:

Mehr

Untersuchung zur Gebrauchstauglichkeit von Stud.IP

Untersuchung zur Gebrauchstauglichkeit von Stud.IP Untersuchung zur Gebrauchstauglichkeit von Stud.IP Bachelor Thesis von Thomas Schrader betreut von Prof. Dr. rer. nat. Rolf Linn 1 Zur Thesis Suche nach Usability-Problemen Stud.IP (2.1) der FH Trier für

Mehr

neofonie DER SPEZIALIST FÜR IHRE INFORMATIONSARCHITEKTUR

neofonie DER SPEZIALIST FÜR IHRE INFORMATIONSARCHITEKTUR neofonie DER SPEZIALIST FÜR IHRE INFORMATIONSARCHITEKTUR Suchportale der nächsten Generation Dr. Thomas Schwotzer Leiter Forschung, neofonie Suche eine Folien Geschichte 1993: Beginn der HTML-Ära 1993

Mehr

Logfile Analyse II. Referent: Philipp Mayr. 8. InternetSalon am 26. Mai 2004, pr-ide. 8. InternetSalon / pr-ide Logfile Analyse II

Logfile Analyse II. Referent: Philipp Mayr. 8. InternetSalon am 26. Mai 2004, pr-ide. 8. InternetSalon / pr-ide Logfile Analyse II Logfile Analyse II Referent: Philipp Mayr 8. InternetSalon am 26. Mai 2004, pr-ide 1 Agenda Dauer ca. 1,5 h Begrüßung Einführung, Grundlagen, Probleme, Potenziale Zehn Reports am Beispiel von vers. Logfiles

Mehr

Was Bibliotheken von Suchmaschinen lernen können. Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de

Was Bibliotheken von Suchmaschinen lernen können. Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Was Bibliotheken von Suchmaschinen lernen können Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de 1 Dirk Lewandowsk: Was Bibliotheken von Suchmaschinen lernen können Suchmaschinen 2 Dirk Lewandowsk:

Mehr

Web Data Mining. Alexander Hinneburg Sommersemester 2007

Web Data Mining. Alexander Hinneburg Sommersemester 2007 Web Data Mining Alexander Hinneburg Sommersemester 2007 Termine Vorlesung Mi. 10:00-11:30 Raum?? Übung Mi. 11:45-13:15 Raum?? Klausuren Mittwoch, 23. Mai Donnerstag, 12. Juli Buch Bing Liu: Web Data Mining

Mehr

Begriff 1 Begriff 2 Datenbank 1

Begriff 1 Begriff 2 Datenbank 1 Literaturrecherche Eine sorgfältige Literaturrecherche ist der erste fundamentale Schritt zur Anfertigung einer wissenschaftlichen Arbeit. Die Recherche sollte systematisch, genau, verständlich und nachvollziehbar

Mehr

USABILITY. kurze Geschichte der Computer Interfaces. web usabilty. Bernhard Bauch, 0327044 / Digitale Kunst WS 2005/06. download PDF of this document

USABILITY. kurze Geschichte der Computer Interfaces. web usabilty. Bernhard Bauch, 0327044 / Digitale Kunst WS 2005/06. download PDF of this document web usabilty 1 Bernhard Bauch, 0327044 / Digitale Kunst WS 2005/06 download PDF of this document USABILITY kurze Geschichte der Computer Interfaces Erste Rechenmaschinen mit 1:1 Relation zwischen Interface

Mehr

Wissensarmut trotz (oder gar durch) Nutzung von Suchmaschinen?

Wissensarmut trotz (oder gar durch) Nutzung von Suchmaschinen? Wissensarmut trotz (oder gar durch) Nutzung von Suchmaschinen? Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de http://www.bui.haw-hamburg.de/lewandowski.html @Dirk_Lew Universität Rostock, 13.

Mehr

Suchergebnisdarstellung in Google, Bing, Cuil, etc. Christina Ficsor

Suchergebnisdarstellung in Google, Bing, Cuil, etc. Christina Ficsor Suchergebnisdarstellung in Google, Bing, Cuil, etc. Christina Ficsor Allgemeines zu Suchmaschinen Was ist eine Suchmaschine? Ein Programm das die Suche nach Dokumenten/Webseiten im Internet durch die Eingabe

Mehr

Datenbank-Infosystem (DBIS)

Datenbank-Infosystem (DBIS) Universitäts- und Forschungsbibliothek Erfurt/Gotha Datenbank-Infosystem (DBIS) Inhaltsverzeichnis 1. DBIS... 2 2. Inhalt... 2 3. Zugang... 3 4. Bildschirmaufbau... 4 5. Suche... 5 6. SFX Linkservice der

Mehr

Willkommen. Benutzerhandbuch für die OECD Online-Bibliothek

Willkommen. Benutzerhandbuch für die OECD Online-Bibliothek Willkommen Benutzerhandbuch für die OECD Online-Bibliothek Startseite Sie haben drei Möglichkeiten, zu den Studien und Statistiken der OECD zu gelangen: Klicken Sie oben auf die Kategorie, für die Sie

Mehr

Internet und die Folge - 2

Internet und die Folge - 2 Internet und die Folge - 2 Wissenschaftlicher Bibliothekarenkurs 2001/2002 Zentralbibliothek Zürich 2002 Trialog AG Lernziele heute Sie wissen, Welche Suchmöglichkeiten Sie haben. Wie Sie suchen. Worauf

Mehr

Hinweise zur Literaturrecherche. ES Forschungsmethodik III: Allgemeine Psychologie Prof. D. Albert SS 2004

Hinweise zur Literaturrecherche. ES Forschungsmethodik III: Allgemeine Psychologie Prof. D. Albert SS 2004 Hinweise zur Literaturrecherche ES Forschungsmethodik III: Allgemeine Psychologie Prof. D. Albert SS 2004 Literaturrecherche Literaturrechere nicht nur mit Internet- Suchmaschinen!!! Auch traditionelle

Mehr

Unbeschränkter Zugang zu Wissen?

Unbeschränkter Zugang zu Wissen? Unbeschränkter Zugang zu Wissen? Leistungsfähigkeit und Grenzen von Suchdiensten im Web. Zwischen informationeller Absicherung und manipulierter Information Joachim Griesbaum Informationswissenschaft Universität

Mehr

Neue wissenschaftliche Informations- und Rechercheangebote als Grundlage für Seminar-/Oberstufenkurse an Gymnasien.

Neue wissenschaftliche Informations- und Rechercheangebote als Grundlage für Seminar-/Oberstufenkurse an Gymnasien. Neue wissenschaftliche Informations- und Rechercheangebote als Grundlage für Seminar-/Oberstufenkurse an Gymnasien Internetrecherche Fortbildung an der UB Heidelberg, 02.02.2010 Dr. Annette Klein UB Mannheim

Mehr

. TYPO3-Plug-in u:cris

. TYPO3-Plug-in u:cris . TYPO3-Plug-in u:cris Zentraler Informatikdienst der Universität Wien Stand: Jänner 2014 TYPO3-Version 4.5 Dieses Handbuch ist eine Übersicht zum Einsatz des TYPO3-Plug-ins u:cris. Naturgemäß würde die

Mehr

Grundlagen der Suchmaschinenoptimierung (SEO)

Grundlagen der Suchmaschinenoptimierung (SEO) Grundlagen der Suchmaschinenoptimierung (SEO) rankingcheck GmbH Inhabergeführte Online Marketing Agentur Fullservice: SEA, Display, Webanalyse, Affiliate, Social Media Gegründet 2005 in Köln CEO Thorsten

Mehr

Suche schlecht beschriftete Bilder mit Eigenen Abfragen

Suche schlecht beschriftete Bilder mit Eigenen Abfragen Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere

Mehr

The Cochrane Library

The Cochrane Library The Cochrane Library Was ist die Cochrane Library? Die Cochrane Library bietet hochwertige, evidenzbasierte medizinische Fachinformation zur fundierten Unterstützung bei Diagnose und Behandlung. http://www.cochranelibrary.com/

Mehr

Sprachstatistik: Das Zipf sche Gesetz

Sprachstatistik: Das Zipf sche Gesetz Sprachstatistik: Das Zipf sche Gesetz Korpus-Workshop Thema Korpus-Statistik Thomas Wittig Universität Leipzig Institut für Informatik wittig@uni-leipzig.de Principle of Least Effort 2 George K. Zipf:

Mehr

Technologiebeobachtung in der Unternehmenspraxis. Ein Ansatz zur Integration funktionsübergreifender Informationsbedürfnisse

Technologiebeobachtung in der Unternehmenspraxis. Ein Ansatz zur Integration funktionsübergreifender Informationsbedürfnisse Technologiebeobachtung in der Unternehmenspraxis Ein Ansatz zur Integration funktionsübergreifender Informationsbedürfnisse 1 Warum sind statistische technische Informationen wichtig? Untersuchen von Technologien

Mehr

PubMed - Kurzinformation

PubMed - Kurzinformation PubMed - Kurzinformation Medline ist eine Literaturdatenbank, in der Artikel aus rund 5.300 internationalen medizinischen Zeitschriften erfasst und ausgewertet werden. Sie wird erstellt in der National

Mehr

Magisterarbeit im Studiengang Internationales Informationsmanagement vorgelegt von Ben Heuwing, Universität Hildesheim

Magisterarbeit im Studiengang Internationales Informationsmanagement vorgelegt von Ben Heuwing, Universität Hildesheim ISI 2009 Konstanz - Information: Droge, Ware oder Commons? Session 9: Gerhard-Lustig-Preis 2.4.2009 Tagging für das persönliche und kollaborative Informationsmanagement: Implementierung eines Social-Software

Mehr

Vorlesung Konsumentenverhalten 2015_1 Dr. Hansjörg Gaus

Vorlesung Konsumentenverhalten 2015_1 Dr. Hansjörg Gaus Vorlesung Konsumentenverhalten 2015_1 Dr. Hansjörg Gaus Universität des Saarlandes Centrum für Evaluation (CEval) Vorlesung Konsumentenverhalten Folienskript: Download unter www.tu-chemnitz.de/wirtschaft/bwl2/lehre/downloads.php/skripte

Mehr

TYPO3-Suchmaschinenoptimierung für Redakteure

TYPO3-Suchmaschinenoptimierung für Redakteure TYPO3-Suchmaschinenoptimierung für Redakteure TYPO3 Version 7.6 LTS Allgemeines Dieses Dokument beschreibt redaktionelle Maßnahmen zur Verbesserung des Suchmaschinen- Rankings. Diese Maßnahmen sind Teil

Mehr

Software-Usability: So war das aber nicht gedacht

Software-Usability: So war das aber nicht gedacht Software-Usability: So war das aber nicht gedacht iks Thementag Mehr Softwarequalität Ausgewählte Themen 23.04.2013 Autor: Martin Gossen Seite 3 / 61 Seite 4 / 61 So war das aber nicht gedacht Seite 5

Mehr

Informationsexplosion oder falsche Suchstrategie? Suchstrategien...

Informationsexplosion oder falsche Suchstrategie? Suchstrategien... www.google.at Wer suchet, der findet... Eine Anleitung zur Suche im Web Informationsexplosion oder falsche Suchstrategie? Suchstrategien...... mit Konzept ans Suchen beides! Suchansätze»best practice«intuitive

Mehr